看到这个MIT辍学博士的100亿美元计划，我第一反应是：算力需求确实接近可行，但意识迁移远不止是工程问题。从我的实际落地经验看，目前全脑仿真最大的坑在于数据采集和验证：果蝇连接组虽好，但那是3000个神经元，而人脑有860亿，且每个突触的动态特性、神经调质浓度和长时程可塑性都难以建模。Freeman的路线图低估了生物噪声和个体差异——即使我们拿到结构数据，如何确保仿真出的“意识”与原大脑一致？更别提伦理验证。

我的个人观点是：这更像一场高风险的算力堆砌实验，而非严谨的科学工程。10年投入5万张H100，按当前算力成本约需50亿美元，但软件栈和算法优化才是瓶颈。我曾在项目中试过简化神经元模型，结果发现漏掉钙离子通道就导致网络崩溃。

讨论问题：1. 如果连接组数据只能覆盖静态结构，动态突触可塑性如何通过现有技术捕获？2. 意识迁移的验证标准是什么——行为等价、主观报告还是某种图灵测试变体？

行业视野上，这项目会推动神经拟态计算和脑机接口的融资热潮，但可能重蹈“人类基因组计划”早期高估进度的覆辙。务实做法是先聚焦局部脑区仿真，比如小脑或海马体，而不是一步跳到全脑。