原來越聰明的人，大腦內部反而越簡單

最近微信改版，容易找不到尹哥的文章，大家記得把尹哥設為星標?? 哦~

前段時間，比利時一位15歲的少年獲得了量子物理學博士學位，成為了歷史上最年輕的物理學博士。據說這孩子從小智力超群，一路開掛，11歲就已本科畢業。

看到這兒，真不禁讓人半是感慨、半是自嘲地思索：人與人之間智商的鴻溝，是否真如網絡段子所言，堪比物種之別？

你是否也好奇，這些聰明人的大腦到底與普通人有什么不一樣？接下來，就讓我們一起拆解三篇論文，來一探這“高智商大腦”的秘密！

01

神經元越大，智商越高

首先來看神經科學領域的一項發現。一篇發表在《eLife》期刊上的研究，從單個腦細胞的層面提供了一些線索：原來，高智商人群大腦皮層中的錐體神經元不僅體積更大、結構更復雜，而且放電更快、更穩定。

過去幾十年來，科學家通過腦成像技術觀察到，智商較高的人往往在顳葉和額葉等區域的灰質更厚。灰質中密集分布著神經元的細胞體及其樹突。

但一個問題隨之而來：更厚的大腦皮層背后，究竟是哪些微觀結構在起作用？是神經元數量更多，還是每個神經元本身更強？

由于難以直接獲取健康人腦組織，這個問題長期無法得到直接驗證。直到2018年，荷蘭阿姆斯特丹自由大學的研究團隊抓住了一次難得的機會——他們從46位因癲癇或腦腫瘤接受手術的患者中，獲取了少量健康的顳葉腦組織。這些組織因位于病灶附近而被切除，但其本身并未發生病變。

更重要的是，這些患者術前都做了標準的智商測試（WAIS），還做了高分辨率的MRI腦掃描。于是，研究人員把三樣東西串起來了：

● 每個人的智商分數；

● 他們大腦顳葉的皮層厚度；

● 以及從他們腦組織中提取出的單個神經元的形態和電活動。

△ 試驗過程

研究人員對72個神經元進行了精細的三維重建，發現一個驚人的規律——智商越高的人，其神經元的樹突總長度越長，分支也越多，這意味著它們能夠接收來自更多其他神經元的信號。

而且，這些樹突結構“茂密”的神經元所在區域，正好對應MRI影像中顯示的皮層較厚的位置。

也就是說，大腦皮層增厚并非由于堆砌了大量小型神經元，而是因為其中的神經元個體更大、結構更復雜。

△ 智商得分與顳葉皮質厚度呈正相關

僅有龐大的樹突還不夠，神經元的核心功能在于通過產生動作電位來傳遞信息。

研究人員通過電極記錄了129個神經元的放電過程，發現高智商者神經元的動作電位上升速度更快，尤其在連續放電時，例如在大腦高速處理復雜任務的過程中，它們的“電脈沖”衰減得更慢。

△ 智商得分與顳葉皮質錐體細胞的樹突結構呈正相關

△ 較大的樹突可導致動作電位更快的起始速度，并改善編碼特性

舉例來說，當神經元以每秒30次的頻率連續放電時，低智商組的神經元放電速度會明顯下降，而高智商組的神經元則能基本保持初始的“爆發力”。

這表明，他們的神經元在高負荷工作狀態下依然能夠精準、高效地傳遞信息。

那么，為什么樹突越大，放電反而越快？這聽起來似乎有些反直覺：樹突主要負責接收信號，而放電始于軸突，兩者如何關聯？

實際上，神經元是一個完整的電生理系統。更大的樹突結構如同一個更大的“電容負載”，反而有助于細胞膜電位更迅速地變化。

計算機模擬結果也證實了這一點：樹突更長的神經元模型，不僅產生動作電位的速度更快，還能更精準地響應高頻輸入信號。

02

大腦內部越簡單反而越聰明

既然神經元的樹突越茂密，大腦就越聰明，那么是不是大腦的結構也越復雜越好呢？

還真不是這樣！來自德國波鴻魯爾大學的研究團隊此前在《自然·通訊》上發表了一項研究，發現聰明人的大腦可能更簡潔高效。

科學家早已觀察到，聰明人的大腦通常體積更大，尤其是在頂葉和額葉等關鍵區域。

而這項研究試圖更進一步，探索高智商人群的大腦在微觀結構上是否具有獨特特征。

為了找到答案，研究者們用了多殼彌散張量成像（簡稱MS-DTI）和矩陣推理測試。

MS-DTI能讓我們看到大腦里神經纖維的走向和密度，而矩陣推理測試則是一種用來衡量智力的測試。

△ 估算大腦的性能

在分析DTI數據時，研究者重點關注大腦皮層的兩個指標：一是神經突密度（INVF Cortex），二是神經突方向分散度（ODI Cortex）。

這里的“神經突”包括軸突和前面提到的樹突。這兩個指標共同反映了大腦神經纖維的密集程度與排列規整性。

結果發現，智商更高的個體，其大腦皮層中神經突密度更低，方向分散度也更低。這說明他們大腦中的神經纖維排列更加有序，不那么雜亂無章。

這一發現支持了所謂的“神經效率假說”。該假說認為，聰明人的大腦并非依靠“蠻力”運作，而是勝在“效率”。也就是說，他們的大腦神經網絡組織得更精煉，信息處理起來更快、更精準。

那么問題來了：之前的研究不是顯示神經元的樹突越大、大腦越聰明嗎？怎么這里又說神經突密度低的大腦更聰明呢？

關鍵在于區分單個神經元的大小和一個區域內神經元的密集程度：

荷蘭團隊的研究發現，在智商較高的人群中，單個錐體神經元不僅體積更大，而且樹突結構也更為復雜。這使得神經元內部的信息處理速度更快，信息從輸入端（樹突）到輸出端（軸突/動作電位）的傳遞也更加高效。

而德國團隊則測量了大腦皮層大范圍區域內的神經突密度（即單位體積灰質中樹突和軸突的數量）。他們的發現與荷蘭團隊互補：高智商人群的神經突密度更低。

將這兩項研究結合起來看，我們發現高智商人群的大腦具有一種獨特的結構特征——在給定的體積內，神經元數量較少（即密度較低、排列更稀疏），但這些神經元平均來說體積更大、結構更復雜。

這種由“更優質單元”構成的“更稀疏網絡”，可能為信息傳遞提供了更清晰、更少干擾的路徑，從而實現更高效的處理。這與“神經效率假說”的內涵高度吻合。

△ 量化單個腦區層面的結構-功能關聯

由此看來，頭大≠聰明，關鍵是得細看“內部軟裝”呢！

03

大腦皮層結構與智力的關聯

上面的兩項研究都來自2018年。而近年來，神經科學界對大腦結構與智力之間的關聯進行了更加細致的研究。

早期研究多關注顳葉、額葉等具體腦區，但實際上，大腦的高級功能依賴于遍布各區域乃至深層結構的協同網絡。

例如“默認模式網絡”（DMN），它如同大腦的“后臺運行程序”，在我們休息、放空或進行內部思考時活躍。相反，“任務正向網絡”（TPN）則在我們專注處理外部任務時啟動。

重要的是，DMN不僅負責“休息”，它在記憶整合、注意力調控和認知靈活性等方面也扮演關鍵角色。

例如，作為DMN核心樞紐的后扣帶回皮層（PCC），其功能連接強度已被發現與智力表現正相關。

2023年4月，美國貝勒醫學院團隊在《大腦與行為》上發表了一項新研究。他們通過分析DMN和TPN中關鍵節點的皮層結構特征——包括皮層厚度和腦回化指數，來探索這些特征與一般智力（g因子）之間的關系。

該研究對44名健康年輕人進行了深入分析，發現皮層厚度與智力之間存在顯著關聯，尤其是在DMN的一些關鍵節點上，例如右側顳下回、腹側后扣帶回及海馬旁回等區域——這些區域的皮層越厚，受試者的一般智力分數往往越高。

此外，腦回化指數（LGI，用于衡量大腦皮層折疊復雜程度的指標）也與智力相關。研究發現，在DMN的多個節點（如右側腹側與背側后扣帶回、右側中顳回等），LGI越高，智力評分也越高。

△ 皮層厚度與g因子的關系

接著，研究團隊還進一步利用皮層厚度和LGI構建了線性回歸模型，該模型成功預測了受試者的智力分數，解釋力達到25%。

這表明，大腦的“智力密碼”很可能隱藏在DMN等網絡的精細結構之中，即更厚的皮層可能意味著更多的神經元和更復雜的局部連接；更高的折疊程度則擴展了皮層表面積，為神經計算提供了更廣闊的空間。

總之，這項研究將智力與特定大腦網絡的結構明確聯系起來，比以往僅關注局部腦區的研究更進一步，也為未來探索認知增強或神經疾病治療提供了新思路。

例如，通過非侵入性腦刺激技術調節DMN的活動，或許有望輔助提升認知功能。

在日常的生活、學習與工作中，我們常常會感嘆于某些人思維敏捷、學習力強，仿佛天生就擁有“最強大腦”。

通過神經科學的深入研究，我們逐漸揭開了這背后的奧秘——聰明的大腦，并非單純依賴大腦體積、或是神經元數量，而在于神經元的質量與網絡連接的精妙布局。

但這些可能都只是冰山的一角，未來更深入的研究必將進一步增進我們對大腦與智力關系的理解。

不過，即使我們大部分人沒有令人羨慕的高智商大腦，但我們仍能從“高智商大腦”的剖析中獲得啟發：

追求“更多”未必總是最優解，無論是知識積累、技能學習還是生活管理，適時的“聚焦”與“精簡” ，保留核心、去除雜蕪、優化結構，可能才是通向高效與卓越的關鍵！

撰文：linwen｜編輯：lcc

參考資料：

[1] Goriounova NA, Heyer DB, Wilbers R, Verhoog MB, Giugliano M, Verbist C, Obermayer J, Kerkhofs A, Smeding H, Verberne M, Idema S, Baayen JC, Pieneman AW, de Kock CP, Klein M, Mansvelder HD. Large and fast human pyramidal neurons associate with intelligence. Elife. 2018 Dec 18;7:e41714. doi: 10.7554/eLife.41714.

[2] Gen?, E., Fraenz, C., Schlüter, C. et al. Diffusion markers of dendritic density and arborization in gray matter predict differences in intelligence. Nat Commun 9, 1905 (2018). https://doi.org/10.1038/s41467-018-04268-8

[3] Yadav A, Purushotham A. Cortical Structure in Nodes of the Default Mode Network Estimates General Intelligence. Brain Behav. 2025 May;15(5):e70531. doi: 10.1002/brb3.70531.