你解一道难题和你发呆看窗外，脑子花的钱几乎一样多。
你此刻这颗脑子，功率大约 20 瓦——比冰箱里那盏小灯泡还省。它占体重不到 2%，却要吃掉你静息时约 20% 的能量。真正奇怪的是另一件事：这张账单几乎从不波动。不管你在演算还是在发呆，数字都差不了几个百分点。顺着这条线往下拉，会得到一个反过来的结论——不是脑先长成这样、然后碰巧很省电；而是"电费"这张预算表从一开始就在替它做设计决定：能养多少神经元、同一时刻能亮起几个、连线怎么铺、甚至你为什么必须把食物煮熟。
直觉会说：费电的当然是思考。但把账拆开会发现，大头花在一件特别不起眼的事上——恢复原状。
神经元靠细胞膜内外的离子浓度差存着一份"势能"，像一座蓄了水的坝。它放一次电（一个电脉冲，几毫秒），本质是开闸放水——离子顺着浓度差自己冲进冲出，这一步几乎不花钱。真正要付账的是事后：一个叫钠钾泵的蛋白拿 ATP（细胞里的通用能量货币）当燃料，一颗一颗把跑错位置的离子再抽回坝里。所以每一次信号的电费，都是在信号过去之后才结的。
预算表里最耐人寻味的一项，是接收比发送贵。神经元自己放电只占约两成，而"被别的神经元轰过来、在突触后打开一堆离子通道"这件事占了约一半——因为一个神经元身上挂着成千上万个突触，每一个被激活都要事后打扫。（2001 年 Attwell 和 Laughlin 头一回把这张表列出来时，以为放电占近一半；十年后测量改进，账重算了一遍，放电的份额被砍掉一大半。）还有一笔常被忘掉的：什么都不干也要交钱——细胞漏电，泵就得一直补，这一项就占了两成。
把这些加起来，你会发现所谓"脑力劳动"的成本结构很不像工厂，倒像一座常年开着水泵的水库。（一次放电到底怎么发生的：神经元与动作电位；突触那一侧的细节：突触传递）
EN Most of the brain's energy goes not into "computing" but into restoring the ion gradients that signalling spends — the Na⁺/K⁺ pump paying the bill after the fact. In the updated cortical budget, postsynaptic receptor currents (receiving) take about half, action potentials about a fifth, and simply holding the resting potential another fifth; a quarter to a half of total consumption is non-signalling housekeeping.
预算表倒过来读，就成了一条硬约束。2003 年 Lennie 做了一道很朴素的除法：先算一个脉冲连带它引起的突触后效应大概要烧掉多少 ATP，再拿人脑那 20 瓦去除。答案让人愣一下——皮层同一时刻只养得起约 1% 的神经元真正活跃，平均下来每个神经元每秒放电得压到一次以下。
所以稀疏——同一时刻只有极少数神经元在活跃——不是神经科学家偏爱的美学，是被电费逼出来的纪律。1996 年 Levy 和 Baxter 从纯理论那头也走到了同一个结论：一旦把能耗算进目标函数，"表达能力最强"的编码就不再是最优的，最优解会自动往低放电率那边挪。而执行这条纪律的部门是抑制性神经元：它们全天候摁着，只放最该说话的那几个过（抑制性中间神经元）。
这也解开了开头那个悖论：脑怎么能拥有 860 亿个神经元、还只烧 20 瓦？因为账单跟着"同时有多少在活跃"走，不跟着"总共有多少"走。容量和电费在这里是分开的两件事——你可以拥有一座巨大的图书馆，只要你一次只开一盏灯。
EN Divide the brain's 20 W by the ATP cost of a single spike and you get a hard ceiling: only about 1% of cortical neurons can be substantially active at once (Lennie 2003). Sparseness is therefore a budget constraint, not an aesthetic — and it decouples capacity from cost: the bill tracks how many neurons are active, not how many exist.
人工网络恰好相反。一次密集矩阵乘法（今天几乎所有模型的基本动作：把输入和一大张权重表逐个相乘再加起来）里，每一个参数都要被读出来、乘一遍——账单跟着规模走，而不是跟着"这次真正用得上多少"走。模型越大越贵，是这么来的。这两年很火的混合专家（每次只激活其中一小块子网络）本质就是在往脑这边挪：让花销跟活跃度走。差距还有多远？训练一次 GPT-3 大约用掉 1287 兆瓦时（Patterson 等人的估算）——同样的电，够一颗 20 瓦的脑连续运转七千多年。
现在来看最反直觉的一格。既然放电要花钱，那认真思考时脑的能耗总该飙一下吧？测出来不是这样：任务带来的能耗增量，通常在 5% 以内。剩下 95% 以上，是不管你在干什么都一直在烧的底噪。Raichle 给它起了个名字——脑的暗能量。
这一下就把一个默认假设翻了过来：脑主要不是一台被输入驱动的反应机器。它绝大部分力气花在自己身上——持续维护一套关于世界、身体和自己的内部模型，感官输入只是进来微调它。这正好接上 Topic 1 那条主线：先有猜测，再拿证据纠错。而这套自发活动最显眼的地盘，就是你走神时特别活跃的那张网（默认模式网络）。
顺手可以清掉两个流行说法。"用脑很费卡路里"：增量算下来一天不过几十千卡，抵不过一小把坚果——脑力活让人累，累的多半不是能量而是别的（Topic 34 讲过这类误读）。"我们只用了 10% 的大脑"：能量账上根本立不住——脑已经吃掉你两成能量，进化不会替一块常年闲置九成的组织付这笔钱。
还有个副产品：fMRI 之所以能存在，恰恰因为局部的反应太过头了。手指被轻轻刺激时，那一小块皮层的血流涨了约 29%，而耗氧只涨约 5%。多送来的氧没被用掉，留在血里改变了血液的磁性——机器读到的就是这个差额。所以你在 fMRI 图上看到的亮斑，是血，不是放电。（这套供能与耦合机制：脑供能与神经血管耦合）
EN Task-evoked energy use rises less than ~5% above a huge ongoing baseline — Raichle's "dark energy" of the brain. Intrinsic activity, not stimulus-driven response, is the main job. A side effect: during activation local blood flow overshoots oxygen consumption (+29% vs +5%), leaving surplus oxygenated blood behind — which is exactly what fMRI measures.
大语言模型这边有个形似的现象：不管你问"1+1 等于几"还是丢给它一道证明题，一次前向计算（把输入过一遍整张网络）的算力是定死的，跟题目难不难无关——就像脑的账单不随任务波动。但机制完全不同：模型是"每次都得把全部参数过一遍"，脑是"绝大部分开销本来就花在自发活动上"。有意思的是两边都在松动这一点：模型这两年学会了想久一点（难题就多生成一些中间步骤、多花算力，业内叫推理时计算）；而脑很难这么做——它的预算是硬的，只能靠把算力挪去别处，而不是把总功率开大。
预算表还管着更大的东西——它决定了这颗器官长什么样。
它几乎没有仓库。脑不像肌肉那样囤着一大罐燃料，全靠血液现送。所以血流一断，约 10 秒就失去意识，几分钟就是不可逆的损伤。为了让这条供应链跟得上，脑配了一整套精细的基建：哪块地方忙起来，那儿的血管就立刻扩开、多送一点（脑供能与神经血管耦合）。
连线也要按公里收费。轴突（神经元伸出去的那根"电线"）越长越粗就越贵：占体积、要包髓鞘、维持电位也要泵一直干活。于是脑的连接呈现出一个到处都能看到的格局——海量的本地短连接，加上少得可怜的长程连接。这不是简单的"越省越好"：真要最省，把所有东西挤成一团、谁也不远距离联系就行了，可那样信息传得太慢。Bullmore 和 Sporns 把这称作脑网络的"经济学"：在省钱和抄近路之间反复砍价，砍出来的就是我们看到的那种少数枢纽、大量本地簇的结构。皮层要折叠、长程轴突要包髓鞘（既提速又省电），都是同一张账单逼出来的解。
最后，它贵到会跟身体其它器官抢饭。1995 年 Aiello 和 Wheeler 提出"昂贵组织假说"：人类之所以供得起这么大的脑，是拿缩小的肠道换的（这个具体的交换在后来更大范围的跨物种数据里没能稳稳站住，但"贵到必须有代价"这个内核留下来了）。Herculano-Houzel 的算法更直白：每十亿个神经元每天大约要 6 千卡，860 亿个就是五百千卡上下。靠生食凑这笔钱，大猿每天得嚼上八九个小时，再想加神经元就没时间了。把食物煮熟——相当于把一部分消化工序外包给火——才把这道天花板抬开。你今天能有这颗脑子，一部分原因是有人先学会了做饭。
EN The budget also shapes the organ. The brain stores almost no fuel (≈10 s of blood loss and you're out), so it needs tight neurovascular supply. Long axons are expensive, so connectivity settles into dense local clusters plus a few costly hubs — network economics, not pure wire minimisation. And at ~6 kcal/day per billion neurons, 86 billion neurons are unaffordable on raw food: cooking is what lifted the ceiling.
"能量有限"听着只是个工程细节，但它其实是几门很不一样的学问共用的那条起跑线：