蚊子為什么總能精準地找到你？科學家追蹤了40萬條飛行軌跡……

【海潮天下·導讀】

為什么蚊子總能精準“爆頭”？兩度獲得“搞笑諾貝爾獎”（Ig Nobel Prize）的美國佐治亞理工學院胡立德（David Hu）領導的一個團隊在Science Advances期刊上發表了一篇最新研究，追蹤了5300萬個數據點，揭示了蚊子搜尋獵物的硬核算法。他們的研究發現，蚊子并非成群協作，而是像獨立機器人一樣，整合了二氧化碳嗅覺+深色視覺信號，從“搜索模式”切換為“繞行進攻”。這一發現破解了蚊子的飛行邏輯，為開發下一代高效滅蚊技術提供了關鍵的動力學依據。

海潮天下（Marine Biodiversity）小編特別注意到，該文2026年3月18日發表，上線僅4天，就達到2338次下載，高熱度，破圈了。

本文約5400字，閱讀約8分鐘

出品 | 海潮天下

在潮濕悶熱的夏夜，無論你如何揮動手臂，那些嗡嗡作響的雌性埃及伊蚊（Aedes aegypti）總能像裝了精確制導系統的導彈一樣，準確地降落在你的皮膚上。人們常以為蚊子是成群結隊“商量”好了來發動襲擊，或者它們擁有某種超自然的感官。但，根據佐治亞理工學院與麻省理工學院聯合研究團隊于2026年3月18日在《科學進展》（Science Advances）上發表的一個最新研究，蚊子的這種“精準打擊”其實源于一套極為高效的、基于貝葉斯動力系統學習的生物物理行為邏輯。

這項研究追蹤了超過5300萬個數據點、以及40萬條三維飛行軌跡，第一次用定量的數學模型，揭示了蚊子搜尋獵物的真相——它們并不相互跟隨，而是像一個個獨立的微型機器人，嚴格地執行著由環境信號觸發的算法。

▲在全球現存的約3500種蚊子中，絕大多數并不以人類為食，甚至有些種類還扮演著傳粉者的角色，展現出極高的生物多樣性。在這一龐大的家族里，真正演化出“嗜人性”并頻繁叮咬人類的僅有約100種，其中最主要的“慣犯”集中在按蚊、庫蚊和伊蚊這三個屬。雖然致病蚊種在數量上只占極小比例，但它們憑借對人類體味、二氧化碳及深色目標的敏銳捕捉，成為了全球分布最廣、對公共衛生威脅最大的生物類群之一。上圖是被列為“病媒生物”的多種蚊子標本。?Linda Wong 攝影 | 海潮天下（Marine Biodiversity）

Marine Biodiversity
并不是“隨大流”的集體行動

當我們看到一堆蚊子繞著一個人的頭頂轉時，直覺會告訴我們它們在進行某種集體協作。不過，研究人員通過高頻三維紅外攝像系統（PFMD）記錄下的數據徹底否定了這一猜想。實驗顯示，蚊子之間的相互作用微乎其微。

胡立德（David Hu）教授將這種現象比作“深夜里擠滿了人的酒吧”。顧客們并不是因為看到別人進了酒吧才跟進去的，而是因為每個人都獨立受到了酒精、音樂和氛圍的吸引，最終巧合地在同一時間聚集到了同一地點。蚊子也是如此，每一只蚊子都獨立地處理著空氣中的二氧化碳濃度和視覺中的深色斑塊。它們之所以顯得像一個群體，是因為它們對環境信號的反饋機制高度一致。（海潮天下小編注：胡立德就是那位兩度獲得“搞笑諾貝爾獎”的牛人，研究過諸如“哺乳動物21秒排尿定律”、“袋熊為什么拉出方形大便”以及“睫毛的長度為何是眼睛寬度的三分之一”等）

▲上圖：一只埃及伊蚊（Aedes aegypti）。這種蚊子以其身體上的白色條紋為顯著特征，是傳播登革熱、黃熱病、寨卡病毒和基孔肯雅熱的主要媒介。?Muhammad Mahdi Karim 拍攝于坦桑尼亞三累斯薩拉姆

為了解析這種機制，研究團隊引入了隨機朗之萬動力學（Langevin dynamics）來描述蚊子的飛行。他們發現，蚊子在沒有目標的情況下，飛行狀態可以分為“活躍”、“閑置”兩種模式。

活躍狀態下的蚊子會努力維持約0.7米/秒的恒定巡航速度，一旦超速就減速，一旦慢下來就加速，這顯然是為了在大范圍內搜索潛在的獵物。而一旦進入閑置狀態，它們更像是一個被拋出的物體，僅靠慣性維持動力，這通常發生在它們準備降落或靠近障礙物時。

▲上圖：追蹤蚊子個體的三維軌跡，實現蚊子飛行行為的貝葉斯動力系統學習。(A)實驗裝置設計示意圖。(B)左側為穿著深色服裝的受試者；右側面板展示了受試者周圍蚊子三維飛行軌跡的二維投影，顏色代表飛行速度。(C)左側為穿著黑白各半服裝的受試者；右側面板展示了其周圍蚊子軌跡的二維投影，可見蚊子明顯偏向黑色一側。(D)蚊子飛行行為動力學模型的學習過程：左側輸入為蚊子的三維位置與速度軌跡；中間過程將未知的行為作用力分解為一組基函數，利用稀疏貝葉斯推理從數據中學習分解系數；右側展示了學習到的動力學模型，通過模擬生成的合成時間序列數據，可與實驗原始數據進行對比驗證（如速度概率密度函數和方向相關函數）。圖中比例尺x、y、z軸各代表25厘米；為保持視覺清晰，僅展示了50%的軌跡數據。論文出處：Zuo C, Fei C, Cohen A E, et al.

Marine Biodiversity
視覺+嗅覺，“組合拳”

這個研究的核心突破，在于揭示了蚊子如何整合視覺信號和二氧化碳信號。

雖然過去我們知道這兩者都招蚊子，但研究者們借助控制變量實驗發現，蚊子對單一信號的反應極其有限。

在只有深色球體（視覺信號）存在的環境下，蚊子表現出明顯的“趨光性倒置”——它們被黑色吸引，但這種吸引是短暫的。它們會飛向黑球，但在靠近后發現缺乏其他生命體征（如熱量或氣味），很快就會飛走，表現出一種“路過”的行為。

而在只有二氧化碳（呼吸信號）的環境下，蚊子的行為模式發生了劇變。它們不再進行長距離的直線飛行，而是開始一種被稱為“動性”（kinesis）的無定向反應。蚊子會大幅減速，并頻繁地轉身、翻滾。這種行為模式雖然沒有明確的方向性，但客觀上顯著增加了蚊子在二氧化碳源附近的停留時間，極大地提高了它們撞上獵物的概率。

真正的殺招來自于兩者的結合。當深色目標同時釋放二氧化碳時，蚊子展現出了第三種行為邏輯：軌道繞行。它們不再是飛過去看一眼就走，也不是盲目翻滾，而是以大約0.5米/秒的速度在目標周圍進行持續的圓周飛行。這種“繞行模式”極大地增加了它們尋找合適著陸點的機會。數學模型分析顯示，蚊子對組合信號的反應并非簡單的“1+1=2”，而是一種非線性的增強。

▲上圖：動力學模型揭示了蚊子對不同環境刺激的差異化飛行行為響應。論文出處：Zuo C, Fei C, Cohen A E, et al.

Marine Biodiversity
人體測試中的“頭部優先”法則

為了驗證模型在真實場景下的有效性，克里斯托弗·左（Christopher Zuo）親自擔任了實驗對象。

他穿著不同顏色的衣服進入實驗艙。實驗數據清晰地描繪出，即便人站在那里不動，蚊子也會優先鎖定頭部、肩膀。

這不僅僅是因為頭部是二氧化碳排放最集中的區域，還因為人頭在視覺上形成了一個明顯的、對比度極高的深色目標。當實驗者穿著半黑半白的特制服裝時，攝像系統記錄到的飛行軌跡幾乎全部集中在黑色的一側，而白色的那一側幾乎被蚊子完全忽略。這意味著，即使你散發著強烈的二氧化碳，只要你“隱身”在淺色背景中，蚊子的導航系統也會出現嚴重的干擾。

▲上圖：蚊子整合視覺信號與二氧化碳濃度來精準鎖定人類宿主。(A) 實驗裝置示意圖。(B) 至 (D) 展示了蚊子對視覺與二氧化碳復合刺激的反應軌跡分布。對稱庫爾巴克-萊布勒距離分析顯示，模型預測分布與實驗數據高度吻合，效果顯著優于傳統的高斯擬合模型。(E) 左圖是身著黑色頭套與白色服裝的受試者周圍的蚊子真實飛行軌跡；右圖將人類宿主簡化為釋放二氧化碳的黑色球體物理模型。(F) 針對人類受試者實驗的熱圖分析，揭示了蚊子在距離頭部中心不同位置 d、不同飛行速度 v 及不同飛行方向下的分布密度。(G) 學習到的復合動力學作用力被分解為單一刺激反應的非負線性疊加，結果表明蚊子對復合刺激的反應并不是單一刺激效應的簡單相加，而是存在顯著的非線性行為增強。(H) 動力學模型預測出的模擬軌跡熱圖，其統計特征與 (F) 中的實驗觀測數據表現出極強的一致性。論文出處：Zuo C, Fei C, Cohen A E, et al.

▲上圖：模型預測的蚊子飛行軌跡與實驗觀測結果高度吻合，驗證了動力學模型的準確性。(A)展示了空腔室中一只蚊子的典型飛行軌跡。(B)和(C)分別展示了在無刺激信號的1米立方空間內，30條實驗記錄軌跡與30條模型模擬軌跡的二維投影對比。(D)至(L)詳細對比了蚊子對不同感官信號的反應，包括：[(D)至(F)]純視覺信號、[(G)至(I)]純二氧化碳信號以及[(J)至(L)]視覺與二氧化碳組合信號。在示意圖中，虛線圓圈表示吸引力區域，橙色陰影代表二氧化碳分布。可以看出，單純二氧化碳誘發了更多無定向的翻滾行為，而組合信號則誘導了明顯的繞行模式。(M)和(N)分別展示了實驗與模擬軌跡在特定感官刺激下的累積分布函數（CDF），結果表明學習模型精準捕捉了蚊子飛行的核心特征。(O) 借助Kolmogorov-Smirnov(KS)距離在數學上證明了實驗數據與模擬CDF之間的一致性。論文出處：Zuo C, Fei C, Cohen A E, et al.

Marine Biodiversity
從實驗室走向實戰——滅蚊策略

這項研究滿足的不只是人類的科學好奇心，它給公共衛生防務也帶來了啟發。

目前市面上常見的吸入式捕蚊器，其效率往往只有10%~50%，原因就在于它們釋放信號的方式太死板。

▼ 海潮天下·往期相關報道：

冰島的第一只蚊子，可能改變的不只是氣候

環帶絨蚊，有致癌嫌疑嗎？一項關于蚊蟲叮咬與致癌因素關聯的初步探究

毛栓菌（Trametes hirsuta）和菌蚊幼蟲

（圖文無關）▲上圖：打死一堆想吃血的蚊子。攝影 ?海潮天下（Marine Biodiversity）

傳統的捕蚊器通常是持續、均勻地釋放二氧化碳或燈光。但研究模型顯示，蚊子對于這種恒定信號具有很強的適應性，一旦它們靠近后發現沒有進一步的刺激，就會觸發“拒絕模式”飛離。研究團隊提出，未來的智能滅蚊系統可采用“間歇性邏輯”：先利用視覺目標吸引蚊子靠近，隨后間歇性噴射高濃度二氧化碳誘發其進入“繞行模式”和“翻滾模式”，在蚊子速度最慢、最留戀目標的瞬間啟動吸力。

（圖文無關）▲上圖：打死的一只蚊子。攝影 ?海潮天下（Marine Biodiversity）

這種基于動力的精準干預，比大范圍噴灑化學藥劑要高效且環保得多。理解了蚊子這種“微型機器人”的算法，人類終于有望在幾千年的蚊蟲博弈中，從被動挨打轉向主動防御。這種基于海量數據的動力系統學習模型，也為人類理解其他群居或非群居昆蟲的行為開辟了一條新的道路。

感興趣的海潮天下（Marine Biodiversity）讀者可以參看該研究的全文：

Christopher Zuo, Chenyi Fei, Alexander E. Cohen, Soohwan Kim, Ring T. Cardé, J?rn Dunkel, David L. Hu. Predicting mosquito flight behavior using Bayesian dynamical systems learning. Science Advances, 2026; 12 (12) DOI: 10.1126/sciadv.adz7063

01貝葉斯動力系統學習

貝葉斯動力系統學習（Bayesian Dynamical Systems Learning）是一種將概率論與物理動力學相結合的計算框架，專門用于從復雜的觀測數據中“反推”生物或系統的運動邏輯。在蚊子飛行的研究中，它并不直接假設蚊子想飛往哪里，而是先建立一套包含多種物理可能性的動力學方程，再利用貝葉斯推斷（Bayesian Inference）處理千萬量級的真實飛行軌跡，自動識別出哪些環境信號（如二氧化碳、深色目標）對蚊子的加速度和轉向起到了決定性作用。這種方法能剔除隨機飛行的噪聲，精準提煉出隱藏在雜亂軌跡背后的生物決策算法，使原本難以預測的昆蟲行為變成了可以量化、甚至可以編程模擬的數學模型。

02趨性與動性

趨性與動性（Taxis vs. Kinesis）是生物行為學中描述動物對環境刺激作出反應的兩類基本模式。趨性（Taxis）是一種有明確方向性的運動，表現為動物受刺激引導，直接朝著或背離信號源飛去，例如蚊子視覺鎖定深色目標后的直線沖刺；而動性（Kinesis）則是一種無定向的強度反應，動物并不指向具體位置，而是改變運動速率or轉彎頻率，來響應刺激。比如這個研究中，蚊子在聞到二氧化碳后，會立刻減速、并頻繁盤旋，這種策略雖盲目了些，卻能極大地增加它們在氣味源附近“撞上”獵物的概率。

03隨機朗之萬動力學

隨機朗之萬動力學（Stochastic Langevin Dynamics）是一種模擬微觀粒子或生物個體在流體環境中運動狀態的經典物理框架。它將物體的加速度拆解為兩個核心驅動力：一部分是受明確環境信號（如蚊子感知的二氧化碳濃度或視覺目標）引導的有意識作用力，決定了運動的主方向；另一部分則是模擬環境隨機擾動或生物本能盲目性的“隨機噪聲”項。在蚊子飛行的研究中，這種動力學模型完美解釋了為什么蚊子的路徑既表現出強烈的獵物鎖定特征，又在微觀尺度上呈現出忽左忽右、難以捕捉的飄忽感。

思考題·舉一而反三

【思考】2026年蚊子活躍季馬上要帶來，這篇文章讀得蠻好玩，蠻及時。如果跳出生物學、準備應對即將帶來的蚊蟲季本身，換一個角度看問題，或許可以給前主流機器人與AI算法架構帶來一些啟發。照例，舉一而反三，我們來思考幾個小問題（沒標準答案，僅供激發好奇、啟發思考）。

Q1：傳統的滅蚊燈要么只發光，要么只釋放二氧化碳。這個研究證明蚊子在接近單一信號源后發現沒有后續補償，就會迅速觸發“拒絕模式”飛離。你覺得，未來的滅蚊技術是不是可以從“靜態誘捕”轉向“動態欺騙”——即模擬人類呼吸頻率與肢體晃動、通過協同算法，來突破那僅有10%~50%的捕獲效率瓶頸？Q2，過去人類用化學藥劑（殺蟲劑）進行無差別攻擊，現在科學家能通過千萬級數據點提取出蚊子的決策代碼。這種從“生物化學戰”向“生物信息戰”的轉變，雖的確精準高效，但，如果這種技術被推廣到對其他生物（甚至人類群體行為）的預測與操控中，你覺得，該如何界定科技干預自然規律的倫理邊界呢？當我們能夠用貝葉斯動力系統學習完整“破譯”一種害蟲的行為算法時，人類與自然的博弈是否正進入“算法壓制”時代？Q3：在充滿風力擾動、復雜氣味干擾的自然界中，蚊子并不追求絕對的直線飛行，而是允許“隨機噪聲”存在于朗之萬動力學方程中。這種看似“飄忽不定”的飛呀飛，是否反而賦予了它們更強的容錯能力，防止因為過度追蹤某一個虛假信號、而喪失生存機會？你覺得，將蚊子的“隨機噪聲”飛行機制引入微型無人機（MAV）群的研發，是不是可以得到一些啟發（允許系統包含一定的受控隨機性）？在傳統的無人機控制算法中，工程師往往追求極高的平穩性，試圖通過復雜的傳感器融合來抵消風力或電磁干擾。但，在強湍流環境下，這種“死磕”精確位的做法會導致電機頻繁修正，極易造成能耗激增、甚至系統直接給崩潰掉。這個研究里面提到的蚊子的這種隨機性，若是用于MAV研發，允許在目標路徑周圍進行類似“動性”（Kinesis）的隨機漂移，或可防止算法陷入局部最優解（比如死磕一個被風吹散的虛假氣味團），讓無人機在失去強信號時，增加探索范圍，來“撞上”真實的信號源。
另外，蚊子的模型說明，只要每個個體執行相同的環境響應算法，即使是彼此不溝通，也能在目標點實現高效聚類。目前的無人機搜索任務（如地震救援中的生命跡象探測）多采用割草機式的網格搜索，效率還是比較低的。蚊子的“趨性+動性”組合邏輯，其實何嘗不是一種更“高級”的搜索算法。當傳感器捕捉到微弱信號時，無人機群就可以以較快的速度向大致方向集結過去。進入信號覆蓋區后，無人機就不用再維持直線了，可以馬上自動切換到“高頻轉彎+降速”模式。

Q4：當前的自動駕駛或高階機器人多采用“全時全傳感器融合”方案，即所有攝像頭、雷達數據每秒都要進行千百次的特征對齊，其實，這帶來的算力負擔和能耗壓力是很大的。這個研究里面，蚊子的模型基于一種非對稱的異步激活邏輯：二氧化碳并非參與“避障計算”的參數，而是一個“算法切換開關”。在檢測到特定化學信號前，視覺系統可能處于低頻率、低精度的“背景監控”狀態；一旦信號觸發，系統瞬間重構空間增益，切換至高頻采樣。這種由化學信號（嗅覺）驅動視覺神經元增益重構的機制，實際上是一種基于語義觸發的動態資源分配（Dynamic Resource Allocation）。你覺得，能不能研發一種“零功耗待機、異構信號喚醒”的具身智能架構？即模仿蚊子的神經門控，讓無人機在環境信號未達到閾值時，保持近乎停滯的算力消耗；僅在關鍵信號出現時、觸發了的時候，才從硬件底層“瞬間熱啟”特定的高階算法模塊。這種“按需喚醒”的邏輯，或可破解微型機器人實現超長續航的難題？

▲上圖：佐治亞理工學院的一組iRobot Create機器人集群。每臺機器人均集成了Gumstix嵌入式計算機和藍牙GPS模塊，用于開展復雜的群體機器人協同與感知算法研究。攝影：Jiuguang Wang

Q5、當前機器人群控（Swarm Robotics）的瓶頸，其實主要還是在于通信帶寬。為了防撞和協同，無人機之間需要不斷交換位置信息，這在復雜干擾環境下極其脆弱。有趣的是，這個研究里頭，蚊子之間互不通信，甚至互不搭理，卻能在空間中實現高度復雜的“繞行聚類”。這說明復雜的群體行為并不一定需要復雜的個體間通信，而可以來源于個體對共同環境場的高階一致性反饋。這種“感知即通信”的邏輯，是否能將群體智能的硬件需求降低到一個極致？你覺得，如果能定義出一套“環境-行為”的通用動力學協議，讓成千上萬個微型機器人在完全不進行數據交換的前提下，僅憑對環境信號（如光、煙霧、熱源）的獨立貝葉斯推理，就自發涌現出包圍、搜索或覆蓋等集群戰術，那么這種“物理層級”的群體智能，是否可能成為對抗現代電子干擾環境的最強武器？

以上是一些拋磚引玉，歡迎拍磚。請留言。

#滅蚊 #無人機 #算法

聲明：1）本文僅代表資訊、以及作者本人的觀點；僅供讀者參考，不代表平臺觀點。2）本文已經開啟“快捷轉載”，歡迎微信公眾平臺轉發；3）歡迎專家、讀者不吝指正、留言、賜稿！歡迎有理有據的不同意見，激發思考、百家爭鳴。

資訊源 | Zuo C, Fei C, Cohen A E, et al. (2026)

文 | 王芊佳

編輯 | 海潮君

排版 | 盧曉雨