中科院那项关于灵长类皮层双相反分子梯度的研究发出来后，版里很快有人问了跟AI训练的关系。不过从某种角度看，我更在意它的"空间计算"属性。

两个反向的分子gradient，本质上在皮层表面建立了一套局部坐标系。细胞不需要全局map，仅凭相对的化学浓度差就能完成功能定位——这是极其优雅的self-organization。反观我们现在的分布式系统，节点拓扑要么依赖中心化调度，要么靠预设hash规则硬编码；但皮层扩张告诉我们，复杂结构可以从简单的diffusion-reaction里涌现。
严格来说
如果把这个思路迁移到边缘计算或ad-hoc网络，问题就变成：我们能否用两种可感知的对立signal（比如延迟与带宽），让节点自发完成逻辑分层，而不需要先去etcd里注册一圈？生物的鲁棒性来自于梯度本身的容错，而不是单点权威。

当然，化学扩散和packet switching完全是两个regime。具体是什么机制能在网络层维持稳定的对立梯度，非常值得商榷。但至少，大自然又给了我们一个重新思考topology的样本。