长期以来，社会心理学与传统神经解剖学常把面部表情划分为两条相对独立的“通路”：一类被视作由情绪驱动，更多依赖内侧边缘系统；另一类被认为受意志控制，由外侧运动皮层主导。
该框架在一定程度上解释了临床中个别患者出现“听到笑话能自然微笑、但被要求微笑却做不到”的现象，因此影响了公众对“真笑”“假笑”差异的理解，也影响了部分康复策略的设计逻辑。
最新研究对这一“分而治之”的认知提出修正。
研究者以猕猴为模型，设计了兼具社交与非社交属性的任务情境：动物观看同类视频、进行互动，并在威胁性张口露齿、友好咂嘴及咀嚼等行为中接受脑活动记录。
结果显示，面部表情并非由某一单一区域“独立负责”，而是由一个分布式网络共同完成；在情感性表达与随意动作之间，参与的面部运动相关脑区并未出现截然切割，而是以协同方式介入同一套行为生成过程。
从原因机制看，研究提出“时间层级”这一关键概念：不同脑区并非做同一件事的重复劳动，而是在不同时间尺度上承担不同功能。
位于大脑外侧的部分区域（如初级运动皮层等）神经活动变化迅速，能够以毫秒级节奏调度面肌的瞬时收缩与放松，保障表情反应的速度与精细度；而内侧相关区域（如扣带运动皮层等）活动更稳定、持续，更多维持一种“状态信号”，与社会语境、情绪基调或行为意图相关。
两类信号叠加，使面部表情既能在突发刺激下快速启动，也能在持续互动中保持与场景相匹配的表情风格与强度。
研究还显示，多个脑区在表情真正出现之前便已启动，并呈现可区分的活动轨迹，提示面部表情并非简单的外界刺激—肌肉反射链条，而是大脑对环境信息、情绪状态与感觉反馈进行整合后的“预备—执行”过程。
换言之，表情更像是一种被规划的社交动作：既有对当下刺激的应答，也包含对互动关系与社会规则的权衡。
这一发现的影响主要体现在三方面。
其一，在基础科学层面，它为理解“表情为何既快又稳”提供了可检验的神经机制框架，有助于把表情从“情绪副产物”推进为“可被神经系统组织的行为输出”。
其二，在临床层面，若面部运动由分布式网络协同驱动，那么面瘫、中风后表情障碍等问题的解释与干预，或需从单点损伤转向网络层面的功能重建：不仅关注某一局部通路是否中断，也关注不同时间尺度信号是否失衡。
其三，在工程转化层面，研究提出的稳定与动态编码分工，为更精细的神经解码提供了方向：未来如要实现对情绪意图的识别或更自然的表情生成，可能需要同时捕捉“快速执行信号”和“稳定状态信号”，以避免只得到“动作”而缺乏“语境”。
针对如何把这一进展转化为可用的对策与路径，业内人士普遍认为仍需跨学科推进：在医学上，应结合影像学、神经电生理与行为量化评估，建立更细化的面部运动网络指标，服务于病灶定位、疗效评估与个体化康复；在药物与刺激治疗探索上，可围绕网络关键节点与连接模式寻找更精准的干预靶点；在技术研发上，则需在安全与伦理框架内，推进高质量数据采集与算法验证，尤其要在真实社交情境中检验模型的稳健性与可解释性。
展望未来，面部表情研究可能从“哪个脑区负责什么”走向“多个脑区如何按时间与状态协作”。
随着更高时空分辨率的记录手段、更多样的自然互动范式以及更严格的跨物种对照研究不断完善，人类对表情这一“高频社交信号”的理解有望更接近真实机制，并为神经疾病康复、情绪障碍评估以及人机交互的自然化提供新的科学依据。
这项突破性研究不仅重塑了我们对表情神经基础的理解，更启示科学界：大脑功能的奥秘往往藏于整体协作而非局部割裂。
当传统理论遭遇新证据的挑战时，正是科学认知迈向更深层次的契机。
未来，随着跨学科研究的深入，人类或能真正解码情感表达的生物学密码，为医学与人工智能领域开辟全新可能。