“十五五”規劃建議點名,馬斯克、奧特曼紛紛押注,腦機接口為什麼火?
芮瑞
用意念打遊戲,靠意念來講話,讓腦電波控制機械臂、指揮無人機……這些曾經只存在於科幻電影裏的場景,眼下卻一步一步變成現實,此中奧秘,正是腦機接口。
作為正在興起的產業,腦機接口既被我國的“十五五”規劃點名,又被馬斯克、奧特曼等國際科技巨頭爭相押注。腦機接口究竟是什麼?為什麼這麼火?人類離人機融合還有多遠?
本期“思路打開”節目對話巖思類腦首席科學家李孟,一起探討這項熱門新技術的當下和未來。
【對話/李孟&王慧】
**李孟:**大家好,我是李孟,現在在中科院和巖思類腦做腦機接口。
**王慧:**李總您好。我覺得您是做腦機接口的天選之人,先學計算機,再學腦科學。腦和機,集齊了。應該很少人有您這樣的經歷吧?
**李孟:**談不上是天選之人,就是經歷吧,當時也是懵懵懂懂。我一開始確實是學工科,學計算機的,做的博士課題也是圖像處理。博士畢業之後就想做機器視覺,讓機器有生物視覺,但是我發現這一路做下來,所學的學科跟生物一點關係都沒有。我想去看看生物腦子裏是怎麼計算的,其實我小時候對大腦挺好奇的。於是我聯繫了美國的高校,去做神經科學的博士後,至此就算是從計算機跳到生物口了。
當時就是一個比較衝動、比較傻的行為,因為現在腦機接口的發展勢頭起來了,我們才説天選之子,但如果沒有起來,歷史可能就沒有這波人了。
**王慧:**當時是2009年吧?2009年您在哈工大計算機博士畢業,那時候正好是互聯網大爆發的時候,那時候去學腦科學,您怎麼想的?
**李孟:**你現在讓我説怎麼想,我也説不出一個所以然,當時就是覺得,如果我想讓機器擁有生物的特性,那我一定要知道生物是怎麼來計算的,反過來才能推演到計算機裏。當時就是奔着這麼一個很天真的想法去做這件事的。
到美國之後,我用了幾年時間才入門,因為計算機是工科,所有的思維習慣跟生物口的思維習慣都不一樣,當時我用了很長時間去學腦科學。
有一次我開車遇到暴雨,等紅綠燈時,擋風玻璃上的雨刷一直嘩嘩地刷,我的眼睛一會兒聚焦在擋風玻璃的雨滴上,一會兒透過雨滴去看紅綠燈。我就想,要是讓計算機來操作這種自適應的算法,要用多少行代碼?
我當時就覺得,腦子實在是太厲害了,我們好像沒有感知到我們的腦子有多強大。我就下決心一定要把它搞得清楚一點。
**王慧:**目前人類對於大腦的認識和開發程度怎麼樣?
**李孟:**説實話,我們對大腦的認識非常非常初級,我覺得還沒碰到核心,所以我總説,目前我們做腦機接口是一個不完備的通訊系統。因為信息在大腦裏編碼成哪種腦電活動,這個過程的道理我們不是特別清楚。但是我們記錄到了這些腦電,我們去猜測它們跟信息的對應關係。這是現在整個腦機接口領域在做的一件事。
反過來講,我們對大腦的認識要怎麼更進一步?第一步我們肯定要記錄到它的原始信號,然後去反向去猜它。這種過程有點像破譯古文字。當年人類創造這些文字的時候,他到底是通過什麼樣的規律去創造的?不清楚。但是我們得到了這些文字,比如古埃及、古巴比倫這些文字,我們根據當時的歷史狀態,根據當時人類的氣候環境,去猜測這些文字的含義。
這和腦機接口現在有點像,我們不斷去找到這些“文字”,去猜測它的含義,可以倒逼着我們去了解當時創建這個“文字”的原始過程。所以它是一個循環,是一個迭代的過程。我們通過腦機接口的開發去認識大腦,更瞭解大腦之後可以創造更好的腦機接口系統。它是融為一體的。
**王慧:**現在的腦機接口公司有一些偏重硬件,有一些偏重軟件,有一些做全鏈。在您來看,腦機接口公司大概分為哪幾類?巖思類腦又是在一個什麼樣的位置?你們主要是做什麼?
**李孟:**首先,腦機接口是一個比較交叉的學科,它涉及到很多領域的知識,都放在一起才能做一個全系統。現在一般腦機接口公司都會説自己是全鏈條。但是如果我們仔細去看這些腦機接口的學術基因或者技術基因,大致能看到他們是從哪條線長起來的。
比如説,電極由做材料背景的專家來做,芯片、通信是信號與系統、生物醫學工程這方面的專家來做。再比如,應用端做康復,要做一個靈巧手,做一個機械臂,需要有做機器人背景的專家來做。像我們做解碼的,基本是從信息和計算的角度切入到腦機接口。
每一個領域都是腦機接口很重要的組成部分。大家會有自己的基底,自己的基因,自己的根在那,然後往上長,最後長成腦機接口的大樹。所以,一家腦機接口公司,我們可以去看它最早的學術基因是什麼,是材料、通信還是機器人,還是做信號、做計算機的?這樣就能知道這個公司大致是幹什麼的。
我覺得這樣的狀態是好事,因為各個學科可以強交叉,但是未來肯定要細化。如果腦機接口變成一個很大的產業,肯定最終要細化到一個細分領域。比如説做材料的這些專家,可能他們創建的公司最後專注提供材料。其實做全鏈條挺難的。
**王慧:**聽您這麼説,我覺得有點像我們熟悉的新能源汽車,有些是做整車製造的,有些是做電池的,有些是做智駕的。
**李孟:**對,一旦一個產品變成了一個產業,或變成系統化工程之後,分工就會細下來。
**王慧:**為什麼現在腦機接口領域的公司大部分喜歡做全鏈條?
**李孟:**一方面和大家的願景有關,因為馬斯克在做全鏈條,而且無論是電極,還是芯片,腦機接口歸根到底是一個醫療器械,所以一定要確保全鏈條的品質,保證安全性、生物相容性。另外,我覺得從融資的角度講,投資人比較喜歡聽這樣的故事:你會變成一個商業帝國,變成一個產業。我認為大家是出於這幾方面的訴求從而想要做全鏈條,但我相信最後一定要細分的。
**王慧:**模塊化。
**李孟:**對,肯定要走到那一步的。
**王慧:**如果模塊化,巖思類腦是專注於哪個模塊?
**李孟:**如果類比現在的人工智能,比如説英偉達做GPU,它提供硬件。另外,電力也很重要,現在核聚變行業起來跟這個息息相關。然後,OpenAI做基座模型,還有一些做垂類的應用。最後,AI如果是往具身智能上去實踐,就還有機器人、機械狗這些外設。這跟腦機接口很像,我們如果類比這個產業的話,巖思類腦有點像OpenAI做ChatGPT。
我們想做一個核心的預訓練算法來賦能這個產業,屬於中間算法的基礎層。我們希望未來做成像ChatGPT或者是類似於微軟的這種操作系統,它是一個大家都會用到的基座軟件,然後在上面產生各種應用,往下去適配各種硬件。
我們是從這一點出發開始做,往上游就向腦機接口裏的電極、芯片去覆蓋,往下游就是向各種應用場景去覆蓋。

巖思類腦工作人員展示“腦控”機器狗 觀察者網
**王慧:**你們的腦電大模型就相當於一個基座大模型的存在?
**李孟:**是的。
**王慧:**這是你們的核心技術或核心競爭力所在嗎?
**李孟:**這是我們的核心技術,非常核心。首先,我覺得這個事必須在中國才能做,在國外是做不了的。
**王慧:**為什麼?
**李孟:**因為(國外的)數據量達不到能夠用AI模型去訓練的體量。AI特別吃語料,沒有語料就用不上這個技術,少量的語料根本談不上用人工智能或者深度學習去做,它肯定會過擬合。(如果)我的訓練樣本就這麼點,模型這麼大,這模型根本學不了這些數據裏面的分佈,它必須有很大的一個數據池子,然後去建一個模型。如果説腦機接口領域有最核心的優勢,我覺得這就是中國最核心的優勢。
**王慧:**數據量是足夠的。
**李孟:**對,有這個數據量之後,我們還要造出合適的模型。我們前期把這些數據整合起來之後清洗、訓練,這是幾年的時間才能做到的。所以我們覺得這個核心優勢非常明顯,而且我們搶先的身位也是幾年時間的身位。我們是非常有信心的。
**王慧:**人形機器人領域現在特別強調數據,説數據採集非常難,進而影響到機器人的泛化能力了。數據採集在人形機器人領域都這麼困難了,在腦機接口這個領域,腦電數據是不是更珍稀,更難得到?
**李孟:**對,我覺得你問的這個問題特別好。數據是數據,高質量數據是高質量數據,它是完全不一樣的。我聽説很多人形機器人企業會找志願者戴着手套去採各種各樣的動作,這些動作還要分到各種場景裏。在有些場景採到很多動作之後,就不用再採了,但又要去開發新的場景。這種情況在物理世界裏面是無窮無盡的。
腦科學也是一樣。比如説,我們要專注於一些想要迫切解決的腦機接口功能,去做一些高質量的數據集,先在這些數據集下面進行部署。這些產品推向市場之後,在不同的任務下采集新的數據,然後再去造新的模型,這個輪子才能滾起來。
**王慧:**讓飛輪轉起來。
**李孟:**對,任何AI場景下都是一樣,它要有飛輪轉起來。我們首先要有好的數據,去造一個好用的模型。好用的模型產生一個好用的應用,這些應用再反饋數據,就是這麼一個迭代的過程。
**王慧:**什麼是好的數據?在腦機接口領域,怎麼才能得到好的數據?
**李孟:**第一,在腦機接口領域,原始的腦電信號的信噪比特別好,所以現在腦電大模型訓練的數據都來自於人類顱內的數據,就是腦子裏面的數據。這個數據是比較金貴的,採集的成本也很高,只能在臨牀環境下采。
第二是數據的多樣性。剛才你提到了泛化性,我們大腦的功能太強大了,它包含運動、語言、視覺、聽覺、決策等各種功能。我們要設計範式,儘可能讓這些數據涵蓋更多的大腦功能。
第三,它(腦電)一定要適配到我們的模型裏。腦電數據不像語言大模型,語言大模型前期得有自然語言處理,它有很長一段科研的積累,把這些語料變成模型、變成可以訓練的Token,它有很多先驗知識,但腦電沒有。所以我們在設計這些範式的時候,就要考慮怎麼能把它放在模型裏,因為有的範式設計出來,就算採到腦電,也很難放到模型裏,這些數據是我們近期內用不到的。
綜合起來,數據要看三點:第一是量;第二信噪比;第三是可用性,對於模型訓練的可用性。我們也是磨了好長時間找到一個折中點,採這樣的數據來進行大模型的訓練。
**王慧:**信噪比是什麼意思?
**李孟:**比如説我們把大腦比喻成一個地球,大腦是地球的地核。再往上走,有一層顱骨,那就是所謂的地幔。最外面是地殼,地殼就相當於我們的毛髮皮膚。電極採進去,探針越接近地核,信號的質量就越高,信號和噪聲的比就越高,信號比噪聲要強。要是在地殼上採,信噪比肯定是最低的。所以顱內的腦電數據比較金貴,我們一定要儘可能接近大腦。
**王慧:**你們腦電大模型的數據量現在是足夠大的?
**李孟:**足夠大。
**王慧:**在世界範圍內是什麼水平?
**李孟:**幾個數量級的差別,比如我們現在有幾百個病人(的腦電數據),其他(國家)可能只有個位數,大約是兩個數量級的差別。
**王慧:**中國的病人量足夠大?
**李孟:**我們叫做被試,就是參加我們實驗的被試,相當於志願者幫我們完善這個系統。中國的數據量是最大的,沒有人可以比。
而且這個數據量的門檻也比較高,中國的數據是絕對不會給外國用的,當然外國的數據也不會給我們用,馬斯克的數據我們也永遠拿不到,所以這個門檻是在這兒的。我覺得要把這個核心資源用好。我們經常講彎道超車,我認為沒有什麼彎道超車,只是我們找到了另外一條路。

全球首位植入Neuralink腦機接口設備的人諾蘭・阿博(Nolan Arbaugh) 外媒資料圖
**王慧:**足夠多的數據就等同於足夠多的信息嗎?這可以畫等號嗎?
**李孟:**完全不可以畫等號,你這個問題特專業。我不知道你有沒有撥號上網的經歷,撥號上網之前你會聽到滋滋滋的聲音,我們腦電記出來就是這種滋滋滋的聲音。撥號上網之後,要經過一個調制解調器,就相當於把這些原始數據翻譯成有效的信息,最後才能呈現在電腦屏幕上。圖片、文字都是信息,滋滋滋的聲音是信號。我們正在做的這個模型,就是怎麼把這些數據變成有效信息,這裏面有很多很多門道。我覺得我們跟其他同行差異度還是非常大的,因為我們深刻地認識到數據並不代表信息,我們要把信息提取率提到很高。
反過來有一點好處,比如我要提取同樣多的信息,之前要在人腦裏植1000根電極,如果我們的提取率提高了,就只要植入10根。甚至,如果我們可以在顱外以非侵入式腦電就可以解出這些信息的話,那就相當於把整個系統重建了,我們可以用算法反向賦能硬件。
我覺得這是很有意義的一件事。不然,侵入式設備植大腦的時間長了之後,它肯定會有風險的,因為畢竟大腦裏有異物,而且它要穿透顱骨,穿透很多組織,有感染的風險。所以如果我們能在顱外做一些事,腦機接口就更容易推廣到大眾。
**王慧:**顱外會不會就像您説的,拿到的數據質量不像在顱內那麼好?就像在地殼、地幔和地核不同位置收集數據,數據質量是不一樣的吧?
**李孟:**不一樣。再回到地球的比喻,我們有一根探針植入在地核裏,有N個探針放在地殼上,它們同時記錄。我建立起這種映射關係之後,只要記錄在地殼上,就可以反推地核裏在發生什麼事。
**王慧:**這要算法足夠好才能做得到吧?
**李孟:**對。
**王慧:**按照您的邏輯,只要算法足夠好,模型足夠好,就可以用更少的數據去解讀出更多的信息。
**李孟:**是這樣。
**王慧:**您覺得是能實現的?
**李孟:**肯定能實現。
**王慧:**我們再來看腦機接口的技術路徑。根據接口方式的不同,腦機接口可以分為侵入式、半侵入式和非侵入式。非侵入式很好理解,無創,就像您剛剛説的,在地殼的位置上去做一些東西。那侵入式和半侵入式有什麼不一樣呢?
**李孟:**如何定義侵入式有兩種概念,第一種概念是它進不進顱骨,有些人以此區分是否為侵入式,進顱骨了就叫侵入式。但現在我覺得大家廣泛接受的是另外一套概念,就是電極進不進入大腦這個本體。
比如説,頭皮下面是顱骨,顱骨下面有一層硬膜,硬膜有點像自行車的內胎,它會承受一定的壓力,也保護大腦,它是大腦和顱骨之間的緩衝。硬膜再往下是蛛網膜,蛛網膜再下面就是大腦了。如果電極植入到大腦裏,那就是嚴格意義上的侵入式。現在也有人説,我把顱骨打開,硬膜不破,把這電極貼在硬膜上,這樣它就叫半侵入式。
大家可以這樣去理解,在頭皮裏、顱骨裏,但是不進大腦叫半侵入式;完全進大腦叫侵入式;不破壞頭皮就叫非侵入式。
**王慧:**馬斯克的Neuralink就非常堅定地選擇了侵入式,就是進到大腦裏面。美國還有家公司叫Synchron,他是用血管介入的方式,把電極通過血管放到大腦裏面。我覺得這很像心臟支架手術,那它算侵入式還是半侵入式?
**李孟:**這叫介入式。它沒有破顱骨,也沒有進到大腦裏,它是通過大腦的血管,就像你説的支架的方式。它通過血管的外壁去接收大腦的信號,其實就是用腦血管支架這樣成熟的手術方式,把電極送進去,記錄大腦的活動。
**王慧:**那這就等於四種了,侵入式、半侵入式、非侵入式、介入式。它們各有什麼樣的優勢和不足?什麼時候用這個,什麼時候必須用那個?
**李孟:**優勢和不足我們可以説,但什麼時候用,因為現在還沒有迭代完成,很難説在什麼場景下用。
以侵入式腦機接口為例。它的優勢在於,越往裏走,越靠近信號源,信號的質量就越好,因為信號源就是大腦。而壞處從它的名字就能知道,它進到大腦裏面,會對正常的大腦生物組織造成一定的破壞。而且不僅是大腦,顱骨、硬膜這些組織都會有破壞。
所以,選擇哪種方式需要折中考慮。比如,現在嚴肅醫療更多選擇侵入式腦機接口,如果是運動失能、高位截癱或漸凍症患者,必須要通過腦機接口去彌補他運動功能的時候,就需要用侵入式。但如果是面向大眾,很多用的就是非侵入式,因為正常人不可能隨便開腦殼,除非未來開腦殼的代價極低,帶來的好處極強,但這個需要一段時間。
未來這幾個腦機接口的形態,它的界限在哪,其實很難説。我有一個原則,就是在滿足功能的前提下,侵入性越低越好。比如像腦控《黑神話:悟空》,就完全沒必要用侵入式去做,侵入式畢竟有術後感染的風險,可能有併發症,電極植進去,如果失效了還要拿出來。所以它有一系列的問題和代價存在,如果用非侵入式能解決問題,就完全沒必要用侵入式。
**王慧:**你們現在是侵入式和非侵入式都有佈局嗎?
**李孟:**都有佈局。

巖思類腦工作人員展示“腦控”《黑神話:悟空》 觀察者網
**王慧:**比如侵入式,前一段時間我看到新聞説,你們跟華山醫院合作,讓10個受試者實現了用意念説話,這是怎麼做到的?用到了什麼技術?
**李孟:**這實際就是人工智能的技術。這些受試者他們是難治性癲癇病人,在治療過程中本來就會植入電極,所以我們通過他正常治療的實驗窗口進行腦機接口的嘗試,然後用人工智能從他的腦電裏解出他要説什麼話。
難點在於,第一,如何獲取這些病人的臨牀腦電,這是華山醫院的神經外科團隊解決的。
第二,我們怎麼才能把它解得準?因為是解中文,要把每一個字都解構成聲母和韻母,去看它聲母和韻母的準確率有多少,然後把它合成為一個字,再解出一句話來。
第三,要有泛化性。腦機接口很多語言解碼是在一個有限集裏,比如我讓這個被試讀十句話,之後我要解他讀這十句話裏的一句,這就是有限集。但我們想做的是泛化性,就像剛才你提到AI其他領域也有泛化性。我們用54箇中文單字讓參與者去讀,但解的是整句話,一句話裏面可以包含2000個漢字組成的各種組合,泛化性就體現在這裏。我們整個訓練的時間只用了100分鐘,就可以達到2000字解碼的泛化性要求。這是我們用大模型解決的一個很重要的問題,它不是在一個小的集合裏去解這種分類問題,它往外擴張了。
**王慧:**解碼的準確率高嗎?
**李孟:**有一個病人,聲母和韻母的準確率分別達到83%和84%,基本上他腦子裏的想法我們全給解出來了。
**王慧:**這54個字是挑選了常用字?
**李孟:**常用字。
**王慧:**泛化出來的那2000個字也是常用字?
**李孟:**也是常用字。這就説到了中文解碼比英文解碼難。其實很多英文解碼就是在解音標,音標有四十幾個。中文就不一樣,中文是聲母乘以韻母的個數,再乘以音調的個數,就變成400多個。解的時候要是沒有泛化性,那這套系統是用不了的。比如一個人只能完成嬰兒的語言功能,他可以喊媽媽、餓了、走,就相當於變成一個很簡單的分類問題了,他必須要泛化出去才能達到可用的程度。
**王慧:**您剛剛提到説他們訓練了100分鐘,是每一次都要先學100分鐘?還是練了100分鐘之後以後可以直接用?
**李孟:**是第二種情況,被試練習了之後,模型就學會了他的腦電和那2000個漢字之間的對應關係了。當然他的對應關係是通過聲母、韻母導過去的,但他只要訓練了之後,這套腦機接口系統就具備了這個功能。如果他再學100分鐘,就可以解4000個字了。這種是不斷往上疊加的,不是説每次都要重新訓練。
**王慧:**也就是用得越多,準確率就越高,泛化性也就越強。
**李孟:**是,相當於給腦機接口一套學習方式,它可以在這個學習方式上不斷擴充。
**王慧:**我看到有些不能講話的人,他腦子裏面想什麼,這些字立馬就能打出來。
**李孟:**對,未來就是解決失語症患者往外輸出語言的功能問題。
**王慧:**非侵入式腦機接口,比如腦電帽,我看到你們也有一個非常出圈的應用——“腦控”《黑神話:悟空》,這又是怎麼做到的?
**李孟:**這實際是腦機接口領域一個相對比較經典的範式,叫SSVEP(穩態視覺誘發電位)。人的眼睛看到外部世界的時候,他位於後腦勺附近的視覺皮層會起相應的腦電變化。我們屏幕上有虛擬按鍵,操作者看到這些按鍵的時候,我們要把激發的腦電變化精準地提取出來,再把虛擬按鍵的指令輸迴游戲系統;遊戲系統再輸出指令,就可以看到孫悟空輕攻擊、重攻擊、翻滾、躲避、變身。都是通過這個原理來實現的。
這個原理不是我們發明的,但之前在應用的時候有兩個問題沒有克服,導致沒法打遊戲,尤其是《黑神話:悟空》這種即時性的動作遊戲。
第一是準確性,怎麼更準確地找到微弱的腦電變化。比如八個虛擬按鍵,它的背景不能是遊戲畫面,必須是一個黑的屏幕,純色的、靜態的。如果背景是遊戲畫面,就會把它有用的信號淹沒。
第二是連續性。打遊戲必須要連續出招,而且要有一定的預判,要看對方的妖怪怎麼跑,我要怎麼跑,要輕攻擊還是重攻擊。之前SSVEP這套系統基本上要等個2、3秒鐘才出一招,肯定是打不了《黑神話:悟空》。所以連續性也是我們算法優化的一個指標。
我們解決了這兩個問題之後,就可以去操控《黑神話:悟空》了。
後來我們在《黑神話:悟空》的基礎上,又做了一個更有意思的事,讓一個人用腦機接口系統,另外一個人使用手柄,兩個人對打。前段時間我們把這套系統搬去了浦江創新論壇,現場觀眾可以隨機上台挑戰。我們勝率是高的,這説明什麼問題?説明我們在遊戲場景,在特殊的應用領域裏,腦機的操作效率可能已經比人類要高了。有點像當年的AlphaGo,當然他挑戰的是世界冠軍,我們還沒有。但只是和普通人比的話,腦機的操作效率可能更高一些了。
現在腦機接口很火,但是大家手頭其實沒有一個腦機接口產品在使用,我們希望用這種方式把腦機接口帶到大眾的生活裏。

2024年10月17日,廣東廣州,第136屆廣交會一展位的工作人員佩戴腦機接口智能仿生手與境外採購商握手。 東方IC
**王慧:**雖然我在你們實驗室看到很多應用,但就像您説的,現在腦機接口領域最大的一個問題就是大家手上沒有一款消費級的應用。你們所有的應用,包括腦電帽打遊戲也還沒有普及,為什麼會這樣?
**李孟:**首先,腦機接口畢竟是一個新興的領域,特別新。國外腦機接口的研究有幾十年,國內基本上是十年之內,2015年的時候國內還沒有什麼做腦機接口的。實驗室有,但很少。
第二,我覺得腦機接口領域有很多資源投在了侵入式上,但侵入式有一個問題,它一定要拿到醫療器械證才能作為可以對外普及的產品,不然它就只能在科研領域做。現在還沒有一款侵入式腦機接口產品拿到醫療器械證,意味着它還不具備去普及的條件。
至於非侵入式,一個主要的問題是之前的一些產品還沒達到很好用的程度,大家不會掏錢去買。當然,也有冥想之類的產品,但這個領域比較窄。現在我們要做的是把腦機接口產品的功能性提高,讓大家的可觸及門檻降低。這時候才會有批量的產品推向市場。
總而言之,腦機接口產品之所以還沒普及,第一是時間短,第二,侵入式產品大家短期內很難接觸到,非侵入式產品大家對它的接受度還沒有特別高。這個問題要靠整個行業一起來解決。
**王慧:**我們再來聊一聊腦機接口的發展和前景。從全球領域來看,中國腦機接口技術現在發展到什麼程度了?比如説,它是一本書的話,我們是隻翻了第一頁、第二頁,還是説我們序言已經結束了,或者説我們翻到百分之幾了?
**李孟:**我覺得應該把它比喻成爬一座從來沒有人爬過的山,這座山可能會非常高,現在我不確定是不是已經爬到了半山腰,但是這不代表我們在爬山過程中看不到好的風景,我們可以有很多產品。這座山到底有多高?我很難去判斷。最終的山頂,我覺得是我們對大腦有了充分的認識。這是腦機接口和神經科學要解決的問題。
如果只説腦機接口,我覺得可能3到5年後,大家手頭就會有很多好用的腦機接口設備。至於山爬到什麼程度,我覺得隨着我們的努力,對大腦的認識是在加速的,我們做器件的同事,做算法的同事,還有專門做AI、做類腦智能的同事,都在逼近這個山頂,我相信人類早晚會破了這個山頂。
**王慧:**就像您説的,爬山過程中風景會很好,但這可能要等到我們手上有產品的時候,普通人才能看到這座山上的風景。
**李孟:**對,我們就相當於爬山的人。我們希望把我們看到的風景拍下來發朋友圈給大家看。當大家手頭都有這種腦機接口產品的時候,就相當於我們把山的壯麗景色傳播給大家。
**王慧:**現在哪一些國家是爬得比較快的?中國大概在一個什麼樣的位置?
**李孟:**我覺得如果把這個領域比成喜馬拉雅山,美國或者説歐美爬的是北坡,我們(中國)爬的是南坡。他們確實起步早,但是我們速度快,我們的速度非常非常快。尤其是國家層面,比如説七部門發佈了《關於推動腦機接口產業創新發展的實施意見》,還有產業界、投資界的高度關注,我們處於一個加速狀態,我是非常看好的。
歐美有很深的學術積累,這是大家公認的。但是我覺得在某些領域,我們現在比歐美要強,例如在工程、應用、算法、數據方面領先,尤其是數據,我們比他強太多了。所以我非常看好未來,我覺得現在中國正在超越歐美,到後面會超得越來越快。
**王慧:**每次大家講到超越的時候,都喜歡用彎道超車,您這個比喻特別不一樣,一個爬南坡,一個爬北坡。
**李孟:**對,是這樣的,所以大家見到的風景會不一樣。
**王慧:**那各自有什麼優勢和不足呢?
**李孟:**以美國為例,他們腦機接口行業起步早,有更多的實驗室,很早就在做這個事,這是歐美的優勢。他們的劣勢,首先是供應鏈,在生產能力上他們肯定是比不了中國的。第二,在應用端,包括美國食品藥品監督管理局(FDA),很多歐美監管部門對腦機接口看得沒有那麼樂觀。還有一點,他們的病人羣體更少。

2023年5月,瑞士洛桑,荷蘭截癱患者Gert-Jan(中)藉助腦機接口實現脊髓損傷後的思想控制行走。 東方IC
中國的劣勢在於,之前的積累沒有歐美多。但是現在我們有那麼多之前在海外做腦機接口,做神經解碼,做神經科學的人才迴流,我覺得這個劣勢在彌補中,而且我估計很快就趕上了。而我們的優勢在於臨牀資源、供應鏈、生產能力,最重要是大家的勤奮程度。我覺得這一點很重要,我們可以用很多的資源,用很多的人力,大家抱着很大的希望,用很大的熱忱做這件事,再加上國家的支持。所以我對中國腦機接口未來的發展是非常樂觀的。
**王慧:**像您一樣從國外回到國內做腦機接口的科學家現在很多嗎?或者説越來越多嗎?
**李孟:**做腦機接口也要看基因,比如説做材料的、做電極的,現在回來得非常多。光是今年我聽到的新成立的腦機接口初創企業就應該有幾十家。其實每一家企業背後就是一個從海外回來的人才,因為這些領域基本上都是依靠海外積累的一些知識。但是像我們這樣做類似ChatGPT這種底座模型的,因為歐美沒有這樣的數據,所以他們之前也沒有這樣的積累。他們更多都是AI領域的,或者是純神經科學的。
我們團隊平均年齡27.4歲,當然這個數字不包括我,算上我可能要拉高一點。他們很多都是碩士、博士剛畢業,要不然就是原來學AI,學腦科學,一起在這裏進行頭腦風暴,交叉碰撞。我覺得再過幾年,可能我們培養的人才還能反向輸出到歐美。隨着這個行業的發展,中國的人才優勢會越來越顯著。
上海在上海市科委的支持下,設立了上海腦機接口未來產業集聚區,其中有一個重要的目標就是做腦機接口的人才儲備,這一點非常重要。因為我們尋找的這些人才現在很多是在國外,或者要通過國內C9等高校來積累,未來我們希望批量培養交叉型人才,賦能整個腦機接口。當你把它變成一個產業的時候,你會需要很多人才。
去年我們的招聘工作還很難做,但現在招聘工作特別好做。比如去年12月之前,大家也不知道腦控《黑神話:悟空》,你跟別人講,別人會説:“哎,還有這麼個領域啊?”那個時候如果你發現一個畢業生,他眼裏放光,覺得這有意思,我願意做,那我們就找對人了。
後來我們的聲量大了,大家對我們的認可度比較高,現在來應聘的人也多了。這代表腦機接口領域得到大家認可,大家願意參與到這領域。正循環起來之後,我覺得我們應該會在幾年時間裏把這梯隊建立好。
**王慧:**腦機接口今年可以説是炙手可熱,不管是政策、資本都在看向這個領域。另一方面,大國之間圍繞科技的競爭也非常激烈,您認為,接下來腦機接口會不會成為大國博弈的一個非常重要的賽道?
**李孟:**這是必然的。今年的世界人工智能大會上,我發現大家主要有兩個憂慮,第一是擔心到2026年沒有給大模型或者AI訓練的高質量語料了,第二就是擔心人類或者生物智能是不是要輸給AI了?其實腦機接口都可以解決這兩個憂慮。
第一個憂慮是沒有高質量數據,我覺得可能是因為AI沒有碰過腦電數據。大家都想做通用人工智能(AGI),目前宇宙中唯一公認的通用人工智能就是生物的大腦,而最強大的就是人腦,AI還沒碰過這個,如果AI真想做AGI,我覺得肯定要到人腦裏去找這種概念,人腦裏最直接的信號就是神經電生理信號。我們已經意識到這第一個憂慮,但很多人還沒意識到。
第二個憂慮就是生物是不是要輸給AI了?我覺得這也可以用腦機接口去對抗。我們為什麼會輸給AI?AI到底比我們強在哪?AI的學習效率其實沒有我們高,人類的小孩,你讓他看貓的正面,下次貓背對着他,他也知道那個是貓。但你讓計算機去學,它需要經過很多的訓練,它的學習效率沒有人類高,但它的好處在哪兒?它可以無休無止地訓練,它沒有代際,你只要把數據堆給它,把模型架構弄好,在GPU上就跑吧。
既然人類的效率比AI高,那咱們吃虧在哪?人類是代際的迭代,進化是用代際來完成的,一個小孩生下來,就像打遊戲重新讀檔一樣,之前的經驗都沒了,當然他腦子裏會有一些環路的存在,他可以很快地學東西,但是他要重新開始學;等到一個人去世的那天,他這些經驗就基本上就不見了。
但這些經驗在哪呢?就在這些腦電活動裏,如果我們用腦機接口的方式把這些腦電活動記錄下來,在裏面抽提它的特性,比如説我們記錄到成千上萬人的腦電活動之後,把它彙總在一個超級雲端的大腦裏,讓它進行訓練,那我們就打破了碳基生物只能用代際來進化的界限,可能生物智能就會很快地迭代,再用它迭代的智能去反向賦給我們每一個人類個體。我認為這就是我們能打敗AI的很重要的一條路。
**王慧:**也就是説,一個人死了,但彷彿沒死,他可以通過腦機接口的方式,實現所謂“站在巨人的肩膀上”,站在腦電數據上。
**李孟:**對,第一,一個人死了,他可以不死,因為他的腦電可以繼續存在。馬斯克經常講這個事,他説人類要永生,我要把我所有的意識、記憶,通過腦機接口的方式移植下來。他講的是第一步。
第二步是什麼呢?不僅我沒死,而且我的後代,我的孩子可以在我的腦電數據的基礎上直接踩着我的台階“進化”,那是完全不一樣的。不知道我説這個大家會不會覺得太科幻了,是不是有點扯淡了?但確實是這樣,只要我們打破代際進化的限制,我們生物智能可能會很快的變成另外一個狀態。
**王慧:**現在我們看一個小孩聰不聰明,可能會看他爸媽智商高不高。爸媽很聰明,這小孩可能就會很聰明,但是小孩還要自己學習。那以後是不是他爸媽積累的這些知識,我可以通過一個什麼東西傳給這小孩,這是你爸媽留給你的腦電數據。
**李孟:**不一定是這種形式,不一定是我把知識直接灌到他腦子裏,有可能是等他想要某種能力或者技能的時候,他問雲端的生物大腦,就是那個不停迭代的大腦要,以某種方式直接得到這些技能,有點像現在我們用的大語言模型,我們問他一個問題,給你一堆答案。下次我們可能就不問語言模型了,去問腦電模型。腦電模型會根據這個小孩提的問題,當時的環境、語境、語氣,像一個人一樣跟他進行對話。這個時候就相當於我把生物智能抽提出來了,未來語言大模型可能會替換成腦電大模型。
**王慧:**越講越科幻了,這個就像人機融合,馬斯克2016年創立Neuralink之後,説他們認為到2028年,大部分的人類就可以和AI實現互聯。今年8月,OpenAI的創始人奧特曼創立了一個公司叫MergeLabs,merge就是融合的意思,很清晰地指向了人機融合,您覺得人機融合是未來人類的一個發展方向嗎?

Open AI創始人山姆·奧特曼 視頻截圖
**李孟:**我覺得是個必然的發展方向,這個不是我們選的,是因為AI太強大了,我們必須要和它融合。你要從悲觀的角度講,是這樣的,它太強大了,我們一定要借鑑它。我們人類是很難接受和另外一個東西融合的。
**王慧:**對,還是個機器。所以怎麼樣的方式才能讓大眾普遍接受呢?是強行接受,因為其他人融合,所以我也要去融合,還是説有一種方式能讓所有人或者大部分人接受這種融合?
**李孟:**我覺得是通過產品融合,有了好用的產品,大家都用起來之後就融合了。比如大語言模型,其實大家某種程度上已經跟它做了一定的融合。我們要查一些資料,或者想讓它寫個文字,就會去找它。這在某種程度上,在某些場景下,已經是融合了,腦機接口未來也是這樣。在某些場景下,我們覺得它確實帶來好處了,就自然會和它融合。
**王慧:**我們看到現在資本也在積極地進入到腦機接口這個領域,現在這個概念很火,大家聊得也很多,您怎麼看這波資本的積極佈局呢?
**李孟:**首先,資本進入對任何一個產業肯定是有促進作用的,無論它會產生多大的泡沫,泡沫它是一個週期,(泡沫)週期破了之後會有很多東西累積下來,就像就本世紀初的互聯網泡沫一樣,雖然泡沫非常大,也造成了很多不幸的事件,但是畢竟它會留下來很多可以沉澱下來的技術,導致了後來移動互聯網的發展。我們國內信息革命其實也是從那波開始的,有很多人回國創業,像搜狐。所以資本進到某個行業裏肯定是助推性更大,但不好的地方在於,當它很快、很高、很大量地進入之後,會導致魚龍混雜。
**王慧:**資本的進入會不會讓這個行業很快泡沫化?
**李孟:**我個人的看法,以美國為例,實話實説,其實沒有很多家企業在做腦機接口,但是由於馬斯克的光環太大了,導致大家覺得馬斯克做的好像都很先進,大家都要跟。我覺得這輪泡沫跟這個有關係。首先,我承認它肯定有泡沫,因為腦機接口涉及到的領域比較多,現在有很多人進來做腦機接口。
**王慧:**國外,馬斯克之外這次添了一把火的是奧特曼, OpenAI的創始人,他也入局了。感覺現在各行各業對腦機接口的熱情都很高,都在紛紛地投入。
**李孟:**我覺得腦機接口火是必然的,這和資本投不投入沒有關係。為什麼?因為近幾十年來科學發展基本上遇到瓶頸了,沒有什麼可突破的地方。但對於大腦,大家都覺得,第一,它太神秘了,比如現在所有的AI都是比和人腦對抗,那是所有的AI比我們人腦的平均水平,比一個腦子的水平。你想AI用了多少能量、多少資源在做?但只是比一個腦子,説明這人腦有多厲害。
第二,腦子就長在人身上,我們自己都沒有辦法理解這個器官的話,對於人類的好奇心是挺大一個挑戰。所以這一輪大家都開始覺得研究腦子很重要。
第三,研究腦子之後會產生很多產業,對於經濟發展、國家佈局、國家安全都很重要。我們可以做腦機接口,可以做類腦智能;類腦智能可能會產生新的AI形態,導致能量降下來,功能升上去。
所以我覺得腦機接口火是必然的。我們能看到,資本也能看到。大家都進來之後,我覺得這是好事,只要我們踏踏實實地把腦機接口做好,未來我們可以用我們的產品或者我們的技術抵抗這種泡沫的週期。如果我們可以抱着長期主義的態度來做這件事,我覺得泡沫對我們來説是助推。但是未來,可能3-5年之後,大家會看到泡沫階段性破掉的那一瞬間,那時候希望大家還對腦機接口抱有信心。
我相信腦機接口最後會服務人類。我們就做好自己一步一步的過程就行。我相信無論泡沫怎麼起起伏伏,就跟海浪似的,反正我這塊石頭就放在那不動。就像我當年傻乎乎地從計算機到生物一樣。我覺得我還繼續傻乎乎地在做腦機接口。

2025年6月26日,北京,工作人員在第二屆智能醫工產業創新發展大會上展示腦機接口上肢康復設備. 東方IC
**王慧:**有一個知名的投資人叫陳天橋,他説腦機接口需要的是耐心資本,不能沿用互聯網投資的套路,追求短週期、快回報。您認同他這個投資的理念嗎?
**李孟:**我非常認同他這個理念,剛才講了,一方面是認識腦,一方面用腦去控制外面的這些設備,它有很多未知的領域要探索,如果不是耐心資本的話是頂不住的。陳總是從投資人的角度來説要做耐心資本。
第二是熱情,你要相信這個事,每天都在想這個事應該怎麼才能做好?信仰很重要。
第三,你要相信這個前景。因為我覺得下一輪科技革命肯定跟大腦有關,是不是腦機接口?是不是類腦智能?我不知道,但是它一定跟大腦有關。那腦機接口就是一個撬動大腦的信息入口。所以我堅信腦機接口會抵住各種經濟週期、科技週期,最終用耐心、用長期主義去做成一個對人類有益的事。
**王慧:**耐心資本四個字,您剛剛強調了兩個字叫耐心,那後面還有兩個字叫資本,資本是要賺錢的。您覺得資本需要有多耐心?是5年、10年還是20年?他們能耐得住嗎?
**李孟:**我覺得這就跟爬山的比喻一樣,他到底是希望上來拍一個朋友圈發出去就撤退,還是説他一直要陪伴我看到頂峯的風景。
耐心資本可能是階段性的,有些爬珠穆朗瑪峯爬到5千米就撤了,有的一直跟你到7千米,有的跟你到8千米,有的跟你到峯頂。所以每個階段只要有資本相信長期主義就可以。我們也不可能要求一個資本要跟我一輩子,那不成結婚了嗎?所以我覺得資本耐不耐心是相對的。就目前來看,我接觸下來的一些腦機接口投資人都是耐心資本,不然他不會看這個賽道。因為現在有很多賽道可以掙快錢的。
腦機接口最後會變成什麼樣,我也不知道,但是我堅信它是一條對的路,所以只要有這種想法的,我認為這就是耐心資本。可能它會隨着週期的起伏,有一天變得不耐心了,但至少它在現在這個階段是耐心的。我覺得這就夠了。
**王慧:**我們再聊聊政策,在資本加速進入的同時,政策也出了很多重磅利好的消息,這些政策包括對腦機接口、對未來產業,對人工智能的支持。您怎麼看政策端的這些利好?
**李孟:**這個問題和前一個問題是結合在一起的,資本有時候要看政策的風向,是偏暖還是偏冷,政策端的利好催生了資本的關注。現在不僅七部門發文,上海也發佈了《上海市腦機接口未來產業培育行動方案(2025-2030年)》,關於醫療器械,衞健委、醫保局都發了相關的政策。所以大家就認為腦機接口可能是未來一個經濟的爆發點、科技的爆發點。
政策的支持對整個行業來説都是強心針,投資人看到了就會進入到這個領域。所以我覺得最大的推動力還是國家。
國家已經認識到腦機接口的重要性,尤其是中國老齡化越來越嚴重,腦機接口的一個很大的應用場景就是神經退行性疾病。第一,這些疾病造成的經濟負擔特別重,病人的家人也要照顧他。第二,這類疾病是不可逆的,得上之後就逐漸惡化,現在還缺乏有效治療手段,或者説手段很少,效果也不是特別明顯。如果早期能用腦機接口技術把這些潛在的未來會患病的人篩出來,對他進行早期腦機接口神經調控的干預,或許就能解決這些問題。我覺得國家對這一點還是比較看重的。此外還有各種腦控設備、腦電資源。
2021年“中國腦計劃”啓動的時候,腦機接口布局的底層邏輯就是對標Neuralink,到了今年大家開始講怎麼變成產業,怎麼落地,怎麼實施,怎麼讓產品對老百姓有用,讓大眾可以使用。我覺得風向的轉變代表國家把腦機接口當成一個前沿可落地的產業來做。

2025年10月,第十一屆北京國際老齡產業博覽會,老人體驗認知障礙腦機接口進行檢測。 東方IC
**王慧:**各種利好消息都在進入腦機接口領域。作為在腦機接口領域創業的科學家,您覺得政策可以重點關注哪些問題,或者説優先推動哪些問題的解決更有利於這個行業快速健康的發展?
**李孟:**我覺得有兩點,第一是“加油”,第二是監管。
“加油”的意思是,國家可以加大投入腦機接口的基礎設施建設,比如説我們要做器件、芯片、電極、算法、數據集的建設、算力的佈局,這些要單純靠企業或科研院所的力量來做,壓力是很大的。這些基礎設施建設在《上海市腦機接口未來產業培育行動方案(2025-2030年)》裏其實佈局了很多。相信隨着它的實施,這個產業就會一點點建起來,包括集聚區也是這樣的思考。
至於監管,腦機接口畢竟是和人腦打交道的,就是我們的所思所想,做的這些動作、交流、每一個決策,本質上就是腦電變化。這些腦電變化包含着我們大腦所有的運算,所以監管一定要強監管,不能讓它出現任何倫理上的風險。
**王慧:**您剛剛提到監管這個問題,它其實涉及到了隱私,對於我們個人來説,大腦是我們最隱秘的一個部分了,當有一天腦機接口技術可以快速準確地讀取到我大腦的想法,這是不是意味着我們人類的大腦會有被侵犯的危險?甚至説人類會不會被操控?
**李孟:**我覺得這是一個很經典的問題,任何一個新技術出現的早期都會碰到這樣的問題,比如説移動互聯網,當時也有人問是不是沒隱私了?在大數據下,大家都是透明的,像皇帝的新裝一樣。問題的關鍵是你怎麼用,是向善還是向惡?就像核能一樣,可以毀掉一個城市,也可以給城市供電。所以我認為這需要很多人的智慧。在這個問題上我是很樂觀的,人類每一次走到交叉口都選對方向了,不然現在咱們就不會坐在這談話,人類已經消失了,是吧?只要在可控的範圍內用這些技術,我覺得就不是個問題。
**王慧:**最後一個問題請您談談願景,您對巖思類腦未來的發展願景是怎麼樣的?對於腦機接口產業未來的期待又是怎樣的?
**李孟:**巖思類腦有兩個願景,第一是用最前沿的科學做最大眾的產品。一方面我們探索技術的前沿,另一方面我們一定要做落地的產品,把腦機接口技術帶給大家,不要總是懸在空中。
第二,我們認為要彌合人工智能和生物智能之間的鴻溝,讓所有的科技更好地服務於人類。無論是人工智能還是生物智能,它最終就是讓我們人類的生活變得更好。
這就是我們想做的事,説白了,又要頂天,又要立地。
**王慧:**我們今天的問題到這裏就結束了,再次感謝您。
**李孟:**謝謝。