脑机接口与AI：一枚硬币的两面

首页/AI教程/文章详情

脑机接口与AI：一枚硬币的两面

时间：2026-07-01 14:49

神经科学启发了AI，但AI发展远超神经科学。大脑与GPU虽元件密度相近，但连接复杂度、存算一体与软硬一体特性存在巨大差异。脑机接口技术正通过柔性电极等手段实现运动恢复、语言传输与视觉重建，受伦理限制发展缓慢，未来可能与AI在融合点汇合。

从神经科学的角度看，它确实为人工智能的发展提供了重要启示，但AI领域的演进速度远超神经科学的进展。背后有多重原因，值得深入探讨。

先提出一个关键问题：大脑与GPU（图形处理器）之间，究竟存在怎样的联系？表面上看似乎毫无关联，但从物理与数学层面深入比较，会发现不少共通之处。

以目前市场上难以购得的英伟达H200为例。其晶体管数量高达10的11次方；而人类大脑大约拥有860亿个神经元，同样处于10的11次方量级。因此，就“元件密度”而言，GPU已经能与大脑相媲美。

然而，一旦涉及结构，差异便显现出来。大脑中一个神经元可以与其他神经元建立多达10的4次方个连接；而晶体管之间的连接数量则极为有限。这意味着，尽管两者的“基本单元”数量相近，但大脑的“通信网络”复杂度却高出整整四个数量级。

这是第一个关键性的差别。

第二个差别在于，大脑实现了存算一体——并未将“内存”与“处理器”分离。而当前的计算机依然固守着冯·诺依曼那套存算分离的传统架构。

第三个差别体现在软硬分离与软硬一体化的对比上。我们在电脑上编写软件，安装到任何一台机器上都能运行。但大脑则不同，它的“软件”与“硬件”紧密融合，无法分割。因此，之前有人问我，人工智能是否能够很快实现对整个人脑的模拟？

我的判断是：差距大约还有10的9次方倍。其中，10的4次方倍来自于我们刚提到的连接通路复杂度差异。另外10的4到5次方倍，则源于一个更为强大的特性——神经可塑性。

举例来说，现在我在台上演讲，你们在倾听，本质上就是我那800亿个神经元在不断地放电，试图传递想法；而你们的神经元也在同步接收这些信息。等听完这段分享，你们回去之后，大脑中会形成新的连接与模式——换言之，你们已经被这段话永久性地改变了。神经元之间的连接可以随时调整，但晶体管之间的连接却是固定的。这其中的复杂度差距，至少又差了10的4到10的5次方倍。

因此，虽然这两个方向在相向而行，但演进的速度完全不同。

02 脑机接口行业在做什么？

接下来让我们深入探讨脑机接口领域，把相关事宜讲清楚。

先做简要科普。脑科学的一个基本认知是：大脑是我们最重要、也最脆弱的器官，是人类区别于其他动物的根本。但从科学定义来看，所有的感知、认知、记忆、情感乃至情绪，其本质都是电信号的传递与处理。只要能够读取你的电信号，就有机会对其进行干预和修改。

换句话说，你我的本质，就是由一束束电信号构成的各类感知与认知。

那么，我们目前对大脑的认知达到了什么水平？坦白讲，可能连10%都不到。大脑分为不同区域，我们大致知道哪些区域负责运动、语言或听觉等基本功能。但对于更高级的功能——如知识、记忆、情感、意识、自我认知——这些活动究竟隐藏在哪里，目前尚无确切答案。

目前能够确认的，主要还局限于基础运动控制领域。其他高级功能仍处于探索阶段，背后是极其复杂的神经网络在支配。

脑机接口的核心工作，简单来说就是在大脑不同区域植入电极。这些电极如同导线，能够读取该区域神经元的放电信号，也可以反过来向神经元施加电刺激。这一领域是典型的交叉学科，涉及电极材料、芯片封装、医疗器械、算法等多个环节——是一个完整的全系统，技术难度极高。所有研究的核心目标，就是让大脑在植入脑机接口时获得更大益处、承受更小创伤，这始终是一个需要反复权衡的问题。

下图展示的是植入位置的纵剖面图。基本流程是：切开头皮、颅骨、硬脑膜，直达脑组织，然后将电极植入不同位置，以记录不同的神经信号。原理很简单：离脑组织越近，所采集到的信号就越清晰。

行业内目前主要存在三条技术路线。

第一种是硬质电极，外观类似小铁盘，实际上是一个指甲盖大小的硅片，上面竖立着100根微针。植入时需要打开大脑，将装置直接放入皮层。100根微针意味着100个信号采集通道，可以记录100到200个神经元的放电活动。

第二种是血管支架电极，通过静脉血管将电极送入大脑，隔着血管壁采集信号。

第三种则是马斯克Neuralink和我们脑虎科技所采用的柔性电极系统。

过去20年间，全球采用第一种技术路线完成植入的患者有60人，第二条路线有10人，而第三种路线目前仅为3人。

以下是第一种路线的实际效果图。患者头顶佩戴一个较大的设备，称为head stage，负责将电信号传出，然后通过信号来操控机械臂完成基本操作。这位患者是高位截瘫，颈部以下无法活动。植入脑机接口后，他能够操控两只机械臂自行切蛋糕进食。对我们而言稀松平常的动作——将蛋糕切开、用叉子叉起、再慢慢送入嘴中——对高位截瘫患者来说却是极其困难的。而脑机接口配合机械臂，已经实现了这一目标，能够显著提升患者的生活质量。

不过，你也可以看到，这套系统目前仍只能在实验室环境中运行。患者头上连接着三根线，身后还有龙门架和一堆设备，根本无法在医院甚至家庭环境中使用。

第二种路线（血管支架）的技术天花板相对较低，此处不再赘述。

第三种柔性电极系统的代表是马斯克的Neuralink。马斯克真正担任CEO的公司只有三家——特斯拉、SpaceX，以及Neuralink。以下是Neuralink今年最新的临床进展：他们将原本患者头顶的三个大型设备，优化成了一个极其小巧、可植入皮下的无线装置。这正是工程师与科学家的区别：科学家可以花费20年验证原理的可行性，但所做出的系统往往过于复杂。马斯克则通过他的第一性原理，将设备做到了极致的小巧与便捷，展现了强大的工程能力。

今年1月，Neuralink完成了首位患者的植入。同样是高位截瘫患者，通过脑机接口能够完整控制电脑。他玩的游戏叫Webgrid，本质上是用意念移动鼠标进行点击。这款游戏在官网上就有。我玩的话大概能拿到11分，这已经算很快了；我们公司员工的平均得分在9分左右。而这位患者仅靠大脑思考，就能达到9.5分——比许多手脚健全的人还要快。

脑机接口技术的突破性发展，必须具备三个核心要素：高通量、低创伤、长期在体。

高通量很好理解——我们拥有800亿个神经元，能够记录多少个是衡量技术的关键。马斯克目前能够记录1024个，我们能记录256个，差距仍有数倍。不过，我曾提出一个概念：脑机接口也存在“摩尔定律”——能够读写的神经元数量，每18个月翻一番。至少我们和马斯克都是按这个节奏推进的。因此，在未来8到10年内，能够记录上百万通道神经元的脑机接口必将出现。到那时，通过意念控制手部动作、操控机械臂，甚至操控特斯拉汽车或Optimus机器人，从原理上讲都是完全可行的。

03 为什么神经科技发展速度比 AI 慢？

AI与脑科学如同桥梁的两端，正在相向而行。我们的产品涵盖硬件、软件和动物资源，AI领域也有相应的硬件、软件和实验资源。我们在脑机接口领域所做的工作，类比到AI领域就相当于英伟达的职责——从基础芯片、硬件框架到网络连接、数据交换等。数据和算法方面，对应的则是CUDA和Hugging Face。AI领域已经建立了成熟的数据集和算法共享平台，但脑科学尚未形成这样的生态系统。因此，我们需要构建一个属于脑信号与脑算法解码的“Hugging Face”和“CUDA”。

但问题随之而来：为什么神经科学的发展速度就是比AI慢？

原因只有一个：伦理限制。我们无法大规模开展动物实验和人体试验。每进行一次试验，需要准备整整一年，要对患者的收益进行极其严格的评估，每一步都必须按规范执行。而Sam Altman融到15亿美元后，只需将GPU规模扩大20倍，就能开始迭代。因此，我们也希望在脑科学领域成长为类似英伟达那样的基础性公司，再配合像Hugging Face和CUDA这样的生态平台，让全球的神经科学家共同提速。如此一来，硅基与碳基的融合，或许会比想象中来得更快。

我们公司去年进行了两项实验：一是训练狗在跑步机上行走，解码它如何控制四条腿的协调运动；二是训练猴子通过脑信号解码来玩乒乓球游戏。马斯克在2021年就完成了这两个实验，我们则在2023年实现。从实验进展来看，我们大约落后两年半到三年。但作为一家刚起步的中国公司，我们从最初落后七八年的状态，逐步缩短到三年，进步已经非常显著。

04 脑机接口的未来

那么，马斯克目前正在向哪些方向推进？

第一个方向是运动功能恢复。目前患者仍在使用脑控设备进行简单操作，但未来可以实现脑控外骨骼、脑控机械臂，让患者用自己的肢体重新站立，或通过操控机器人来辅助日常生活。

第二个方向是语言接口。我现在说话的速度已经够快了，但也只有每分钟140个字左右。实际上，大脑的思考速度远高于140个字，只是人无法讲那么快，你也无法听那么快。未来通过脑机接口，我的表达速度可以达到每分钟800个字，直接传输给你，就不需要像现在这样费力交流了。去年实验室已经达到了正常人说话速度的60%，未来肯定会更快。

第三个方向是视觉恢复。对于失明人士或没有眼球的患者，可以通过刺激视觉皮层，使其在黑暗中看到闪烁的白色斑点，这些斑点可以描绘出物体的轮廓。60个信号通道就能实现这样的效果。等到实现600个、2000个通道，绕过眼球直接传递视觉信号是完全可行的。马斯克已经开始招募接受视觉刺激的患者，相信明年年底，首位植入者就会出现。