【神經解碼】你以為腦機接口是"讀心術"？其實它在做一件更難的事——翻譯

你以為腦機接口是“讀心術”？其實它在做一件更難的事——翻譯

想象一下：你滿頭大汗地盯著屏幕，光標卻紋絲不動。這不是你手抽筋，是你想象自己在動光標——大腦發出了“往右”的命令，信號一路從運動皮層沖到脊髓，脊髓卻只能沉默地接住，因為路斷了。癱瘓患者每天就困在這個斷點上。

腦機接口（BCI）干的事，就是繞過那條斷掉的公路，在大腦和外部設備之間臨時架一座橋。但問題來了——大橋容易架，翻譯難。神經元放電是 0 和 1 的脈沖序列，機器憑什么知道這是“向右”而不是“向左”？這才是腦機接口真正的硬核環節：神經解碼（neural decoding）。

這篇文章，咱們把這條鏈路扒到底——從神經元怎么“說話”，到三種信號尺度各能偷聽到什么，到解碼的數學本質，到運動、語言、視覺三條戰線的實戰成果，再到大模型怎么把這事往前推了一大步。

一、大腦怎么“說話”

1.1 動作電位：神經元的摩爾斯電碼

一個神經元在靜息狀態下，膜內外維持著大約 -70 mV 的電位差。當它被興奮性突觸電流推一推，電壓沖到閾值（約 -55 mV），電壓門控鈉通道嘩地全開，鈉離子涌進來，膜電位在 1 毫秒內翻轉到 +30 mV 左右，然后鉀通道接力把鉀離子泵出去，電位回落——這就是動作電位（action potential），或者按學界習慣叫它 spike。

一次 spike 是一個全或無的事件，時間寬度約 1–2 ms，振幅 80–100 mV。聽起來很快，但大腦里的“信息”不是藏在這一次波形里，而是藏在放電頻率（firing rate）和時間模式里——就像摩爾斯電碼，單個點劃不重要，點的排列組合才是信息。

• 1 ms

  — 單個動作電位持續時間

• ~100 Hz

  — 大腦皮層神經元平均最高放電率

• 約 860 億

  — 人腦神經元總數

1959 年 Hubel 和 Wiesel 把微電極插進貓的初級視皮層 V1，發現了一種讓人驚艷的細胞：你給它看一根傾斜 45° 的光棒，它放電放得像過年；旋轉 10°，放電率掉一半；轉到 90°，它就安靜了。這就是方向調諧細胞（orientation-tuned cell），一個細胞對一根特定方向的線段最敏感。

可單個細胞的信息量其實很有限——它面對的刺激空間巨大，對某根光棒的反應強，對別的也只是“沒那么強”。真正的信息分布在一群細胞里。

1980 年代，Apostolos Georgopoulos 在猴子運動皮層發現了一件更酷的事：單個神經元對伸手方向有偏好，但偏好是模糊的——往右上伸手時它最愛放電，往正右也行，往上湊合。但他記錄了幾百個神經元，把每個細胞偏好的方向當作一個矢量，按放電率加權求和，得到的群體矢量（population vector）——準確預測了猴子真實的手腕運動方向。

這就是 BCI 解碼的祖宗。 從此整個領域都明白了一件事：你讀單個神經元，就像只聽一個人說悄悄話；你讀一群神經元，就像坐進了會議室。

1.3 局部場電位和振蕩：另一條暗線

spike 不是神經活動的唯一語言。成千上萬神經元同步突觸電流會在細胞外空間形成一個電位波動，叫局部場電位（local field potential, LFP）。LFP 能量集中在低頻（典型 1–300 Hz），不同頻段對應不同認知狀態——β 波（13–30 Hz）和運動準備有關，γ 波（30–100 Hz）和注意力、記憶綁定有關。spike 和 LFP 不是替代關系，而是同一首曲子的鼓點和貝斯。

二、在哪兒“偷聽”：三種信號尺度

把電極放在哪，決定了你能聽到什么——是“墻外偷聽”，還是“在門外聽”，還是“進屋坐到對面”。

三種信號尺度

EEG / ECoG / Spike——從遠到近，從糊到清
核心：越往里扎，信號越清楚，但手術風險越大。

2.1 EEG：頭皮上貼電極

1929 年 Hans Berger 第一次從人頭皮上記錄到電活動，這就是腦電圖（EEG）。把幾個到幾百個電極貼在頭皮表面，測的是皮層錐體細胞突觸電流在頭皮上的電位總和。

信號要穿過頭皮、顱骨、腦脊液三層，衰減和模糊化非常嚴重。空間分辨率約 1–2 cm，時間分辨率 1 ms 左右。丟掉的是空間細節，拿到的是安全和無創——戴上電極帽就能用，EEG 因此成為消費級 BCI（注意力訓練、助眠、康復）的主力方案。強腦科技（BrainCo）的開星果、Easleep、FocusZen 都基于 EEG。

2.2 ECoG：掀開頭骨，貼在皮層表面

掀開頭骨，把一片電極陣列（通常是 8×8 或更高密度的格子）直接貼在皮層表面——這就是皮層腦電圖（electrocorticography, ECoG）。空間分辨率跳到毫米級，時間分辨率和 EEG 相當，但能看到高頻段（high-gamma，70–200 Hz）的細節，而高頻段恰好和單細胞放電耦合得很緊。

代價是要開顱。腦虎科技、博睿康 NEO 的信號層就屬于這個尺度。ECoG 在語言 BCI 里特別好用——運動性言語皮層（vSMC、IFG、STG）一片大概 4×4 cm 的范圍，ECoG 網格能穩穩覆蓋。

2.3 Spike：插進皮層，聽單個神經元

把比頭發絲還細的柔性電極（Neuralink 的“線”電極就是這種）插進皮層，尖端停在單個神經元旁邊，可以穩定記錄這個神經元每一次動作電位的精確時刻——這就是單單元記錄（single-unit recording）。

空間分辨率到單細胞，時間分辨率到微秒級。代價最大：免疫反應、電極漂移、感染風險。但回報是——你拿到的信息最豐富，理論上能解出最精細的運動軌跡和語言。

Neuralink N1、Paradromics、Blackrock 的猶他陣列都是這條路。國內也有團隊（如北京天壇醫院相關團隊）在推進高通道柔性電極采集單神經元 spike 的臨床探索。

• >30 kHz

  — Spike 記錄的典型采樣率

• 128–256

  — 主流 ECoG 高密度陣列通道數

• >1000

  — Neuralink N1 當前穩定臨床通道數

三、解碼=翻譯：機器怎么學會讀腦

3.1 表面看是翻譯，本質是模式識別

如果“神經活動 X”和“外部意圖 Y”之間的關系是確定性的，那只要找到一個函數 f，讓 f(X) = Y。問題是大腦是高維、含噪、個體差異極大的系統，沒人知道這個 f 長什么樣。

所以 BCI 解碼走的是機器學習的老路：收集樣本 → 提取特征 → 訓練模型 → 在線推斷。

3.2 特征提取：把原始信號變成機器能吃的數字

原始 spike 序列是一串時間戳，要先變成向量。常見手法包括：

• 放電率分箱

  ：把時間切成 50–100 ms 的窗口，數每個神經元在窗口里放了多少 spike；

• 平滑與歸一化

  ：每個神經元的放電率差異巨大，要做 z-score 標準化；

• 頻域特征

  ：對 ECoG/EEG 算各頻段功率、做 Hilbert 變換取包絡；

• 空間濾波

  ：EEG 常用共空間模式（CSP）找出對左右手想象最敏感的空間投影。

騰訊云上一篇關于中文語言 BCI 的技術文章里，把這個流程講得很細：原始 ECoG 信號先過 Hilbert 變換取包絡（去掉毛刺噪聲），再按時頻切塊，最后喂給序列模型。每一步都在做同一件事——把“對人沒意義的曲線”變成“對機器有區分度的向量”。

3.3 訓練和校準：BCI 的成人禮

任何 BCI 投入使用前，都有一段校準（calibration）期。流程一般是：

1. 讓受試者按提示做幾十分鐘到幾小時指定動作（“想象動右手”、“說這個句子”）；

2. 同時記錄神經信號，并打上標簽——這是 X，這是 Y；

3. 離線訓練一個解碼器 f(X) → Y；

4. 在線部署 f，新信號進來直接出結果。

校準的痛點：模型是私有的。同一個解碼器在 A 患者身上 95% 準確，換到 B 患者可能掉到 60%——因為電極位置、皮層褶皺、信號特征全不一樣。每換一個用戶，基本要重新校準，這就是 BCI 難以“開箱即用”的根本原因之一。

遷移學習和少樣本學習是現在學界正在攻的方向：用大規模多人數據預訓練一個通用解碼器，再在新用戶少量校準數據上微調。

四、運動解碼：從“光標移到哪”到“機械手抓杯蓋”

4.1 方向調諧和群體矢量：BCI 的“Hello World”

1980 年代 Georgopoulos 那套群體矢量模型，被 1999 年 Kennedy、1999 年 Wessberg 幾乎原封不動搬進了 BCI：把一群運動皮層神經元的放電率當矢量加權相加，得到手的方向預測。

這之后，BrainGate 系列臨床試驗（2004 年起 Brown University 的 Hochberg 團隊）讓癱瘓患者用猶他陣列實現了二維光標移動、打字。Neuralink 2024 年公開的演示里，植入 N1 的患者用意念光標玩《馬里奧賽車》、操控機械臂。

4.2 想象運動（motor imagery）也能解

不是每個患者都能輕易產生 spike 信號——很多非侵入式 BCI 玩的是運動想象（motor imagery）：讓用戶在心里“演一遍”動左手、動右手、動腳，EEG 上對應運動皮層的 μ/β 節律會出現事件相關去同步化（ERD）和同步化（ERS）。

這類信號的解碼通常是監督學習——SVM、LDA、CNN、LSTM，特征是各頻段功率譜、CSP 投影。早期準確率 60–80%，現在深度學習能把 2-class 想象推到 90% 以上。

4.3 從 2D 到 7D：自由度戰爭

真正難的是控制一個多自由度的機械臂或虛擬手。一個 7 自由度機械臂需要 7 個獨立控制變量，而運動皮層給我們的信號維度有限。

Neuralink 2024 年的 PRIME 研究（精確機器人植入腦機接口）展示了單神經元級別的精細控制——患者同時控制光標在多維空間移動。博睿康 NEO 系統走的是另一個路線：硬膜外 ECoG 信號 + AI 解碼，讓頸段脊髓損傷患者實現手部抓握代償——臨床測試中患者成功抓握瓶蓋、操控氣動手套。

? 一個里程碑 2026 年 7 月 13 日，博睿康 NEO 在上海開出首張處方，全球首例商業化手術在華山醫院完成。系統采集的硬膜外腦電信號術中測試穩定。這是全球首個獲批上市的侵入式腦機接口三類醫療器械。

五、語言解碼：從“霍金的眼鏡”到“意念直出文本”

5.1 為什么語言解碼是 BCI 的圣杯

運動還能靠殘余肌肉信號輔助，但語言不行——漸凍癥（ALS）患者到后期完全喪失肌肉控制，霍金后期靠一塊面部肌肉驅動文本合成，每分鐘說 8 個詞。這對正常人來說慢得難以忍受。

語言 BCI 的目標是：讓“思維”和“輸出”之間的延遲，逼近正常說話速度（150–200 詞/分鐘）。

5.2 從發音運動皮層解碼：讓“想象說話”被讀出來

人說話時，大腦運動皮層下方的腹側感覺運動皮層（vSMC）會發出指令驅動嘴唇、舌頭、聲帶——這套指令即使你不出聲、在腦子里默讀，也在發射。

2023 年加州大學舊金山的 Chang 實驗室在《Nature》發了重磅結果：一名腦干中風癱瘓的患者，植入高密度 ECoG 陣列后，深度學習模型把她無聲默讀的神經信號解碼成文字，中位數速度達到 78 詞/分鐘，錯誤率 25%；同時還能把信號轉譯成語音（372 詞詞匯量下錯誤率 28.2%）。

Neuralink 2026 年初公布的 ALS 患者演示是另一條路線：單神經元 spike 直接解碼音素（phoneme），再組合成詞語，最后用電腦語音朗讀出來——患者還能用自己原聲的合成音交流，聽著就是“他自己的聲音”。

5.3 從聽覺皮層解碼：聽見你“想到”的詞

另一條思路是從聽覺皮層下手——當你“聽到”一個詞時，聽覺皮層會激活；即使是你自己想象自己說一個詞，Wernicke 區也會有反應。這種解碼路線的好處是直接跳過了發音運動的肌肉環節，理論上更魯棒；但聽覺皮層信號稀疏得多，難度更高。

5.4 中文語言解碼：獨有挑戰

中文 BCI 解碼和英語 BCI 不是同一道題。英語是字母線性排列，解碼時序是自然的事；中文是字形 + 拼音 + 語義多層耦合，一個字就是最小的語義單位，而且聲調攜帶語義信息（mā/má/mǎ/mà 是四個完全不同的字）。

清華洪波團隊、北腦所、上海微系統所等團隊在國內語言 BCI 上有系列工作。騰訊云那篇文章里展示了一條典型流程：ECoG 記錄默讀/朗讀中文 → Hilbert 包絡提取 → 切分到單字級別 → 深度模型輸出文字或語音。拆字比拆字母難，因為漢字內部結構和音義關聯更緊。

六、視覺解碼：從“造光幻視”到“重建畫面”

視覺 BCI 有兩個完全不同的方向：一個往大腦寫，一個從大腦讀。

6.1 寫入方向：電刺激視皮層，造“光幻視”

視皮層每個神經元對應視野里一小塊區域，叫感受野（receptive field）。如果你用微電流刺激一小片視皮層，受刺激者會看到一個亮點——叫光幻視（phosphene）。

把電極陣列貼在視皮層上，按視野映射關系刺激不同位置——理論上能拼出一幅粗糙的圖像。

Neuralink 2026 年公開的 Blindsight 試驗就是這條路——繞過眼睛，直接電刺激視覺皮層。暖芯迦（杭州）的 V-BCI（視皮層路徑腦機接口）目前把信號采集和刺激通道數做到了 1280 個，2026 年 6 月公布的臨床進展里，失明近二十年的受試者在植入次日就識別出了字母——而同類視網膜植入設備通常需要 3–6 個月的康復訓練。

次日識別字母 vs. 六個月康復——這幾乎是 BCI 視覺重建的速度紀錄。

6.2 讀出方向：從腦活動還原“你看到了什么”

更科幻的方向是：能不能從視皮層信號反推出你看到/想象到的畫面？

2011 年 Nishimoto 等（Gallant 實驗室）的研究（用 fMRI）能從 V1 信號解碼出受試者看到的自然圖像的粗略輪廓。2023 年后續工作用 7T fMRI + 深度生成模型（diffusion model），重建出來的圖像讓人能 80%+ 認出原圖類別。

這條路用 fMRI 還不是侵入式 BCI，但趨勢明確：視覺編碼是層級化的（V1→V2→V4→IT），每一層都對應不同的特征抽象，從光斑到邊緣到紋理到物體，任何能穩定記錄這些層級的手段，都可以做讀出。

6.3 中國視覺 BCI 矩陣

國內視覺 BCI 已經形成幾條路線：

• 暖芯迦

  ：視網膜路徑 E-BCI（刺激視網膜神經節）+ 視皮層路徑 V-BCI（直接刺激 V1），雙路并行；

• 明視腦機（Mindtrix）

  ：專注視皮層植入式視覺重建；

• Neuralink Blindsight

  ：電刺激視皮層；

• 清華“天眸芯”

  ：類腦互補視覺芯片，是 硅基仿生視覺 路線（不讀腦也不寫腦，是給機器做眼睛）。

視覺重建的工程難點：分辨率 vs. 通道數。要想讓人眼能認出人臉，可能需要數萬到數十萬通道——這是現在所有 BCI 都還差得遠的量級。

七、為什么通道數和帶寬是命門

整個 BCI 行業都在喊“高通道數”，這不只是營銷話術，是有硬約束的。

7.1 通道數 = 你能聽清多少人說話

神經科學一個被反復驗證的規律：群體越大，解碼越準。Georgopoulos 當年用幾百個神經元才能穩定預測手的方向；少到幾十個，誤差就上來了。

Neuralink N1 當前臨床穩定通道數 1024，目標是數萬；暖芯迦視覺 BCI 通道數 1280（其中刺激通道 320 個獨立點）；腦虎“三全”系統也在持續推高通道密度。通道數直接決定你能解出多復雜的行為。

7.2 采樣率 = 你能跟上多快的對話

Nyquist 定理告訴我們要想不丟信息，采樣率至少是信號最高頻率的兩倍。spike 信號頻譜能量集中在 300 Hz–10 kHz，所以單神經元記錄采樣率通常 ≥30 kHz；EEG 主要能量在 0.1–100 Hz，常規 256–1024 Hz 采樣足夠；ECoG 中間，約 1–2 kHz。

采樣率不夠 = 高頻細節被丟掉 = 精細結構解不出來。

7.3 信噪比 = 你能從噪聲里撈多少真信號

腦信號極易被污染——工頻干擾、肌電、心電、運動偽跡、電極漂移、免疫反應導致的膠質增生，都會把信號蓋掉。

業內常用一個粗略指標：單神經元 spike 的 SNR 通常要 > 4 才能穩定分選。柔性電極、神經形態芯片、片上 AI 預處理——都是為了把 SNR 摳高一點。

?? 一個工程真相 通道數 × 采樣率 × 位深 = 數據率。1024 通道 × 30 kHz × 16 bit ≈ 0.5 Gbit/s（約 60 MB/s）的原始數據流。這是為什么 BCI 必須做邊緣計算——把全量數據傳上云在工程上不現實。

八、大模型時代的解碼躍遷

過去五年 BCI 最大的變化，不是電極進步，是模型架構變了。

8.1 從線性到深度：RNN、Transformer 登場

傳統解碼器是線性濾波器或淺層神經網絡（LDA、SVM、Kalman 濾波器）——它們假定神經活動到行為的映射是基本線性的。大腦顯然不是線性的。

深度學習的邏輯是：讓模型自己學那個非線性映射。LSTM/GRU 處理時序 spike 序列，Transformer 處理長程依賴，CNN 提取空間特征。Neuralink 2024 年公開的報告里提到，他們用循環神經網絡做 spike 解碼，單神經元層面的光標控制延遲降到 ~20 ms。

8.2 大模型做“通用神經解碼器”

Meta 2025 年的腦–文本模型（Brain2Qwerty）做了件有意思的事：讓受試者打字、同時用非侵入的 MEG/EEG 記錄，用一個大模型把神經信號直接轉成字符序列——不需要為每個字符單獨校準。這種“通用預訓練 + 少量微調”的范式，正是自然語言處理過去五年走過的路，現在被搬進了神經解碼。

國內靈犀醫學科技（靈犀云）2026 年初拿了近億元 A 輪融資，專門做BCI 數據平臺和大模型——把多人多任務的神經數據匯聚起來預訓練一個通用底座，下游用戶只需要少量校準數據就能部署。這條路如果走通，意味著 BCI 的部署成本和校準時間會從“周級”降到“分鐘級”。

8.3 多模態融合：把“想象”、“視覺”、“語音”放在同一個潛空間

語言 BCI 的最新進展里，研究者開始把 ECoG 語言信號、面部肌電（EMG）、唇部視頻、甚至眼動全部喂給一個多模態大模型做融合解碼。人腦本來就不是單模態的，單模態 BCI 是妥協，多模態才是未來。

有研究者把這種趨勢概括為：解碼正在從「翻譯」升級為一種新的交互媒介——如同當年從命令行走向圖形界面的那次躍遷。

結語

腦機接口最近半年的喧囂背后，其實是兩條線的合流：

一條是硬件線——通道數從幾十漲到一千、再往一萬沖，柔性電極讓侵入式不再那么侵入，無線化讓“辮子”消失。博睿康 NEO 拿到全球首張侵入式 BCI 注冊證、腦虎三全系統完成第二例臨床、Neuralink 累積植入 21 人——臨床證據在堆。

另一條是算法線——從群體矢量到深度學習到大模型預訓練，解碼的對象從光標到機械臂到語音到語言到畫面，速度從每分鐘 8 個詞漲到 78 個詞、目標 150 個詞。

硬件給了原始帶寬，算法把它變成了人類能用的輸出。 這件事的全部難點就在“翻譯”——大腦發出的不是文字、不是語音、不是指令，而是一團高維、含噪、私有的電風暴。把它變成屏幕上的一個動作、一個字符、一幅圖像，靠的不是讀心，靠的是對大腦計算原理的深刻理解，和對機器學習工具的極致運用。

下一次你看到新聞說“某患者用意念打字”——記住這件事：屏幕上那 78 個詞每分鐘的背后，是神經科學家幾十年的認知建模、工程師幾十年的信號處理、AI 研究者幾年的大模型迭代，三股力量在同一根電極上匯合。

讀腦這事，從來不是一個學科的事。

資料來源：

• Georgopoulos A. P., Schwartz A. B. & Kettner R. E., Neuronal population coding of movement direction, Science 1986

• Hubel D. H. & Wiesel T. N., Receptive fields of single neurones in the cat's striate cortex, J. Physiol. 1959

• Willett F. R. et al. (Stanford/BrainGate), A high-performance speech neuroprosthesis, Nature 2023 / 后續更新

• Metzger S. L. et al. (Chang Lab, UCSF), A high-performance neuroprosthesis for speech decoding and avatar control, Nature 2023

• Tenore F. et al. (BrainGate), 多篇 Nature/Lancet Neurology 臨床報告

• 騰訊云開發者社區，《腦機接口恢復語言》系列技術文章（2026）

• 暖芯迦官網及媒體披露：nanochap.cn、動脈網報道

• 博睿康 NEO 國家藥監局批件及上海科委公告（2026-03-13 / 2026-07-13）

• 腦虎科技、Neuralink、Synchron、Blackrock、Paradromics 公開技術披露

• 中國信通院、《腦機接口產業白皮書》系列

• Meta Brain2Qwerty 等大模型神經解碼預印本（2024–2025）

注：文中部分臨床數據（如通道數、采樣率、錯誤率）為各團隊公開披露值或行業估算口徑，非嚴格受控實驗數據，僅供科普參考。

分享人：腦思客

審核：PsyBrain 腦心前沿編輯部

你好，這里是「PsyBrain 腦心前沿」

專注追蹤全球認知神經科學的最尖端突破

視野直擊 Nature, Science, Cell 正刊 及核心子刊與頂級大刊

每日速遞「深度解讀」與「前沿快訊」

科研是一場探索未知的長跑，但你無需獨行。歡迎加入PsyBrain 學術社群，和一群懂你的同行，共同丈量腦與心智的無垠前沿。

點擊卡片進群，歡迎你的到來

一鍵關注，點亮星標 ? 前沿不走丟！

一鍵分享，讓更多人了解前沿