脑信号漂移与校准困境
Neuralink在2026年10月1日发布的技术更新中披露，其临床试验参与者累计已产生超过50,000小时的颅内神经活动数据。这批数据由植入设备在日常使用中持续记录产生，采集场景覆盖了实验室之外的日常生活。基于这些无标注数据，Neuralink以自监督方式预训练了一套神经编码器，据此训练的解码器可连续数周无需重新校准，部分用户的校准时间从每天10分钟降至每周10分钟。光标控制速度达到11.32比特/秒，刷新了脑机接口领域的纪录。
这些数字反映的是一个长期困扰脑机接口工程化的核心难题。植入电极采集到的神经脉冲信号会随时间漂移，电极周围组织产生的变化、微移位和免疫反应都会导致信号特征偏移。过去用户平均每周花费55分钟在校准上，每新增一项功能都需要单独训练一套解码器。以收音机调台做类比，每次打开都需要重新搜索频率，基准点还在不停移动。校准消耗的时间侵蚀了设备的可用性，成为脑机接口从实验室走向家用的最大障碍之一。
Neuralink联合创始人DJ Seo在10月3日的公开表态中表示，免校准解码器设计是脑机接口领域最棘手的问题之一，而公司现有进展加上另一项即将公布的工作，可能已经把它解决了。如果这一判断成立，脑机接口的日常可用时长有望摆脱校准瓶颈，进入持续可用阶段。
自监督编码器与基础模型路径
Neuralink采用的技术路径与自然语言处理领域的基础模型思路高度相似。大规模无标注数据通过自监督学习训练编码器，编码器学会将嘈杂的原始信号转化为稳定的抽象表示，下游解码器在此基础上实现具体任务。区别在于，数据从文本变成了神经脉冲，漂移问题从词义变化变成了生物组织与电极界面的物理变化。
这套编码器基于Mamba架构，一种面向长序列建模的状态空间模型。神经信号是时间序列，每个电极通道每秒产生数千个采样点，长时间序列中既有有效信息也有大量噪声。自监督预训练的目标是让编码器学会区分信号中的稳定结构与时变噪声，类似于让一个人在嘈杂的工厂里逐渐分辨出哪些声音是机器运转的规律，哪些是偶发的碰撞。
Neuralink公布的数据显示，预训练后的解码器在多名参与者中表现稳定。6人刷新了个人比特/秒纪录，中位成绩约10 BPS，其中3人超过此前10.39 BPS的纪录。11.32 BPS的速度已超越多数健全人操作电脑鼠标的水平。公司下一步方向包括跨参与者数据池化、一次性或零样本校准，以及面向运动皮层的API开放。
多模态同步解码的新路径
在Neuralink追求单通道极致性能的同时，加州大学旧金山分校Edward Chang团队在《Nature Neuroscience》2026年9月16日在线发表的研究中，开辟了另一条路径。该研究（Simultaneous speech and gesture decoding for multimodal communication in paralysis）依托BRAVO临床试验框架，首次在严重瘫痪患者中实现了言语意图与上肢手势的同步解码。
研究纳入3名存在不同程度声道与肢体瘫痪的受试者，使用单套高密度皮层脑电图（ECoG）植入阵列，同时还原两种交流模式。3名受试者中2名可依靠并行解码器实时驱动全身虚拟化身，化身既能把解码出的言语意图展示为屏幕文字，又能同步播放对应手势动画，甚至可以完成问答形式的虚拟对话交互。
这项研究揭示了一个超出预期的发现。当受试者同步想象言语与手势时，产生的神经活动模式具有独有的神经表征特征，已经超出了两类独立信号简单叠加的范畴。如果解码器使用单独任务与同步任务混合的数据训练，对同步信号的识别效果会显著提升。大脑在进行多模态行为规划时调动的是一套整合性的神经编码机制，各模态独立通道的并行激活模式无法解释这一现象。
NIH下属国家耳聋及其他沟通障碍研究所主任Debara Tucci评价，这些充满前景的结果让人满怀期待，希望未来重度瘫痪的患者可以重新拥有完整的人类交流体验。
从单模态到多模态的架构转变
Neuralink和UCSF的两条技术路线从不同角度推动了脑机接口领域的架构转变。Neuralink的路线侧重于单一信号通道的稳定性和速度极限，通过基础模型预训练解决信号漂移问题，把校准成本压缩到可接受范围。UCSF的路线侧重于多模态并行解码，从单一通道的言语或手势控制扩展到复刻人类自然交流的多通道同步特性。两条路径解决的是不同层面的问题，前者攻克的是工程稳定性，后者拓展的是功能边界。
人类自然交流以言语、表情和肢体动作并行的方式进行，属于多通道协同过程。此前脑机接口的研究路径主要聚焦于单模态输出，要么解码言语，要么控制运动，两者各自独立优化。UCSF的研究首次用一枚植入装置同时打通两条输出通路，使解码系统更接近真实交流的多通道同步特性。以前的电话只能传声音，视频通话同时传输画面后，通信的信息密度和自然度都出现了质变。
国家自然科学基金委员会在2026年设立了脑机接口大模型解码算法研发及其在线应用专项，明确指出当前侵入式脑机接口在线解码系统受到高质量神经活动数据稀缺的制约，预训练神经表征能否在真实在线闭环条件下稳定服务于实时解码尚缺乏系统验证。该专项重点支持跨个体、跨任务、跨时间稳定泛化的大模型解码算法研究，与Neuralink和UCSF的技术方向形成呼应。
产业化窗口与技术路线分化
2026年被业界普遍视为脑机接口商业化元年。中国信息通信研究院预测，中国脑机接口市场规模2025年约38亿元，预计2030年将达到120亿元。十五五规划纲要明确提出推动脑机接口等成为新的经济增长点，2026年《政府工作报告》首次写入脑机接口。截至2026年6月30日，国内脑机接口赛道投融资交易达64起，总金额约72.53亿元，远超2025年全年。
在产业化落地层面，技术路线的分化正在变得清晰。侵入式以Neuralink为代表，将柔性电极阵列直接植入大脑皮层，信号质量最高但风险也最大。半侵入式以Synchron为代表，通过血管将支架电极送入大脑附近，无需开颅，信号质量介于侵入与非侵入之间。2026年3月，博睿康医疗科技获得全球首张侵入式脑机接口第三类医疗器械注册证，复旦大学附属华山医院随后开出全球首张侵入式脑机接口临床处方，帮助一名脊髓损伤患者重新获得手部控制能力。
非侵入式路线则在消费级市场加速渗透，聚焦情绪障碍、认知衰退、注意缺陷等脑功能障碍的诊疗场景。上海市科委披露，上海已有3款侵入式脑机接口产品进入国家创新医疗器械特别审查程序，1款获得FDA突破性疗法认定。两条路径面向不同临床需求、不同患者人群和不同商业化节奏，共同构成了脑机接口产业的两极。
基础模型的竞争壁垒
Neuralink的50,000小时数据集形成了当前规模最大的皮层内神经活动数据集之一。这批数据来自21名以上参与者（2026年1月公布21名，此后植入规模继续扩大）的日常使用，覆盖了不同时间段、不同任务场景下的神经活动模式。数据的规模和多样性成为训练稳定编码器的基础条件，也是后来者难以快速复制的竞争壁垒。
这种数据飞轮效应已经显现。每增加一名参与者、每延长一天使用时间，编码器就获得更多样化的训练样本，解码稳定性随之提升，用户体验改善后又反过来延长使用时长和参与意愿。这与大语言模型领域的数据规模竞争逻辑一致，但门槛更高，因为神经数据的采集依赖侵入式手术和长期临床试验，不存在公开互联网语料库可供爬取。
国家自然科学基金委的专项指南中提到，大规模预训练模型在离线神经信号建模方面已取得重要进展，初步展现出大脑通用神经表征的存在性和模型能力涌现的可能性。但同时指出，受试者个体差异、电极配置差异和跨天信号漂移等因素严重制约解码系统的快速部署和长期稳定运行。Neuralink的进展部分回应了这些问题，但其结果尚未经过同行评审，属于公司技术博客披露，实际效果仍需独立验证。
