【神经解码】你以为脑机接口是"读心术"？其实它在做一件更难的事——翻译|信号|字母|神经元|细胞|翻译|脑机接口

你以为脑机接口是“读心术”？其实它在做一件更难的事——翻译

想象一下：你满头大汗地盯着屏幕，光标却纹丝不动。这不是你手抽筋，是你想象自己在动光标——大脑发出了“往右”的命令，信号一路从运动皮层冲到脊髓，脊髓却只能沉默地接住，因为路断了。瘫痪患者每天就困在这个断点上。

脑机接口（BCI）干的事，就是绕过那条断掉的公路，在大脑和外部设备之间临时架一座桥。但问题来了——大桥容易架，翻译难。神经元放电是 0 和 1 的脉冲序列，机器凭什么知道这是“向右”而不是“向左”？这才是脑机接口真正的硬核环节：神经解码（neural decoding）。

这篇文章，咱们把这条链路扒到底——从神经元怎么“说话”，到三种信号尺度各能偷听到什么，到解码的数学本质，到运动、语言、视觉三条战线的实战成果，再到大模型怎么把这事往前推了一大步。

一、大脑怎么“说话”

1.1 动作电位：神经元的摩尔斯电码

一个神经元在静息状态下，膜内外维持着大约 -70 mV 的电位差。当它被兴奋性突触电流推一推，电压冲到阈值（约 -55 mV），电压门控钠通道哗地全开，钠离子涌进来，膜电位在 1 毫秒内翻转到 +30 mV 左右，然后钾通道接力把钾离子泵出去，电位回落——这就是动作电位（action potential），或者按学界习惯叫它 spike。

一次 spike 是一个全或无的事件，时间宽度约 1–2 ms，振幅 80–100 mV。听起来很快，但大脑里的“信息”不是藏在这一次波形里，而是藏在放电频率（firing rate）和时间模式里——就像摩尔斯电码，单个点划不重要，点的排列组合才是信息。

1 ms
— 单个动作电位持续时间
~100 Hz
— 大脑皮层神经元平均最高放电率
约 860 亿
— 人脑神经元总数

1.2 群体编码：单个神经元是个话痨，群体才是真相

1959 年 Hubel 和 Wiesel 把微电极插进猫的初级视皮层 V1，发现了一种让人惊艳的细胞：你给它看一根倾斜 45° 的光棒，它放电放得像过年；旋转 10°，放电率掉一半；转到 90°，它就安静了。这就是方向调谐细胞（orientation-tuned cell），一个细胞对一根特定方向的线段最敏感。

可单个细胞的信息量其实很有限——它面对的刺激空间巨大，对某根光棒的反应强，对别的也只是“没那么强”。真正的信息分布在一群细胞里。

1980 年代，Apostolos Georgopoulos 在猴子运动皮层发现了一件更酷的事：单个神经元对伸手方向有偏好，但偏好是模糊的——往右上伸手时它最爱放电，往正右也行，往上凑合。但他记录了几百个神经元，把每个细胞偏好的方向当作一个矢量，按放电率加权求和，得到的群体矢量（population vector）——准确预测了猴子真实的手腕运动方向。

这就是 BCI 解码的祖宗。从此整个领域都明白了一件事：你读单个神经元，就像只听一个人说悄悄话；你读一群神经元，就像坐进了会议室。

1.3 局部场电位和振荡：另一条暗线

spike 不是神经活动的唯一语言。成千上万神经元同步突触电流会在细胞外空间形成一个电位波动，叫局部场电位（local field potential, LFP）。LFP 能量集中在低频（典型 1–300 Hz），不同频段对应不同认知状态——β 波（13–30 Hz）和运动准备有关，γ 波（30–100 Hz）和注意力、记忆绑定有关。spike 和 LFP 不是替代关系，而是同一首曲子的鼓点和贝斯。

二、在哪儿“偷听”：三种信号尺度

把电极放在哪，决定了你能听到什么——是“墙外偷听”，还是“在门外听”，还是“进屋坐到对面”。

三种信号尺度

EEG / ECoG / Spike——从远到近，从糊到清
核心：越往里扎，信号越清楚，但手术风险越大。

2.1 EEG：头皮上贴电极

1929 年 Hans Berger 第一次从人头皮上记录到电活动，这就是脑电图（EEG）。把几个到几百个电极贴在头皮表面，测的是皮层锥体细胞突触电流在头皮上的电位总和。

信号要穿过头皮、颅骨、脑脊液三层，衰减和模糊化非常严重。空间分辨率约 1–2 cm，时间分辨率 1 ms 左右。丢掉的是空间细节，拿到的是安全和无创——戴上电极帽就能用，EEG 因此成为消费级 BCI（注意力训练、助眠、康复）的主力方案。强脑科技（BrainCo）的开星果、Easleep、FocusZen 都基于 EEG。

2.2 ECoG：掀开头骨，贴在皮层表面

掀开头骨，把一片电极阵列（通常是 8×8 或更高密度的格子）直接贴在皮层表面——这就是皮层脑电图（electrocorticography, ECoG）。空间分辨率跳到毫米级，时间分辨率和 EEG 相当，但能看到高频段（high-gamma，70–200 Hz）的细节，而高频段恰好和单细胞放电耦合得很紧。

代价是要开颅。脑虎科技、博睿康 NEO 的信号层就属于这个尺度。ECoG 在语言 BCI 里特别好用——运动性言语皮层（vSMC、IFG、STG）一片大概 4×4 cm 的范围，ECoG 网格能稳稳覆盖。

2.3 Spike：插进皮层，听单个神经元

把比头发丝还细的柔性电极（Neuralink 的“线”电极就是这种）插进皮层，尖端停在单个神经元旁边，可以稳定记录这个神经元每一次动作电位的精确时刻——这就是单单元记录（single-unit recording）。

空间分辨率到单细胞，时间分辨率到微秒级。代价最大：免疫反应、电极漂移、感染风险。但回报是——你拿到的信息最丰富，理论上能解出最精细的运动轨迹和语言。

Neuralink N1、Paradromics、Blackrock 的犹他阵列都是这条路。国内也有团队（如北京天坛医院相关团队）在推进高通道柔性电极采集单神经元 spike 的临床探索。

>30 kHz
— Spike 记录的典型采样率
128–256
— 主流 ECoG 高密度阵列通道数
>1000
— Neuralink N1 当前稳定临床通道数

三、解码=翻译：机器怎么学会读脑

3.1 表面看是翻译，本质是模式识别

如果“神经活动 X”和“外部意图 Y”之间的关系是确定性的，那只要找到一个函数 f，让 f(X) = Y。问题是大脑是高维、含噪、个体差异极大的系统，没人知道这个 f 长什么样。

所以 BCI 解码走的是机器学习的老路：收集样本 → 提取特征 → 训练模型 → 在线推断。

3.2 特征提取：把原始信号变成机器能吃的数字

原始 spike 序列是一串时间戳，要先变成向量。常见手法包括：

放电率分箱
：把时间切成 50–100 ms 的窗口，数每个神经元在窗口里放了多少 spike；
平滑与归一化
：每个神经元的放电率差异巨大，要做 z-score 标准化；
频域特征
：对 ECoG/EEG 算各频段功率、做 Hilbert 变换取包络；
空间滤波
：EEG 常用共空间模式（CSP）找出对左右手想象最敏感的空间投影。

腾讯云上一篇关于中文语言 BCI 的技术文章里，把这个流程讲得很细：原始 ECoG 信号先过 Hilbert 变换取包络（去掉毛刺噪声），再按时频切块，最后喂给序列模型。每一步都在做同一件事——把“对人没意义的曲线”变成“对机器有区分度的向量”。

3.3 训练和校准：BCI 的成人礼

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

让受试者按提示做几十分钟到几小时指定动作（“想象动右手”、“说这个句子”）；
同时记录神经信号，并打上标签——这是 X，这是 Y；
离线训练一个解码器 f(X) → Y；
在线部署 f，新信号进来直接出结果。

校准的痛点：模型是私有的。同一个解码器在 A 患者身上 95% 准确，换到 B 患者可能掉到 60%——因为电极位置、皮层褶皱、信号特征全不一样。每换一个用户，基本要重新校准，这就是 BCI 难以“开箱即用”的根本原因之一。

迁移学习和少样本学习是现在学界正在攻的方向：用大规模多人数据预训练一个通用解码器，再在新用户少量校准数据上微调。

四、运动解码：从“光标移到哪”到“机械手抓杯盖”

4.1 方向调谐和群体矢量：BCI 的“Hello World”

1980 年代 Georgopoulos 那套群体矢量模型，被 1999 年 Kennedy、1999 年 Wessberg 几乎原封不动搬进了 BCI：把一群运动皮层神经元的放电率当矢量加权相加，得到手的方向预测。

这之后，BrainGate 系列临床试验（2004 年起 Brown University 的 Hochberg 团队）让瘫痪患者用犹他阵列实现了二维光标移动、打字。Neuralink 2024 年公开的演示里，植入 N1 的患者用意念光标玩《马里奥赛车》、操控机械臂。

4.2 想象运动（motor imagery）也能解

不是每个患者都能轻易产生 spike 信号——很多非侵入式 BCI 玩的是运动想象（motor imagery）：让用户在心里“演一遍”动左手、动右手、动脚，EEG 上对应运动皮层的 μ/β 节律会出现事件相关去同步化（ERD）和同步化（ERS）。

这类信号的解码通常是监督学习——SVM、LDA、CNN、LSTM，特征是各频段功率谱、CSP 投影。早期准确率 60–80%，现在深度学习能把 2-class 想象推到 90% 以上。

4.3 从 2D 到 7D：自由度战争

真正难的是控制一个多自由度的机械臂或虚拟手。一个 7 自由度机械臂需要 7 个独立控制变量，而运动皮层给我们的信号维度有限。

Neuralink 2024 年的 PRIME 研究（精确机器人植入脑机接口）展示了单神经元级别的精细控制——患者同时控制光标在多维空间移动。博睿康 NEO 系统走的是另一个路线：硬膜外 ECoG 信号 + AI 解码，让颈段脊髓损伤患者实现手部抓握代偿——临床测试中患者成功抓握瓶盖、操控气动手套。

✅ 一个里程碑 2026 年 7 月 13 日，博睿康 NEO 在上海开出首张处方，全球首例商业化手术在华山医院完成。系统采集的硬膜外脑电信号术中测试稳定。这是全球首个获批上市的侵入式脑机接口三类医疗器械。

五、语言解码：从“霍金的眼镜”到“意念直出文本”

5.1 为什么语言解码是 BCI 的圣杯

运动还能靠残余肌肉信号辅助，但语言不行——渐冻症（ALS）患者到后期完全丧失肌肉控制，霍金后期靠一块面部肌肉驱动文本合成，每分钟说 8 个词。这对正常人来说慢得难以忍受。

语言 BCI 的目标是：让“思维”和“输出”之间的延迟，逼近正常说话速度（150–200 词/分钟）。

5.2 从发音运动皮层解码：让“想象说话”被读出来

人说话时，大脑运动皮层下方的腹侧感觉运动皮层（vSMC）会发出指令驱动嘴唇、舌头、声带——这套指令即使你不出声、在脑子里默读，也在发射。

2023 年加州大学旧金山的 Chang 实验室在《Nature》发了重磅结果：一名脑干中风瘫痪的患者，植入高密度 ECoG 阵列后，深度学习模型把她无声默读的神经信号解码成文字，中位数速度达到 78 词/分钟，错误率 25%；同时还能把信号转译成语音（372 词词汇量下错误率 28.2%）。

Neuralink 2026 年初公布的 ALS 患者演示是另一条路线：单神经元 spike 直接解码音素（phoneme），再组合成词语，最后用电脑语音朗读出来——患者还能用自己原声的合成音交流，听着就是“他自己的声音”。

5.3 从听觉皮层解码：听见你“想到”的词

另一条思路是从听觉皮层下手——当你“听到”一个词时，听觉皮层会激活；即使是你自己想象自己说一个词，Wernicke 区也会有反应。这种解码路线的好处是直接跳过了发音运动的肌肉环节，理论上更鲁棒；但听觉皮层信号稀疏得多，难度更高。

5.4 中文语言解码：独有挑战

中文 BCI 解码和英语 BCI 不是同一道题。英语是字母线性排列，解码时序是自然的事；中文是字形 + 拼音 + 语义多层耦合，一个字就是最小的语义单位，而且声调携带语义信息（mā/má/mǎ/mà 是四个完全不同的字）。

清华洪波团队、北脑所、上海微系统所等团队在国内语言 BCI 上有系列工作。腾讯云那篇文章里展示了一条典型流程：ECoG 记录默读/朗读中文 → Hilbert 包络提取 → 切分到单字级别 → 深度模型输出文字或语音。拆字比拆字母难，因为汉字内部结构和音义关联更紧。

六、视觉解码：从“造光幻视”到“重建画面”

视觉 BCI 有两个完全不同的方向：一个往大脑写，一个从大脑读。

6.1 写入方向：电刺激视皮层，造“光幻视”

视皮层每个神经元对应视野里一小块区域，叫感受野（receptive field）。如果你用微电流刺激一小片视皮层，受刺激者会看到一个亮点——叫光幻视（phosphene）。

把电极阵列贴在视皮层上，按视野映射关系刺激不同位置——理论上能拼出一幅粗糙的图像。

Neuralink 2026 年公开的 Blindsight 试验就是这条路——绕过眼睛，直接电刺激视觉皮层。暖芯迦（杭州）的 V-BCI（视皮层路径脑机接口）目前把信号采集和刺激通道数做到了 1280 个，2026 年 6 月公布的临床进展里，失明近二十年的受试者在植入次日就识别出了字母——而同类视网膜植入设备通常需要 3–6 个月的康复训练。

次日识别字母 vs. 六个月康复——这几乎是 BCI 视觉重建的速度纪录。

6.2 读出方向：从脑活动还原“你看到了什么”

更科幻的方向是：能不能从视皮层信号反推出你看到/想象到的画面？

2011 年 Nishimoto 等（Gallant 实验室）的研究（用 fMRI）能从 V1 信号解码出受试者看到的自然图像的粗略轮廓。2023 年后续工作用 7T fMRI + 深度生成模型（diffusion model），重建出来的图像让人能 80%+ 认出原图类别。

这条路用 fMRI 还不是侵入式 BCI，但趋势明确：视觉编码是层级化的（V1→V2→V4→IT），每一层都对应不同的特征抽象，从光斑到边缘到纹理到物体，任何能稳定记录这些层级的手段，都可以做读出。

6.3 中国视觉 BCI 矩阵

国内视觉 BCI 已经形成几条路线：

暖芯迦
：视网膜路径 E-BCI（刺激视网膜神经节）+ 视皮层路径 V-BCI（直接刺激 V1），双路并行；
明视脑机（Mindtrix）
：专注视皮层植入式视觉重建；
Neuralink Blindsight
：电刺激视皮层；
清华“天眸芯”
：类脑互补视觉芯片，是硅基仿生视觉路线（不读脑也不写脑，是给机器做眼睛）。

视觉重建的工程难点：分辨率 vs. 通道数。要想让人眼能认出人脸，可能需要数万到数十万通道——这是现在所有 BCI 都还差得远的量级。

七、为什么通道数和带宽是命门

整个 BCI 行业都在喊“高通道数”，这不只是营销话术，是有硬约束的。

7.1 通道数 = 你能听清多少人说话

神经科学一个被反复验证的规律：群体越大，解码越准。Georgopoulos 当年用几百个神经元才能稳定预测手的方向；少到几十个，误差就上来了。

Neuralink N1 当前临床稳定通道数 1024，目标是数万；暖芯迦视觉 BCI 通道数 1280（其中刺激通道 320 个独立点）；脑虎“三全”系统也在持续推高通道密度。通道数直接决定你能解出多复杂的行为。

7.2 采样率 = 你能跟上多快的对话

Nyquist 定理告诉我们要想不丢信息，采样率至少是信号最高频率的两倍。spike 信号频谱能量集中在 300 Hz–10 kHz，所以单神经元记录采样率通常 ≥30 kHz；EEG 主要能量在 0.1–100 Hz，常规 256–1024 Hz 采样足够；ECoG 中间，约 1–2 kHz。

采样率不够 = 高频细节被丢掉 = 精细结构解不出来。

7.3 信噪比 = 你能从噪声里捞多少真信号

脑信号极易被污染——工频干扰、肌电、心电、运动伪迹、电极漂移、免疫反应导致的胶质增生，都会把信号盖掉。

业内常用一个粗略指标：单神经元 spike 的 SNR 通常要 > 4 才能稳定分选。柔性电极、神经形态芯片、片上 AI 预处理——都是为了把 SNR 抠高一点。

ℹ️ 一个工程真相通道数 × 采样率 × 位深 = 数据率。1024 通道 × 30 kHz × 16 bit ≈ 0.5 Gbit/s（约 60 MB/s）的原始数据流。这是为什么 BCI 必须做边缘计算——把全量数据传上云在工程上不现实。

八、大模型时代的解码跃迁

过去五年 BCI 最大的变化，不是电极进步，是模型架构变了。

8.1 从线性到深度：RNN、Transformer 登场

传统解码器是线性滤波器或浅层神经网络（LDA、SVM、Kalman 滤波器）——它们假定神经活动到行为的映射是基本线性的。大脑显然不是线性的。

深度学习的逻辑是：让模型自己学那个非线性映射。LSTM/GRU 处理时序 spike 序列，Transformer 处理长程依赖，CNN 提取空间特征。Neuralink 2024 年公开的报告里提到，他们用循环神经网络做 spike 解码，单神经元层面的光标控制延迟降到 ~20 ms。

8.2 大模型做“通用神经解码器”

Meta 2025 年的脑–文本模型（Brain2Qwerty）做了件有意思的事：让受试者打字、同时用非侵入的 MEG/EEG 记录，用一个大模型把神经信号直接转成字符序列——不需要为每个字符单独校准。这种“通用预训练 + 少量微调”的范式，正是自然语言处理过去五年走过的路，现在被搬进了神经解码。

国内灵犀医学科技（灵犀云）2026 年初拿了近亿元 A 轮融资，专门做BCI 数据平台和大模型——把多人多任务的神经数据汇聚起来预训练一个通用底座，下游用户只需要少量校准数据就能部署。这条路如果走通，意味着 BCI 的部署成本和校准时间会从“周级”降到“分钟级”。

8.3 多模态融合：把“想象”、“视觉”、“语音”放在同一个潜空间

语言 BCI 的最新进展里，研究者开始把 ECoG 语言信号、面部肌电（EMG）、唇部视频、甚至眼动全部喂给一个多模态大模型做融合解码。人脑本来就不是单模态的，单模态 BCI 是妥协，多模态才是未来。

有研究者把这种趋势概括为：解码正在从「翻译」升级为一种新的交互媒介——如同当年从命令行走向图形界面的那次跃迁。

结语

脑机接口最近半年的喧嚣背后，其实是两条线的合流：

一条是硬件线——通道数从几十涨到一千、再往一万冲，柔性电极让侵入式不再那么侵入，无线化让“辫子”消失。博睿康 NEO 拿到全球首张侵入式 BCI 注册证、脑虎三全系统完成第二例临床、Neuralink 累积植入 21 人——临床证据在堆。

另一条是算法线——从群体矢量到深度学习到大模型预训练，解码的对象从光标到机械臂到语音到语言到画面，速度从每分钟 8 个词涨到 78 个词、目标 150 个词。

硬件给了原始带宽，算法把它变成了人类能用的输出。这件事的全部难点就在“翻译”——大脑发出的不是文字、不是语音、不是指令，而是一团高维、含噪、私有的电风暴。把它变成屏幕上的一个动作、一个字符、一幅图像，靠的不是读心，靠的是对大脑计算原理的深刻理解，和对机器学习工具的极致运用。

下一次你看到新闻说“某患者用意念打字”——记住这件事：屏幕上那 78 个词每分钟的背后，是神经科学家几十年的认知建模、工程师几十年的信号处理、AI 研究者几年的大模型迭代，三股力量在同一根电极上汇合。

读脑这事，从来不是一个学科的事。

资料来源：

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 / 后续更新
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 临床报告
腾讯云开发者社区，《脑机接口恢复语言》系列技术文章（2026）
暖芯迦官网及媒体披露：nanochap.cn、动脉网报道
博睿康 NEO 国家药监局批件及上海科委公告（2026-03-13 / 2026-07-13）
脑虎科技、Neuralink、Synchron、Blackrock、Paradromics 公开技术披露
中国信通院、《脑机接口产业白皮书》系列
Meta Brain2Qwerty 等大模型神经解码预印本（2024–2025）