摘要：脑机接口（BCI）技术通过直接连接大脑与外部设备，为残疾患者（如高位截瘫患者Noland）恢复数字独立性提供了革命性解决方案。该技术经历了四代演进，从体外单通道发展到高集成度的体内无线系统，同时类脑计算（如忆阻器阵列）在信号处理、能耗优化方面展现出显著优势。尽

摘要 ：

脑机接口（BCI）技术通过直接连接大脑与外部设备，为残疾患者（如高位截瘫患者Noland）恢复数字独立性提供了革命性解决方案。该技术经历了四代演进，从体外单通道发展到高集成度的体内无线系统，同时类脑计算（如忆阻器阵列）在信号处理、能耗优化方面展现出显著优势。尽管面临电极稳定性、功耗和长期适配等挑战，脑机接口与类脑技术的协同发展正推动人机交互迈向新阶段，并获国家医保政策支持，加速临床应用进程。

关键词 ： 脑机接口（BCI）、类脑计算、神经信号解码、忆阻器、植入式电极

01

前言

当年仅三十岁的Noland在直播中玩着《文明6》的时候，观众们很难意识到，这位看似正常操控着虚拟帝国的主播，竟是一位脊髓受伤、脖子以下无法动弹的高位截瘫患者。

2016年，Noland在一次潜水事故中遭遇不幸，从此被禁锢在静止的躯体中。但在2024年，他做出了一项大胆的决定：成为全球首位Neuralink脑机接口植入者。他坦言道，这一选择让他“重新与世界建立联系”。

在接受植入手术后的第二天，Noland就顺利出院。凭借植入的名为Telepathy的脑机接口设备，Noland重新获得了“数字独立性”。虽然无法移动躯体，但他大脑运动皮层发出的信号可以直接通过植入电极读取。经过处理，他只需动动念头，就可以控制电子设备，无需其他人的辅助。现如今，已经有三名志愿患者接受了Neurolink的植入手术，所有设备也均正常工作。

而不止马斯克的Neuralink， Synchron、Blackrock Neurotech、浙江大学、清华大学等国内外企业和科研团队也在该领域取得了显著进展。早在2020年，浙大的脑机接口团队就实现了高龄高位截瘫患者通过意念控制机械臂的展示。

当前，脑机接口技术正迎来从实验室研究到临床应用的关键转折期。而作为生物神经系统启发的新型计算范式，类脑计算技术的融合又将为脑机接口发展注入了怎样的动能？

02

脑机接口：突破极限

自晶体管问世以来，人类已经开发多种交互设备，作为与数字世界相沟通的媒介。从键盘鼠标，到触摸屏、头显，这些设备形态各异，但本质上都是作为人类神经系统与数字世界之间的中介桥梁。而交互技术发展的终极目标，则是突破物理设备的限制，建立神经信号与数字系统之间的直接通信连接。这种直接交互模式不仅能够彻底改变人机互动方式，更能够为残障人士重新赋能，甚至赋予其远超正常人类的能力。

传统上，非侵入式脑机接口的通信带宽通常低于10 bit/s，严重制约了人机交互效率，这正是脑机接口技术力求突破的关键瓶颈。与此同时，脑科学亟需新的手段来解析大脑的工作机制，脑机接口恰好提供了一种直接的研究途径。

脑机接口（Brain-Computer Interface，BCI）通过建立大脑与外部设备（如计算机、机械臂等）的直接信息通道，实现了生物神经与电子系统间的双向交互。近年来，这项技术取得了广泛进展，获得了Nature Electronics杂志的2023年的“年度技术”称号，并入选了Nature杂志2024年值得关注的7项技术。

一个经典的脑机接口由三个模块组成：电极接口，用于探测人脑发出的生物神经信号并转化为电信号；电子传感接口，具备信号放大、模数转换及神经刺激功能；以及神经信号处理单元。

图1 脑机接口技术的组成

根据组织接口和电子传感接口开发的技术节点，脑机接口可以分成四代：

第一代采用膜片钳技术，通过钳制电压采集体外细胞样本中的离子通道的电信号。第二代多通道神经接口实现了与活体的有线连接，支持多通道体内神经信号的采集和刺激。第三代可植入/可穿戴神经接口引入无线传输技术，大幅提升了实验自由度。第四代集成神经接口则将电极与外围电路集成与单一基板上，实现了系统的小型化与低功耗优化。

可以看到，脑机接口的技术演变经历了从体外到体内，从单通道到多通道，从有线到无线，从低集成度到高集成度的发展历程。本质上是追求更高自由度的实验环境和更高效的通信能力。随着研究对象从细胞样本扩展到人类志愿者，技术重点也从细胞内记录转向细胞外信号采集，同时面临着日益突出的伦理考量。当前，细胞外记录技术主要分为两大方向，及侵入式和非侵入式：

图2 四代脑机接口技术的演变

非侵入式电极在头皮表面收集信号，记录脑电图（EEG）。侵入式电极则需安置在脑组织内，可记录包括皮层电图（ECoG）和局部场电位（LFP），目前先进的小型化电极还开发出了微皮层电图（μECoG），具有比传统的ECoG更高的空间和时间分辨率。

相对来说，非侵入式电极对受试者影响较小，但采集到的信号强度较弱，且容易受到因为接触不良产生的噪声的干扰。传统的EEG信号采集通常需要配合凝胶和弹性帽来实现电极和头皮之间的良好接触。而侵入式电极，包括皮层电极（植入在大脑皮层，无需穿刺）和深度电极（植入大脑内部采集深层信号，需穿刺），采集到的信号质量高，能捕捉到精细的大脑活动，甚至可以通过施加刺激来改善某些神经系统疾病症状。但依然存在手术风险高、难度较大和长期维护复杂的问题。

图3 不同脑电信号的对比和非侵入/侵入式电极

03

类脑技术在脑机接口技术中的应用

目前，在开发最新一代可植入、可穿戴脑机接口时，有许多设计考虑因素。如安全性（植入电极对人体组织造成的损伤最小化）、可靠性（信号质量一致性、数据存储和传输稳定性、信号处理准确性等）、灵活性（增益、带宽、采样率等具有可编程性）、便携性（小型化、低功耗、低耗散）等。

在这些因素的考量之下，类脑技术在神经信号的探测、数据处理和解码等领域都取得了广泛的应用。

神经信号的探测与生物神经网络重建

2021年，来自三星的研究团队在在神经形态工程领域取得重大突破，实现了将哺乳动物的神经元功能性突触连接 “拷贝”并“粘贴”到了固态存储器的高密度三维网络中的展示。这项工作突破了传统膜片钳技术在信号采集规模和集成度方面的根本限制。

研究团队创新性地设计了一种基于铂电极的纳米电极阵列，可以同时捕获数千个相连哺乳动物神经元的细胞内信号。通过光刻、刻蚀、原子层沉积等工艺，他们成功制备出一批高约1微米的垂直纳米针阵列，并集成了4096个微型放大器，最后封装在定制设计的印刷电路板上。

为了优化电极性能，研究人员在铂电极上增加纳米级粗糙度对的PtB图层，使电路阻抗大大降低（5kHz时每像素约300KΩ）。再通过设计的有源和无源电路，系统可以被配置为伪电流钳和伪电压钳模式，从而实现对大鼠皮层神经元的动作电位（AP）以及诸如突触后电位（PSP）的亚阈值行为的准确探测。

而神经元之间地突触连接性，研究人员通过探测来自突触前神经元的AP与突触后神经元的PSP之间的相关性，成功绘制出神经网络的连接图谱。具体而言，当突触前神经元激发AP的快速序列时，在突触后神经元中产生的PSP总计超过阈值，从而在突触后神经元中产生新的AP。

通过对19分钟内获取的1728个细胞内信号进行记录和分析，搜索AP-PSP相关性，研究人员绘制了304个兴奋性和抑制性突触连接，并利用脉冲时间依赖可塑性（STDP）量化了这些连接的强度。这种规模和通量的数据采集是传统膜片钳技术无法实现的。

在获得神经元突触连接图后，研究人员将其“粘贴”进阻性器件组成的交叉杆阵列中。阵列中的每一个器件存储一个模拟电导值，对应相应的生物突触连接的强度。因此该交叉杆阵列可以反映出真实神经元的连接和强弱。

这项突破性工作为构建真正仿生的神经形态计算系统奠定了重要基础，标志着脑机接口技术从简单的信号采集向复杂神经网络重构的重要转变。

图4 神经形态阵列和纳米针阵列

图5 通过纳米电极阵列检测AP和PSP信号

图6 神经元突触网络的粘贴

基于忆阻器阵列的神经信号分析

随着脑机接口技术的快速发展，电极数量呈指数级增长趋势，这对信号处理能力提出了前所未有的挑战。当前脑机接口系统普遍采用基于冯诺依曼架构的数字信号处理方案，这种架构存在两个根本性缺陷：首先，其存储单元与计算单元物理分离的特性导致数据搬运产生巨大的延迟和功耗开销；其次，模拟神经信号需要经过模数转换才能在数字域处理，这与大脑天然的模拟信息处理机制存在本质差异。

针对这一问题，来自清华大学的研究团队提出了一种基于忆阻器的脑电神经信号处理系统忆阻器作为一种具有记忆特性的非线性电阻器件，其工作机理与生物突触高度相似，能够直接在模拟域实现神经信号的高效处理。研究团队从大脑动力学特征出发，重点关注了四个特定的与癫痫相关的神经信号频段（γ：30-80Hz，β：13-30Hz，α：8-13Hz，θ：4-8Hz）。

基于这一发现，研究人员设计了一套完整的忆阻器信号处理系统。该系统包含两个核心模块：

首先是由968个忆阻器构成的四通道FIR滤波器阵列，每个滤波器的系数被精确编程为对应忆阻器的电导值，实现了对四个特征频段信号的高效提取。

其次是基于忆阻器阵列构建的单层感知器神经网络，通过将网络权重映射到忆阻器电导矩阵，实现了对脑电信号的智能分析。实验结果表明，该系统能够以93.46%的准确率区分正常状态、癫痫发作状态和发作间期状态，同时系统功耗较传统CMOS方案降低了400倍以上。

这项工作证明了在下一代脑机接口中使用忆阻器进行高性能神经信号分析的可行性。随着忆阻器集成规模的扩大和工艺的成熟，这种新型处理架构有望推动脑机接口技术向更高智能水平发展，最终实现真正意义上的"脑-机智能融合"。

图7 基于忆阻器阵列的神经信号分析系统

图8 通过忆阻器滤波器和神经网络处理信号和识别癫痫相关状态

基于忆阻器阵列的脑机接口系统

实用的脑-机接口应该能够破译脑信号并动态适应脑波动，然而这需要一个具有节能解码能力的、能够灵活更新的解码器。

来自清华大学和天津大学脑机河海实验室的研究团队近期在《自然·电子学》发表重要研究成果，他们开发出全球首款基于128 k单元忆阻器芯片的神经形态自适应脑-机接口解码系统。

研究团队构建了完整的脑机接口系统（包括脑电信号采集、解码和执行器），提出了单步解码策略和交互式更新框架，实现了长期稳定的高效高精度脑电解码与脑机协同演进。

该解码策略将稳态视觉诱发电位（SSVEP）脑电意图信号的三步解码过程（信号滤波预处理、任务相关分量特征提取、模板匹配分类）整合为单步的忆阻器矩阵运算，将计算复杂度降低6.5倍。而他们开发的脑机双向交互式学习框架，允许忆阻器解码器和不断变化的大脑信号相互适应，使系统能够实时跟踪使用者脑电特征的动态变化。

在忆阻器芯片设计方面，研究人员结合交叉阵列架构和自适应编程算法，成功克服了忆阻器器件固有的非理想特性对计算精度的影响。测试数据显示，该芯片在脑控无人机飞行任务中达到85.17%的解码准确率，与软件算法性能相当，但能耗降低至传统CPU方案的千分之一，处理速度提升两个数量级。更值得注意的是，系统在连续8小时的使用测试中展现出卓越的稳定性，成功实现了脑机协同演进。

图9 忆阻器自适应神经形态解码器

图10 忆阻器阵列系统和单步解码策略

图11 交互式更新框架

04

前路迢迢

类脑计算凭借其存算一体的架构特点和高并行度低功耗的优势，为新一代脑机接口技术的发展提供了革命新的解决方案。这种计算范式通过模拟生物神经系统的运行机制，在在多通道数据采集和处理、特征提取和模式识别等方面展现出显著优势。

其核心优势主要体现在三方面：首先，模拟域计算的范式免去了传统CMOS电路中对多路复选器（MUX）、模数转换器（ADC）等模块的需求，大幅降低了系统集成面积。其次，高度并行的计算架构显著提升了信号的处理效率。最重要的是，其超低功耗的特点极大减轻了植入式设备的热效应对脑组织的影响。这些优势完美契合第四代脑机接口对高密度探针阵列和微型化电路集成的严格要求。

然而，要实现类脑计算在脑机接口中的规模化应用，仍需突破若干关键技术瓶颈：

片上神经信号处理挑战

随着探针密度和通道数的不断提高，脑机接口接收和处理的数据量也呈现指数式增长。传统的系统受限于冯诺依曼架构限制，在实时处理海量信号时面临严峻的功耗墙问题，导致其对数据处理能力和通信带宽有限，数据在接收端进行预处理或成为必需。解决方案在于结合边缘计算的理念，发展边缘智能处理技术，对片上采集的信号在发送前进行原位处理，以减轻后续的处理和通信压力。

无线通信架构革新

当前超小型神经接口只能记录大脑的局部神经活动，但这些毫米级别的设备可以自由分布。同时，第四代技术的出现使得在活体内植入多个设备成为了可能。如何在多个神经接口设备之间实现无线通讯、以形成与大脑神经网络并行工作的人工网络，成为了后续发展的关键问题之一。同样，类脑技术有望解决高能效的数据调制与解调，实现更高效的无线数据传输功能，为构建与生物神经系统并行的电子神经网络奠定基础。

系统能耗和续航

目前的脑机接口设备受到体积和功能限制，续航时间依然不足。以植入Noland体内的第一代Telepathy为例，一次充电只能满足4-5小时的工作时长，这对于日常工作来说稍显不足。研究人员的目标是真正实现全天工作，或通过无线充电的方式进一步减小充电造成的负面体验效果。这对于系统整体的功耗水平提出了更高的要求。

通过发展基于忆阻器的超低功耗电路，有望推动脑机接口的发展向这一目标迈进。特别值得关注的是，欧盟"人脑计划"最新路线图将类脑芯片的能耗指标定为1nJ/突触，这一目标的实现将彻底改变脑机接口的技术格局。

长期工作稳定性

尽管传统CMOS器件和类脑器件都已经被证明拥有较长的工作寿命，但当前的脑机接口设备仍然有着稳定性不足的问题。这主要是植入电极的不稳定致使信号减弱导致的。

例如，在受试者Noland接受植入手术的几周后，他发现脑机接口控制光标的准确性开始下降，甚至出现延迟。研究人员经过检查，发现植入的电极线有85%出现了位移，这导致采集到的神经信号大大减少。手术引入的颅骨内气穴被认为是导致电极移动的主要原因之一。同时，随着人体的正常生理活动，大脑的移动距离可达3mm，这也对植入物的稳定带来了挑战。

如何使得电极更贴合人脑，成为了关键突破路径之一。柔性电子技术的引入有可能解决这一问题，并有望在未来实现全片集成的柔性单片神经接口。同时，探针的设计也要经过迭代和优化。第一代Neuralink植入深度约6mm，更深的探针植入深度可以实现更稳定的工作效果，但随之带来的风险也会进一步加大，如何实现稳定性和安全性的平衡会是下一代脑机接口设备面临的抉择之一。

05

总结

目前，人类对大脑的理解仍处在“绘制地图”的初级阶段。而脑机接口与类脑技术的协同发展正在改写这场探索的本质。类脑芯片的发展对脑机接口的突破进行赋能。同时，闭环脑机系统又可通过对神经科学的主动交互式研究反哺类脑技术。二者相生相长，相互推动，共同促进着人类从大脑中开发更多可能。

未来，随着柔性电子材料、神经形态芯片和微型能源系统的协同突破，类脑计算驱动的脑机接口有望实现从单点监测到全脑覆盖、从实验室环境到日常应用、从辅助治疗到能力增强的跨越。在技术层面，我们或许可以提前迎来《赛博朋克2077》中那种人类与机械、人脑与AI共存的世界。

而在应用层面，临床应用方面的政策创新也正积极推动着临床转化速度。国家医保局已在近期针对脑机接口技术，新增了侵入和非侵入式脑机接口相关的价格项目立项指南。同时，疗效评估标准和技术试用的支付通道也已建立。这铺平了脑机接口进入临床应用的道路。在2022年，中国脑机接口市场规模约为10亿元人民币。而到2027年，这一数字预计将达到33亿美元。脑机接口的应用，正迎来前所未有的发展机遇和潜力。

在可预见的将来，当脑机接口和类脑计算技术的突破超过一定阈值之后，我们或将面临根本性的认知革命。而这不仅是技术的进步，更是人类自我认知范式的重构。

也许到那时，我们就能理解人类自由意志的根本起源。

来源：人工智能学家