脑机接口一度承载了人们对赛博格的绝大部分想象，但是这两年脑机接口的进步似乎并不是预想中的快，尤其是在 AI 日新月异的进步衬托下。这其中当然有很多复杂的原因。脑机接口本身就是一个典型的交叉学科，涉及到了电极材料、芯片封装、医疗器械、算法，是一个非常复杂的全系统。更为关键的是，伦理问题使得脑机接口的每一次试验都必须十分慎重。彭雷提到，他们往往需要一年时间来准备一场试验。实际上，AI 的很多关键技术突破，往往都有脑科学理论的身影，例如神经网络，例如图像识别。2021 年，上海脑虎科技有限公司成立（下称「脑虎科技」）。对比另一家脑机接口的明星公司——马斯克的 Neuralink，在成立的 3 年中，脑虎科技已经把两者的差距从 7、8 缩小到了 3 年内。在彭雷看来，脑机接口和 AI 分别象征着桥的两端，一端代表碳基生命拥抱硅基生命，一端代表硅基生命模拟碳基生命。他相信，soon or later，这两个技术都会在桥的中间合拢。以下是脑虎科技 CEO 彭雷在 IF 2025 的演讲全文，经极客公园整理。在演讲中，彭雷分享了脑机接口和 AI 的关联，以及脑机接口的未来。
彭雷在极客公园 IF2025 创新大会上讲解脑机接口技术的最新进展｜图片来源：极客公园
01 神经科学启发了很多 AI 的关键突破
大家下午好，我是脑虎科技的 CEO 彭雷，今天我分享的话题是「一个硬币的两面——AI 和 BCI」。BCI 就是脑机接口的简称，叫 brain-computer interface。听上去大家可能觉得 BCI 跟 AI 没有什么联系，但我相信听完我的分享之后，大家会发现其实这两件事情在底层逻辑层面上有很高的一致性。 它们 有 一个互洽的过去，也有着一个共同的未来。 我们回顾一下 AI 过去 20 年，尤其是最近 3、5 年的重大事情，你会发现神经科学在 AI 几次关键技术突破上都扮演了非常重要的角色。例如，我们最早对神经网络的设计来自于我们对大脑神经元的放电的原理的研究，然后产生了神经网络；图像识别是来自于视觉神经元怎么处理视觉信号的一些研究；包括 Transformer 架构以及现在的大语言模型，背后本质上是一个叫 attention 的机制，这也来自于神经科学里对人的注意力的研究。
今年获得诺贝尔奖的 Jeff Hinton 就曾经也说过，人工智能的整个研究都是借鉴神经科学的基础。但上个月在跟多伦多大学的采访中，Hinton 也说，他作为一个做了 20 年 AI 研究的科学家，觉得现在对神经科学的研究太慢了。
脑机接口的特征是个典型的交叉学科，涉及到了电极材料、芯片封装、医疗器械、算法，是一个非常复杂的全系统，难度是非常之高的。而我们做很多研究的目的，都要解决如何让大脑在植入脑机接口的时候受益更多、受创伤更少。这是一个不断要 trade off 的事情。这是脑机接口的植入位置，是一个纵剖面。植入的过程就是切开头皮、颅骨、硬脑膜到脑组织，让电极插在不同的位置，能记到不同的信号。 简单地讲，离脑子越近，记到的信号越好。
这是第一个技术路线插到人脑上的效果。可以看到患者头上有一个非常大的设备，我们叫 head stage。这个设备是将电信号转移出来，然后基于这个信号来控制机械臂进行一些简单的操作。这个患者是高位截瘫，意味着他脖子以下都是不能动的。但植入脑机接口后，他可以控制两个机械臂切蛋糕吃。我们看上去是平平无奇的动作，但对于一个高位截瘫的患者来讲，切开蛋糕，用叉子叉起来，很缓慢地拿到自己嘴里，是很困难的一件事情。但是通过脑机接口，配合机械臂，这一步已经可以实现了，可以非常大地提升患者的生活质量。
