脑机接口三十问（第一期）

近年来，脑机接口快速走出实验室，成为全球各主要国家前瞻布局的未来产业核心赛道。什么是脑机接口？脑机接口如何实现大脑双向读写？脑机接口怎样链接具身智能、通用人工智能？如何通过脑机接口实现人机交互和共生？为帮助社会公众、科技工作者系统把握脑机接口的内涵外延与发展情况，中国电子学会组织编撰了《脑机接口三十问》。今天推送给大家的是第一期。

第1问 什么是脑机接口（BCI）？

脑机接口（Brain-Computer Interface，简称BCI），是搭建大脑与外部电子设备之间直接通信的智能技术系统，绕开外周神经和肌肉组成的常规信息传递通路，可实现两大核心功能：一是读脑，捕捉大脑神经元电活动、血氧代谢等神经活动信号，解码为机器可识别的控制指令；二是写脑，通过视觉、触觉、听觉以及电、磁刺激等方式向大脑输入信息或调节神经活动。脑机接口是大脑与外部设备之间的“翻译通道”，既能解码特定任务相关的神经信号，并通过设备反馈或神经刺激向用户返回信息，是连接碳基人脑与硅基智能设备的底层桥梁。

第2问 脑机接口的起源与里程碑是什么？

1. 人类脑电记录的开端（1924-1929年）：德国精神病学家汉斯·贝格尔1924年首次记录人类头皮脑电波（EEG），1929年公开发表研究成果，证明人脑电活动能够从头皮表面被非侵入式记录，为脑机接口的脑电信号采集奠定了基础。2. 学科概念确立（1973年）：学者雅克·维达尔首次正式提出脑机接口（BCI）定义，系统论证利用头皮脑电信号进行人—机直接通信和外部设备控制的可能性，划定脑机交互研究范畴。后经学界统一规范，BCI正式成为独立前沿研究方向。3. 侵入式BCI的人体概念验证（1990-2010年）：皮层脑电ECoG、颅内微电极阵列进入人体临床试验，实现高位瘫痪患者利用意念操控计算机光标；人工耳蜗、脑深部电刺激（DBS）等植入式神经技术趋于成熟，为侵入式脑机接口从动物实验迈向早期人体应用提供基础。4. AI赋能迭代（2016—2023年）：深度学习广泛应用于脑电信号解码，信号识别与指令解析准确率持续攀升；非侵入式消费级脑机头环出现量产产品并进入消费市场，国内多款微创、植入式脑机接口项目陆续开展早期人体临床试验。5. 行业规范化与产业化起步（2024—2026年）：多国开始布局脑机接口产业政策与医疗器械监管框架；国产脑电大模型、血管介入式电极等前沿技术快速迭代，国内部分植入式脑机设备进入注册审评或临床转化阶段，行业正加速由实验室研究向临床转化和产业化验证推进。

第3问 发展脑机接口产业的战略意义是什么？

在产业经济层面，一是推动脑机接口与人形机器人、高端神经医疗器械、工业智能装备等领域融合发展，培育未来产业增长点，打造新质生产力。二是推动传统制造、医疗、交通产业智能化升级，有望提升部分场景的人机协同效率，降低人工操作和试错成本。三是完善芯片、柔性电极、生物材料、智能算法等关键技术发展，实现医疗器械高端化发展。在社会民生层面，一是完善无障碍医疗体系，为残障、神经疾病人群改善重建生活自主能力。二是赋能心理健康、睡眠健康、认知状态评估等应用，提升全民健康管理水平。三是支撑驾驶员疲劳预警、人机安全交互等应用，提升社会治理精细化、智能化水平。在科技战略层面，一是推动脑科学、微电子、人工智能、生物材料等领域协同创新，重构前沿科研范式。二是抢占全球脑机接口国际标准制定主动权，夯实大国科技博弈核心竞争优势。

第4问 全球科技巨头为何集体押注脑机接口赛道？

全球企业加码布局脑机接口，是技术发展趋势、产业应用潜力和国家战略需求共同推动的结果。1.下一代人机交互方向竞争：当前人机交互正在向更加自然、智能的方向发展，脑机接口有望成为未来交互方式的重要方向。掌握神经信号采集、电极技术、智能解码算法等核心能力，有助于形成长期技术竞争优势。2.万亿级实体产业增量：医疗康复、人机协作、智能机器人、工业交互、元宇宙等领域均存在脑机接口应用需求，有望拓展传统数字交互之外的新型智能交互场景。3.国家未来产业战略刚需：各国将脑机接口纳入未来产业规划，是脑科学、人工智能、高端医疗器械交叉核心赛道，关乎高端制造、医疗健康、国防航天领域发展。4.技术协同推动智能交互发展：脑机接口与世界模型、类脑智能、大模型深度融合，全面提升机器人、自动驾驶、仿真推演的人机协同能力，形成全产业链技术联动优势。

第5问 脑机接口的工作流程包含哪些环节？

完整BCI系统主要包括信号采集、信号预处理、智能解码、神经反馈/设备执行四大模块；在闭环架构中，各模块可形成完整循环链路：1.信号采集：通过头皮电极、皮层电极、颅内柔性电极、近红外传感器等设备采集大脑神经元电活动或血氧变化，原始信号通常较为微弱，并可能混入眼动、肌肉活动、工频干扰等噪声。2.信号预处理：滤波降噪、放大微弱脑电信号、剔除无关干扰，标准化信号格式，为后续解码提供干净输入数据。3.智能解码：依托传统机器学习、深度学习或脑信号基础模型，从脑或神经信号中提取特征，识别预先定义的运动意图、认知任务或生理状态，如手部运动意图、注意和放松状态等；在特定侵入式语言解码研究中，还可尝试识别内部言语相关信号，并将解码结果转化为标准化机器指令。4. 设备执行与反馈：主要包括两类路径：①设备执行路径：利用解码指令控制轮椅、机械臂、游戏、车辆等外部设备；②感觉与神经反馈路径：通过视觉、听觉、触觉反馈，或采用电、磁等神经刺激方式提供感觉信息、调节神经活动。