脑机接口是一项跨学科的合作项目，任何一个子领域 的差距都使得项目整体无法前行。
行业图谱研究是本团队科技成果转化研究的一项子课题， 目标定位于清晰理解前沿科技成果的技术核心、科创企业的技术竞争 力及科研工作者的研究进度，从而助力科技成果转化效率的提升。行业图谱研究将以系列形式展开，选取国家战略重点科技领域的商业应 用场景逐一进行，时效性较强。本报告为行业图谱的计算机科学系列之脑机接口领域。美国、欧 盟、日、韩、澳大利亚等多国已加速布局脑机接口，抢占全球脑科学 竞争战略高地。中国对该技术的重视程度不亚于发达国家，近两年已 经将其上升为国家战略。脑机接口是指在人或动物大脑与外部设备之间创建的直接连接实现脑与设备的信息交换，其工作流程包括脑电信 号的采集、处理、输出和执行，最终再将信号反馈给大脑。其中，脑 电信号的采集和处理是核心。脑电信号采集技术包括脑电信号的放大 和模拟信号到数字信号的转换，软件主要由嵌入式程序、USB 程序和 PC 端程序构成，使用到的硬件设施有脑机接口电极、脑机接口芯片等。脑电信号处理技术，包括脑电的预处理，神经元信号提取算法，深度 学习，数据管理，机器学习算法，软件工程等各环节，都依赖于 GPU、 CPU 等高性能硬件设备提供的算力作为基础，并被集成于脑机接口芯 片中。脑机接口的电极、芯片是核心技术竞争的硬件设备。目前国内缺 乏商业化的侵入式阵列电极，而最先进的电极都是在国外生产或与外 国有关。国内的技术和产品无法与美国的重量级成果如 Neuropixel 等相媲美。芯片的生产上，高质量的原材料和制造设备均依赖于国外 供应商，例如硅晶圆主要由美国的 Global Foundries 和台湾的台积 电等公司生产，金属线材主要由美国的 TE Connectivity 和日本的 Furukawa Electric 等公司生产。目前国际芯片企业 Neuralink 独占 领先地位，我国聚德科技正在此领域紧追。脑机接口的数据处理技术也是关键的核心竞争力。具体指将采集 到的脑信号进行分析和解码的过程。国际上，美国 Google 的 DeepMind 实验室在机器学习算法和人工智能方面有着突出的研究成果， 能够对脑信号进行高效的分类和识别，实现对脑机接口的精准控制。美国 BrainGate 团队也在脑机接口数据处理方面取得了重要突破，他 们利用机器学习算法实现了运动意图的准确识别和肢体运动控制。国内已经有部分企业可以实现非侵入式脑机接口的脑电信号分类和识别。在侵入式脑机接口的数据处理技术方面，美国的霍华德·休斯医学研 究所开发的尖峰排序 Kilosort 算法可以从侵入式脑机接口的脑电信 号中提取单个神经元的信号，然而国内没有研究机构或企业开发出可 以与之匹敌的算法。
综合来看，脑机接口是一项跨学科的合作项目，任何一个子领域 的差距都使得项目整体无法前行。相比国外，国内的基础科学较薄弱， 例如芯片技术研发、电极材料学、传感器的研究、脑神经科学基础研 究、光遗传学、心理学、临床外科学的探索等等都无法达到国外最先 进水平。所涉及到的硬件设施的底层技术和原材料几乎来自于欧美。通常从脑电信号采集的角度将脑机接口技术分为侵入式和非侵入 式两类。侵入式脑机接口目前适用于医疗、患者治疗、神经科学研究 等场景，未来有望适用于消费级场景，其技术壁垒较高，需要进行开 颅手术，将电极植入到大脑皮层及其内部采集脑电信号，因此可获得 质量较高的神经信号；其缺点是容易引发人体的排异反应，产生神经 瘢痕包裹电极，进而导致神经信号质量降低。非侵入式脑机接口目前 适用于消费娱乐、残疾人士交互等场景，脑机接口不进入大脑，只需 要用电极连接头皮来获取信号，对人体伤害较小，技术难度较低，如 使用脑电帽采集脑电信号；但由于颅骨对神经信号的衰减作用和对神 经元发出的电场活动的分散和模糊效应，使得信号分辨率不高。侵入 式和非侵入式技术在场景应用和技术实现上各有优劣势，因此脑机接 口企业基于企业自身的技术储备和战略定位，选择不同类别的技术解 决方案。
近年来新成立的脑机接口公司创始人基本都是由各自领域的专家 和资深的从业者组成，国内产业界与学术研究机构以密切合作模式促 进脑机接口技术发展。由于脑机接口技术壁垒相对较高，预计未来脑 机接口产业的发展仍由学术研究机构主导，产业资本与学术研究机构 合作将更加紧密，促进技术的产业孵化。
