【摘要】

行業圖譜研究是本團隊科技成果轉化研究的一項子課題，目标定位于清晰理解前沿科技成果的技術核心、科創企業的技術競争力及科研工作者的研究進度，從而助力科技成果轉化效率的提升。行業圖譜研究将以系列形式展開，選取國家戰略重點科技領域的商業應用場景逐一進行，時效性較強。

本報告為行業圖譜的計算機科學系列之腦機接口領域。美國、歐盟、日、韓、澳大利亞等多國已加速布局腦機接口，搶占全球腦科學競争戰略高地。中國對該技術的重視程度不亞于發達國家，近兩年已經将其上升為國家戰略。腦機接口是指在人或動物大腦與外部設備之間創建的直接連接實現腦與設備的信息交換，其工作流程包括腦電信号的采集、處理、輸出和執行，最終再将信号反饋給大腦。其中，腦電信号的采集和處理是核心。腦電信号采集技術包括腦電信号的放大和模拟信号到數字信号的轉換，軟件主要由嵌入式程序、USB程序和PC端程序構成，使用到的硬件設施有腦機接口電極、腦機接口芯片等。腦電信号處理技術，包括腦電的預處理，神經元信号提取算法，深度學習，數據管理，機器學習算法，軟件工程等各環節，都依賴于GPU、CPU等高性能硬件設備提供的算力作為基礎，并被集成于腦機接口芯片中。

腦機接口的電極、芯片是核心技術競争的硬件設備。目前國内缺乏商業化的侵入式陣列電極，而最先進的電極都是在國外生産或與外國有關。國内的技術和産品無法與美國的重量級成果如Neuropixel等相媲美。芯片的生産上，高質量的原材料和制造設備均依賴于國外供應商，例如矽晶圓主要由美國的Global Foundries和台灣的台積電等公司生産，金屬線材主要由美國的TE Connectivity和日本的Furukawa Electric等公司生産。目前國際芯片企業Neuralink獨占領先地位，我國聚德科技正在此領域緊追。

腦機接口的數據處理技術也是關鍵的核心競争力。具體指将采集到的腦信号進行分析和解碼的過程。國際上，美國Google的DeepMind實驗室在機器學習算法和人工智能方面有着突出的研究成果，能夠對腦信号進行高效的分類和識别，實現對腦機接口的精準控制。美國BrainGate團隊也在腦機接口數據處理方面取得了重要突破，他們利用機器學習算法實現了運動意圖的準确識别和肢體運動控制。國内已經有部分企業可以實現非侵入式腦機接口的腦電信号分類和識别。在侵入式腦機接口的數據處理技術方面，美國的霍華德·休斯醫學研究所開發的尖峰排序Kilosort算法可以從侵入式腦機接口的腦電信号中提取單個神經元的信号，然而國内沒有研究機構或企業開發出可以與之匹敵的算法。

綜合來看，腦機接口是一項跨學科的合作項目，任何一個子領域的差距都使得項目整體無法前行。相比國外，國内的基礎科學較薄弱，例如芯片技術研發、電極材料學、傳感器的研究、腦神經科學基礎研究、光遺傳學、心理學、臨床外科學的探索等等都無法達到國外最先進水平。所涉及到的硬件設施的底層技術和原材料幾乎來自于歐美。

通常從腦電信号采集的角度将腦機接口技術分為侵入式和非侵入式兩類。侵入式腦機接口目前适用于醫療、患者治療、神經科學研究等場景，未來有望适用于消費級場景，其技術壁壘較高，需要進行開顱手術，将電極植入到大腦皮層及其内部采集腦電信号，因此可獲得質量較高的神經信号；其缺點是容易引發人體的排異反應，産生神經瘢痕包裹電極，進而導緻神經信号質量降低。非侵入式腦機接口目前适用于消費娛樂、殘疾人士交互等場景，腦機接口不進入大腦，隻需要用電極連接頭皮來獲取信号，對人體傷害較小，技術難度較低，如使用腦電帽采集腦電信号；但由于顱骨對神經信号的衰減作用和對神經元發出的電場活動的分散和模糊效應，使得信号分辨率不高。侵入式和非侵入式技術在場景應用和技術實現上各有優劣勢，因此腦機接口企業基于企業自身的技術儲備和戰略定位，選擇不同類别的技術解決方案。

近年來新成立的腦機接口公司創始人基本都是由各自領域的專家和資深的從業者組成，國内産業界與學術研究機構以密切合作模式促進腦機接口技術發展。由于腦機接口技術壁壘相對較高，預計未來腦機接口産業的發展仍由學術研究機構主導，産業資本與學術研究機構合作将更加緊密，促進技術的産業孵化。

全文下載：腦機接口行業圖譜