--- title: "脑机接口BCI｜给大脑做一个基座模型：Brainμ 与 BrainOmni 想读懂所有神经信号" date: 2026-11-02 category: 脑机接口 site: 脑机网 canonical: https://aiai.cafe/a/njw-a3bb26 language: zh-CN --- # 脑机接口BCI｜给大脑做一个基座模型：Brainμ 与 BrainOmni 想读懂所有神经信号 > 一家睡眠实验室花了好多年，把同一件事记录成好几种互相不通的格式：64导脑电帽采的脑电、屏蔽室里的脑磁、小鼠的钙成像和猕猴的神经像素探针。每来一个新问题，就写一套专用流程，用一次，扔掉。 一家睡眠实验室花了好多年，把同一件事记录成好几种互相不通的格式：64导脑电帽采的脑电、屏蔽室里的脑磁、小鼠的钙成像和猕猴的神经像素探针。每来一个新问题，就写一套专用流程，用一次，扔掉。 两家中国机构正在试着给这些信号"分词"。2026年，北京智源人工智能研究院发布悟界·Brainμ 1.0；上海人工智能实验室在"书生·端砚"平台推出大脑基础模型BrainOmni。两者押同一个判断：不管信号来自哪台机器，都能编码进同一套表示，然后像语言一样训练。 ## 关键事实 - Brainμ 1.0 覆盖人、猕猴、小鼠三个物种，把脑电、功能磁共振、脑磁、近红外、神经像素、钙成像统一编码为标准Token； - BrainOmni 被称为首个统一脑电与脑磁的大脑基础模型，成果发表于《细胞》子刊； - 目标不是给大脑配聊天机器人，而是拆掉"每个研究都重新造轮子"的工程税； - 两者都还是科研基础设施，不是医疗器械，没有诊断用途的临床证据。 ## 神经基座模型到底是什么 语言模型学到的是"the"后面大概跟名词。神经基座模型学到的是波形后面大概跟什么：运动皮层的某种模式先于手部动作出现，睡眠记录里的纺锤波意味着某个分期。 关键在"分词器"。Brainμ训练了一个Brain Tokenizer，把原始神经信号变成离散Token，再与预训练大模型（大模型）的Token空间对齐。一旦脑活动与语言进入同一空间，解码器就可以微调，而不必从零搭建。 这改变的是工作单位。过去是"采集这个患者40小时，为他训练一个解码器"；现在是"预训练一次，每个患者用几分钟数据适配"。这个差别决定了设备是第一天能用，还是第三十天能用。 ## Brainμ：三个物种，一个Token空间 智源的描述很具体：Brainμ 1.0覆盖人、猕猴、小鼠三个物种，输入包括脑电、功能磁共振、脑磁、近红外、神经像素与钙成像，统一编码为单一Token格式，并与语言、图像、视频对齐。 配套的数据平台BrainToken被介绍为规模最大的AI-Ready神经科学数据平台，全量Token化后总量突破万亿级。智源称已联合32家科研机构与医院，包括与宣武医院合作的阿尔茨海默病个性化早期筛查。 支撑性成果有两条：与清华大学合作的"记忆—睡眠"调控机制研究登上《科学》，多模态数据分析由Brainμ承担，结论是记忆可反向调控睡眠；模型训练覆盖超7万晚睡眠记录，已支撑合作实验室超过12个月的自动化分析。 ## BrainOmni：把脑电和脑磁合并 上海的版本啃的是更窄但更乱的问题：脑电测头皮电位，脑磁测磁场，设备不同、被试不同，多数模型是为一个数据集造的，换个数据集就死。 上海人工智能实验室称BrainOmni是全球首个统一脑电与脑磁信号的大脑基础模型，实现跨设备、跨模态、跨任务、跨被试的统一建模，成果刊发于《细胞》子刊，在语音自杀风险、心理危机筛查等任务上性能领先。 对做可穿戴设备的人，这条路线更现实：消费级脑电头环便宜、噪声大、个体差异极大，恰恰是跨被试模型该扛住的场景。 ## 为什么脑机接口行业要关心 今天的解码器是"一人一模型、一次一校准"。电极包埋让信号漂移，模型退化，直到有人重新标定。在上万被试上预训练过的模型让新用户从更好的起点开始，也能在中心端统一更新，不必每家医院各修各的。 要向多家医院供货的脑机接口（脑机接口）公司，需要的正是能同时为所有用户变好的软件。 脑网（脑机网）首席科学家李安认为，神经基座模型的出现会把脑机接口的竞争轴心，从"硬件通道数"推向"谁拥有最大、最干净、对齐最好的纵向数据集"。 ## 诚实的局限 两个模型的描述主要来自各自机构，虽由中央广播电视总台系媒体与全国性报纸转述，但"全球首个""综合最优"均属机构自述，我没有找到独立第三方的复现评测；所引《细胞》子刊与《科学》论文只取自机构摘要，未读原文。两者都不是注册医疗器械，都没有前瞻性临床试验（临床试验）证据，阿尔茨海默筛查与自杀风险探测都很早期。本文未讨论数据知情同意与神经隐私、训练算力成本。 ## 普通人现在能做什么 - 做神经数据的团队，请把元数据当资产：通道布局、采样率、设备型号、任务标签，才是信号可复用的前提。多数数据集死在这上面，不是死在信号质量。 - 临床医生评估"脑信号大模型"，只需问一句：它在训练时没见过的人和设备身上测过吗？跨被试表现是唯一能预测床旁表现的数字。 - 患者请默认：任何声称能从脑信号筛查抑郁或阿尔茨海默的模型，在监管批准之前都只是研究工具。 --- 来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-a3bb26 本内容仅供参考，不构成投资建议。