在众多科幻作品中，思想操控一直是最迷人也是被构想最多的的场景：《黑客帝国》里的主角尼奥，通过脑机的信息植入就可以习得柔道等专业技能；《阿凡达》里的男主，通过脑机控制外星人保护家人。试想一下，如果人类通过思想操控电脑、机器人，仅仅通过意念传动就能控制外部世界，可以获得海量知识、读取脑电波、甚至任意上传与读取记忆。从Neuralink公布了最新的脑机接口技术再到Synchron实施了美国第一起人体脑机接口手术，一切听起来似乎并不遥不可及。
脑机接口（Brain-Computer Interface,BCI或Brain-Machine Interface,BMI）由“脑”+“机”+“接口”组成，是一种涉及材料、神经科学、信号处理等多学科交叉的新技术。脑机接口指在人或动物大脑与外部设备之间创建连接通路，使来自大脑的信号引导一些外部活动，从而实现脑与设备的信息交换的全通路技术。
基于信息传输方向不同，脑机接口的整体趋势至少需要经历3个发展阶段：基础脑机接口阶段（包括脑到机传输、机到脑传输）、脑机交互传输阶段、脑机融合阶段。接口目标从单向信号输入、输出，逐渐实现真正意义上的大脑与设备完全信息互换。
从脑到机传输，又称为输出式BCI（或狭义BCI），是目前被讨论最多的信号传输方式。是通过脑信号检测技术获取中枢神经系统的活动变化，识别相应的信号类别和动作意图，在不依赖外周神经或肌肉的条件下，用计算机把用户的思维活动、感知意念等转化为外部设备的动作指令驱动外部设备，实现大脑直接控制外部环境。
从机到脑传输，又称为输入式BCI，即将信息由机器传入至大脑。因为大脑具有相对独立的功能分区，可以通过外部设备对大脑或其他神经系统特定部位施加精细编码的外部物理刺激(如电、磁、声、光刺激) 以调控大脑中枢神经活动，从而唤醒或控制生物的某些特定感受和行为。目前主要应用于睡眠、认知增强、精神类疾病干预等领域。
从脑到脑传输，属于尝试性探索。先由大脑向外部设备输出通信或控制指令，再将大脑的神经信号实时解码并重新编码后将结果直接传输到另一个大脑，从而对另一个大脑产生作用。目前主要应用于神经康复、协同性训练等领域。
脑机交互，行业发展成熟阶段，使大脑与机器深度融合，并实现高度适应性及协同性，把生物脑的感知能力与机器的计算能力结合，在情绪感知、信息处理、决策判断等领域实现多层次深度配合，以计算机强决策能力进一步提升人类认知、判断水平，甚至实现记忆上传，意识复制等。
既然要讨论脑机接口，就必然要了解下脑的结构以及脑信号是怎么产生的。
作为神经系统的最高级部分，脑的结构极其复杂。从解剖学看，脑包括端脑（大脑）、间脑、小脑与脑干，其中大脑包括额叶、颞叶、顶叶、枕叶与岛叶。脑的功能分区彼此独立，对应着人体不同器官和肢体功能，甚至细化到意识、思维、体觉、情绪、记忆等功能。
而脑由近1,000亿个神经元构成。作为神经系统中最基础的功能单位，神经元往往通过突触连接进行传递功能。大脑内的神经元收到外界信息刺激并产生神经冲动，通过神经突触进行信息传递形成膜电位。中枢神经元膜电位的变化会产生锋电位或动作电位，而神经细胞突触间传递的离子移动会产生场电位。神经元之间通过级联方式形成网络、彼此交联，将这些电位不断放大，便形成了脑信号。常见的脑信号有头皮脑电信号（EEG）、皮层脑电信号（ECoG）和局部场电位（LFP）。
脑机接口技术将外界信息信号通过刺激电极不断传输给大脑，一边通过传感器采集并放大由此产生的脑信号。基于不同脑功能区位置和深度采集的场电位，通过预处理、特征提取和模式识别，实现对大脑活动状态或意图的解码，并在后期进行用户反馈及机械控制。
1924年，德国精神科医生Hans·Berger在一名颅骨缺陷的病人的头皮上记录到了电流的微小振动，首次发现了脑电波，人们第一次发现意识是可以被转化成电子信号读取的。至此，才真正打开脑科学研究的大门，由于技术、时代等限制，直到20世纪70年代左右，脑机接口技术才真正开始成形。
1973年，“脑机接口”的概念第一次由提出UCLA的Jacques Vidal教授提出。如果把人体比作一台电脑，那么眼睛、耳朵是鼠标键盘等输入设备；肌肉、声带是显示器等输出设备。而一个直接超越生物学功能，可以将脑电信号转化为计算机控制信号的系统无疑是令人震撼的，而这个系统被命名为“脑机接口”。后续科学家们也意识到脑信号可以对外部设备进行控制，脑机接口技术正式迈入科学论证阶段。
随着脑机接口技术开始迅速发展。2005年Cyberkinetics公司获得美国FDA批准，对九位病人进行第一期运动皮层脑机接口临床试验；2008年匹兹堡大学神经生物学家通过实验发现猴子可以通过脑机接口单独操纵机械臂给自己喂食，动物脑与外部设备可以直接相连；2009年美国南加州大学的Theodore Berger小组研制出能模拟海马体功能的神经芯片，并将其植入大鼠脑内作为第一代高级脑功能假体。
广泛的技术尝试迅速催化了脑机结构技术的发展：无创脑机接口领域，研究者不满足于简单的二维运动，计划研究并驱动更贴近物理实际的实体三维运动，包括无人机、机械臂等；有创脑机接口领域，包括浙江大学、布朗大学、斯坦福大学、伯克利大学、卡耐基梅隆大学、加州理工学院等国内外许多高校取得了喜人进展，并拓展了双向脑机接口方向。机械臂触碰到物体后，用电信号刺激体感皮层，增强触觉感知，让受试者感觉到自己触碰到了物体，颠覆了以往纯视觉的感知模式。2020年8月29日，埃隆·马斯克旗下公司Neuralink举行发布会，为三只小猪植入脑控芯片，展示了可实际运作的脑机接口芯片和自动植入手术设备，推动了BCI商业化的可能性。
与此同时，国内脑机接口技术也有突破性发展。2020年浙江大学实现国内首次侵入式脑机接口技术突破，成功协助七旬老人用意念喝可乐；2022年3月首都医科大学附属北京天坛医院研发的新型柔性电极技术在《Science》成功发表。目前针对于绝对新型的脑机接口技术，全球处于共同竞速阶段，不断成熟的脑机接口技术也将推动商业化进展，实现真正的信息互通。
（图片内容：脑机接口基本运转流程）
通过基本技术原理分析，脑机接口运转流程可大致分为４个环节：脑信号采集、脑信号处理与解码、信号输出执行、神经反馈。
脑信号采集：通过给予特定的外部刺激或思维任务，使脑产生具有一定时间或频率特征的脑电信号，并根据特定传感器进行感知和测量大脑信号以获得足量脑电数据，再将信号传递给信号处理单元组件。
脑信号处理与解码：脑信号与真正可执行的通讯信号之间是有差距的，需要预先对传递的信号进行转化分类、分析处理。信号处理方法主要包括特征提取和转换算法，这些方法将连续的模拟信号转换成用某些特征参数（如幅值、自回归模型系数等）表示的数字信号或通信命令，以便计算机的读取和处理。并再对信号进行识别分类，对应相应意识活动进行处理。
信号输出执行：机器接受到转化、分类后的特征信号后，产生操作指令并在电子设备上执行实际操控，如光标移动、字母输入等。
神经反馈（机到脑传输）：电子设备对于命令的执行向用户产生物理或微电的行动反馈，帮助用户微调大脑活动，从而优化输出结果。
整个BCI 环路中，信号采集是整套系统运转的起点，只有准确的脑信号才能完整反映大脑的活动信息，信号的好坏直接决定了后续工作的难易程度和整个系统的最终效果。但大脑整体属于混沌系统，无法轻易预测脑活动信息；而单个神经元的电活动信号非常微弱（脑磁场强度仅为地球磁场强度的亿万分之一，信号幅度很小），现有技术只能检测到多个神经元电活动的总和，对于信号采集产生了不小的障碍。因此，信号采集、信号处理是难度最大、最为重要的环节。另一方面，算法优势可以大大提升指令解析的准确性，保障后续机器安全操作。如何在短时间迅速完成信号分析、分类、转换，是技术的核心难点之一。
信号采集&处理作为脑机接口系统中挑战最大的环节，与之相匹配，开发电极设备和相应采集方法则是建立技术壁垒的核心要素。根据信号采集侵入程度，BCI 技术可分为非侵入式、半侵入式和侵入式三种。
非侵入式通过外部设备从大脑外部直接采集大脑信号。在这种技术中，需要将传感器安装在头部或非常靠近头部的位置以测量大脑信号，采集范式主要包括脑电图（EEG）、脑磁图（MEG）、功能核磁共振成像（fMRI）、功能性近红外脑成像（fNIRS）等。该技术路径无需手术、没有创口、实施简单、临床风险较低且能满足常用场景下对大脑信号的监测，同时成本更低、便携性更高、易于测量。但非侵入式需要经过颅骨和头皮才能获得脑信号，信号所经路径较远，技术的空间及信号分辨率较差，更容易受到噪声的影响，其时间分辨率通常在毫秒以上，空间分辨率也在毫米以上。与侵入性技术相比，非侵入式 BCI 能够从大脑的多个点位读取信号，识别广泛的大脑活动，但是大量获取的神经元数据很难处理和分析。
在非侵入式的几种采集方式中，EEG 是迄今为止最常用的无创测量脑电活动的方法。主要使用多个直径约为 2 mm 至 1 cm 的电极测量头皮的电位，以捕捉大脑中 LFP。根据实验显示，电场信号强度随距离进行平方式衰减，而头部组织（脑、脑液、颅骨、头皮）的体积电导由于衰减和平滑，头皮电极只能测量大脑区域内总和的脑活动。但EEG 的时间分辨率高于fMRI 和fNIRS，同时可以通过增加电极数量来提高EEG 的空间分辨率。此外EEG 设备便携，无需像fMRI、fNIRS、MEG 一样配备费用高昂的大型影像设备和探测设备。
侵入式需要通过神经外科手术在大脑皮质内植入电极或芯片采集大脑信号，采集信号主要包括局部场电位（LFP）、单个神经元的活动（Spike）和多个神经元活动（MUA），可辅助以脑深部刺激术（DBS）、硅纳米阵列等。由于传感器位于灰质中，可以通过单单元BCI 检测来自单个脑细胞区域的信号，也可通过多单元BCI 检测来自多个区域的信号，脑信号输出质量最高，提供更精准的读数。但高质量的输出信号往往伴随着高风险，由于身体自我保护机制影响，异物侵入引发免疫反应，电极表面被胶质细胞层包裹并在电极周围形成疤痕组织，从而降低了神经放电信号采集的质量，甚至使得微电极采集不到神经元放电信号。而且手术植入难度极大，一旦发生颅脑感染或电极故障，需将电极取出，会对受试者造成二次损伤。
侵入式BCI通常使用约 100 个微电极组成的矩形网格，又被称为微阵列（常见微阵列平均每个微电极长度为 1.5 mm）。人体慢性免疫反应使侵入式BCI对于电极材料要求十分苛刻。主流采用刚性电极材料，包括金属微丝电极、玻璃微电极等，技术成熟，稳定性好、电极密度高、耐体液腐蚀，但硬度远高于脑组织，难以随大脑活动运动，且容易形成愈伤组织而减弱信号。柔性电极材料近年来进展飞速，包括聚二甲基硅氧烷(PDMS) 、聚酰亚胺(PI) 、聚对二甲苯、硅胶等，具备良好的生物相容性、柔韧性和微加工工艺兼容性。可以在长期植入过程中，减少对脑组织造成损伤。这也是neuralink采用的电极技术路径。目前最先进等材料是加州大学旧金山分校Jason研究团队采用纳米压印技术研发的柔性聚合物膜神经电极，这种电极已被验证在植入动物脑内长达283天时间内不会发生过于严重的免疫反应，且可以持续不断检测到神经元动作电位。
半侵入式 BCI 被植入颅骨内，位于大脑外而不是灰质内，通过放置电极于硬脑膜或用螺钉穿透颅骨等方式采集大脑信号，以脑皮层电图（ECoG）为代表。与非侵入性 BCI 相比，它们产生更好的分辨率信号，其中颅骨的骨组织使信号偏转和变形，与完全侵入性 BCI 相比，在大脑中形成疤痕组织的风险更低。目前应用于中风的临床治疗中，但未开展大规模研究应用。
全球脑机接口潜在市场广大。根据Mckinsey 2020年在《The Bio Revolution: Innovations Transforming Economics, Societies and Our Lives》中的预测，2030-2040年全球脑机接口应用市场规模预计可达700亿-2,000亿美元，其中严肃医疗领域应用可达150亿-850亿美元，消费领域（包含消费医疗）应用可达500亿-1000亿美元。
（注：严肃医疗领域是指刚需性临床疾病的场景，由专业人士指导患者去使用获证的医疗产品；消费医疗领域是指针对健康人群开发可穿戴性的设备。）
脑机接口产业链上游主要以脑机接口的硬件、软件以及脑功能研究基础设施相关。根据对于Neuralink的技术拆解，硬件主要包括脑机接口材料、电极、探针、脑电采集设备、解码芯片、植入器械及机器人、外部嵌套设备等；软件包括脑机信号相关算法开发、底层操作系统等；基础设施包括各技术环节数据集（以脑电数据集为主）、脑功能成像及分析软件。
产业链中游以整合型方案及脑电系统产品开发为主，包括脑电采集平台，接口型平台，针对高价值领域的集成化软硬件解决方案。
产业链下游为脑机接口对于各场景的落地应用，当前主要应用于精神性疾病诊疗及康复训练为主，此外也包括AR/VR、教育、保健、营销等浅层应用。目前全球的脑机接口行业处于初期发展阶段，产业链尚不成熟稳固，各阶段尚未有企业领跑。
基于技术难度、基础设施完备度、大众接受度、商业化程度等多维度评估，我们认为脑机接口赛道（尤其是技术成熟度）目前处于早期阶段。在科尔尼的研究报告中，其针对14个不同硬件驱动的AI生态系统进行初步分析，更是将BCI评定为“尚未加工的钻石”。对于初创企业，当前处于技术研发积累阶段，难以产生短期财务吸引力，但我们认为脑机接口会真正颠覆现有人类与机器交互方式，具有长远战略意义和巨大回报潜力。（战略意义不亚于上一代Apple的触摸屏界面颠覆性改变了手机端交互方式）
基于专利授权、初创公司分布情况、技术发展情况判断，我们认为受地缘因素及临床试验伦理审批难度影响，全球BCI研究重点存在明显不均衡情况，侵入性BCI几乎完全集中在北美，非侵入性BCI系统主要集中在欧洲和亚洲。
从时间维度判断，国内短中期可以重点关注非侵入式BCI方向。非侵入式BCI技术成熟度较高，更容易实现产品化。但脑信号较弱等核心痛点尚未解决，导致应用场景受到限制，场景刚需性较弱。建议以脑信号通信视为核心技术指标，在具体领域持续跟踪临床应用技术创新。此外由于亚洲多项研究计划的引导，国内BCI与机器人整合技术处于全球领先状态，因此国内也诞生了植入性机械及相关手术机器人的项目机会，可以辅助参考。尤其在针对渐冻症、高位截瘫等重大神经疾病诊疗与康复训练方向，多种脑机接口技术已通过华山医院、瑞金医院等医疗机构的临床试验伦理审批，预计将开展人体临床应用验证。
远期机会可以重点关注侵入式技术路线，多为纯海外团队及海外技术引进转化。侵入式脑机接口在准确性、鲁棒性等主要性能上优于侵入式脑机接口，但医疗伦理后续审批流程仍未打通，距离商业化仍有一段距离。我们认为侵入式技术路线虽然商业化成长周期较长，但与多数硬件制造商战略配合度高度一致，为赛道未来核心价值所在，值得早期重点布局。初创企业目前仍处于技术竞速阶段，我们判断竞争核心壁垒主要为可靠的硬件器件（先进制造）及通用型平台。硬性器件主要包括电极材料选择及制造，芯片制造、电极植入设备及相关设备，核心关注指标为接口/指令集级别的安全性、通路效率&生物相容性（大规模商业化的基础）。通用性平台将类似于BCI 的“应用系统+应用商店”，主要壁垒为算法及带宽支持，平台需要保证通用性功能及接口远胜过特定的单一用途应用程序。BCI的特殊性导致单人无法接受多个接口，导致应用平台方面存在先发优势，因此当前侵入式路线初创公司主要采用硬件+平台结合方式进行研发。
侵入式BCI涉及多种技术耦合，在单一场景中刚需性强，但技术成熟度低，技术实现难度大，短时间难以实现产品化。建议优先关注硬件产业链相关技术突破（尤其是电极材料和芯片方面）和基础设施建设（包括脑电数据库、脑功能成像等）进度，将电极识别率与生物相容性视为核心技术指标，考量上游供应链整合能力、技术可靠性、接口标准化能力。平台算法方面可基于现有AI/ML技术框架迭代，相对成熟度较高，是后续产品化的重要指标，前期可作为辅助指标判断。
由于不同范式组合，BCI不同系统范式在输入、转换算法、输出和其他特性方面存在巨大差异，因此在不同应用场景中评判标准各有不同，但脑机接口多作为基础通信系统应用，所以我们将基础通信传输速率作为BCI开发通用性指标进行基础判断。以此标准，脑电信息传输率（ITR）标准度量为比特率，即每单位时间传递的信息量，核心取决于目标类别数量、信号分类准确度和目标识别速度。
N为目标可分配类别数，P为信号分类准确度，T为BCI系统输出单个命令所需时间。因此提高脑电信息传输率可具体为细化目标可分配类别数（获得更多目标数量&类别数的核心为提高采集效率，核心影响因素：材料&算法），提高信号分类准确度（核心影响因素：材料&通信），缩短目标识别&输出命令时间（核心影响因素：带宽），这也将成为后续技术的重点发展方向。
结合上述技术发展方向及相关影响因子，我们预测了未来脑机接口赛道的技术发展roadmap，即当前技术难点为获得准确可靠的脑电信号（包括获得更多目标数量、提高信号分类准确度），攻破后将逐渐经历双向沟通建立、拓展带宽、扩展AI/ML模型的复杂性、增加社会接受度等阶段，最终实现全面商业化。
应用场景方面，由于脑机接口与人脑强相关，目前技术突破多数只集中于严肃医学场景。但我们预测随着技术的不断发展，脑机接口会对另外两大核心领域产生深远价值影响。首先是“人类增强”领域，包括外骨骼、非语言军事交流、机器人等，以外力技术提高人类感知、认知、操作水平或实现“心灵感应”等前瞻式沟通。另一类是塑造人机交互及沟通信息“新范式”领域，包括视频、游戏、 AR/VR、教育等领域，通过创建可靠的双向脑机接口和技术平台，重新定义信息保存形式，打破现有信息输入、输出格局。除医疗领域之外，此两类应用场景可贡献千亿级市场规模容量，进一步拓宽BCI公司的商业想象力。
在脑机接口技术不断进化的当下，随着更好的信号采集硬件、清晰的临床验证、可行的传播模型，精确性可靠性等提升，不管从技术延展、场景想象力还是产业化发展，脑机接口都将迈上新的台阶。随着各国对于BCI的研发及成果转化的高度重视，未来5~10年BCI将迎来新的高潮和机遇。
Reference:
[1] 脑机接口技术在医疗健康领域应用白皮书（2021年版）, 中国人工智能产业发展联盟
[2] Abdulkader, S.N., Atia, A. and Mostafa, M.-S.M. (2015) Brain computer interfacing: Applications and challenges, Egyptian Informatics Journal. Elsevier.
[3] Greenberg, A., Cohen, A. and Grewal, M. (2021) Patent landscape of brain–machine interface technology, Nature News. Nature Publishing Group.
[4] Intro to brain computer interface, Neurotech EDU.
[5] BCI: A speculative long-term investment with a potentially huge return, Kearney.
[6] Saha, S. et al. (1AD) Progress in brain computer interface: Challenges and opportunities, Frontiers.
[7] Shih, J.J., Krusienski, D.J. and Wolpaw, J.R. (2012) Brain-computer interfaces in medicine, Mayo Clinic proceedings.
[8] Yuan, H. et al. (2021) State of the art of non-invasive electrode materials for Brain–computer interface, MDPI.
[9] (2020) The Bio Revolution: Innovations Transforming Economics, Societies and Our Lives, Mckinsey.
[10] 非侵入式BCI加速落地：开启脑疾病治疗新范式（BCI+医疗健康行业研究）（2021）, 蛋壳研究院
[11] Berger, T. W., Chapin, J. K., Gerhardt, G. A., McFarland, D. J., Principe, J. C., Soussou, W., V., Taylor, D. M., & Tresco, P. A. (2008). Brain-Computer Interfaces: An international assessment of research and development trends (2008th ed.). Springer.
[12] Musk, E. and Neuralink (2019) An integrated brain-machine interface platform with thousands of channels, bioRxiv. Cold Spring Harbor Laboratory.
