Ⅱ

神经工程与神经技术

从「开环刺激」走向「闭环自适应」：脑信号实时驱动治疗成为现实。神经形态芯片与脑基础模型（BFM）共同重塑神经信号的处理与解码范式。

神经调控：闭环自适应成为主线

NEUROMODULATION

传统刺激为「开环」——按固定参数持续放电，与脑状态脱节；闭环系统则实时读取脑信号、按需调节刺激，从根本上提升疗效并降低副作用。这一转变正在 aDBS、RNS、脊髓与迷走神经刺激四条战线同步发生。

开环 · OPEN-LOOP 固定参数 · 单向刺激 刺激器 Stimulator 大脑 Brain 刺激恒定，无法感知脑状态变化 副作用与电池消耗较高 闭环 · CLOSED-LOOP 实时反馈 · 自适应调节 大脑 Brain 传感采集 Sense 解码 / 算法 Decode 刺激器 Stim 脑信号实时驱动 → 按需调节刺激，闭合「感知-计算-刺激」回路

开环 vs 闭环神经调控示意：闭环系统持续读取脑信号并自适应调整刺激强度

大脑 / 神经信号 传感采集 解码算法 刺激器
自适应 DBS（aDBS） Medtronic · BrainSense
FDA 2025.2

全球首个获 FDA 批准的自适应深部脑刺激系统，依患者 β 频段脑信号实时调节，用于伴运动波动的帕金森病。

装机 >4 万例 初始编程 ↓85% ADAPT-PD 试验

被称「迄今最大规模 BCI 商业化」；电极识别使初始编程时间缩短约 85%。

响应式神经刺激 RNS NeuroPace
难治性局灶癫痫

唯一获 FDA 批准的闭环响应式神经刺激系统：检测到异常放电即针对性回应，抑制癫痫发作。

闭环响应式 >300 例 >30 家中心

2024.11 提交三年上市后研究数据，覆盖 >300 例、>30 家中心。

脊髓刺激恢复行走 NeuroRestore（EPFL）
Science Robotics 2025.3

硬膜外脊髓神经假体 + 康复机器人协同，同步肌肉电刺激实现自然协调运动。

硬膜外刺激 机器人协同 下丘脑 DBS

另发现下丘脑 DBS 可增强脊髓损伤后行走（Nature Medicine 2024）。

迷走神经刺激 VNS Vivistim
Stroke 2025.8

配对 VNS用于卒中后上肢康复：康复训练与神经刺激配对，强化运动学习。

VNS-REHAB 108 例 获益 ≥1 年

VNS-REHAB 试验（108 例）；Stroke 2025.8 显示获益维持 ≥1 年。

双向神经假体与感觉反馈

BIDIRECTIONAL PROSTHETICS

单向解码只能「读出」意图；双向假体则在解码运动意图的同时，经皮层内微刺激（ICMS）把触觉「写回」大脑，闭合感知-运动回路，让假肢「有感觉、可精细操控」。

M1 S1 大脑 机械臂 1 2
  1. 1
    下行 · 运动解码运动皮层（M1）解码运动意图，驱动机械臂动作
  2. 2
    上行 · 触觉反馈（ICMS）机械臂触觉经皮层内微刺激写回体感皮层（S1）

下行解码 + 上行写回双向并行，闭合「感知-运动」回路——假肢「有感觉、可精细操控」。

更强、更精确的触感 Nat. Biomed. Eng.
2024.12
  • 同时刺激两个邻近电极，可产生更强、更精确、定位更佳的触感。
  • 突破单电极刺激的强度与分辨率上限。
图案化微刺激 Science
2025.1
  • 图案化微刺激可传递「边缘与运动」感。
  • 从「点状触感」迈向「形状与运动」的复杂感知编码。
iSens 无线双向假体 首个临床结果
  • 首个无线双向神经假体的临床结果。
  • 融合肌电控制与体感反馈，提升日常可用性。

神经形态计算芯片

NEUROMORPHIC

神经形态芯片以脉冲神经元与存内计算模拟大脑的事件驱动机制，在能效上远超传统冯·诺依曼架构，正成为边缘神经信号处理与实时解码的潜在底座。

0亿
神经元（Hala Point）
全球最大神经形态系统
0亿
突触
1,152 颗 Loihi 2
0Petaops
峰值算力
8-bit 等效
~0TOPS·W⁻¹
能效
Intel Loihi 2 架构
平台 研发方 关键规格与进展
Hala Point
Loihi 2		 Intel 全球最大神经形态系统：1,152 颗 Loihi 2、约 11.5 亿神经元、1,280 亿突触、20 Petaops、约 15 TOPS/W。
NorthPole IBM 片上 SRAM 架构消除内存带宽瓶颈；视觉 AI 能效约为 GPU 的 25 倍。
SpiNNaker2 TU Dresden / SpiNNcloud 首个商用神经形态超算（2024.5）：单芯 152 核，可扩展至千万核级。
RRAM 存内计算 多家 28nm RRAM 宏达 2.82 TOPS/mm²；综述见 Nature 2025.1「Neuromorphic computing at scale」。

能效与规格数据多来源于厂商技术披露与学术综述，跨平台横向比较口径不一，引用时应注意基准差异。

AI 解码算法与脑基础模型 BFM

AI DECODING & FOUNDATION MODELS

解码算法正从「逐被试定制」走向「预训练 + 通用化」。大语言模型纠错、脑基础模型（BFM）与新型电极材料三股力量交汇，共同把神经信号解码推向实用化拐点。

Brain2Qwerty 解码管线（Meta） 脑信号输入 MEG / EEG 卷积模块 Convolution 句级 Transformer Sentence-level 预训练 LM 纠错 Pretrained LM 趋势：免训练跨被试、上下文元学习的「通用解码器」

从原始脑信号到文本：卷积 + 句级 Transformer + 预训练语言模型纠错的级联管线

01 · ALGORITHM

解码算法演进

  • ▸多解码器集成 + LLM 微调显著提升脑-文本基准（Brain-to-Text '24）。
  • ▸Meta Brain2Qwerty：卷积模块 + 句级 Transformer + 预训练语言模型纠错管线。
  • ▸趋势——免训练跨被试、上下文元学习的「通用解码器」。
02 · FOUNDATION MODEL

脑基础模型 BFM

  • ▸范式综述 arXiv 2503.00580（2025.3）。
  • ▸代表作 EEGPT、Brain-JEPA（NeurIPS 2025）、LaBraM（ICLR 2024）。
  • ▸Meta TRIBE v2（基于 >700 人、>500 小时 fMRI）。
  • ▸Synchron Chiral 神经数据「认知 AI」基础模型（研究路线图 ★）。
03 · ELECTRODE & MATERIAL

电极与材料创新

  • ▸高密度透明石墨烯阵列实现电生理 + 钙成像 + 光遗传多模态同步（Nature Nanotechnology 2024）。
  • ▸纳米多孔石墨烯微电极直径 25µm、SNR >10dB。
  • ▸光遗传——胞体定向视蛋白与近红外上转换纳米颗粒，推动更精准、更低创伤的深脑调控。
可信度提示

★ Synchron Chiral 为厂商研究路线，非已交付 / 已验证产品；BFM 多数仍处研究阶段，临床级通用解码尚待独立复现。详见 数据来源与可信度。