腦機介面的 ChatGPT 時刻已經悄悄發生了：2023–2026 重要論文與前沿研究

腦機介面的 ChatGPT 時刻已經悄悄發生了：2023–2026 重要論文與前沿研究

中文 EN

腦機介面的 ChatGPT 時刻已經悄悄發生了：2023–2026 重要論文與前沿研究

如果你最近沒有特別追蹤腦機介面（BCI）論文，可能會錯過一個事實：過去 18 個月，這個領域實際上經歷了一次「ChatGPT 等級」的階躍。

具體一點說：2023 年 8 月，Stanford Willett 的團隊在 Nature 上把語言解碼推到 62 wpm、12.5 萬字大詞表 23.8% WER——當時已經被視為里程碑。12 個月後，2024 年 8 月，Card / Willett 在 NEJM 上發了篇論文：第一天 30 分鐘訓練，50 字詞表 99.6% 準確率；第二天再 1.4 小時，12.5 萬字大詞表 90.2%；八個月持續使用維持 97.5% 準確率，累計 248+ 小時自由對話。

WER 從 23.8% 掉到 ~2.5%——一個量級——而電極數沒變。這是 BCI 享受到 LLM 順風車的教科書案例。

這篇文章把 2023–2026 三年最重要的 BCI 學術成果放在一個可導航的地圖上，分八個主題講透。給的是給開發者 / 創辦人 / 研究者的「能直接拿來討論」的版本——關鍵論文、原作者、為什麼重要、限制在哪。

七個 2023–2026 最大的階躍

  1. 語言 BCI 跨過了「實用通訊」的門檻。Willett 2023 → Card 2024 把可用語言 BCI 從 demo 推到「ALS 患者的日常工具」。
  2. 腦到語音變成即時且帶語調。Wairagkar et al. Nature 2025 與 Littlejohn/Chang Nat. Neurosci. 2025 在 80 ms 影格內串流合成語音，保留語調、節奏，甚至能哼歌。
  3. 「腦脊數位橋梁」變成臨床平台。Lorach/Courtine Nature 2023 確立了無線皮層→脊髓閉環，ONWARD Medical 已從 CEA/Clinatec 取得 WIMAGINE ECoG 植入體授權。
  4. 內語（inner speech）可以解碼了——但同時帶著「解鎖關鍵字」的隱私機制。Kunz/Willett Cell 2025 顯示運動皮層編碼了未發出聲的想像語言，並提出 classifier + keyword unlock 的隱私安全機制。第一個 BCI 神經倫理工程修補就此誕生。
  5. 神經科學第一次有了真正的「基礎模型」。POYO（NeurIPS 2023）與 NDT2（NeurIPS 2023）以單一 Transformer 跨越多 sessions、多動物、多電極陣列預訓練，再用幾分鐘 fine-tune 到新情境——這是神經訊號的「ImageNet → BERT 時刻」。
  6. 非侵入式解碼不再是玩具。Tang Nat. Neurosci. 2023 用 fMRI + GPT 風格先驗重建連續想像語言；MindEye2（ICML 2024）只用 1 小時 fMRI 重建影像；Meta 的 MEG 工作（Défossez 2023, Benchetrit 2024）做即時影像檢索。
  7. 電極硬體競賽從 Neuralink 擴散開。Precision 的 Layer 7（1024 電極/陣列、2025 年 3 月 510(k)）、Synchron 血管內 Stentrode（2024 年 9 月 COMMAND 安全終點）、INBRAIN 石墨烯 ECoG（2024 年 9 月首例人體）、Neuralink 柔性電極絲——四種完全不同的電極哲學同時在人體驗證。

1. 語言解碼：從 Demo 到日常驅動

這是 2023 年以來變化最爆炸的領域。按時序看：

1.1 Willett et al., Nature 2023 — 高效能語言神經義肢

Nature 620:1031–1036，作者：Francis R. Willett、Erin M. Kunz、Frank Willett、Krishna V. Shenoy、Jaimie M. Henderson 等。

受試者 T12（球部型 ALS 患者）植入 4 個 64 通道 Utah Array：兩個在 6v（腹側前運動皮層）、兩個在 area 44（Broca 區）。RNN 解碼器把嘗試發音的訊號解成 phonemes，再用語言模型拼回文字。

關鍵數字：62 wpm；50 字詞表 9.1% WER；12.5 萬字大詞表 23.8% WER。比之前的 BCI 紀錄快 3.4 倍。

為什麼重要：第一次證明了 (a) 大詞表語言能在皮層內穿透式記錄上解碼，(b) 6v 攜帶足夠的構音資訊，不需要直接記錄 Broca 區也能做開放詞表語言。「phoneme RNN + LM」這個 recipe 從此變成所有人模仿的範本。

限制：WER 對日常對話仍嫌高、多週校正漂移、單一受試者、需要侵入手術。

1.2 Metzger / Littlejohn / Chang et al., Nature 2023 — 帶 avatar 的語音解碼

Nature 620:1037–1046。UCSF Edward Chang lab。受試者 Ann，18 年前腦幹中風。

做法：不用穿透式 Utah Array，改用 253 通道高密度 ECoG 網格覆蓋感覺運動皮層。深度學習解碼器同時輸出三種模態：文字、合成語音（用她婚禮錄影中的聲音個性化）、3D 臉部 avatar 帶口部關節動作。

結果：78 wpm 文字解碼中位數、25% WER；可理解的即時合成語音 + avatar 動畫。

為什麼重要：第一次同時做多模態語音重建。證明 ECoG 在大詞表解碼上可以跟皮層內競爭——這對手術負擔、長期穩定性、規模化都有重大意義。「她真實聲音」這個情感門檻是純文字 demo 跨不過的。

1.3 Tang et al., Nature Neuroscience 2023 — 從 fMRI 解碼語意

Nat. Neurosci. 26:858–866。Jerry Tang、Alexander Huth（UT Austin）。

每位受試者收集 16 小時 fMRI（聽 podcast），訓練一個 GPT-2 條件解碼器從 fMRI 訊號生成連續英文句子。展示了從感知語言、想像語言、甚至無聲影像觀看的泛化。

為什麼重要：擊碎了「非侵入式無法做連續語意解碼」的假設。同時把神經倫理話題拉進公共討論——作者特意展示這個解碼器需要明確的逐人訓練，且不合作就會失敗。

限制：重建的是 gist，不是字字對應；fMRI 體積大、慢（每樣本 ~1–2 秒）、貴。

1.4 Card, Willett, Kunz et al., NEJM 2024 — 「BCI 的 ChatGPT 時刻」

NEJM 391(7):609–618，2024 年 8 月 15 日。

256 個皮層內微電極植入一位 ALS 患者左 precentral gyrus。關鍵創新：快速校正、更好的 RNN + transformer 語言建模、資料品質。

  • 第一天（術後 25 天，30 分鐘訓練）：50 字詞表 99.6% 準確率
  • 第二天（再 1.4 小時訓練）：12.5 萬字大詞表 90.2% 準確率
  • 8.4 個月：大詞表持續 97.5% 準確率；累計 248+ 小時自由速度日常對話，~32 wpm

為什麼重要：這篇是把語言 BCI 從「impressive research」推進到「daily-usable assistive tech」的論文。WER 在 12 個月內從 23.8% 降到 ~2.5%——數量級的改善——主要是更好的解碼器與 LM 整合，不是更多電極。

限制：仍 n=1、仍是 Utah Array（壽命問題）、仍侵入式；32 wpm 仍低於自然語速（~150 wpm）。

1.5 Wairagkar et al., Nature 2025 — 即時語音合成

Nature 644:145–152，2025 年 6 月。UC Davis Stavisky lab + BrainGate2。

跟 Card 2024 同一位 256 電極受試者。不解碼到文字，直接從神經活動串流合成音訊波形，並有閉環聽覺回饋。用「pseudo-teacher」訓練法解決了「無聲說話者沒有真值音訊」的問題。捕捉到副語言特徵（語調、音高），讓使用者能主動調節 prosody。

能力：即時語音合成；受試者可以用上揚語調問問題、強調某個字、甚至哼簡單旋律。聲音是用他 ALS 前的錄音個性化過的。

為什麼重要：基於文字的 BCI 把語言中所有有趣的東西（語調、情感、節拍）都丟掉了。這篇在聲學層級閉環，這是讓合成語音感覺「屬於使用者」而不是 TTS 引擎的關鍵。

1.6 Littlejohn et al., Nature Neuroscience 2025 — ECoG 版串流語音

Nat. Neurosci.，2025 年 3 月。UCSF Chang lab。

ECoG 版本的串流腦到語音。80 ms 影格解碼，AR 模型保留自然度，個性化到傷前語音。

為什麼重要：證明「串流帶語調」這個範式在非穿透 ECoG 上也有效。跟 Wairagkar 2025 形成平行——兩個不同電極家族，同時湧現相同的能力。這是技術趨同的強訊號。

1.7 Kunz, Willett et al., Cell 2025 — 內語在運動皮層裡

Cell，2025 年 8 月 14 日。

證明用來解碼嘗試發出聲的語言的同一個 6v 運動皮層區域，也包含內語（imagined, unvocalized speech）的表徵。內語解碼在 12.5 萬字大詞表上達到 74% 準確率。

然後——這才是這篇論文真正歷史性的部分——他們同步提出兩個隱私機制：

  1. 一個 classifier 區分「嘗試發出聲的語言」與「內語」，把後者沉默掉。
  2. 一個關鍵字解鎖機制（類似 Hey Siri / Hey Chat-NT），>98% 識別率才允許內語解碼。

為什麼重要：(a) 內語會「漏」進運動皮層——這意味著 BCI 預設情況下就有「意外讀心」問題。(b) 這篇論文沒有只是發出警告；它在同一篇論文中附帶了工程修補。這定下了「負責任的 BCI 研究」的範本：能力與倫理修補應該同時 ship。

2. 運動 BCI / 效應器控制

2.1 BrainGate 持續工作（2023–2026）

關鍵實驗室：Leigh Hochberg（Brown/MGH）、Jaimie Henderson（Stanford）、Frank Willett（Stanford）、Krishna Shenoy（2023 年逝世，由 Willett + Henderson 接續）。

  • 2024 年值得追蹤：「A flexible intracortical brain-computer interface for typing using finger movements」（Nat. Med. 2024, Willett et al.）——用嘗試的手指彎/伸訊號做 30–40 點選/分鐘，~90% 準確率；支援「鍵擊」打字。
  • 2025–26 年最新：Nature Neuroscience 上的雙手 QWERTY 打字論文——是迄今最自然的 BCI 文字輸入展示，直接承襲 2024 年的雙手游標控制工作。

BrainGate 持續在處理那些不性感但關鍵的問題——壽命、重新校正、主流輔助使用。比語言新聞更冷，但對好幾位受試者來說已經是日常驅動。

2.2 Neuralink PRIME（2024–2026）

  • 受試者 1（Noland Arbaugh）：2024 年 1 月 28 日於 Barrow Neurological 植入。3 月 20 日首次公開展示游標控制、下棋、瀏覽網頁。早期電極絲回縮使通道數降至約 15%，靠軟體補償恢復了大部分游標效能。截至 2025 年 8 月，術後 18 個月仍持續使用。
  • 受試者 2（Alex）：2024 年 7 月植入。主要用於 CAD 建模、遊戲。Neuralink 報告無電極絲回縮，顯示手術學習曲線改善。
  • 受試者 3（Brad Smith）：首位 ALS 受試者；用 Link + 眼動追蹤混合做溝通。

狀態：截至 2026 年 4 月，Neuralink 沒有發表過人體數據的同行評審論文。這值得注意：Synchron、Precision、BrainGate、ONWARD 都有發 paper；Neuralink 只透過 blog 和直播揭露。學術文獻對這個裝置的覆蓋遠不如它的媒體足跡。

2.3 Synchron Stentrode — 血管內 BCI

COMMAND 可行性試驗 n=6，2024 年 9 月達到 12 個月安全終點，無器械相關嚴重不良事件。Stentrode 從頸靜脈送入運動皮層上方的腦靜脈——失去單細胞解析度，但換來手術簡化（介入放射手術，不是神經外科）。

為什麼重要：如果運動感覺皮層上的 ECoG 級訊號足以做語言（Chang group）和粗略游標控制，血管內路線可能是消費級 BCI 的真正可擴展投放機制。

2.4 Chestek lab — 周邊神經介面（RPNI）

Cynthia Chestek + Paul Cederna（密西根大學）。

不是腦植入。在切斷的周邊神經殘端嫁接小塊肌肉——這些肌肉變成「生物放大器」，神經放電時產生大而可記錄的 EMG。連接到義肢手。

結果：即時、單獨手指的義肢手控制，訓練 ~15 分鐘後 300 天無需重新校正（Sci. Transl. Med. 2020 + 2024 年 IEEE T-NSRE 後續工作）。

為什麼重要：對上肢截肢者而言，RPNI 可能是更好的架構——完全避開腦手術，訊號比 fascicular 電極大且穩定，還能避免神經瘤形成。提醒我們「BCI」不一定是正確的抽象層級。

3. 功能恢復（行走、抓握、膀胱）

3.1 Lorach, Galvez, Courtine et al., Nature 2023 — 腦脊數位橋梁

Nature 618:126–133，2023 年 5 月 24 日。Henri Lorach、Andrea Galvez、Grégoire Courtine（EPFL/CHUV）+ Jocelyne Bloch、Guillaume Charvet（CEA）等。

受試者：「Gert-Jan」——40 歲荷蘭男性，2011 年單車事故後四肢癱瘓。

做法：兩個 WIMAGINE 無線 ECoG 植入體放在腿運動皮層上方 + 一個 L2/S1 脊髓硬膜外刺激陣列。一個快速解碼器把皮層意圖轉換為對腰薦脊髓的圖案化硬膜外刺激，即時產生自然步態。整個迴圈無線；幾分鐘就能校正完成。

頭條結果：Gert-Jan 能站立、在平地行走、爬樓梯、走過不平坦地形。更重要的是：經過 BSI（brain-spine interface）開啟下的神經復健後，他靠拐杖在 BSI 關閉狀態下也能走路——這是真實的神經可塑性，不只是主動刺激。

為什麼重要：這是第一個真正閉環「想就能走」的平台，跨越了義肢補強與治療性復健的界線。2024 年 10 月，ONWARD Medical 簽下 WIMAGINE 技術的獨家權利；之後又植入了更多受試者進入 ARC-BCI 系統（2023 年 9 月上肢；2024 年 9 月下肢女性受試者）。

限制：同行評審中的兩位受試者；WIMAGINE ECoG 在多年後會降解；需要腦+脊兩套硬體加上大量神經復健。

4. 神經資料的基礎模型

這是 BCI 與現代 ML 結合最直接、2024–2026 興奮點最多的領域。

4.1 POYO — Azabou et al., NeurIPS 2023

arXiv 2310.16046、project：poyo-brain.github.io。

作者：Mehdi Azabou、Vinam Arora、Blake Richards、Eva L. Dyer 等。

核心想法：把每個 spike（不是 bin）token 化——每個電極、每個 session 的每個 spike 都變成帶 channel 與時間資訊的 token。用 cross-attention + PerceiverIO backbone 得到固定大小的 latent，不論神經元數量是多少。這讓你可以跨完全不同神經元組的 sessions 訓練單一模型。

預訓練：158 個多 session 的 NHP 記錄、7 隻動物、總計 ~27,000 個神經元。

結果：POYO-1 對新 sessions 快速 fine-tune；在 Neural Latents Benchmark 上強表現（NLB-Maze fine-tune 後 R² ~0.95）；對新動物的新 sessions 用很少資料就能泛化。

為什麼重要：這是神經群體資料的「ImageNet → BERT 時刻」。POYO 之前每個 BCI session 基本上都自己訓練自己的解碼器；POYO 之後你有一個會說「spike trains」的預訓練基礎模型，能在幾分鐘內適應新使用者。Scaling laws 的問題現在打開了：POYO-1 在 10 倍資料下會長什麼樣？

4.2 NDT2 — Ye, Collinger, Pandarinath, NeurIPS 2023

「Neural Data Transformer 2: Multi-context Pretraining for Neural Spiking Activity」。

對 binned spiking activity 做 masked autoencoder，配合時空 attention，特別針對運動 iBCI 解碼跨 sessions、subjects、tasks。釋出預訓練權重。

對比 POYO：NDT2 基於 bin；POYO 基於 spike。NDT2 用 masked-language-model 預訓練專攻運動 iBCI；POYO 目標更廣的神經解碼。

為什麼重要：證明對運動 BCI 新情境的快速 transfer。和 POYO 一起，NDT2 在 2024–2025 引發了一波「對 spikes 來說正確的預訓練 recipe 是什麼？」的工作。

4.3 Neuroformer、NeurIPT 等其他工作

  • Neuroformer（Antoniades et al., ICLR 2024）：跨神經 spike + 行為 + 刺激模態的 GPT 風格自回歸預訓練。在小鼠視覺皮層與導航資料上展示。推進到生成——根據刺激或行為取樣可能的神經活動，這打開了 in-silico 實驗與更好的反問題先驗。
  • NeurIPT（arXiv 2510.16548，2025 年底）：嘗試用單一模型統一皮層內、ECoG、EEG、MEG。早期但很有指標性——模態無關的腦訊號基礎模型方向。
  • 2025 年 3 月有篇 arXiv 調查（2503.00580）和 awesome-neurofm 清單可作 orientation。到 2026 年初已經有 ~15 個不同的「神經 FM」架構。

4.4 為什麼這對開發者重要

如果你在思考 BCI 創業，神經基礎模型的存在改變了一件事：你不再需要為每個受試者從頭訓練解碼器。這把「校正成本」從「每天/每 session 數小時」降到「分鐘級」，並大幅改善 cross-subject transfer。對需要規模化部署的商業 BCI 來說，這是個關鍵啟用器。

5. 非侵入式解碼（fMRI、MEG、EEG）

5.1 Tang et al., Nat. Neurosci. 2023（已涵蓋於 §1.3）

2023 年非侵入式的旗艦結果，值得在這裡重申。

5.2 MindEye2 — Scotti et al., ICML 2024

arXiv 2403.11207。Paul Scotti（Stability AI / MedARC）+ Princeton 團隊。

做法：在 NSD（Natural Scenes Dataset）上跨 7 個受試者預訓練，學習共享受試者潛在空間，然後用 1 小時 fMRI 對新受試者 fine-tune。映射 brain → CLIP → fine-tuned SDXL。

結果：SOTA 檢索與重建指標，且資料效率高得多——之前的工作每個受試者需要 30–40 小時昂貴 fMRI；MindEye2 只需 1 小時（前作 2.5%）。

為什麼重要：資料效率是非侵入式解碼商業化最大的單一阻礙。MindEye2 讓「每受試者成本」變得可行。

5.3 Meta MEG 即時影像與語音解碼

  • Défossez et al. Nat. Mach. Intell. 2023：用 MEG/EEG 從候選句子中檢索（不是開放詞表合成）。
  • Benchetrit et al. arXiv:2310.19812（2023）：在 THINGS-MEG 上做即時影像重建——brain → CLIP 對齊 + diffusion 生成。
  • 2025 年 1 月的 scaling laws 論文——首個腦解碼器的 scaling-law 研究。

為什麼重要：MEG 有毫秒級解析度（fMRI 是 ~1Hz）。Meta 的 pipeline 產出 per-instant 視覺重建，這更接近串流式非侵入 BCI。給中文聽眾的看點：如果硬體能縮小，這條軌道可能比皮層內先出消費產品。

6. 硬體：電極、介面、新模態

6.1 Precision Neuroscience — Layer 7

  • 薄膜硬膜下微電極陣列；每陣列 1024 電極（50–380 µm 直徑）；厚度約頭髮的 1/5；透過顱骨切口植入（不開顱）並順著皮層曲面貼合。
  • 2024 年 5 月：Precision + 西奈山，4 個陣列（4096 電極）同時記錄單一人腦——當時的世界紀錄。
  • 2025 年 3 月：Layer 7 拿到 FDA 510(k)（最多 30 天植入時長）。
  • 2025 年 10 月：Nature Biomedical Engineering 論文——高頻寬記錄、運動/感覺解碼、聚焦刺激——達到先前只有穿透式電極才有的效能，但無需開顱。
  • 2026 年 1 月：與 Medtronic 戰略合作，把 Layer 7 與 StealthStation 導航結合。
  • 截至 2026 年初**>68 位**患者。

為什麼重要：Precision 是 Neuralink 最有可信度的對手。炒作較少，真實的同行評審資料，更快的監管路徑（因為是硬膜下薄膜，不是穿透式電極絲）。

6.2 INBRAIN — 石墨烯 BCI

2024 年 9 月在 Salford Royal Hospital（曼徹斯特）首例人體手術，腦腫瘤切除中使用。前 4 位患者無器械相關不良事件；超薄石墨烯電極在微米解析度上區分健康與癌組織；在清醒語言標測中捕捉到 phoneme 相關的 high-gamma。FDA Breakthrough Device 認證針對帕金森氏症。

為什麼重要：石墨烯電極阻抗低、電荷容量高、生物相容性比白金更好——可能解決 Utah Array 長期穩定性問題。

6.3 Openwater — 超音波 / opto-acoustic BCI

Mary Lou Jepsen 創辦。結合聚焦超音波、近紅外光學、計算成像於穿戴式裝置。2024 年募 1 億美元，2025 年在台灣量產。

「Open-Motion」診斷系統（Brown/Penn 驗證嚴重中風偵測）；「Open-LIFU」神經調控系統（用於 MIT 意識研究與臨床憂鬱症試驗）。

狀態：還不是「解碼想法」意義上的 BCI，但賭注是廉價的穿戴式功能成像可能會變成。

6.4 DARPA N3 計劃

目標：給健康人非手術、雙向 BCI。團隊包含 Battelle、Carnegie Mellon、JHU APL、Rice 等。模態橫跨超音波、磁基因（magnetogenetics）、功能光學、定向磁共振。沒有同行評審的人體規模結果，但這個計劃持續播種新模態，是「超音波 BCI」與「磁性 BCI」存在為研究領域的主要原因。

7. DBS、神經調控與神經倫理

7.1 閉環 DBS 治療憂鬱症

  • Scangos et al., Nat. Med. 2021：個性化閉環 DBS 治療治療抗性憂鬱症首例個案報告。患者「Sarah」用慢性 NeuroPace 反應式刺激器只在偵測到個性化情緒生物標記時對腹側囊/腹側紋狀體傳遞定向刺激。
  • Alagapan/Mayberg/Sheth, Nature 2023：「Cingulate dynamics track depression recovery with deep brain stimulation」。10 位治療抗性憂鬱症患者接受 subcallosal cingulate DBS；研究者用可解釋 ML 在 LFP 上識別追蹤個別恢復的生物標記。臨床結果：24 週 90% response、70% remission。

為什麼重要：這是精神 DBS 從「猜哪裡刺激」變成「閉環、生物標記驅動、個性化」的論文——更像情緒的心律調節器。

7.2 神經倫理（2023–2026）

  • Yuste 等人的「neurorights」框架現在被多國納入立法（智利率先；其他拉美與歐盟跟進）。
  • Kunz/Willett 2025（§1.7）是第一個在同一篇論文中 ship 神經倫理修補的主要範例——這是社群應該要求更多的範式。
  • 開放議題：解碼器漂移與對抗式韌性。幾乎沒有公開論文討論如何攻擊一個閉環 BCI（RF 注入、重新校正期間的模型 poisoning）。這是 BCI 創辦人需要填補的空白。

8. 沒在頭條訊息中說的：場上不順的事

一份嚴謹的文件應該誠實面對弱點。

  • 幾乎每個頭條結果都是 n=1。語言 BCI、腦脊橋梁、手寫 BCI——通常是單一受試者，有時兩位。「對人類的泛化」尚未證明。
  • 壽命是沉默的殺手。Utah arrays 在數月到數年內降解（gliosis、機械漂移）。Neuralink 的第一位患者有 ~85% 電極絲回縮。柔性 / ECoG / 血管內平台用解析度換穩定性。還沒有人發表過真正 10 年穩定高效能的 BCI。
  • 校正漂移需要持續重新校正——通常每天，有時每 session。基礎模型 + 無監督重新校正是主要希望。BrainGate 在 2025 年底發了「Long-term unsupervised recalibration of cursor-based iBCIs using a hidden Markov model」（Nat. Biomed. Eng.），是目前最成熟的 HMM 風格自動重新校正嘗試。
  • 隱私 / 內語洩漏是真實的。Kunz/Willett 2025 直接展示。大部分 BCI 論文不討論這個。
  • 神經基礎模型相對 LLM 仍是 toy scale。POYO 預訓練是 ~27k 神經元；GPT-4 是 ~1.8T 參數。我們還不知道神經解碼是 compute-bound、data-bound 還是 biology-bound。
  • 非侵入式解碼仍是 per-subject 的。最 impressive 的 fMRI/MEG demo（Tang、MindEye2）仍然在那位特定人身上訓練數十小時。沒有真正的「通用解碼器」。
  • 沒有經濟模型。語言 / 運動 BCI 都還沒有 reimbursement 路徑。Precision 經由 30 天術中使用、Synchron 經由血管內投放是最近的商業化嘗試。Neuralink 的計劃未知。
  • Krishna Shenoy 的 2023 年逝世移除了這個領域的一位資深政治家；Stanford lab 在 Willett、Henderson、Deo、Kunz 帶領下仍然多產，但 mentorship bench 變薄了。

未來十年：八個押注

從信心高到較投機：

  1. 語言 BCI 在 ~2028 達到 ALS / locked-in 的臨床批准。Card 2024 的 97.5% 準確率、32+ wpm、八個月日常使用，已經對狹窄適應症「夠用」。BrainGate + Neuralink + Synchron + Precision 各有可信路徑。預期第一個 FDA PMA 會綁在語言或運動輔助適應症上。
  2. 神經基礎模型成為預設解碼器。到 2028 年沒人從頭訓練解碼器；大家都 fine-tune 一個 POYO-N 或 NDT-N。校正從小時降到分鐘，並大幅增加 cross-subject transfer。
  3. 腦脊 / 腦周邊橋梁變成 SCI 的標準照護。ONWARD ARC-BCI 與其衍生物會是第一個商業 BSI 平台；到 ~2030 年我們可能看到 cohort 級試驗（n=20+）有持久功能恢復結果。
  4. DBS 與 BCI 的界線變模糊。閉環 DBS 治療憂鬱、強迫症、可能成癮，會被 marketed 為「精神 BCI」。Sheth/Mayberg/Scangos 範式會孵出多個植入平台。
  5. 非侵入式 BCI 拿到消費灘頭堡。不是「用想的打字」，而是 calibration-light 的注意力 / 意圖偵測（游標輔助、免手 VR 控制）。MEG 仍笨重，所以 EEG + 強先驗會主導。
  6. 記憶與認知仍更難更慢。Berger 風格的海馬迴義肢取得真實但漸進的進展。沒有「Limitless」藥丸。2035 年合理目標是 MCI 患者 20–40% episodic recall 改善——有意義，但不超人。
  7. 腦到影像變成科學工具，不是產品。廣泛用於探測 LLM/VLM 表徵與研究感知/想像；消費影像解碼長期會被綁定在 subject-specific 訓練上。
  8. 投機：超音波或磁性 BCI 黑馬。如果 Openwater 或 DARPA N3 團隊解決解析度問題，整個領域可能在非手術模態上重新基奠。

開放問題清單

  • 耐久、生物相容、高通道數記錄。終極瓶頸。沒有任何東西在 10 年後仍能令人信服地維持全效能。
  • 不需要 per-subject 重新訓練的 cross-subject 泛化。「通用語言解碼器」今天還是科幻。
  • 持續、安全、長期的刺激。寫入大腦比讀取困難得多。Optogenetics 與超音波是領先候選，但都還未在人類慢性閉環使用上成熟。
  • 對抗條件下的解碼器韌性。當閉環 BCI 使用者處在嘈雜 EM 環境時會怎樣？敵意網路下會怎樣？幾乎沒有文獻。
  • 多 subject / 多 session 基礎模型基準。NLB '21 過時了；我們需要 ImageNet 規模的 NLB '25 或 POYO benchmark。
  • 臨床終點與 reimbursement。CMS 認為「臨床上有意義」的語言恢復是什麼？這個問題不答清楚，scaling 過研究 cohort 就不可能。
  • 內語隱私（與相關的情緒 / 自主神經洩漏問題）。Kunz 2025 撬開了縫；現在它需要變成每篇論文的預設項目。
  • 資料分享與開放基準。BrainGate datasets、NSD、THINGS-MEG 在改善，但仍遠落後 vision / NLP。

給中文讀者的場域定位

如果你在中文圈追蹤 BCI 研究，這裡是我推薦關注的清華、上海科技大學、浙江大學、復旦的方向：

  • 強項：電極材料（柔性電極、石墨烯、超薄薄膜）、非侵入式解碼、fMRI 計算神經科學、神經形態硬體。中科院上海神經所與 NeuroXess 的連結是個範例。
  • 弱項：長時間臨床皮層內試驗（資料公開度低）、神經基礎模型的 scaling 預訓練（GPU 成本與資料規模問題）。

腦機介面已經越過了「可不可能」的階段——現在它在「以多快、多便宜、多安全」的軸上競賽。而且這個競賽的速度，正在被 LLM 與基礎模型的順風車意外加速。

如果 2017 年的 Transformer 論文是 NLP 的 ChatGPT 時刻的種子，那 Willett 2023 + Card 2024 + POYO 2023 可能就是 BCI 的種子。未來 24 個月會非常熱鬧。

參考資料

語言 BCI

  • Willett et al. 2023 — Nature（DOI: 10.1038/s41586-023-06377-x; PMID 37612500）
  • Metzger/Littlejohn/Chang et al. 2023 — Nature（DOI: 10.1038/s41586-023-06443-4; PMID 37612505）
  • Tang et al. 2023（fMRI semantic decoder）— Nat. Neurosci.（DOI: 10.1038/s41593-023-01304-9; PMID 37127759）
  • Card et al. 2024 — NEJM（DOI: 10.1056/NEJMoa2314132; PMID 39141853）
  • Wairagkar et al. 2025（即時語音合成）— Nature（PMID 40506548）
  • Littlejohn et al. 2025（ECoG 串流語音）— Nat. Neurosci.（PMID 40164740）
  • Kunz/Willett 2025（內語 + 隱私機制）— Cell（PMID 40816265）
  • Défossez et al. 2023（Meta MEG speech）— Nat. Mach. Intell.
  • Code: brain-to-voice-2025 · nejm-brain-to-text

運動 BCI

腦脊介面 / 功能恢復

基礎模型 / 機器學習

非侵入式解碼

硬體

神經調控 / DBS / 倫理

  • Scangos et al. 2021（個性化閉環 DBS）— Nat. Med.（PMID 34608328）
  • Alagapan/Mayberg/Sheth 2023（扣帶回動態追蹤憂鬱恢復）— Nature（PMID 37730990）

記憶 / 認知

周邊 / 替代路線

Related

腦機介面 2026 企業競賽：誰真的領先，中美差距多大
從矽到肉：BCI 的生物混合拐點（2026 年 4 月）
別讓 AI 重學三百年物理：PIML 真正重要的不是多一個 Loss