孤独症康复是一场漫长的过程。对很多家庭来说，真正困难的并不只是找到一家医院、找到一位专家，而是如何让孩子在离开医院之后，依然能够获得持续、有效的训练。

一次门诊、一次评估、一次康复训练，很难解决一个需要长期干预的问题。尤其是社交能力、语言表达和生活自理能力的培养，往往需要在日常生活中反复练习，并根据孩子的状态不断调整训练方式。

在11月13日召开的第五届南渡江论坛上，上海千丘智能科技有限公司创始人侍淳博带来了《孤独症脑机接口神经-社交平台》的主题分享。他介绍了千丘智能围绕孤独症康复开展的探索：通过脑电、眼动、心率变异性（HRV）、语言和行为等多模态数据，建立能够理解儿童任务状态与社交反应的“虚拟大脑”平台，再将AI康复训练逐步从医院延伸至家庭。

从第一代生活能力训练产品，到第二代AI语言康复师，再到正在研发的第三代闭环神经调控，千丘智能试图回答一个问题：脑机接口能否不只是读取大脑信号，而是成为一套能够持续理解、评估和辅助改善孤独症儿童行为与社交能力的康复系统？

孤独症谱系障碍（ASD）是一类以社会交往和沟通障碍、局限性兴趣及重复刻板行为为主要特征的神经发育障碍。不同孩子的表现差异很大，语言能力、认知水平、行为特征和干预需求也各不相同。

侍淳博在演讲中引用了美国疾病控制与预防中心（CDC）的统计数据，提到孤独症人群比例已达到约每31人中有1人。这个数字反映了孤独症带来的公共卫生和家庭照护压力。不过需要说明的是，这类统计有特定的年龄、地区和调查口径，并不能直接理解为全球所有年龄段人口的患病比例。

对于孤独症家庭而言，康复往往不是一个短期项目。孩子可能需要长期接受行为干预、语言训练、社交能力训练以及生活自理能力训练。训练效果与孩子的个体差异、干预强度、家庭参与程度和持续时间都有关系。

这也构成了现有康复模式的一大挑战。

一方面，专业康复资源主要集中在医院和专业机构，家庭很难长期、高频地获得专家指导；另一方面，孤独症儿童的能力和状态并非一成不变，同一种训练方式未必适用于每个孩子，也未必适用于同一个孩子的不同成长阶段。

在侍淳博看来，现有技术还有一个值得突破的地方：如何把儿童在训练过程中的状态变化变成可量化的数据。

过去，康复师主要通过观察孩子的行为表现、语言反应和任务完成情况来判断训练效果。这些方法不可替代，但如果能够进一步结合脑电、眼动、心率等生理信号，就有机会从神经活动层面补充对儿童状态的理解。

千丘智能正是从这个方向切入。

千丘智能团队源自上海交通大学医学院，过去几年主要围绕孤独症儿童的社交能力、语言能力和行为训练开展脑科学及脑机接口研究。

侍淳博介绍，团队并不希望仅仅采集儿童静息状态下的脑电，而是强调“任务态”数据。

什么是任务态？他解释说例如训练系统向孩子发出一个指令：“请拿起一个苹果。”从指令出现开始，系统就可以同步观察孩子的眼动变化、语言反应、行为表现，以及脑电和心率等生理信号的变化。

孩子有没有注意到指令？是否理解了任务？有没有产生回应意愿？如果没有回答，是没有理解、没有注意到，还是存在表达上的困难？这些问题需要结合多个维度的数据进行分析，而不是简单地用一次脑电检测给出结论。

这套思路背后，是千丘智能正在建设的“虚拟大脑”平台。

从技术架构看，它并不是要在计算机中完整复制一个人的大脑，而是围绕具体任务，建立儿童神经活动、行为表现与社交反应之间的数据关联。

每一次训练都可以形成新的数据记录：任务是什么、孩子在什么时间作出了怎样的反应、脑电和眼动发生了什么变化、训练结果如何。经过长期积累，这些数据可以用于分析个体状态、调整训练策略，也为后续模型优化提供依据。

侍淳博将其概括为一种数据飞轮：每一次检查和训练形成数据，数据反过来指导下一次训练，持续积累后逐步建立针对不同儿童、不同任务和不同状态的评估模型。

这也是千丘智能希望与传统单点脑电设备拉开差异的地方。脑电采集只是入口，真正的价值在于能否把脑电与行为、语言和任务结合起来，形成可用于康复决策的数据体系。

当然，这条路线也有一个绕不开的前提：数据必须来自足够规范的任务设计和临床研究。脑电信号与某种行为状态之间存在相关性，并不意味着系统就已经能够准确识别儿童的主观意愿。算法能否跨个体、跨场景稳定工作，还需要通过更大规模的样本和持续验证来回答。

基于上述平台，千丘智能目前规划了三代产品。

第一代产品主要针对生活能力和行为训练，第二代转向居家场景下的AI语言康复，第三代则进一步探索闭环神经调控。

这三代产品并不是简单地更换硬件，而是试图逐步解决孤独症康复中不同层次的问题。

第一代：围绕生活能力和执行功能开展训练。

孤独症儿童可能存在刻板行为、任务执行困难以及生活自理能力不足等问题。千丘智能针对这些需求，设计了围绕计划能力、执行能力和监督能力的训练方案。

在这一代产品中，脑电、眼电等数据主要用于辅助评估儿童在任务中的状态，再结合行动训练平台和虚拟现实（VR）场景，让孩子在相对可控的环境中完成训练任务。

侍淳博介绍，第一代产品已在上海、杭州等地的医疗机构开展研究和临床应用探索，合作机构包括上海市精神卫生中心、复旦大学附属儿科医院、浙江大学相关附属医院等。

他还提到，团队开展了多轮临床实验，并在相关研究中观察到儿童计划能力、监督能力等执行功能指标的改善。按照演讲介绍，部分研究在8至10周的训练周期内观察到相应变化。

这里值得关注的是，千丘智能试图把脑电数据引入传统行为训练流程，让康复师不仅看到孩子是否完成任务，还能获得更多关于训练过程的状态信息。不过，相关研究的样本量、对照设计、评价量表和统计学结果，仍是判断实际疗效时需要进一步了解的内容。

第二代：AI语言康复师，把训练从医院带回家。

如果说第一代产品主要解决生活能力和行为训练问题，那么第二代产品面对的就是更复杂的社交和语言能力。

侍淳博认为，孤独症儿童的康复有一个很现实的矛盾：训练需要长期、持续地开展，但如果每次训练都必须到医院或专业机构完成，家庭很难承担这样的时间和经济成本。

因此，千丘智能开始把产品形态从医院端设备转向居家应用。

第二代产品采用两通道或八通道脑电采集方案，并结合AI语言交互系统。与需要高通量脑电采集、追求更复杂神经信号解码的方案不同，千丘智能选择了一条相对务实的路径：围绕特定社交任务，识别与社交情绪、语言反应相关的神经活动特征。

举个例子，系统不会一开始就问孩子“你想吃什么”，因为开放式问题需要更复杂的语言理解和表达能力。它可能先问：“你想不想吃苹果？”

孩子只需要在“想”与“不想”之间作出选择，系统再结合脑电和行为反馈，尝试判断其反应状态。

这并不意味着脑电能够直接读出孩子的完整想法，而是通过限定任务、降低交互复杂度，让算法先解决相对明确的分类问题，再逐步扩展训练能力。

在交互方式上，千丘智能希望构建主动式AI社交训练模型。传统AI大多是用户提问、系统回答，而孤独症儿童的社交训练不能完全依赖这种被动交互。孩子可能不回应，也可能出现延迟反应，系统需要根据当前反馈决定下一步应该提出什么问题、安排什么任务。

这要求AI不仅能生成语言，还要理解训练目标和儿童当前的状态，并按照社交训练规范逐步推进。

侍淳博特别提到了VR的价值。对于部分孤独症儿童而言，现实环境中的干扰因素较多，注意力容易被分散。VR能够提供相对稳定、可控的交互场景，让孩子在特定任务中保持注意力。

他还提到，团队正在探索不同硬件形态，包括VR和AR。产品最终能否真正走进家庭，不仅取决于算法效果，也取决于脑电设备的佩戴舒适度、使用便利性，以及儿童和家长能否长期坚持。

第二代产品目前正在上海交通大学相关附属精神卫生机构开展研究。侍淳博表示，最终研究数据尚未确定，因此暂时不便公布疗效结果。这一表态也说明，居家AI语言康复师仍需要通过后续临床研究进一步验证。

在第一代行为训练和第二代AI语言康复之外，千丘智能还提出了第三代产品方向：把AI社交行为康复师、实时脑电反馈和深部脑区神经调控结合起来。

这也是整个演讲中技术探索色彩最强的部分。

侍淳博介绍，团队正在研究经颅聚焦超声（tFUS）神经调控技术，希望通过针对特定脑区的刺激，与行为训练形成更紧密的配合。

他提到的一个研究方向是伏隔核。伏隔核是大脑奖赏系统的重要组成部分，与动机、奖赏学习等过程有关。团队设想，当孩子完成某个值得强化的行为任务时，系统除了通过语言、画面或虚拟场景给予正向反馈，还可以探索在适当时机进行神经调控，以期增强行为训练中的反馈效果。

从技术逻辑看，这相当于尝试把行为训练与神经调控结合起来：系统先识别孩子的任务状态和行为表现，再根据训练目标决定是否需要进行干预，最后观察干预后的反馈。

但必须强调，这仍然是研发和研究阶段的探索。

tFUS具有非侵入式神经调控的研究潜力，但具体刺激参数、靶点选择、长期安全性和对孤独症核心症状的有效性，都需要严谨的临床研究来验证。伏隔核参与奖赏相关神经活动，也不意味着对其进行刺激就一定能够改善孤独症儿童的社交能力或行为表现。

侍淳博在演讲中也明确表示，第三代产品尚处于研究阶段，不能保证一定有效。

事实上，这种谨慎很重要。孤独症是一种高度异质性的神经发育障碍，不同儿童的神经活动和行为特征存在明显差异。即使某种干预在部分个体或特定实验条件下显示出积极信号，也不能直接推导为普遍有效的治疗方案。

千丘智能真正需要证明的，不只是能否完成脑区刺激，而是能否建立可靠的个体化评估机制，回答刺激对象是谁、在什么状态下刺激、刺激哪个区域、采用什么参数，以及干预后是否带来可重复的功能改善。

这也恰恰是其“虚拟大脑”平台希望发挥作用的地方。

在侍淳博的规划中，千丘智能并不打算把自身局限于某一款脑电设备或某一种康复软件。

团队希望通过与医院、高校和科研机构合作，持续积累孤独症儿童在不同任务、不同状态下的多模态数据，并把这些数据用于训练模型和支持个体化干预。

他介绍，团队已与长三角地区多家头部三甲医院开展合作，涉及脑电研究、真实世界临床研究等不同类型的项目。演讲中还提到上海市精神卫生中心、复旦大学附属儿科医院、浙江大学相关医院等合作机构。

更进一步，千丘智能希望将数据平台开放给其他脑机接口和神经调控企业，为不同技术路线提供临床数据和算法支持。

例如，对于采用表层神经调控或深部脑区调控的设备厂商，平台未来可以提供不同任务状态下的评估依据，辅助研究干预时机、靶点和参数。这实际上是希望将脑机接口从单一硬件产品，延伸为连接数据、算法、康复训练和神经调控的系统平台。

这条路线有一定产业价值。

当前脑机接口产业的一个特点是技术路线多、硬件形态多，但真正落到具体疾病和临床应用时，仍然面临数据不足、个体差异大、评价标准不统一等问题。特别是孤独症这类需要长期行为干预的领域，单次采集或单次治疗很难形成完整的效果评价。

如果能够把任务设计、神经信号、行为反馈和长期随访连接起来，形成连续的数据链条，就有机会让算法不再停留在实验室中的信号识别，而是逐步进入真实的康复流程。

当然，这一目标也对数据质量提出了更高要求。不同医院的采集设备、任务范式、样本特征和评价标准能否统一？模型能否在不同年龄、不同能力水平的儿童之间迁移？家庭场景中采集的数据是否足够稳定？这些都是平台走向规模化应用前必须解决的问题。

从这个角度看，千丘智能提出的“虚拟大脑”，更像是一套围绕孤独症康复建立的数字化基础设施，而不只是一个AI算法模型。

侍淳博在演讲最后谈到，孤独症康复是一件很难的事。团队并不期待某项技术能够在短时间内让所有孤独症儿童“脱帽”，而是希望通过更持续、更个性化的训练，帮助孩子在生活能力、社交能力和语言表达方面取得一些实际进步。

这句话也点出了脑机接口在孤独症领域的现实定位。

与一些追求即时效果的消费级脑机产品不同，孤独症康复涉及长期训练、专业评估和复杂的家庭照护。技术真正的价值，不是让设备展示出多么复杂的脑电波形，也不是让AI能够与孩子完成几轮对话，而是能否帮助康复师更准确地理解孩子的状态，让训练更有针对性，并让家庭能够在日常生活中持续使用。

从医院走向家庭，意味着产品必须变得足够轻便、易用，也意味着算法必须适应真实生活中的复杂环境。脑电帽的佩戴舒适度、设备成本、数据稳定性、儿童配合度，以及家长是否能够掌握使用方法，都会影响最终的应用效果。

对于千丘智能来说，第一代产品已经开始探索临床应用，第二代产品正在推进居家场景和临床研究，第三代产品则仍在探索闭环神经调控。三条产品线分别对应不同的技术成熟度，也意味着企业需要在临床证据、产品工程化和商业化之间找到平衡。

孤独症康复不可能依靠一项技术一蹴而就。脑机接口也许无法迅速改变这一领域，但如果能够把过去难以连续量化的神经活动和行为训练连接起来，让每一次训练都成为下一次干预的依据，那么它至少有机会为长期康复打开一条新的路径。

这或许也是千丘智能希望实现的愿景：让来自星星的孩子，能够更好地融入日常生活。