脑机接口产业正在经历一轮技术路线的拓展。从早期的脑电采集、信号解码，到如今与人工智能、康复机器人和神经调控结合，行业关注的重点已经不再只是“能不能读出大脑信号”，而是如何理解这些信号，并进一步通过反馈干预改变大脑和身体的状态。

在11月13召开的2026南渡江智慧医疗与康复产业高峰论坛上，安杰莱科技（杭州）有限公司创始人、董事长李鲁亚发表了题为《从“读脑”、“懂脑”到“写脑”——脑机接口与AI和机器人重构神经智能的底层逻辑》的演讲。

李鲁亚提出，脑机接口真正的价值不应停留在信号采集和运动意图识别，而应当建立从“读脑”到“懂脑”，再到“写脑”的完整技术体系：先获取大脑信息，再借助AI理解脑状态，最后通过神经调控和机器人执行形成闭环，解决康复、抑郁症等现实医疗问题。

这实际上触及了脑机接口产业化的一道关键分水岭：从单向读取神经信号，走向双向交互和主动干预。

在脑机接口技术路线中，侵入式方案能够通过植入电极获取更高质量的神经信号，但手术风险、长期安全性和适应症限制，使其难以覆盖所有临床需求。非侵入式脑机接口则具有佩戴方便、使用门槛相对较低等优势，更适合康复和日常应用。

但方便的另一面，是信号质量和稳定性面临挑战。

李鲁亚认为，传统非侵入式脑机接口在静态环境下可以完成一定程度的信号采集和解码，但一旦进入运动康复场景，问题就会变得突出。患者在运动过程中，电极与头皮之间容易产生相对位移，运动伪迹和接触阻抗变化会影响脑电信号质量，进而影响解码结果。

这对康复场景尤其重要。脑机接口康复并不是让患者坐着不动、完成一次脑电检测，而是需要患者在运动过程中不断产生运动意图，再由系统识别并驱动外部设备执行动作。如果信号在运动过程中变得不稳定，整个闭环就很难持续运行。

针对这一问题，安杰莱科技尝试从电极结构入手，探索两种不同的技术方向。

一种是柔性电极。通过柔性材料和结构设计，降低运动过程中电极与头皮之间的相对位移，让设备在患者活动时仍能保持较好的信号接触条件。李鲁亚介绍，团队研发的柔性绒毛电极，已经在临床应用中进行了探索。

另一种则是微针电极。其思路是通过微针结构穿过头皮最外层的角质层，在更稳定的接触条件下采集脑电信号。与传统表面电极相比，这种方式希望降低角质层带来的接触阻抗和信号衰减问题。

李鲁亚将这一技术路线称为“微创的非侵入式脑机接口”，并介绍了微针电极通过专用装置作用于头皮的设计，演讲中提到的作用深度约为5毫米。

这一分类表述值得进一步关注。严格来说，是否属于非侵入式或微创技术，需要结合电极是否穿透皮肤、是否造成组织损伤以及具体医疗器械分类界定来判断。微针电极的优势和风险，也需要通过长期佩戴安全性、皮肤反应、感染控制和信号稳定性等临床数据来验证。

从技术逻辑上看，安杰莱科技希望解决的是非侵入式脑机接口规模化应用中的一个基础问题：不仅要让设备能够采集脑电，更要让它在真实运动场景中持续、稳定地采集脑电。

信号采集只是第一步。脑机接口要真正进入临床康复，还必须解决一个更复杂的问题：如何理解大脑信号背后的运动意图，以及这些意图如何随着疾病和康复进程发生变化。

以脑卒中患者为例，同一个患者在康复第一天和第三十天，其神经活动模式可能已经发生变化。随着神经功能恢复、运动能力改善，脑电特征也会随之改变。如果系统始终使用一套固定的解码模型，就可能出现早期能够识别、后期识别效果下降的情况。

李鲁亚认为，脑机接口需要具备针对个体和时间变化的自适应能力。

安杰莱科技尝试将AI算法引入脑信号解码，通过持续积累患者的脑电数据，建立个体化模型。患者每次佩戴设备时，系统都可以利用已有数据进行适配，并根据后续信号变化持续更新模型。

其目标是让不同患者、不同康复阶段的适配时间缩短到分钟级，同时实现更快的运动意图识别和设备响应。李鲁亚在演讲中提到，团队希望将解码准确率提升至90%左右，并将实时控制延迟控制在100毫秒以内。

这两个指标分别对应脑机接口系统的两个关键能力：一是能否准确理解患者想要完成的动作，二是能否及时将意图转化为外部设备的控制指令。

对于康复机器人而言，延迟并不只是一个算法参数。脑机接口需要在患者产生运动意图、系统完成解码、机器人执行动作之间建立足够及时的协同，否则患者的主观意图与设备反馈就可能脱节，影响训练体验和康复效果。

当然，90%的解码准确率和100毫秒以内的响应时间仍需要明确测试条件，例如具体任务类型、受试者数量、信号采集方式、准确率定义以及端到端延迟的测量范围。不同实验条件下的数据不能直接比较。

更重要的是，AI在这里并不是简单替代人工调参，而是让系统能够持续学习患者的神经活动特征，适应康复过程中的动态变化。这也是从“读脑”走向“懂脑”的关键一步。

如果说读脑解决的是信息获取，懂脑解决的是信号理解，那么李鲁亚所强调的“写脑”，则是希望通过神经调控主动影响大脑活动。

这也是其演讲中最具延展性的观点。

传统脑机接口更多是单向的：采集脑电，识别运动意图，再驱动外部设备。而在神经调控场景中，系统还可以根据患者的脑状态，向神经系统施加刺激，观察刺激后的变化，并据此调整后续干预策略。

这就形成了一个双向闭环：大脑输出信号，系统进行解码；系统根据解码结果实施干预，大脑再产生新的响应。采集、分析、调控和反馈构成持续循环。

李鲁亚以抑郁症为例，指出目前一些神经调控治疗仍面临刺激参数个体化不足的问题。例如，刺激强度应该是多少，持续时间应该多长，治疗过程中是否需要根据患者状态调整？这些问题都需要临床医生结合经验和患者反应进行判断。

如果脑机接口能够实时获取患者的脑状态，并将其纳入神经调控策略，就有机会让刺激参数不再完全依赖固定方案，而是根据患者的实际响应进行调整。

同样的思路也可以延伸到脑卒中康复。系统先识别患者的运动意图，再由康复机器人辅助完成肩、腕、手等动作，同时持续采集脑信号，观察患者的神经活动是否发生变化。这样，机器人执行的不只是机械动作，也可以成为神经康复闭环中的一个组成部分。

李鲁亚介绍，安杰莱科技目前围绕肩、腕、手等不同部位布局相关产品，并通过临床影像和脑功能数据观察康复过程中的变化。

这里需要强调的是，外部机器人完成了动作，并不意味着大脑神经功能已经恢复。真正的疗效判断，需要结合临床量表、运动功能评估、脑功能影像或其他经过验证的指标进行综合评价。神经活动变化与实际功能改善之间，也需要通过临床研究建立可靠关联。

从产业角度看，“写脑”并不意味着简单地向大脑发送刺激，而是要回答三个问题：刺激什么位置、在什么状态下刺激，以及刺激之后是否产生了预期效果。只有将这些问题纳入闭环，双向脑机接口才可能从技术概念走向更具体的临床应用。

李鲁亚的演讲并没有把脑机接口局限于电极或解码算法，而是将其放在AI、神经调控和机器人协同的系统框架中。

在他看来，未来脑机接口平台需要形成三个相互连接的层次：

这一架构的核心，是让不同硬件和算法模块不再孤立工作，而是围绕具体临床场景协同运行。

例如，在脑卒中康复中，患者的运动意图可以通过脑机接口解码，机器人辅助完成相应动作，系统再根据脑功能和运动表现调整后续训练方案；在抑郁症等神经精神疾病领域，则可以探索脑状态识别与神经调控之间的反馈关系。

这种系统级协同，也意味着脑机接口企业的竞争维度正在发生变化。单纯拥有电极、算法或机器人中的某一项技术，并不足以形成完整的临床解决方案。真正的难点在于如何把信号采集、个体化解码、动作执行、神经调控和疗效评估整合起来。

李鲁亚介绍，安杰莱科技目前已有7款获证产品，拥有200多项知识产权，相关产品除在中国取得注册或准入外，也在美国、新加坡、马来西亚等市场取得了相应认证或许可。

对于未来三到五年的发展，他提出三个重点：首先是把临床研究做扎实，其次是推进产品注册，最后是通过渠道建设扩大应用规模。

这一判断也反映出脑机接口产业化的现实逻辑。技术研发只是起点，临床验证、医疗器械注册、医院应用和支付体系，才决定产品能否真正进入医疗服务体系。尤其是康复类产品，除了证明技术可行，还需要回答患者是否愿意长期使用、医疗机构是否能够持续采购、医保或其他支付方式能否支持等问题。

从李鲁亚的演讲可以看到，脑机接口正在从单一的神经信号采集，向“采集—解码—执行—调控—反馈”的完整系统演进。

这其中，电极技术解决信号能否稳定获取的问题，AI解决能否理解个体脑状态及其动态变化的问题，机器人和神经调控则让脑机接口具备执行和干预能力。

尤其是“写脑”这一概念，提醒产业界重新审视脑机接口的技术边界：它不只是让机器读懂人的意图，还可以让机器通过反馈和调控参与神经功能的恢复与重建。

不过，从技术探索到临床成熟，还有相当长的路要走。微针电极的安全性和长期稳定性、脑状态解码的可靠性、神经调控的个体化参数，以及不同疾病适应症的临床证据，都需要逐一验证。不同病种也不能简单套用同一套闭环方案。

脑机接口产业真正需要的，不是把“读脑”“懂脑”“写脑”变成三个传播概念，而是通过持续的临床研究，把它们变成可测量、可验证、可复制的技术能力。

当脑机接口与AI、机器人形成系统级协同，它所面对的就不再只是一个信号处理问题，而是一个涉及神经科学、算法、硬件、医疗器械和临床服务的综合工程。安杰莱科技所探索的，正是从脑信号读取走向神经功能干预的这条路径。