AI 蓝鲸汇 · 现场手记2026.06.30
脑机接口的临床化，先别急着谈科幻
从灵犀云产品负责人刘雨慈的分享，看脑电数据、灰盒模型与临床场景之间真正难走的一段路。
临床化不是从“读懂大脑”开始，而是从数据能不能被医生稳定使用开始。
脑机接口医疗 AI
脑机接口最容易被讲成一个科幻生意。
比如读懂大脑，比如人机共生，比如下一个万亿赛道。
但灵犀云产品负责人 刘雨慈在AI 蓝鲸汇 现场讲的，几乎是另一个版本：脑机接口要进医院，第一关不是想象力，而是数据、解释和工作流。以下是对刘雨慈现场分享内容的整理。
AI 蓝鲸汇 由多名资深 AI 从业者与投资人共同创建，以“小规模、高规格、深度交流”为核心，长期邀请一线 AI 从业者、技术专家、创业者与投资人，围绕真实产业议题展开坦诚对话，致力于发现与培育优质 AI 项目，帮助更多青年创业者在 AI 浪潮中找到真正可落地的方向。
⬆️关注 AI 蓝鲸汇
医生不会因为一个模型很酷就使用它。
医生会问：
这个脑电数据可靠吗？这个判断为什么成立？这个结果能不能写进报告？出了问题，谁来解释？
这才是脑机接口临床化真正难的地方。
在 6 月 30 日 AI 蓝鲸汇「脑机新革命：下一个万亿赛道」活动上，刘雨慈分享了灵犀云过去几年在脑电数据、脑功能建模和临床产品上的探索。
听下来，一个核心判断很清楚：
脑机接口如果要成为医疗产业的一部分，就不能只证明机器能读到什么，还要证明医生为什么应该相信它。
PART 01
黑盒不够，白盒也不够
灵犀云走“灰盒”路线
刘雨慈把人脑建模的方法分成两类。
一类是白盒。
它依赖细胞实验、动物实验和数学方程，去解释神经细胞活动。优点是可解释，医生和科研人员能理解；问题是大脑太复杂，光靠这种方式，很难扩展到全脑尺度。
另一类是黑盒。
也就是今天更常见的 AI 路线：把大量数据交给模型，让它自己学习规律。它能处理复杂信号，但问题也直接——结果出来了，为什么是这个结果，往往说不清。
在很多 AI 应用里，说不清可能还能接受。
但医疗不行。
一个模型判断某个片段异常，医生一定会追问：依据是什么？对应什么神经机制？它和患者的症状、影像、病史能不能对上？
所以灵犀云没有把自己完全押在黑盒上，而是走了一条“灰盒”路线。
简单说，就是能用生物物理机制解释的部分，先解释掉；解释不清的部分，再交给 AI 学习。
这听起来不如“端到端大模型”性感，但更像医疗产品应该走的路。
在医院里，模型不是给投资人看的 Demo，而是要进入医生判断链条的一环。
PART 02
脑电数据，不是越多越好
数据要可追溯、可解释、可复用
很多脑机接口叙事都会讲“大脑数据”。
但刘雨慈真正反复强调的，不是数据量，而是数据能不能用。
脑电本身只是波形。
如果它没有医生标注，没有临床检查信息，没有影像、病史、病理生理信息去对齐，就很难从“原材料”变成“临床资产”。
这也是灵犀云过去几年做多中心研究、和医院合作积累数据的原因。
它要解决的不是“有没有脑电”，而是这段脑电到底意味着什么。
一个患者的脑电变化，可能来自疾病，也可能来自睡眠、压力、年龄、药物、咖啡因，甚至只是采集时电极接触不好。
这件事很琐碎，但决定了模型有没有意义。
如果前端数据本身不干净，后端模型越复杂，可能只是越精致地放大错误。
所以脑机接口真正走向临床时，第一件事往往不是算法创新，而是把数据变得可追溯、可解释、可复用。
这不酷，但很重要。
PART 03
癫痫，是一个更现实的切口
先连接波形信息和临床语言
灵犀云现在最核心的落地场景之一，是癫痫诊疗。
这个场景足够具体，也足够难。
癫痫诊疗高度依赖脑电，但长程脑电的阅读和标注非常耗人。刘雨慈提到，普通头皮脑电可能要持续一周左右，颅内脑电甚至可能持续一个月。
这意味着，医生和技师要从大量波形里找异常片段，再结合临床信息写报告。
这不是“医生不想做”，而是工作量实在太大。
灵犀云的产品切入点也就很明确：先不替医生做最终判断，而是帮医生把异常片段找出来，把波形信息和临床语言连接起来，让报告生成更快、更稳定。
这是一种很典型的医疗 AI 落地方式。
不是上来就颠覆医生，而是先进医生的 Workflow。
在神经外科场景里，灵犀云还在做个体化人脑建模。它会结合癫痫患者真实植入电极的位置，模拟发作期和发作间期的脑电动态变化，辅助医生判断起始区、定位区和术前切除方案。
这里的价值不是“AI 替医生开刀”。
而是让医生在做复杂决策时，多一个可视化、可量化的参照。
这也是医疗 AI 最容易被误解的地方：
很多时候，最有价值的产品不是替代专家，而是减少专家判断中的盲区。
PART 04
精神科更难，因为诊断本身就不够“硬”
在量表和面诊之外，增加一层客观生理信号
刘雨慈还讲到了灵犀云在抑郁相关辅助诊疗上的探索。
这里的问题和癫痫不一样。
癫痫至少有相对明确的脑电诊疗基础。但精神科很多疾病，本身就高度依赖量表、访谈和医生经验。
一个典型问题是：双相情感障碍患者在抑郁期就诊时，可能还没有出现明显躁狂发作。医生很难判断，这是单相抑郁，还是双相抑郁。
但这件事会直接影响用药。
判断不清，就可能进入试药路径。而某些药物又可能诱发躁狂表现。
刘雨慈的思路是，用脑电和模型提供更客观、量化的辅助信息，帮助医生把判断做得更精确。
这里要非常克制地看。
它不是让 AI 给精神科患者下诊断。至少在现阶段，这种说法既不准确，也不负责任。
更合理的定位是：在量表和面诊之外，增加一层客观生理信号。
这件事一旦能跑通，意义会很大。
因为精神科长期缺少足够稳定、足够可规模化的客观指标。
但它也会更难。
难点不只是模型，而是标准、样本、临床共识，以及医生对工具边界的接受。
PART 05
AD 早筛和药物研发，是更远的想象空间
脑机接口不只是设备
除了癫痫和抑郁，灵犀云还在探索AD 早筛和药物研发。
AD 的逻辑很好理解：如果患者已经出现明显记忆力下降，往往已经不是很早期。更理想的状态，是在体检或早筛阶段，就发现潜在风险。
所以灵犀云尝试把脑电、蛋白检测、临床信息等数据结合起来，看脑功能变化能不能提供更早的信号。
这部分还在探索阶段，不适合过度包装成成熟产品。
但方向值得关注。
因为它说明脑机接口的应用，不一定只发生在“控制设备”或者“人机交互”里，也可能进入神经系统疾病的筛查、分层和长期随访。
药物研发也是类似逻辑。
脑功能模型如果足够稳定，就可能帮助药企判断：哪些患者更适合某种药，药物使用后脑功能有没有变化，随访中哪些人反应更好。
这时候，脑机接口就不只是设备，而更像一种神经疾病研发里的 Infra。
当然，前提还是那几个老问题：
数据够不够稳？模型能不能解释？临床和药企愿不愿意把它纳入流程？
PART 06
真正卡脖子的，可能是采集质量
实时信号质量评估前置
现场交流里，刘雨慈提到一个很实际的问题：
不同医院、不同设备、不同技师，都会影响脑电数据质量。
有些技师一天要完成大量检查，目标可能只是把检查做完。电极接触不好、通道质量差、伪迹过多，都可能被带进后续分析。
这听起来很底层，但它可能比算法更致命。
因为算法是在数据上工作的。
前端采集不稳定，后端模型再强，也只能在不稳定的数据上做判断。
所以灵犀云也在考虑，把实时信号质量评估前置到采集阶段，让技师在采集时就知道：这段数据是否合格，是否需要调整，能不能进入后续分析。
这其实是脑机接口从科研走向临床必须补的一课。
科研项目可以容忍很多非标准化流程。
但医疗产品不行。
它要面对审批、质控、责任边界、医生习惯和医院系统。任何一个环节没接住，产品都很难真正跑起来。
///
END
先别急着讲万亿赛道
脑机接口当然有想象力。
但刘雨慈的分享提醒我们，真正的产业化路径往往没那么浪漫。
它不是从“读懂大脑”开始，而是从一段脑电能不能采好、能不能解释、能不能被医生使用开始。
灵犀云选择的路线，是先把复杂脑数据资产化，再用灰盒模型建立可解释能力，最后落到癫痫、抑郁、AD 早筛、药物研发这些具体场景里。
这不是最会讲故事的方式。
但可能是更接近临床的一种方式。
对 AI 蓝鲸汇 来说，这也是我们持续做小规模、高密度线下交流的原因：很多真正有价值的判断，不在热词里，而在一线团队如何穿过临床、产品和商业化的细节里。
脑机接口的下一步，不只是连接大脑。
更难的是，让数据、模型、医生和患者，真的连接起来。
关于 AI 蓝鲸汇
由多名资深的 AI 从业者和投资人一同创建，致力于发掘与培育优质 AI 项目，助力优秀青年投身 AI 创业。我们以小规模、高规格、深度交流为核心，长期邀请一线 AI 从业者、技术专家与创业者，围绕真实议题展开坦诚对话，共同提升 Al 认知与实践视野。同时，AI 蓝鲸汇 通过免费 Token、算力支持、投融资对接等资源，为青年创业者搭建成长通道，让真正有潜力的 AI 人才脱颖而出。