长江学者出手！复旦这个脑机接口项目，其他高校该紧张了

复旦大学刚宣布了一件事情，很多人没当回事情，教育部长江学者颜波教授以项目负责人身份，牵头启动国家重点研发计划生电信息融合的传递与计算一体化方法, 执行期是5年，脑机接口的新闻天天都有，可是这个项目真正得留意的地方，不是它的技术参数，而是它的做法。

脑机接口领域存在一个公开但没人去重视的结构尴尬境地，信号质量差、解码精准度低、功耗一直处于很高的水平, 这三个老问题多年来困扰着行业，可是一直没有系统性的解决办法，不是各个机构技术不好, 而是整个圈子长时间被困在单点突破的内卷里面，实验室里解码精准度能做得相当好看，可换一个被测试者、换一个场景，数字马上就不行了，顶尖期刊论文和临床能用的产品之间，有一道没人想要系统性去研究的差距，单点突破积累再多，也换不来一个真正能投入使用的临床产品, 这是当前脑机接口领域最需要去重视的实际情况。

不过，这个项目的组织架构，值得认真拆解。复旦提供基础理论与算法支撑，中国科学院脑科学与智能技术卓越创新中心贡献神经科学专业知识，复旦附属中山医院承接临床验证场景，企业负责技术转化与产品落地，四方角色边界清晰，链条完整，没有一环悬空，很多科研项目止步于"纸上谈兵"，根本原因就是链条某个环节缺失，成果找不到出口, 一个项目的协同架构, 有时候比它的技术路线图更能决定它最终走多远, 其他高校手里不乏优秀的单点技术, 缺的正是这种全链条打通的能力和资源。

颜波教授的学科背景也挺值得好好讲讲, 他主要在计算机视觉和医学影像分析方面有一些积累, 乍一看和神经信号处理好像有点距离, 但跨界的背景刚好就是优势所在, 脑电信号是高噪声、强非平稳的时序数据, 传统神经科学的工具在处理这类数据的时候经常不太好使, 而计算机视觉的工程化思路, 反倒能提供新的切入角度, 他们团队已经在《自然-方法》这类顶级期刊上发表了多项突破性成果, 研发的跨任务图像增强AI模型也已经在生命科学实验室被广泛运用,让算法从实验室真正走进应用场景的能力, 是这条赛道最稀缺、也最难被复制的核心竞争力。

再来说说，项目最核心的创新在于第一次提出生电信息论技术框架，把原本特别难解读的脑电信号, 有系统地转化成能计算、能应用的高价值信息，这不是在修补某个具体工程问题的补丁，而是在给整个赛道搭建底层的方法，要是这套框架能够成立，信号质量、解码精度、功耗这类行业常见的问题, 就很有可能在统一的体系下得到系统的解决办法，而不用再依靠各家自己摸索的经验来修补。

前者是打补丁, 后者是换底层这种差别不是量的多少，而是解法层次根本不一样，值得说一下的是, 复旦在脑机接口领域已经有实实在在的技术积累，之前研发的全无线侵入式64通道脑机接口芯片模组，它的功耗、重量和成本都达到国际领先水平，还获得过上交会镇馆之宝称号，这给新项目推进提供了坚固的工程基础。

影响最为深刻的，或许就是人才这方面，5年的全链条协作，说的是参加里面的学生不会只在单个实验室里瞎转，而是同时接触神经科学模式、临床数据标准还有企业产品化逻辑，既懂计算机科学、又懂神经科学的复合型人才，正是脑机接口产业最紧缺的资产，并且这类人才，从来不是靠着单科学科培养出来的，前些时候, 复旦全口径科研收入第一次超过85亿元, 学科交叉战略接着深入, 这个项目是复旦在这个方向上的公开豪赌, 最先成功走通全链条协作模式的高校, 将会在下一轮学科评价和产业合作中建立起没法复制的先发优势。

脑机接口的下半场，较量的不再是谁的论文更多，谁可以最先打通从神经信号到临床产品的完整链条, 谁才有真正的话语权，其他高校是否有自己的办法。

本文基于复旦大学官网、国家重点研发计划公开信息及《自然-方法》等学术期刊公开披露内容整理, 观点为作者独立判断, 不代表任何机构立场。