不开颅，读脑准确率从8%飙到61%，Meta怎么做到的

上周，Meta发布了一项研究：让人戴着头盔打字，AI从脑电波里还原出你打的是什么句子，全程不需要任何手术，平均准确率61%，最好的参与者达到78%。

这次发布的是 Brain2Qwerty 的第二个版本（v2）。Brain2Qwerty 是 Meta FAIR 实验室开发的脑信号解码模型，名字顾名思义：从大脑到键盘。去年 v1 挂出预印本时已经引起过一波关注，现在刚被 Nature Neuroscience 正式接收，v2 紧跟着发布，且往前迈了一大步。

这个数字，是过去三十年非侵入式脑机接口最好成绩的将近8倍。

为什么这件事值得关注？因为就在今年，中国刚刚批准了全球第一款侵入式脑机接口医疗器械上市，脑机接口也被写进了医保价格目录。这个领域在中国正一步步落地。而Meta这项研究，让“不开颅”这条路头一回显得靠谱了。

（论文地址：https://ai.meta.com/research/publications/accurate-decoding-of-natural-sentences-from-non-invasive-brain-recordings/ ）

不开颅，为什么一直没跑通

要理解这次突破的意义，得先了解脑机接口领域一直分两条路在走。

侵入式方案，效果好，但代价是开颅手术、感染风险、以及植入设备可能在数年后衰减失效。Neuralink的芯片需要机器人手术植入，已帮助几位ALS（渐冻症，运动神经元病的一种，患者逐渐丧失运动能力）患者恢复打字能力，部分患者打字速度已超过每分钟40词，最新一代设备更高。

今年3月，中国博睿康与清华大学联合研发的产品拿到全球第一张侵入式脑机接口医疗器械证，32例临床试验中，脊髓损伤患者通过意念控制气动手套完成抓握，主要临床终点达标率100%。

但愿意接受手术的患者，始终是少数。

那些不想开颅的人，长期只有一个替代方案：戴个EEG（脑电图）头盔。它通过贴在头皮上的电极采集脑电信号，便宜、无创，几百块能买到消费级产品。问题是颅骨会把电信号散射得面目全非，就像隔着磨砂玻璃看灯。三十年来，EEG方案解码单词的准确率，长期卡在8%左右（针对大词汇表连续句子解码的基线数字）。100个词，猜对8个。

8%这个数字，没有任何实用价值。

Meta FAIR实验室的做法，是换掉信号源。

去年的 v1 版还需要把脑信号按每个按键切成小窗口再拼起来解码，v2 的关键升级在于，不再切窗口了：一个连续 MEG 信号直接出整句话，全程异步。这一步让“接近实时解码”这件事从不可能变成了可能。

他们用的是MEG（脑磁图），一种检测神经元放电时产生的微弱磁场的设备。颅骨对磁场几乎是透明的，MEG拿到的信号比EEG清晰得多。代价是设备庞大：一台传统MEG扫描仪造价两三百万美元，必须放在磁屏蔽室里，体积和核磁共振机器差不多。

实验设置并不复杂，9名健康志愿者，每人戴上有306个传感器的MEG头盔连续打字，每人约10小时，总计约22,000个句子。打字时系统同步记录大脑运动皮层产生的信号，之后AI从这些信号里还原出他们打的是什么。

平均单词准确率61%（即单词错误率WER为39%），最好的参与者78%（WER 22%），其中47%的句子只差一个词以内。对比之前非侵入式方案最好成绩8%，当前最好的侵入式方案WER约2%。

实验可信吗？

实验样本有9个人，而且全是健康志愿者，没有一个脑损伤患者。脑损伤后神经皮层会发生功能重组，健康大脑上训练出来的解码器能否直接用在患者身上，目前完全未知。Meta官方也没有回避这一点，他们在博客中明确写道：这是研究，不是产品。

一是论文展示的缩放曲线。从1小时训练数据到10小时，字符错误率（CER，衡量字符级别解码准确度的指标）从约0.5持续下降到约0.25，全程没有出现平台期。这里变好的是模型：数据越多，AI学到的脑电规律越准确，解码能力越强，跟参与者熟不熟悉设备无关。这意味着继续收集数据，准确率还会继续涨，而且涨得有规律可循。

二是传感器消融实验。论文测试了只用150个传感器代替306个时，准确率损失多少：WER只上升5.7个百分点。这个数字很关键，因为下一代可穿戴OPM-MEG（光泵磁力仪脑磁图，一种不需要液氦冷却、传感器可以直接戴在头上的新型设备）传感器数量会更少，这个实验说明“传感器减半，性能不会崩”，为未来更便携的方案留了口。

不过值得事先知道的背景是，实验在西班牙巴斯克认知、大脑与语言中心完成，参与者都是西班牙母语者，打的也是西班牙语句子。也就是说，这套方法至少在西班牙语上跑通了。中文能不能用、怎么用，目前完全没人试过。

为什么这次的准确率能跳起来？

Brain2Qwerty v2 的架构分三层：底层 Conformer 编码器（一种擅长处理时序信号的神经网络结构）直接从原始 MEG 信号端到端学习，不再依赖手工设计的特征提取流程；中层做词对齐；顶层是微调过的 Qwen3-4B 大语言模型（LLM，即大型语言模型），负责从充满噪声的词序列里重建完整句子。

这里“微调”在于，Meta 用的是 LoRA（低秩适配）方法，rank 只有 2。这意味着他们只动了 Qwen3-4B 里极少几个参数，就让一个通用大模型学会了读脑电波。反过来说明，LLM 内部已经积累的语义能力，对理解“噪声很大但勉强可辨”的脑信号可能比我们预想的更有用。

免费的代码，和一道人接的题

最后这一层是关键。MEG 信号噪声很大，字符级解码一定会出错。LLM 的作用，是用语义上下文做纠错，就像你在嘈杂环境里听人说话，单个字没听清，但靠前后句意能猜出整句话。消融实验显示，去掉这一层，准确率显著下降。

这三层也不是一口气训完的。论文采用了渐进式训练策略：前 150 轮只练字符识别，150 轮后加入词级别的对比学习让模型学会对齐词向量，225 轮后才引入 LLM：先认字、再组词、最后造句，跟人学语言的路数差不多。

论文里还藏了一个不太起眼但意味深长的细节。Meta 团队在开发这套系统时，部署了 AI Agent 去探索解码管线的各种优化方向：自动生成和测试不同的训练配置、试探不同的超参数组合，最后由人类工程师从中挑选最佳方案。

换句话说，这不仅是“用 AI 解码脑信号”，更是“用 AI 帮人类写出解码脑信号的 AI”。这种方法论上的突破，可能比 v2 的具体数值更值得留意。它意味着脑机接口的研究方式本身，也在被 AI 重塑。

Meta同时开源了完整训练代码，协议CC BY-NC 4.0：非商业用途免费，商业用途要单独谈授权。

这个动作和Meta推Llama的逻辑一样：开源换生态，让全球研究者都用同一套工具链，从而定义行业基础设施标准。商业价值锁在"非商业"那道门后面。任何想把这套系统推向临床的机构，都要经过Meta。

Meta自己不会去做医疗器械，不做临床，不争手术室。它走的是另一条路：在“非侵入解码算法”这一层做工具提供商，谁想在这条赛道上造产品，最终要么用它的工具链，要么自己重新发明轮子。

回到中国。

今年3月博睿康拿证，阶梯医疗同日宣布完成5亿元战略融资（阿里领投、腾讯跟投），格式塔科技天使轮1.5亿刷新纪录。这些钱，几乎全部押在侵入式路线上。侵入式的逻辑很清晰：信号质量高、临床效果确定、监管路径已经跑通了一次。

国家医保局去年已为脑机接口单独立项，设立了“侵入式脑机接口置入费”和“非侵入式脑机接口适配费”两个价格项目，广东率先落地，非侵入适配费定价约960元。脑机接口这件事，在中国已经走出了实验室。

Brain2Qwerty v2的出现，并不是说侵入式方向走错了。而是非侵入的天花板，不再是“没用”，而是“还不够好、但在快速变好”。

当前最大的空白是代码开源了，但没有接球手。Meta FAIR是研究机构，不做临床试验。谁来用这套工具链在真实患者身上跑出第一批数据，决定了这条路能走多快。中国有MEG设备的神经科学实验室并不少。这是个实打实的机会。

尾声

脑机接口已经不是十年后的事。

全球第一张侵入式医疗器械证发到了中国企业手里，医保价格目录里已经有了这一行，政府工作报告把它和量子科技、6G并列。

Meta这项研究提出的问题很简单：这件事，非要在头上开个洞吗？

答案还没有。但不开颅这件事，不再像个笑话了。

（本文首发钛媒体APP，作者|硅谷Tech_news，编辑|林深）