编辑｜冷猫

脑机接口（BCI）领域近期似乎陷入了一段沉寂期。脑机

提到脑机接口，接口阶段大众最熟知的重大展超莫过于埃隆·马斯克的 Neuralink。然而，性进脑机接口技术主要分为两大流派：侵入式与非侵入式。高实两者的时解核心区别在于是否需要通过外科手术将电极植入大脑皮层。

侵入式路线以 Neuralink 为代表，码准通过微电极阵列直接植入皮层，确率获取极高信噪比的脑机信号。该技术已展示超过 90% 的接口阶段解码准确率，并在 2025 至 2026 年间成功帮助多位瘫痪患者实现意念控制电脑。重大展超今年 3 月，性进中国也有侵入式脑机接口产品获批上市。高实尽管效果显著，时解但侵入式方案伴随高昂的码准手术风险，且适用人群受限。

非侵入式路线则通过头皮外的传感器采集大脑活动，无需开刀，具备极高的安全性和大规模部署潜力。然而，脑电信号在穿过颅骨和脑脊液时会严重衰减，导致空间分辨率远低于皮层内电极。长期以来，非侵入式方案的解码能力较弱，处于“基本不可用”的状态。

此次，Meta 在非侵入式脑到文本解码器研究中取得了突破性进展，发布了 Brain2Qwerty v2，标志着该领域迈向下一个重大里程碑。

此前，Meta 发布的 Brain2Qwerty v1 版本已发表于《Nature Neuroscience》。

论文链接：https://www.nature.com/articles/s41593-026-02303-2

Brain2Qwerty v2 是目前性能最高的端到端非侵入式解码系统，能够从原始脑信号中实时解码完整句子。它突破了传统的字符级解码限制，能够直接解码单词和语义，从而显著提升整体沟通的准确性。

版本对比：

• v1 (2025年公开)：核心能力是从脑磁图（MEG）信号中逐字符解码打字内容，最优字符错误率（CER）约为 32%。
• v2：升级了解码粒度，不再逐字母拼凑，而是一步到位输出整句话。根据 Meta 公开数据，9 名受试者的平均词准确率达到 61%，最优受试者达到 78%，其中超过一半的句子解码偏差控制在一个单词以内。

论文链接：https://ai.meta.com/research/publications/accurate-decoding-of-natural-sentences-from-non-invasive-brain-recordings/

技术架构与开源生态

Meta 研究团队发布了 Brain2Qwerty v2，这是目前性能最高的端到端非侵入式脑信号解码系统，能够从连续的脑活动中实时解码完整句子，其准确率已接近此前仅依赖开颅植入式脑机接口所能达到的水平。

为加速神经科学研究，研究团队正式开源了 Brain2Qwerty v1 和 v2 的全部训练代码。同时，合作伙伴——西班牙巴斯克认知、大脑与语言中心（BCBL）——也同步开放了 Brain2Qwerty v1 的数据集。

• 开源链接：https://github.com/facebookresearch/brain2qwerty
• 数据集链接：https://huggingface.co/datasets/bcbl190626/SpanishBCBL
• 博客链接：https://ai.meta.com/blog/brain2qwerty-brain-ai-human-communication/

研究团队表示，这项成果有望真正改善数百万因脑损伤而丧失交流能力患者的生活。虽然立体定向脑电图（SEEG）和皮层脑电图（ECoG）等侵入式技术已证明神经假体结合 AI 可恢复语言交流能力，但其手术门槛限制了大规模推广。非侵入式方案有望填补这一空白。

数据收集与训练

在 Brain2Qwerty v2 的训练过程中，团队收集了 9 名志愿者约 22,000 句输入数据。每位参与者佩戴脑磁图（MEG）设备，在主动键盘输入过程中连续记录约 10 小时的脑活动。

与传统依赖人工设计神经事件检测流程的方法不同，Brain2Qwerty v2 采用端到端深度学习框架，直接从原始脑信号中学习并完成文本解码。

• v1 局限：核心思路是根据 MEG 脑活动模式预测键盘敲击（keystrokes），但依赖每一次按键的精确时间，无法实现实时解码。
• v2 突破：直接处理连续的脑活动信号，生成完整句子，实现了真正的实时解码。

模型架构详解

新模型由三个层级模块构成，协同提升对“字母—单词—句子”的解码能力：

1. MEG 信号输入：进入 Conformer 模块（用于字符级检测）。
2. Aligner：构建词级嵌入。
3. 大语言模型（LLM）：重建完整句子。

整条流水线分为 Brain Encoder和 NeuroLLM两大核心模块：

1. Brain Encoder

负责将原始 MEG 波形压缩为字符级神经特征序列：
* 底层：使用 BrainModule 进行空间通道融合（Fourier 编码传感器坐标 → 可学习映射到 270 个虚拟通道 → 受试者特定的仿射变换以补偿个体差异）。
* 中层：使用 4 层扩张卷积（隐藏层维度 1,500）提取特征并进行 4 倍时间下采样。
* 顶层：使用 4 层 Conformer（维度 1,024，4 个注意力头）建模长程时序依赖。
* 监督信号：整体以 CTC loss 进行字符级监督，在下采样后和 Conformer 后各挂载一个 CTC head 联合训练，确保浅层也能获得有效梯度。

2. NeuroLLM

在 Encoder 输出之上接 Qwen3-4B（LoRA rank 128），将神经特征转化为自然语言句子：
* 连接方式：利用 CTC 输出中的空格位置将 Conformer 特征切分为词级片段，各自进行 mean-pool 后通过 MLP 得到“神经词嵌入”。
* 训练策略：使用 SigLIP 对比损失（Hard DTW 对齐 + sigmoid BCE）将神经嵌入拉向 LLM 词嵌入空间。
* 推理机制：LLM 同时接收 CTC 解码文本和 MEG 嵌入两路输入（训练中对两路各做 10% 随机置零，以增强鲁棒性），通过 beam search（beam 16）生成最终句子。

研究团队还将大语言模型针对神经数据进行了微调，使模型能够利用语言的语义上下文，在噪声较大的脑信号与连贯自然语言之间建立联系，从而显著提升解码质量。

AI Agent 辅助超参数搜索

研究人员引入了 AI Agent对整个解码流程进行自动探索和优化，最终采用的训练配置由工程师进行人工筛选和确认。

• 执行方式：超参数搜索由 3 个独立的 AI coding agent（Cursor + Claude Opus 4.6 驱动）并发执行。
• 隔离机制：每个 agent 分配一个 git worktree，可读写代码并提交 SLURM 训练任务。
• 实验规模：每 agent 执行 10 轮，每轮恰好 50 个训练 job，总计 1,500 次实验。
• 筛选流程：agent 之间严格隔离，只能看到自己分支的结果。工程师从三个 agent 的最终配置中手动选择最优方案。

性能结果

最终结果显示，Brain2Qwerty v2 已能够从高度噪声的脑信号中恢复出语义连贯的完整句子。

• 平均单词准确率：61%。
• 对比优势：相比此前其他非侵入式脑信号解码方法约 8% 的单词准确率，实现了大幅提升。
• 最优表现：表现最佳的一位参与者，模型单词准确率达到 78%；其中，超过一半的句子在解码时仅出现 1 个单词或更少的错误。

面临的挑战

尽管进展显著，但在该方法真正应用于临床之前，仍面临两大主要挑战：

1. 解码精度仍不足以支持日常使用

当前模型仍存在较多单词级或字符级错误，难以直接用于复杂的实际沟通场景。

然而，研究团队发现，模型的解码准确率会随着训练数据规模的增加而呈近似对数线性（log-linear）增长。这意味着，目前与侵入式脑机接口之间剩余的性能差距，未来有望仅通过持续扩大训练数据规模进一步缩小，而无需依赖全新的模型架构。

2. 设备限制较大

本研究所使用的 MEG 系统体积庞大、成本高昂，普通患者难以接触。

• 现状：当前实验用的 MEG 设备占据一整间屋子，依赖 SQUID 和液氦冷却，运行环境必须进行磁屏蔽。这套系统造价数百万美元，离床旁使用尚有距离，更别提日常佩戴。
• 未来展望：新一代基于 OPM（光泵磁力计）的便携 MEG 正在研发中，有望将尺寸压缩到头盔级别，但目前仍处于早期阶段。

团队表示，希望通过开放研究的方式，加快人类对神经系统疾病的识别、诊断与治疗，让神经科学的发展速度不再受限于各自封闭的研究体系。