脑电基础模型研报

一、脑电基础模型的定义与定位

脑电基础模型是指通过对海量脑电信号进行大规模预训练，学习脑电信号的内在规律与表征，从而能够适配多种下游任务（如运动意图解码、情绪识别、癫痫检测等）的通用人工智能模型 【3】 【5】 。这类模型的核心价值在于：将脑电信号从“特定任务驱动”转变为“通用表征驱动” ，类似于NLP领域中GPT等大模型的范式迁移 【4】 。

简单来说，脑电基础模型就像是脑科学领域的“通才”——它先通过海量数据“读万卷书”，学会脑电信号的通用规律，再针对具体任务“行万里路”，只需少量微调就能完成各种特定功能 【3】 。

二、技术架构与核心进展

1. 预训练范式：从任务特定到通用表征

脑电基础模型目前主要采用自监督预训练的方式，从大量无标记的脑电数据中学习通用特征 【6】 。2025年的一大标志性进展是神经科学正式迈入基座模型时代，脑科学的研究不再局限于特定的运动分类任务，而是演变为构建具有通用语法与语义的神经动力学表征 【4】 。

2. 代表性模型

模型名称	核心特点
NeuroLM	首次将“指令微调”范式引入神经科学，通过自然语言指令集实现任务统一适配 【1】
WaveMind	首个具备对话能力的脑电基座模型，实现EEG、文本与视觉模态在统一语义空间中的映射 【1】
EEGPT	通过掩码双重自监督学习与时空表征对齐，增强跨设备场景下的鲁棒性 【1】
CodeBrain	引入时频解耦设计与仿生小世界网络架构，提供神经生理学可解释性 【1】
Brant	面向颅内脑信号的基础模型，在1.01TB颅内数据集上预训练，能够捕捉长期时间依赖性和空间相关性 【2】

3. 关键技术突破

• 神经缩放定律（Scaling Law）验证：脑电数据上验证了模型规模与性能之间的幂律关系，标志着脑科学AI正经历其“GPT-3时刻” 【4】
• 指令微调技术引入：使模型能够捕捉复杂的时序依赖并适配多任务统一架构 【4】
• 多模态融合：系统创新性实现脑电、眼电、肌电与虹膜、视网膜图像及临床健康数据的多维融合感知 【8】

三、产业布局与研发进展

1. 岩思类脑研究院

岩思类脑研究院抢先布局脑电大模型的构建和研发，适应非侵入式、侵入式等多种方式获得的海量脑电数据，以脑电大模型为脑机接口系统硬件赋能，从而达成实时、精准、高效的人机交互系统 【3】 【5】 。目前已经开始脑电大模型的预训练，目的在于使模型学会脑电信号的变化规律后，将大模型底层压缩出来的本征特征作为下游任务的输入，完成大脑意图的转译 【3】 。该研究院还与中国科学院、复旦大学、浙江大学等国内头部院校及研究机构进行合作 【3】 【5】 。

2. 熵基科技

熵基科技以多模态AI与端边云协同构建脑电接口核心技术体系，以非侵入式脑机交互为基础、多模态AI融合为核心、端边云一体化为支撑，立足教育专注力提升、神经疾病早期筛查、康复辅助与智慧享老等民生场景 【8】 。其技术体系坚持安全无创的非侵入式路线，打造柔性传感器阵列与轻量化穿戴式硬件，兼顾信号稳定性、佩戴舒适度与便携性 【8】 。

3. 人才需求

脑机接口算法工程师已成为紧缺岗位，需求占比中硕士研究生占62.7%，博士研究生占16.9%，年薪范围在18-80万元之间，主要要求掌握脑电信号预处理与特征提取、运动想象/SSVEP/P300等范式解码算法、机器学习在神经信号分类与回归中的应用等技能 【12】 。

四、政策环境与支持

1. 国家层面

• 中国脑计划（2021年） ：核心战略是“一体两翼”，以阐释人类认知神经基础为“一体”，以脑疾病诊断治疗干预、类脑智能技术发展为“两翼” 【11】
• “十五五”规划：2025年10月，脑机接口被纳入国民经济和社会发展第十五五规划的“六大未来产业” 【11】
• 《关于推动未来产业创新发展的实施意见》 ：突破脑机融合、类脑芯片、大脑计算神经模型等关键技术和核心器件，研制一批易用安全的脑机接口产品，鼓励探索在医疗康复、无人驾驶、虚拟现实等典型领域的应用 【14】 【15】

2. 国际动态

• 美国：BRAIN计划（2013年）核心目标是开发革命性神经技术，绘制动态大脑活动图谱；2025年提出《个人神经数据管理法案》 【11】
• 欧盟：Human Brain Project（2013年）构建基于超级计算机的多尺度大脑模拟平台；2024年“地平线欧洲”计划新增资助18个BCI相关项目 【11】
• 日本：Brain/MINDS计划（2014年）聚焦猴模型，构建高分辨率大脑图谱 【11】

五、应用场景

脑电基础模型的应用场景广泛，主要包括：

1. 医疗康复：神经疾病早期筛查、癫痫检测、康复辅助 【2】 【8】
2. 人机交互：实时、精准、高效的人机交互系统 【3】
3. 教育领域：专注力提升 【8】
4. 智慧享老：面向老年群体的脑电监测与辅助 【8】
5. 情绪与认知评估：通过自然语言交互实时获取受试者的认知与情绪状态反馈 【1】

六、挑战与风险

1. 技术挑战

• 脑电信号数据量虽呈指数级增长，但如何从海量数据中提取所需颗粒度的信息仍是痛点和难点 【3】 【5】
• 脑机接口技术路径较多，技术难点和挑战众多，技术攻关和研究方向调整均可能导致研发进展缓慢 【10】

2. 商业化风险

• 现有脑机接口技术仍处于原型阶段，性能和应用空间有限，优势应用场景仍在探索中，可能缺乏明确的商业落地路径 【7】
• 脑机接口产业目前仍处于初级培育期，市场规模尚未形成，用户接受度较低，需要长时间市场教育 【10】

3. 伦理与政策风险

• 脑机接口技术可能引发隐私、安全、自由意志、社会公平性等伦理问题 【10】
• 相关政策可能会影响技术发展及产品落地的速度 【10】

七、未来展望

脑电基础模型正推动该领域从早期的“分而治之”向“深度融合”的根本性转变 【4】 。随着神经缩放定律在脑电数据上的验证、指令微调技术的引入，以及多模态融合的推进，脑电基础模型有望成为脑机接口系统的核心引擎，为脑科学研究和产业化应用提供强大的通用基础设施 【4】 【8】 。未来，随着技术成熟度的提升和应用场景的拓展，脑电基础模型有望在医疗健康、教育、人机交互等领域实现规模化落地 【8】 。