具身智能的下一个拐点，并不在于身体方面而是在于大脑方面。

在今年所召开的WAIC上，最大的感受在于，具身智能这一行业确实正变得越来越热闹了。

在展馆之中随处可以见到人形机器人迈着稳定的步态走过，机械臂则精准地完成拧瓶盖以及插接口的精细操作，机器狗能够跑能跳还能负重巡检。产业链上下游的玩家挤在各个展台，围绕关节电机展开交流、谈及运动大模型、核算量产成本，所有人都在忙着让机器人拥有更强的“身体能力”。

一路看下来，总会觉得哪里缺了一块。这些机器人的动作越来越娴熟，但是人类与它们打交道的方式，与十年前似乎没有本质的区别。要么是工程师提前写好动作脚本，要么是操作人员拿着示教器一步步进行引导，消费级的产品多是依赖于语音下达指令。机器越来越会动，可是人要让它做件事，依然需要绕不少弯路。

然而，站在强脑科技的展台前，呈现出了不一样的画面。体验者在戴上轻量化的脑电帽之后，没有抬手，没有说话，甚至身体都没有前倾，只是在脑中对抓取的动作进行想象，面前的机械臂便缓缓启动，从而精准握住水杯，平稳送到指定位置。

整个过程之中并不存在任何传统交互介质，驱动机器进行运转的，仅仅是纯粹的大脑意图。

现场很多人将这一演示视为一个科幻感十足的炫技展示，然而从更深的层面来分析，其背后其实还蕴含着更加值得关注的信息。

强脑科技所发布的这款全球首个一体化脑控机器人AI科研平台，所解决的是这样一个问题：当机器人的身体能力已经足够强壮之时，真正决定人机协作上限的关键，将会是意图交互的效率。

更为直白地进行表述的话，从“会动”转向“懂人”的转变之中，具身智能的下一个发展阶段，正在被重新加以定义。

01

具身智能卷到今天

缺的不是身体是入口

过去两年，具身智能赛道的所有资源，几乎都倾斜在“本体能力”上。从对核心零部件所进行的国产化，到对运动控制算法所开展的优化，再到对大模型赋能的通用能力所实现的提升，整个产业链都在解决同一个问题：怎么让机器人动得更稳、更准、更灵活。

事实上，这件事的进展要比很多人所预先设想的更为迅速。

两年前，人们仍在就人形机器人是否能够稳定行走展开讨论，而到了今年，主流厂商的产品已经能够完成上下台阶、躲避障碍以及操作细小物件等复杂任务。在工业场景之中，机械臂的重复定位精度早已达到发丝级别，四足机器人也已经在巡检以及安防等场景实现落地。单论“身体”的执行能力，很多机器人已经能够胜任相当多的现实工作。

可一旦落到真实的人机协作场景之中，其中的短板便会立刻显现出来。

工业产线上，机器人的动作大多是预先编程固化的，换一个任务、换一种工件，就要专业人员重新进行调试示教，其中周期长、门槛高，根本应对不了柔性生产方面的需求。

在日常场景之中，语音交互构成了最为主流的方式，但在噪音环境之下识别率会大打折扣，复杂指令需要对其进行反复拆解，还要依次经过“组织语言-语音识别-语义理解-指令转化”的漫长链路，延迟与误差始终存在。至于手柄、按键这类物理交互，更是天然要求操作者腾出双手并专注操作，很多场景根本不具备相应条件。

这些问题的根源其实是同一件事：所有传统交互方式都需要人们把脑中的意图转化成机器能读懂的标准化指令。这个转化的过程本身就是效率上的损耗，也天然地抬高了使用的门槛。更不用说肢体障碍人群从一开始就被排除在很多交互方式之外。

脑机接口所提供的，是另一种完全不同的解题路径。它跳过了所有中间介质，直接从源头对人的运动意图进行读取，并将其转化成机器的执行指令。人和机器之间，不再需要语言、动作以及按键这些翻译官，大脑的想法可以直接流向物理世界。

这个方向当然不是今天才得以出现。2014年巴西世界杯上，瘫痪青年借助脑控外骨骼开球，第一次让大众看到了这种技术所具备的可能性。随后这些年，BrainGate团队在《自然》发表的研究成果，以及Neuralink临床志愿者成功实现了意念书写，都在不断地推进技术边界。但这些案例大多集中在医疗场景，依赖于定制化的实验室系统，成本极高，也很难复制到通用的机器人研究之中。

关于这个话题，与高校相关方向的研究者进行交流可以得知，要搭建一套可用的脑控机器人实验系统，需要同时对脑电硬件、信号解码算法以及机器人控制接口这三个完全不同的技术领域进行妥善处理。普通团队往往需要花费数月时间进行硬件适配、编写底层代码以及调通链路，真正留给核心研究以及场景探索的时间少之又少。市面上能找到的方案大多是零散的代码库或者算法Demo，没有形成完整的产品化体系，门槛始终横在那里。

这也是强脑科技这款平台所要解决的问题。它并没有仅仅停留在单点技术突破的层面，而是将脑电采集、实验范式、神经解码、控制映射以及机器人执行端全部整合到了一套标准化的软件流程之中，把原本需要跨学科团队花费数月时间才能完成的搭建工作，封装成了开箱即用的工具。所以，即使是没有脑机接口相关背景的研发人员，也能够在10分钟内完成从佩戴设备到操控机器人的全流程。

具体来讲，从产品细节方面来看，这套平台对脑控机器人研究的完整链路进行了全面覆盖。

硬件端，该平台实现了对湿电极与干电极设备的兼容，支持250到1000Hz多档采样率与32通道配置，从而能够满足不同精度的研究需求。软件层面，原生支持运动想象与稳态视觉诱发电位两类经典BCI范式，内置FBCSP+SVM以及EEGNet等成熟解码算法，参数可以进行灵活调整，也支持研究者接入自研算法。执行端，已经打通了宇树G1 Edu人形机器人、睿尔曼六自由度机械臂以及云深处 Lite 3机器狗等多款主流设备，解码出的脑电意图可以直接映射为对应的机器人动作。

整个平台运用了图形化的交互界面，从阻抗检测、数据采集、离线训练到在线推理，所有流程都成功实现了可视化，从而不需要从零编写底层代码。

很多人可能不理解这背后所蕴含的意义，对具身智能领域的研究者来说，这意味着不用再花大量精力去补全脑机接口技术栈，可以直接站在成熟的底座之上开展应用创新。

换个角度看，这款平台更像是脑控机器人领域的开发基础设施。它把原本只有顶尖实验室才能碰触的技术，成功地拉到了普通科研团队所可及的位置。当参与研究的人员多了，整个领域的迭代速度才会真正得以提上来。

02

三元智能并非停留于概念层面，而是真正地实现了闭环的成功跑通。

在行业里对“三元智能”的讨论已经有一段时间了。脑机接口、人工智能以及具身智能三者协同，被很多人视为人机融合的终极形态：脑机接口对人类意图进行读取，人工智能对任务序列进行拆解，具身智能完成物理执行，最终形成完整的感知反馈闭环。

但在很长一段时间里，这三者都在各自的赛道上独立地进行着发展，真正实现全链路打通的落地产品却少之又少。

强脑科技的脑控机器人训练平台，是少有的将三元智能从概念落到实处的一体化产品。它不是简单地为机器人添加一个脑电模块，而是从底层对从神经信号到物理动作的全技术栈进行了打通，从而让三者形成了真正的协同效应。

落到具体参数上，这套系统的脑电传感设备运用量产级硬件方案，具备24位数据精度，支持WiFi 6无线传输，续航可达6-8小时，稳定性已经过市场验证。神经解码算法以多年临床数据为基础来开展优化，能够在200毫秒内完成从意图到动作指令的转化，运动意图识别准确率处于行业领先水平。

在脑机接口以及具身智能之间，人工智能起到了关键的串联作用。平台内置的传统机器学习以及深度学习算法，一边从复杂的脑电信号里对特征进行提取、对意图进行识别，一边把抽象的运动意图拆解成机器人可执行的具体动作序列。使用者想象抓取动作时，AI不仅要对这个意图进行识别，还要调度机器人完成视觉定位、路径规划以及手指闭合等一系列连贯操作，整个过程自动完成，不需要人工分步指令。

有意思的是，他们没有选择自己做机器人本体，而是采取了开放兼容的路线。除了已经接入的多款第三方设备，平台还开放了标准接入接口，机器人厂商可以自行对动作以及任务库进行注册，从而快速适配脑控能力。这种定位使得它更像一个脑机接口的操作系统，而不是单一的终端产品，也恰恰是这种平台属性，才能支撑起三元智能的生态。

与脑控机器人平台一同发布的数据采集解决方案，其实很容易被人们所忽略，但恰恰成功地补全了另一块关键拼图。

这套方案针对具身智能灵巧操作训练所存在的数据缺口，借助双臂轮式真机数采平台以及高精度数据采集手套等硬件，成功地提供了大规模、高质量的真实场景训练数据。

如果说脑控平台所解决的是人如何向机器发送指令的问题，那么数采方案所解决的就是机器如何学会动作的问题。这二者分别从人机交互以及本体能力这两个方向出发，共同对具身智能的技术体系进行了支撑。

三者叠加之后，所形成的是一个双向增强的闭环。脑机接口带来的意图数据，能够对AI在人类行为模式方面的理解进行丰富；AI能力的提升，又能反过来对脑电解码的精度以及机器人的执行效果进行优化；未来具身智能端的触觉、力觉反馈，还能够借助脑机接口传回大脑，从而形成真正的双向人机协同。

这与传统的人机交互存在着本质上的区别。过去的模式是人单向地给机器发出命令，而机器则进行执行；而在三元智能的架构之下，人与机器之间是双向的协作关系，意图可以流向机器，感知也可以反馈给大脑，二者共同完成任务。

03

脑机接口的下一站从医疗病房成功地走进了工业场景

脑机接口在这么多年的发展过程中，商业化的主阵地始终在医疗康复领域。辅助瘫痪患者的外骨骼以及仿生手，用于神经功能康复的训练系统以及睡眠干预设备，这些场景的需求明确，付费意愿强，从而成为了技术落地的第一站。强脑科技自身的商业化路径，也是从医疗健康起步，逐步拓展到消费电子等领域。

但医疗市场的体量是存在着上限的。脑机接口若要成长为影响整个信息产业的通用技术，那么就必须找到更为广阔的落地场景。而具身智能产业的爆发，恰好为脑机接口打开了通往通用市场的入口。

这里面有一个很清晰的产业逻辑。

具身智能越是得以发展，机器人的物理执行能力就会变得越强，所能够承担的工作就会越多，人与机器打交道的频次以及复杂度也会以指数级的方式上升。当机器人从产线上的固定设备，变成柔性生产中的协作伙伴，从实验室里的科研工具，走进日常的工作生活当中，传统交互方式所存在的瓶颈会变得越来越明显。在这个时候，脑机接口作为最直接的意图交互方式，其所具备的价值就会逐步释放出来。

从这个角度来看，脑控机器人训练平台这种产品的推出，所瞄准的不只是当下的科研市场，更是未来脑机接口与具身智能融合所带来的产业红利。作为一款面向科研以及开发场景的平台型产品，它的首要目标不是直接实现大规模C端变现，而是先对行业基础设施进行建立，并对整个生态进行培育。

对高校以及科研机构来说，这款平台成功地大幅降低了脑控机器人方向的研究门槛，团队可以把精力放在算法创新以及场景探索上，而不用重复造轮子。对机器人厂商来说，借助标准接口对脑控能力进行接入，可以快速地给产品增加差异化的交互方式，拓展在医疗、特种作业等场景方面的应用空间。对整个行业来说，统一的平台也有利于数据与技术标准的形成，从而加速整个赛道的技术迭代。

这个路径其实是人们所熟悉的，早年智能终端操作系统的发展也是如此。先把底层底座做成熟，从而降低开发门槛，上层的应用创新才会以批量的方式涌现。

同理，随着技术持续进行迭代，脑控机器人的应用场景会逐步地从实验室走向产业端。

试想一下，在工业制造场景当中，工人可以借助意念对机械臂进行操控，从而完成高危以及高精度的操作，双手被解放出来处理更需要判断的工作；在医疗康复场景中，肢体障碍患者不仅能够借助脑控仿生手来恢复行动能力，还能够借助脑控人形机器人完成更多日常活动，进而提升生活自主性；在特种救援场景里，救援人员可以借助远程意念对机器人进行控制，使其进入危险区域，操作响应速度比传统手动操控提升数倍。这些场景不是科幻想象，是技术路线延伸下去必然会触达的方向。

从医疗康复领域的小众应用，到具身智能所涉及的通用交互，脑机接口正在一步步地走进更为广阔的产业世界。国家“十五五”规划已经将脑机接口列入重点发展的未来产业方向，具身智能也被视为下一代智能终端的核心载体，二者之间的深度融合，既是技术发展的必然结果，也是产业政策方面的导向。

这一步所代表的，并不是脑控机器人的终局，而是一个新赛道的起点。

— END —更多内容，点击下方关注

这些问题的根源其实在于同一件事：所有传统交互方式都需要人们把脑中所存在的意图转化成为机器能够读懂的标准化指令。这个转化的过程本身就构成了效率上的损耗，并且也天然地抬高了使用方面的门槛。更不用说肢体障碍人群从一开始就被排除在很多交互方式之外。
脑机接口所提供的，是另一种完全不同的解题路径。它跳过了所有中间介质，直接从源头对人的运动意图进行读取，并将其转化成为机器的执行指令。人和机器之间，不再需要语言、动作以及按键这些翻译官，大脑的想法可以直接流向物理世界。
这个方向当然不是今天才得以出现。2014年巴西世界杯上，瘫痪青年借助脑控外骨骼开球，第一次让大众看到了这种技术所具备的可能性。随后这些年，BrainGate团队在《自然》发表的研究成果，以及Neuralink临床志愿者成功实现了意念书写，都在不断地推进技术边界。但这些案例大多集中在医疗场景，依赖于定制化的实验室系统，成本极高，也很难复制到通用的机器人研究之中。
关于这个话题，与高校相关方向的研究者进行交流可以得知，要搭建一套可用的脑控机器人实验系统，需要同时对脑电硬件、信号解码算法以及机器人控制接口这三个完全不同的技术领域进行妥善处理。普通团队往往需要花费数月时间进行硬件适配、编写底层代码以及调通链路，真正留给核心研究以及场景探索的时间少之又少。市面上能找到的方案大多是零散的代码库或者算法Demo，没有形成完整的产品化体系，门槛始终横在那里。
这也是强脑科技这款平台所要解决的问题。它并没有仅仅停留在单点技术突破的层面，而是将脑电采集、实验范式、神经解码、控制映射以及机器人执行端全部整合到了一套标准化的软件流程之中，把原本需要跨学科团队花费数月时间才能完成的搭建工作，封装成了开箱即用的工具。所以，即使是没有脑机接口相关背景的研发人员，也能够在10分钟内完成从佩戴设备到操控机器人的全流程。
具体来讲，从产品细节方面来看，这套平台对脑控机器人研究的完整链路进行了全面覆盖。
硬件端，该平台实现了对湿电极与干电极设备的兼容，支持250到1000Hz多档采样率与32通道配置，从而能够满足不同精度的研究需求。软件层面，原生支持运动想象与稳态视觉诱发电位两类经典BCI范式，内置FBCSP+SVM以及EEGNet等成熟解码算法，参数可以进行灵活调整，也支持研究者接入自研算法。执行端，已经打通了宇树G1 Edu人形机器人、睿尔曼六自由度机械臂以及云深处 Lite 3机器狗等多款主流设备，解码出的脑电意图可以直接映射为对应的机器人动作。
整个平台运用了图形化的交互界面，从阻抗检测、数据采集、离线训练到在线推理，所有流程都成功实现了可视化，从而不需要从零编写底层代码。
很多人可能不理解这背后所蕴含的意义，对具身智能领域的研究者来说，这意味着不用再花大量精力去补全脑机接口技术栈，可以直接站在成熟的底座之上开展应用创新。
换个角度看，这款平台更像是脑控机器人领域的开发基础设施。它把原本只有顶尖实验室才能碰触的技术，成功地拉到了普通科研团队所可及的位置。当参与研究的人员多了，整个领域的迭代速度才会真正得以提上来。
三元智能并非停留于概念层面，而是真正地实现了闭环的成功跑通。
在行业里对“三元智能”的讨论已经有一段时间了。脑机接口、人工智能以及具身智能三者协同，被很多人视为人机融合的终极形态：脑机接口对人类意图进行读取，人工智能对任务序列进行拆解，具身智能完成物理执行，最终形成完整的感知反馈闭环。
但在很长一段时间里，这三者都在各自的赛道上独立地进行着发展，真正实现全链路打通的落地产品却少之又少。
强脑科技的脑控机器人训练平台，是少有的将三元智能从概念落到实处的一体化产品。它不是简单地为机器人添加一个脑电模块，而是从底层对从神经信号到物理动作的全技术栈进行了打通，从而让三者形成了真正的协同效应。
落到具体参数上，这套系统的脑电传感设备运用量产级硬件方案，具备24位数据精度，支持WiFi 6无线传输，续航可达6-8小时，稳定性已经过市场验证。神经解码算法以多年临床数据为基础来开展优化，能够在200毫秒内完成从意图到动作指令的转化，运动意图识别准确率处于行业领先水平。
在脑机接口以及具身智能之间，人工智能起到了关键的串联作用。平台内置的传统机器学习以及深度学习算法，一边从复杂的脑电信号里对特征进行提取、对意图进行识别，一边把抽象的运动意图拆解成机器人可执行的具体动作序列。使用者想象抓取动作时，AI不仅要对这个意图进行识别，还要调度机器人完成视觉定位、路径规划以及手指闭合等一系列连贯操作，整个过程自动完成，不需要人工分步指令。
有意思的是，他们没有选择自己做机器人本体，而是采取了开放兼容的路线。除了已经接入的多款第三方设备，平台还开放了标准接入接口，机器人厂商可以自行对动作以及任务库进行注册，从而快速适配脑控能力。这种定位使得它更像一个脑机接口的操作系统，而不是单一的终端产品，也恰恰是这种平台属性，才能支撑起三元智能的生态。
与脑控机器人平台一同发布的数据采集解决方案，其实很容易被人们所忽略，但恰恰成功地补全了另一块关键拼图。
这套方案针对具身智能灵巧操作训练所存在的数据缺口，借助双臂轮式真机数采平台以及高精度数据采集手套等硬件，成功地提供了大规模、高质量的真实场景训练数据。
如果说脑控平台所解决的是人如何向机器发送指令的问题，那么数采方案所解决的就是机器如何学会动作的问题。这二者分别从人机交互以及本体能力这两个方向出发，共同对具身智能的技术体系进行了支撑。
三者叠加之后，所形成的是一个双向增强的闭环。脑机接口带来的意图数据，能够对AI在人类行为模式方面的理解进行丰富；AI能力的提升，又能反过来对脑电解码的精度以及机器人的执行效果进行优化；未来具身智能端的触觉、力觉反馈，还能够借助脑机接口传回大脑，从而形成真正的双向人机协同。
这与传统的人机交互存在着本质上的区别。过去的模式是人单向地给机器发出命令，而机器则进行执行；而在三元智能的架构之下，人与机器之间是双向的协作关系，意图可以流向机器，感知也可以反馈给大脑，二者共同完成任务。
脑机接口的下一站从医疗病房成功地走进了工业场景
脑机接口在这么多年的发展过程中，商业化的主阵地始终在医疗康复领域。辅助瘫痪患者的外骨骼以及仿生手，用于神经功能康复的训练系统以及睡眠干预设备，这些场景的需求明确，付费意愿强，从而成为了技术落地的第一站。强脑科技自身的商业化路径，也是从医疗健康起步，逐步拓展到消费电子等领域。
但医疗市场的体量是存在着上限的。脑机接口若要成长为影响整个信息产业的通用技术，那么就必须找到更为广阔的落地场景。而具身智能产业的爆发，恰好为脑机接口打开了通往通用市场的入口。
具身智能越是得以发展，机器人的物理执行能力就会变得越强，所能够承担的工作就会越多，人与机器打交道的频次以及复杂度也会以指数级的方式上升。当机器人从产线上的固定设备，变成柔性生产中的协作伙伴，从实验室里的科研工具，走进日常的工作生活当中，传统交互方式所存在的瓶颈会变得越来越明显。在这个时候，脑机接口作为最直接的意图交互方式，其所具备的价值就会逐步释放出来。
从这个角度来看，脑控机器人训练平台这种产品的推出，所瞄准的不只是当下的科研市场，更是未来脑机接口与具身智能融合所带来的产业红利。作为一款面向科研以及开发场景的平台型产品，它的首要目标不是直接实现大规模C端变现，而是先对行业基础设施进行建立，并对整个生态进行培育。
对高校以及科研机构来说，这款平台成功地大幅降低了脑控机器人方向的研究门槛，团队可以把精力放在算法创新以及场景探索上，而不用重复造轮子。对机器人厂商来说，借助标准接口对脑控能力进行接入，可以快速地给产品增加差异化的交互方式，拓展在医疗、特种作业等场景方面的应用空间。对整个行业来说，统一的平台也有利于数据与技术标准的形成，从而加速整个赛道的技术迭代。
这个路径其实是人们所熟悉的，早年智能终端操作系统的发展也是如此。先把底层底座做成熟，从而降低开发门槛，上层的应用创新才会以批量的方式涌现。
同理，随着技术持续进行迭代，脑控机器人的应用场景会逐步地从实验室走向产业端。
试想一下，在工业制造场景当中，工人可以借助意念对机械臂进行操控，从而完成高危以及高精度的操作，双手被解放出来处理更需要判断的工作；在医疗康复场景中，肢体障碍患者不仅能够借助脑控仿生手来恢复行动能力，还能够借助脑控人形机器人完成更多日常活动，进而提升生活自主性；在特种救援场景里，救援人员可以借助远程意念对机器人进行控制，使其进入危险区域，操作响应速度比传统手动操控提升数倍。这些场景不是科幻想象，是技术路线延伸下去必然会触达的方向。
从医疗康复领域的小众应用，到具身智能所涉及的通用交互，脑机接口正在一步步地走进更为广阔的产业世界。国家“十五五”规划已经将脑机接口列入重点发展的未来产业方向，具身智能也被视为下一代智能终端的核心载体，二者之间的深度融合，既是技术发展的必然结果，也是产业政策方面的导向。
这一步所代表的，并不是脑控机器人的终局，而是一个新赛道的起点。

来源：WAIC观察：具身智能的竞赛，开始从身体转向大脑 | OFweek机器人网