与AI共同进化

观察者网：超声波能做到足够精准吗？

彭雷：大脑里面的毛细血管，最末端可能只有几微米的尺度，其实超声现在是读不到的。超声现在可以做到 500 微米，后面仍然需要靠工程层面上的努力把血管时空成像分辨率继续提高。现在我们可能只能读到毫米级的血管，以后慢慢能看到亚毫米级、100微米级的血管，等到最后能看到毛细层面上的血管的动态变化时，对神经元的动作就会有非常好的预测。

这里面会需要很强的多模态AI模型能力，所以格式塔科技会把三分之一到一半的资源投入在AI上。这也是为什么我们的美国友商Merge Labs是由Sam Altman成立的。 AI for science 的进展，会极大推动这个领域的研究。所以我们说超声脑机接口是 AI 驱动的新一代脑机接口。

观察者网：超声的技术难点在于硬件设备，还是模型建构？

彭雷：都有，它就像是个水桶，在硬件层面涉及到通道数、换能器效率、ASIC 芯片封装、散热能量、温控通信带宽等等，再加上模型、数据跟算法，边缘跟云端的计算能力，这都是工程能力的一部分。水桶的所有木板需要螺旋提升，才能持续提高时空分辨率。

而且我们的终极目标是能够实现全脑的高分辨率的多模态行为记录，不光是记录血流信号，也要记录电信号，甚至会记录光跟磁的一些信号，比如核磁信号和 CT 信号。其实就是对大脑的一个多模态的行为记录，在大脑行为跟人的表征之间建立起关系。这是一个终极的问题，这个周期可能会比较长，但这是值得我们做的事。

观察者网：AI能力可以弥补硬件能力的不足吗？

彭雷：对，我觉得这也是一个范式变化的机会。原来做局部的电信号解码，其实不需要复杂的多模态模型，用简单的卡尔曼滤波加分类任务，就能做到控制鼠标之类的事情了。但你真正去对全脑读写的时候，需要对听觉区、运动区、语言区等等不同的区域进行复杂计算。大脑就像一个网络，在同时执行多种不同工作方式的时候，它的解码要用到什么样的算法跟模型？其实现在人们还不知道。

但是 AI 在过去三年的快速进步，让我们可以有技术上面的一些创新突破了。大家可以看到，至少在新药研发层面上， AI 已经开始快速带来了一些颠覆性的成果。比如AlphaGenome的团队，也刚刚发布了做靶点预测的 AI模型。那么对于大脑解码，过去主要是没有数据，如果多模态数据采到了， 我相信 AI 也能够很快找到更有效的预测模型。

观察者网：超声在医学上的应用已经很久了，为什么现在才突然在脑机接口领域火了？与AI的进步有关吗？

彭雷：超声用在人身上有四五十年了，大家B超都做过，用来做成像、做调控也有几十年了。超声刀可以切掉组织，可以把癌细胞打碎，这都是过去二三十年就有的。但超声用在脑机接口上是最近十年的事情，人们发现用特定的相控阵形成聚焦穿过颅骨，是可以让神经元产生反应的。这个论文是 2014 年发表在 Nature 上面，到现在科学界研究了十年出头，工程界大概也就在两年左右，美国把超声用于大脑调控的公司大概都是两年之内成立的，中国的第一家就是我们格式塔科技。

所以从工程起步的角度来讲，大家时间其实差不多。目前大家更多是在研究如何在工程上做到小型化、柔性化、多模态化，以及拿到更好的能够用于模型训练的数据。这些进步跟 AI 是相辅相成的，没有好数据就不会有好模型，没有好的工程产品，你就拿不到好数据。为什么大语言模型能够做出来，是因为人类的互联网已经发展了 20 年，大部分信息已经被数字化了，所以才有大语言模型。所以说 AI 的演进跟工程化以及数据的获得是环环相扣的。

观察者网：中国跟美国相比，技术上有没有差距？

彭雷：我觉得从工程层面上中国一定是有优势的。各个领域都已经证明，在上半场确实美国比较擅长做原研创新，但一旦进入到大工业生产跟大众应用领域，中国的优势就会特别明显。我们觉得在脑机这个赛道上，技术科研层面肯定是美国、欧洲有先行优势的。这不光是指脑机接口，其实从神经科学、生理学到心理学的各方面研究，我们的基础科学还是有一定差距的。但我们的优势就是工程师红利，我们可以快速做出产品。然后就是我们的人口基数大，患者多，入组容易，所以从动物实验、临床实验到数据采集方面中国会有天然的优势，最后的应用场景也更大。格式塔科技跟美国几个友商，可能现在的差距在一年半左右，后面用两年的时间把差距拉平，我觉得是完全可能的。

观察者网：现在超声分辨率能做到什么水平？距离理想水平还有多远？

彭雷：这是好问题，就目前来讲，颅骨是大脑读写最大的障碍，因为颅骨既不透光，也只能微弱透磁，对声波来讲也会产生比较大的散射跟阻碍。所以在不改变颅骨的情况之下，我们只能够看到毫米级或者亚毫米的血管，还看不到微米级的血管。如果要实现高分辨率的血管信号读取，目前国外在尝试的是找去掉了一部分颅骨，或者换成了人造颅骨的患者，因为人造颅骨的材料对声波更透明，能够形成一个声学的透声窗，就可能实现更好的分辨率，所以这条路才刚刚开始。

当然这里讲的是终局，未来我们可能需要对人体做一些改造，但是在前期，我们说的疼痛、中风、精神疾病、AD、PD 等等这些疾病的治疗都不需要，用非侵入的方式就能对他们产生效果。

观察者网：所以你选择切换到超声路径，只是因为天花板更高，而不是基于侵入还是非侵入的考虑？

彭雷：我觉得有几个原因。首先这是我第一次看到有一种技术可以对全脑进行读写，电学永远做不到全脑。第二个原因，是它的临床适应症更广泛，因为电学针对的主要是渐冻症跟高位截瘫，但声学的话就可以针对疼痛，以及刚才我讲的各种，每一个都触及巨大的人群，离商业化更近。第三个原因就是它跟 AI 的结合，因为你能获得多模态的复杂数据，跟 AI 模型的相互借力更多。

而且我们谈论的不光是 AI 辅助，超声脑机能够发现新的大脑原理跟机制，也有可能会催生下一代的AI。你可以看一下最近 Sam Altman 的采访，包括 Ilya 的采访，以及 Demis Hassabis 的采访，他们都提到了，下一代 AI 训练中需要引入的一些新的原则，而且更多都是神经科学或心理学的范畴，包括用什么样的原则来模拟大脑，如何把情绪作为奖励函数，如何让下一代的 AI 能够有追求真相的意识，能够有同理心。这些都是神经科学跟人工智能相互促进的过程。所以我在很多次分享里面都提过一句话，人工智能跟神经科学是同一个硬币的两面，他们在相互解释、相互支撑。而在超声这个领域里面，我们能特别强烈地看到这个硬币两面的特征。

观察者网：通过模拟人脑，也可以找到不同于深度学习的AI新范式？

彭雷：有可能。现在深度学习跟人脑的一个重要区别，就在于人脑里面是没有反向传播的，那人脑是怎么实现知识学习的？这个学习的过程是怎么完成的？这是诺奖级别的问题。所以“人工智能之父”杰夫·辛顿，在拿到诺奖之后还要再回到多伦多大学去做神经科学研究。包括Demis也是神经科学的背景，你会发现 AI 这帮人跟神经科学其实是同一帮人。所以我们也会非常期待能去做这种同一个硬币两面的相互解释、相互支撑，我觉得这是未来最有想象空间的事情。

观察者网：格式塔科技是您跟陈天桥先生一起创立的，你们是怎么走到一起的？他也是选择了超声路线吗？

彭雷：天桥之前就是脑虎的投资人，去年我从脑虎离开后就跟天桥做了这个方向。天桥一直非常重视的这两个方向，也同样是人工智能和神经科学，所以我们就一起创立了格式塔科技。但是天桥本身并不限于超声赛道，他对大脑研究的各个赛道都有布局，也继续在脑虎里面做股东，也在 AI 领域有投资，他是一个有非常广阔投资兴趣的投资人。