我国发布千人同步脑电采集技术：为神经大模型训练补齐真实数据底座

据 IT之家援引央视财经消息，7 月 22 日下午，我国科研团队发布一款新型脑电信号采集装置，在脑机接口领域取得重要进展。该装置可支持多人同步捕捉脑神经信号，并在全球范围内首次实现跨地域上千人同步脑电信号采集。来源显示，这一能力将为神经大模型训练和脑机接口通用技术研发提供新的数据基础，也意味着脑机接口相关实验正在从小规模测试走向更大规模、更标准化的数据采集阶段。

脑机接口被视为全球未来产业的重要方向之一，其核心在于通过设备采集、识别并解析大脑活动信号，再将其转化为可被机器理解和执行的信息。过去，受限于设备形态、采集精度、实验组织方式和数据同步能力，相关研究往往集中在小样本、小范围环境中进行。此次发布的千人级跨地域同步采集技术，重点突破了“规模”和“同步”两道门槛。

从小样本实验到千人级采集，脑电数据获取方式发生变化

来源摘要显示，此次发布的新型脑电信号采集装置能够支持多人同步捕捉脑神经信号。与以往脑机接口实验多依赖少量受试者不同，新技术使科研人员具备了批量收集普通人脑电信号并进行解读的能力。对于脑机接口研究而言，这不仅是设备层面的升级，也意味着数据生产方式正在发生变化。

脑电信号本身具有个体差异明显、噪声复杂、时序要求高等特点。要让神经大模型具备更强泛化能力，仅依赖少量实验室数据显然不够。千人同步采集的意义，在于能够在同一任务或统一采集框架下形成更大规模、更可对齐的真实脑电数据，从而为后续模型训练、算法验证和通用技术研发提供更稳定的数据来源。

据介绍，此次实现千人级跨地域同步采集，核心攻克了两项技术难关：

• 设备小型化与采集精度兼顾：在脑电采集设备更加便携、小型的同时，仍要保证信号质量，避免因设备缩小导致有效数据下降。
• 跨地域毫秒级时间对齐：多设备、多地点同时采集时，需要克服网络延迟影响，让不同地点产生的脑电信号能够在统一时间轴上分析。

这两项能力对于脑电研究至关重要。脑电数据高度依赖时间同步，如果不同设备之间存在明显延迟，就可能影响实验事件与脑神经反应之间的对应关系，进而影响模型学习结果。此次技术强调毫秒级精准对齐，说明其目标不仅是“采得多”，还包括“采得准、可分析”。

数据瓶颈是神经大模型发展的关键障碍

专家表示，脑电数据匮乏一直是制约脑机接口基础模型发展的核心瓶颈。与语言、图像、视频等 AI 训练材料相比，脑电数据的积累时间更短、采集门槛更高、质量控制更复杂。来源指出，语言语料已经积累了很长时间，而现代脑电研究仅有百年历史，可用于大模型训练的高质量真实脑电数据存量极低。

这一背景决定了神经大模型的发展逻辑，与当前主流大语言模型、视觉模型并不完全相同。文字和图像数据可以从互联网、出版物、公开图库等渠道获得，而脑电数据必须依赖专业设备、实验设计和受试者配合采集。换句话说，脑电模型的能力上限，很大程度取决于数据底座是否足够丰富、真实且可重复。

来源显示，此次千人同步采集单场即可积累上千小时的真实脑电数据，为快速构建脑电数据底座提供了可行路径。如果这类规模化采集技术能够持续迭代，脑机接口研究将有机会从“算法先行、数据不足”的状态，转向“数据与模型协同增长”的新阶段。

影响解读：AI 学习对象可能从内容数据扩展到神经信号

从 AI 产业角度看，这项技术的更大想象空间在于训练材料的变化。当前大模型主要学习文字、图片、音频、视频等外显信息，这些信息本质上是人类表达或记录之后的结果。而脑电信号更接近认知活动本身，虽然其解读难度更高，但一旦形成规模化、高质量数据体系，可能推动 AI 对人类注意力、情绪、意图和认知状态的建模能力提升。

来源提到，未来规模化脑电采集技术将持续沉淀数据，用于训练神经基础模型。这意味着，AI 的学习素材有望不再局限于文字、图片、视频等间接信息，而是能够通过神经信号理解人类认知状态。对于脑机接口来说，这可能带来更通用的信号识别能力；对于智能交互来说，也可能推动更自然的人机协同方式。

不过，脑电数据走向规模化也会带来新的技术与治理问题。脑电信号属于高度敏感的人体数据，其采集、存储、标注和使用都需要严格规范。在产业化推进过程中，数据安全、知情同意、匿名化处理和用途边界将成为必须同步解决的问题。尤其当神经信号被用于模型训练时，如何保证数据来源合规、训练过程可控、应用场景透明，将直接影响公众接受度和产业可持续发展。

总体来看，此次千人同步脑电采集技术发布，代表我国脑机接口基础设施能力的一次重要提升。它不是单一设备发布那么简单，而是为神经大模型训练提供了更接近真实世界的规模化数据入口。当脑电数据采集从小规模实验走向跨地域、千人级同步，脑机接口也将更接近通用化和工程化应用的关键阶段。