过去几十年，无论是侵入式脑机接口还是非侵入式脑机接口，行业几乎都围绕着同一件事情努力——如何更准确、更快速地把脑信号解码成机器能够理解的指令。从脑电（EEG）、皮层脑电（ECoG）、局部场电位（LFP），到越来越复杂的神经解码算法，整个行业不断提升信号采集能力、优化解码精度，希望让人脑能够更加自然地控制外部设备。
然而，即便今天脑机接口已经取得了大量突破，一个问题依然没有真正解决：为什么脑机接口始终很难真正走进真实世界？
来自伊利诺伊大学芝加哥分校、香港中文大学、南洋理工大学、清华大学、穆罕默德·本·扎耶德人工智能大学（MBZUAI）、麦吉尔大学等机构研究人员提出了一个新的观点：脑机接口的发展，也许已经不应该继续停留在"解码脑信号"这一层，而应该迈向一种新的范式——Brain-Agent Collaboration（BAC，脑体智能协作）。
研究人员认为，大语言模型和智能体（Agent）的出现，正在让脑机接口从"人与机器之间的信息传输"，逐渐演变成"人与智能体之间的协同工作"。未来，AI 不再只是负责处理脑信号，而是能够理解用户意图、主动协助完成任务，并在整个过程中与人保持持续协作。
如果这一变化真正发生，那么脑机接口的发展重点，也将从"如何解码"转向"如何协作"。
从Brain-Computer Interface，到 Brain-Agent Collaboration
过去的脑机接口，更像是一条通信链路。
用户产生脑活动，系统负责采集脑信号，再通过算法将脑信号翻译成设备能够执行的指令。整个过程中，AI 的职责基本停留在"翻译"这一环节，它更像一个性能越来越高的解码器。
而 BAC 希望让智能体成为真正参与任务完成的一方。
在这一框架下，智能体不仅能够解析脑信号，还能够结合环境信息、历史上下文以及用户当前状态，对用户真正想完成的任务进行推理，并主动参与后续决策。作者因此重新定义了智能体在脑机接口中的角色：它不再只是一个被动的数据处理器，而应该成为一个主动协作的智能伙伴。
这种变化看似只是几个概念的调整，实际上改变的是整个脑机接口的运行逻辑。
过去，系统要求用户尽可能准确地表达自己的意图；未来，则是系统努力去理解用户真正想做什么。
例如，一位重度运动障碍患者并不需要连续输出复杂的控制指令，只需要产生"想看看窗外"这样的高层意图，智能体便可以结合当前时间、室内光照、窗帘状态等环境信息，自主拆解后续任务：是否需要打开窗帘、是否需要调整灯光、是否需要移动床位。当存在歧义时，系统再通过极少量"是/否"式脑信号与用户确认，而不是要求用户一步一步完成所有控制过程。
脑活动分析范式的演变
研究人员认为，人类真正擅长的是提出目标，而不是持续发出底层操作命令。脑体智能协作希望做的，就是把这些繁琐的中间过程交给智能体完成，而把最终决策权始终保留在人手中。
BAC 的重点，不是谁替代谁，而是谁负责什么
很多人在看到 Agent 与脑机接口结合时，很容易产生一种担忧：如果 AI 越来越聪明，人是否会逐渐失去控制权？
研究人员专门讨论了这一问题。
研究人员认为，脑体智能协作并不是让智能体替代用户，而是重新划分双方各自负责的内容。
在人这一侧，最重要的职责始终没有改变。
用户负责提出目标、提供个人经验、纠正系统错误，并拥有最终决策权。智能体不能越过用户直接完成涉及关键决策的行为，也不能因为推理能力增强而削弱人的主导地位。
与此同时，智能体则承担另一部分工作。
它需要持续学习不同用户的脑信号特点，根据不同人的认知习惯动态调整交互方式；需要结合上下文主动预测用户需求，而不是等待下一条脑信号；还需要具备长期记忆、工具调用、任务规划等能力，把复杂任务拆解成多个能够自动完成的小步骤。
真正优秀的脑体智能协作系统，应当具备三项核心能力：
第一，是个性化自适应能力。系统能够针对不同用户持续学习，而不是依赖一次性的离线校准。
第二，是低延迟主动协作能力。智能体不仅能够快速响应，还能够根据当前任务主动提供帮助，而不是机械等待指令。
第三，则是伦理风控与数据治理能力。隐私保护、安全约束和合规机制，不应该作为后续补丁加入，而应该成为整个系统最底层的一部分。
换句话说，BAC 并不是简单地把一个大模型接到脑机接口后面，而是重新设计了整个系统的人机分工。
真正难解决的，不是能力，而是可信
未来脑机接口真的进入 Agent 时代会出现很多新的可能性，但是挑战却不容忽视，最大的挑战可能并不是技术，而是可信。
首先是大语言模型本身存在的幻觉问题。
对于普通聊天机器人来说，一次事实错误可能只是回答不准确；但如果这种错误发生在脑机接口场景，影响就完全不同。
例如，智能体误解了脑信号所代表的真实意图，或者生成了错误的执行方案，用户不仅需要重新确认，还需要不断纠正系统。这意味着，AI 原本希望降低用户负担，却可能反过来让用户承担更多监督工作。
研究人员认为，这种风险不能依靠用户不断纠错来解决，而应该通过模型本身降低幻觉发生概率，同时让智能体能够主动表达自己的不确定性。当系统无法确定用户真实意图时，应主动发起确认，而不是直接执行。用户每一次反馈，又能够继续用于优化模型，从而形成持续的人机共同学习过程。
除了模型可靠性之外，更大的挑战来自神经数据本身。
脑信号并不是普通的数据，它能够反映人的注意力、情绪状态、认知过程，甚至可能包含个人并未主动表达的信息。因此，一旦脑机接口与大语言模型深度结合，神经数据的隐私保护将比今天任何互联网数据都更加敏感。
论文因此提出，未来脑体智能协作需要建立完整的数据治理体系，包括隐私计算、联邦学习、透明的数据处理流程，以及围绕"神经权利"建立新的伦理规范，确保用户始终拥有自己的神经数据控制权。
更进一步，作者认为，人类始终应该保留最终决策权。智能体可以理解、分析、建议，但不能代替用户做出最终决定。只有当人的主导地位始终存在，人机协作才能真正建立长期信任，而不是演变成人对系统的依赖。
脑体智能协作，需要重新定义整个脑机接口系统
提出 BAC（Brain-Agent Collaboration，脑体智能协作）之后，研究人员进一步讨论了一个问题：如果未来脑机接口真的进入这一阶段，一套完整的系统应该如何构建？
脑-智能体协作实施指南与评估方案
作者认为，传统脑机接口的系统设计更多关注信号处理流程，而脑体智能协作则需要围绕"人与智能体如何共同完成任务"重新组织整个架构。因此，论文提出了一套新的系统框架，由协同交互、多模态数据基础设施、模型工程化体系以及动态评估体系四个部分组成。
首先是协同交互架构。
在这一架构中，大语言模型智能体成为整个系统的核心。它不仅负责理解脑信号，还负责任务规划、逻辑推理、工具调用以及反馈管理。论文强调，这里的目标并不是打造一个完全自动运行的系统，而是构建一种"人机共同完成任务"的模式。整个交互过程始终遵循"解读—沟通—执行"的闭环，智能体负责提升效率，人类负责最终判断。
与此同时，系统还需要兼容不同类型的脑信号。
未来的脑机接口不会只有 EEG，也不会只有侵入式电极，而是可能同时融合脑电图（EEG）、功能磁共振（fMRI）、功能性近红外（fNIRS）、皮层脑电（ECoG）等不同来源的数据。论文认为，只有建立统一的多模态数据基础设施，并利用 AI 完成信号降噪、特征提取和实时融合，才能真正支撑复杂场景下的人机协作。
模型本身也需要持续演进。
作者提出，未来 BAC 系统中的智能体，不应该是一个训练完成后长期保持不变的大模型，而应该具备持续学习能力。通过人类反馈强化学习（RLHF）、AI 反馈强化学习（RLAIF）、直接偏好优化（DPO）等方式，模型能够不断利用真实交互数据优化自身，逐步缩小低质量脑信号与高层认知意图之间的语义差距。换句话说，智能体并不是一次性被训练出来，而是在长期使用过程中不断成长。
脑机接口未来比拼的，不只是准确率
长期以来，脑机接口领域评价一项技术时，最常使用的指标包括分类准确率、信息传输速率（ITR）、识别延迟等。
这些指标仍然重要，但研究人员认为，它们已经不足以评价未来的脑体智能协作系统。
原因在于，当 AI Agent 开始参与任务之后，系统表现的好坏，不再只是"脑信号有没有识别正确"，而是"人与智能体是否真正形成了高效协作"。
因此，作者提出了一套新的量化评价框架：
第一，是技术性能。系统仍然需要保证脑信号解码准确、响应及时、运行稳定，这是脑机接口赖以存在的基础。
第二，是认知协同能力。相比传统系统，新的评价重点转向智能体是否真正增强了人的能力，而不仅仅是替代人完成部分工作。
第三，是交互质量。用户是否能够自然地完成沟通？反馈是否及时？整个交互过程是否流畅？这些都会成为未来的重要评价维度。
除此之外，研究人员还特别加入了两个传统脑机接口很少强调的指标。
一个是用户主导权。
作者认为，一个优秀的脑体智能协作系统，不应该让用户越来越依赖 AI，而应该始终保证人在关键决策中的核心地位。因此，系统需要持续衡量用户是否仍然拥有充分的控制能力，而不是把越来越多的重要决策交给智能体。
另一个则是伦理合规能力。
未来脑机接口不仅需要证明它"能用"，还需要证明它"可信"。数据是否受到保护、模型是否透明、安全机制是否健全，都应成为评价系统的重要组成部分，而不是产品发布之后再去补充考虑的问题。
为了进一步量化这些能力，研究者还提出了 Action Advancement Rate（AAR）、Collaborative Intelligence Potential（CIP）、User-System Match Score（USMS）、Explicit Disagreement Rate（EDR）以及 Ethics Alignment Rate（EAR）等指标，希望从协作效率、人机匹配程度、用户监督能力以及伦理一致性等多个角度，对未来脑体智能协作系统进行综合评价。
从"读懂大脑"，走向"理解人"
实际上，这项工作真正想讨论的，并不是一种新的脑机接口算法，也不是一种新的 AI 模型，而是脑机接口未来的发展方向。
过去几十年，脑机接口的发展始终围绕着一个目标——尽可能准确地解码脑信号。从更高密度的电极、更复杂的解码模型，到更强大的计算能力，整个领域都在努力提升"机器理解脑信号"的能力。
而这项工作提出，随着大语言模型和智能体的发展，脑机接口或许正在进入另一个阶段。
未来真正重要的，也许不再只是提高几个百分点的解码准确率，而是建立一种新的协作关系：人负责目标、价值判断和最终决策，智能体负责理解、规划、执行和持续学习。脑机接口也将不再只是连接大脑与设备的一条通信通道，而成为连接人类认知与智能系统的一座桥梁。
当然，这一愿景距离真正落地仍有很长的路要走。神经信号解析、模型稳定性、隐私保护、安全对齐、用户主导权等问题，都仍然是脑体智能协作必须解决的关键挑战。只有在这些基础能力逐步成熟之后，智能体才能真正成为脑机接口中的可信伙伴，而不仅仅是一个能力更强的数据处理工具。
如果说过去二十年，脑机接口努力回答的是"如何让机器听懂大脑"，那么现在是该考虑另一个问题：当 AI 开始真正参与人与机器之间的交互时，我们需要构建的，究竟是一套更强的脑机接口，还是一种全新的脑体智能协作范式？
脑机接口社区是国内首家脑机接口(BCI)产业服务平台、国内脑机接口新媒体开创者与引领者。主要为企业、科研团队、投资机构和从业者提供以下服务：
宣传报道：图文、短视频、直播形式报道企业动态、技术解读、产品介绍等内容，提升曝光和行业影响力。
资源对接：根据需求匹配资本、供应链、临床机构、渠道方等资源，完成真实对接，促进合作。
成果转化：协助技术团队寻找产业方、投资人及落地场景，推动技术到产品的转化。
活动策划执行：承接线上线下路演、沙龙、论坛等活动的策划与执行。
其他定制需求：包括报告定制、市场调研、人才招聘支持等个性化服务。
合作洽谈，请联系微信：ZuoLeiLeiya
（备注：姓名-单位-合作）
投稿丨成为创作者，请联系微信：RoseBCI
🌟星标置顶🌟
不错过每一条脑机前沿进展
一键三连「分享」、「点赞」和「在看」
欢迎在评论区聊聊
