编辑 | 衡奕铭
从一个名字说起
爱博智能的英文名 Aible 中，放着两个词：AI 与 Able。据他们介绍，这个名字表达的是一个朴素的愿望：用 AI 帮助能力受限者重新获得能力，即去掉“Disable”中的“dis”。
爱博智能首先把这份愿景落在了康复场景。一个人想抬起腿，大脑发出的运动指令却未必能够抵达肢体。头皮表面的脑电信号十分微弱，眼动和肌肉活动都会留下干扰；即使算法从中识别出运动意图，还要将它转化为设备可以安全执行的动作。
AI怎样进入这段康复过程，让患者的意图重新参与运动？
这也是我们来到爱博智能的缘由。2026 年，安徽省第二人民医院发榜“基于非侵入式脑机接口的‘AI＋康复’创新场景开发与示范应用”项目，爱博智能揭榜。
图为 爱博智能总经理苏莹
在爱博智能的方案中，脑电设备从头皮表面采集信号，算法完成降噪与解码，外骨骼将指令通过执行器变成动作。公司眼下要回答的问题由此变得清晰：算法能否读懂脑电，并在真实的医院环境里持续稳定工作。
未来路线还没有定型
谈起侵入式与非侵入式脑机接口，爱博智能总经理苏莹先给出了一个判断：“技术路线不分高下”。
侵入式电极更贴近神经活动的源头，采集到的信号通常更清晰，但需要通过手术植入；非侵入式设备隔着头皮和颅骨读取脑电，无需手术、使用门槛更低，代价是信号更微弱，也更容易受到身体活动与环境噪声的干扰。
两条路线各有适用的场景，也各自面临悬而未决的问题。苏莹因此反复提醒，脑机接口仍是一项“未来产业”：技术路线尚未收敛，行业还没有标准答案。在她看来，这一轮脑机接口的快速发展有两个背景——材料的进步正在帮助侵入式设备改善电极质量、提高通量，AI的发展则为复杂信号处理和个体泛化能力的提升提供了新工具。前者让电极更贴近真实的神经活动，后者试图从纷繁的信号中提取出更多有效信息。
爱博智能选择了非侵入式路线，原因有二：一是看中更广阔的应用市场，二是母公司科大讯飞长期积累的语音信号处理经验。作为国内率先将深度学习用于语音降噪与识别的公司，科大讯飞为爱博智能的脑电信号工程处理提供了可借鉴的路径与技术经验。在苏莹看来，语音与脑电信号本质上都是连续的时序信号，采集之后都要经历降噪与解码；但与语音相比，非侵入式脑电信号更加微弱，更容易受到噪声和伪迹的影响，个体差异与跨时段变化也更为明显。为攻克这一核心难题，爱博智能正与中国科大先研院陈勋教授团队共建联合实验室，推动非侵入式脑机接口技术在康复助残领域落地：高校团队提供研究基础和原型，企业负责软硬件一体的工程化，在临床上落地并解决应用中的具体问题。
“从实验室走到应用落地，往往要花很长时间。”苏莹说。选定非侵入式路线之后，要把它做成产品，还需要一个能够持续采集信号、执行动作并回收反馈的场景。
康复，成为第一个落地领域
脑电可以用于状态评估和控制外部设备，在康复领域正好构建了一条清晰的‘中枢-外周-中枢’闭环干预链路。患者产生运动意图，脑电设备采集并解码信号，驱动康复机器人执行动作。肢体在运动中产生的真实本体感觉结合屏幕呈现的视觉与听觉神经反馈，再次传回神经系统，一次训练因而形成从神经中枢信号到外周动作、再由外周多模态感觉回到神经中枢的完整闭环，有效诱发正向神经可塑性。
爱博智能的产品目前主要应用面向脑卒中和脊髓损伤患者的康复运动训练。对这类患者，越早进行运动康复恢复效果越好。机器人训练通常从被动模式开始，设备按照预设步态带动下肢，承担治疗师反复辅助动作的一部分工作。
脑电则在肌力训练之外，提供了另一条通路：它试图在身体尚未完成动作时，从更靠近中枢神经的位置寻找运动信息。系统需要在患者真正抬腿之前，判断大脑是否发出了相应指令，再将结果交给外骨骼的控制系统。外骨骼承担动作执行，算法负责把脑电信号转化为设备能够执行的指令。
苏莹把公司的技术基座分成两层。非侵入式脑机接口是预先确认的远期方向；已有的外骨骼和康复工程能力，则为这条路线提供了当下可以接入的场景。爱博智能的下肢步行康复训练设备目前取得了医疗器械注册证，并已投入医院使用。它为组合系统提供了产品工程基础，也提供了动作执行端。而脑机接口与外骨骼能否组成一款连贯的产品，关键仍在中间那套持续处理信号并控制动作的算法。
让BCI+康复 “更快、更准、更稳”
一次脑控外骨骼训练开始前，康复治疗师先录入使用者的基本信息。机械外骨骼完成尺寸和助力等级的匹配，随后，通过动画引导患者进行走路步行的运动想象，通过脑电帽进行信号收集，芯片进行算法处理，脑电信号解析、运动意图识别得到了运动意图信号之后，传给外骨骼机器人来执行意图。这样病人就能够在外骨骼的帮助下，真正走起来了。这是一组完整的强化神经连接的训练，也是脑机接口技术带来的“意念”主动驱动“行动”的变革。
在运动意图解码层面，苏莹介绍，爱博智能并不打算把脑机接口押在单一信号或单一范式上。当前展示的系统主要采用稳态视觉诱发电位，也就是 SSVEP 范式：使用者注视屏幕上以特定频率周期性变化的视觉目标时，大脑会产生相应的稳态视觉诱发响应，系统据此判断其关注的是哪一目标，并转换为相应指令。团队也在研究运动想象范式，简称 MI。使用者不必盯着闪烁目标，只需集中想象某个动作，系统便尝试从运动相关脑区的变化中识别意图。MI 更接近人们对“意念控制”的直觉，解码难度也更高。按照苏莹的介绍，就当前系统而言，不同肢体或较粗粒度的运动想象相对容易区分，而对于同一肢体内部、尤其是精细手部动作的意图解码，仍存在较大的技术瓶颈。
图为 使用爱博智能脑机接口-外骨骼机器人系统中的视觉诱发范式进行康复训练
爱博智能眼下核心的目标，则被苏莹概括成三个词：更快、更准、更稳。
先是“更快”。患者“想动”的瞬间，外骨骼或刺激设备能几乎同步响应。避免因延迟导致“意图与动作脱节”，从而破坏神经反馈闭环。这个目标实现依赖于流式轻量化实时解码架构（减少算法计算耗时）和国产端侧高算力边缘计算（避免云端传输延迟）。苏莹以常见的拼接方案作对照：脑电设备先把数据送到自己的上位机，再交给机器人厂商的软件处理，控制指令经过多次中转才到达执行器；爱博智能现在正在让脑电数据进入端侧芯片就地完成处理，直接调用步态算法和机器人控制。按照苏莹现场给出的当前方案指标，端到端延迟的目标是80 毫秒以内；
再是“更准”。主要是指对运动意图的识别，在脑机接口康复系统中，这个指标直接决定了系统是否“懂”患者。如果识别不准，比如患者想“伸腿”，机器却误判为“抬腿”甚至“不动”，不仅训练无效，还会让患者产生挫败感，甚至导致错误的神经反馈，这对康复是有害的。非侵入式脑电的信噪比很低，先把眼动、肌肉活动、运动伪迹等干扰从原始信号中尽可能分离，才谈得上准确的意图识别。而降噪工作正是联合实验室主任陈勋教授的重要研究方向，团队提出系列基于联合盲源分离和深度学习的脑电降噪算法；公司的工程团队同期进行算法模型的工程化，让算法能够在端侧算力和持续运行条件下工作。
图为 中国科大先研院-爱博智能脑机接口与康复助残联合实验室脑电降噪效果
采访现场，苏莹向我们展示了原始脑电经过不同降噪方法处理后的对比。她强调，科研算法能够在实验里把噪声压下去，只是第一步；真正进入康复设备，还要考虑模型大小、实时性和连续运行。母公司科大讯飞过去在语音降噪上的工程经验，也正在被团队探索迁移到脑电信号的处理中。所谓“更准”，并不只是最后一个准确率数字，而是从更干净的输入开始，减少解码环节被噪声带偏的可能。
最后是“更稳”。相比一次实验中的高准确率，长期使用更难处理的是人本身的变化。不同人的脑电特征并不相同；同一个人在两次训练中，电极位置、疲劳程度和当日身心状态也会发生变化。一个只在固定受试者和安静实验室里表现良好的模型，到了病房可能很快失效。
针对跨个体差异，苏莹描述了一套仍在探索中的方案：先从一组脑卒中患者中提取相对稳定的共同特征，形成通用解码模型；新患者进入后，再采集少量个人信号做小样本校准。目标不是为每个人从头训练一套模型，而是在共享表征上尽快完成个体适配。
针对同一患者跨天、跨状态的变化，团队正在研究自适应对齐，让模型参数能够随当天的信号状态调整。与此同时，“稳”也包含算法安全：当系统捕捉到与训练无关、难以确认或者可能造成误判的信号时，团队还在研究拒判策略，避免把不可靠的解码结果直接变成动作；即便产生控制指令，外骨骼也只会在预设的步态和安全动作范围内执行。
这些工作中，有些已经进入工程系统，有些仍处在研究和验证阶段。但“更快、更准、更稳”把爱博智能眼下的问题串到了一起：既要让意图与动作之间的链路足够短，也要把微弱脑电里的有效信息尽可能读出来，还要让同一套系统面对不同患者、不同日期和复杂干扰时不过度失真。只有跨过这些变化，脑机接口才可能从一次演示变成可以反复使用的康复工具。
安徽省二院，让系统进入真实康复现场
图为 安徽省第二人民医院人工智能创新场景中，一名脑卒中患者在康复师指导下使用爱博智能脑机接口康复产品
采访过程中，苏莹给我们观看了患者训练的视频。画面里，脑电设备和康复机器人已经出现在安徽省二院的真实病房之中。
安徽省二院是省卫生健康委直属的三甲综合医院、安徽第二医学院附属医院，挂设省职业病防治院、省眼科医院，拥有国家消化系统疾病区域医疗中心和省级中西医协同“旗舰”医院平台。医院的康复医学科有着深厚的学科底蕴。今年2月以来，医院开设脑机专科门诊和康复病房，积累了250余例完整临床病例。前述提到的安徽省人工智能场景项目《基于非侵入式脑机接口的‘AI＋康复’创新场景开发与示范应用》由安徽省第二人民医院发榜，爱博智能揭榜。基于爱博智能又快、又准、又稳的BCI+康复的工作基础，进一步搭建 “感-知-控” 全链条一体化康复软硬件解决方案，形成闭环式智能康复体系。该项目于2026年8月启动，省二院已经建设脑机接口病房，爱博智能也安排项目人员驻场。
在苏莹看来，驻场最直接的价值是获得真实反馈。医疗器械一旦确定了产品版本后，后续变更需要付出很高的时间和合规成本。她给出的经验是，一张注册证从申报到完成通常需要八到十二个月，团队希望在版本确定以前，尽可能把病房里出现的问题看清楚。
因此，此次医院提供的真实条件弥足珍贵。真实情况下患者的身体状态不断变化，治疗师有自己的工作流程，设备还要面对病房环境和连续使用的压力，这些都为产品的实际应用提供了重要反馈。项目同时也为算法提供了数据。苏莹提到的跨个体模型，需要来自真实患者的脑电记录；自适应对齐和拒判策略，同样要在不同训练日期和复杂干扰中验证。
本项目覆盖的范围比运动康复更广，从运动障碍延伸到专注力、情绪和认知等问题。非侵入式脑电是这些任务的共同输入之一，算法目标却不相同。在外骨骼训练中，系统尝试识别运动指令；面对注意缺陷多动障碍，则会结合眼动、量表、行为等多模态数据，对脑状态进行辅助评估和调控。每类人群都需要分别建立数据和临床验证。
苏莹多次对安徽省人工智能场景项目及安徽省第二人民医院所提供的支持表示感谢。她认为，场景创新的核心在于为新技术、新产品、新模式提供真实的验证环境，从而有效推动关键技术研发、加速产品迭代升级、并促进商业模式的复制与推广——这对于人工智能、脑机接口等新技术而言尤为重要。正是得益于安徽省政府择优支持高价值、高潜力的应用场景，医院开放临床资源与环境，公司的产品才得以持续优化。多方共同的努力，最终让这一项目成为现实。
一个医疗人的尺度
苏莹曾于复旦大学攻读公共卫生专业，毕业后进入安徽省疾控中心工作，而后加入科大讯飞，进一步筹建爱博智能。她始终将自己定位为一名 “医疗人”。
图为 苏莹在工作现场
“如非必要，勿增实体”， 这是她在访谈中多次提及的理念。落实到企业发展路线上，非侵入式脑机接口未来拓展至更多应用场景已成共识，但现阶段爱博智能给自己定下清晰目标：聚焦康复场景，把脑机接口康复产品打磨得“更快、更准、更稳”，完成非侵入脑机接口更好的降噪、更好的解码、更泛化的算法。进一步再拓展到“一老一小”的以及教育、工业、具身场景中。
苏莹认为，初创团队应当把有限精力投入到可落地产出、能够跑通最小业务闭环的工作当中。相比追逐 “首个”“第一” 这类噱头标签，她更看重产品在真实临床场景下的验证结果。“如果放到临床上面根本跑不出来、实际用不上，这些标签便没有意义，有了真正实际使用的数据和案例，数据和算法的飞轮才能旋转起来”。
这里的尺度还包括使用者的态度。参加展会时，如果有轮椅使用者来到展台，她会要求工作人员蹲下来交流并协助体验。她在意的是一个很小的动作：站着说话的人愿不愿意把自己的视线降下来。
这让爱博智能的名字有了技术之外的解释。AI 和 Able 的组合，最终要落到一个人的生活中：技术怎样提供帮助，又将如何保留人的尊严。
图为 爱博智能脑机接口—外骨骼机器人系统在中国（安徽）科技创新成果转化交易会现场首发场景
答案最终要回到人
苏莹认为，每个人一生中都可能经历某种能力受限。它可能来自疾病或衰老，也可能只是一段暂时的身体状态。因此，Able不宜被理解成把一个人带回某种统一的“正常”。它所指向的，是帮助人重新获得一项具体能力。
脑机接口为此提供了一种新的工具。这套系统能否在真实患者身上稳定工作，仍要在医院里逐步回答。
侵入式与非侵入式的未来尚未定型。爱博智能选择其中一条，在康复中建立自己的起点。这个选择的价值，最终也不能由技术名词的多少来衡量。
从Disable到Able，中间没有捷径。产品终究要在具体的人身上接受检验：人们能否安全有效地使用它，受损的功能又能否因此得到恢复和改善。
