专访代民｜在一块芯片上“养脑、读脑、启脑”——片上脑机交互系统，如何让AI与活体神经“对话”？

2026年被业内称为脑机接口的“商业化元年”，脑机接口也被写入《政府工作报告》，纳入“十五五”未来产业重点布局。这些进展有一个共同点——都是把电极“接”到人身上。而就在同一年，另一条路线走到了聚光灯下：不碰人脑，而是把人的细胞培养出来的“迷你大脑”请进芯片里，和它对话。

2026年9月9日，在深圳举行的2026华大集团全球新品发布会上，华大集团正式发布多模态片上脑机交互系统（Brain-on-Chip Neural Interface System，商标“华大智惠脑”，首发型号LS-P256）。它把脑类器官的片上长期培养、256通道电生理记录与电刺激、光学成像与图案化光刺激集成在同一台设备上，在一块芯片上打通“培养—记录—调控”的全流程。

这件事之所以值得公众关注，是因为它触碰的可能是科学上最后几个大问题之一：意识从哪里来。“和神经组织打交道”本身并不是新事，读基因的测序仪、看清形态的显微镜、进行功能交互的电生理系统，都是相当成熟的工具。真正的难题在于，这些手段长期以来各自为战，很难对同一份标本做完整、连续的多模态观测。研究者手里拿到的，常常是碎片，而不是一次完整的“对话”。

片上脑机交互系统想解决的，正是这个“整合”问题——让同一份神经组织，在一个平台上被养活、被读懂、被引导。而一旦人工智能与活体神经组织在这样的平台上连成闭环、彼此“训练”，就出现了“类器官智能”（OI）这样的新方向：国际上已经有团队让培养皿里的神经元学会了打《乒乓》游戏，把20台生物计算系统组成了“生物数据中心”原型。它既可能加速脑疾病研究与新药研发，也可能让我们重新理解“智能”本身。

不过，公众对这条路线的好奇，大多还停留在“在芯片上养脑子”的印象里：片上脑到底是什么？它和往人脑里植入电极的脑机接口有什么区别？它现在能做什么、又还做不到什么？带着这些问题，我们邀请杭州华大生命科学研究院副研究员、华大智惠脑产品总监代民做一次线上访谈，用尽可能通俗的方式，把这件事讲清楚。

代民

杭州华大生命科学研究院副研究员，华大智惠脑产品总监，研究方向为片上脑机交互、神经信息处理。

一、先认识

“片上脑”

把“迷你大脑”

请进芯片

“片上脑”这个词听着很科幻——是把一颗大脑放到芯片上吗？芯片上那团东西到底是什么，它算“活着”吗？

所谓“片上脑”，并不是把一颗大脑放到芯片上，而是把人的干细胞培养、诱导成一小团神经组织——直径一两毫米、肉眼可见的“脑类器官”，让它长在一块布满微电极的芯片上。神经系统主要通过电信号进行信息传递。芯片干两件事：一是“听”，把神经元放电的电信号读出来；二是“说”，用电刺激或光刺激，把信息“说”给这团组织听。“片上脑”就是这套东西的通俗叫法：器官在片上，芯片负责和它交换信息。至于它算不算“活着”——它是活的，有代谢、有细胞分裂、有神经元的电活动，能自己放电、慢慢形成网络；但它不是“一个人”，没有感觉、没有意识，目前也没有任何证据表明这种体外组织能产生主观体验。我们更愿意把它看成一个“会放电、能学习”的生物样本。

这种“迷你大脑”是从哪儿来的？需要人的细胞培养吗？能不能用我自己的细胞，养出一个“我的迷你脑”？

理论上可以，这也是我们很看好的一个方向。脑类器官通常从人的多能干细胞诱导而来：可以是胚胎干细胞，也可以把成人身上很容易取到的细胞（比如血细胞、皮肤细胞）“重编程”回干细胞状态，再往神经方向诱导。用患者自己的细胞做出来的类器官，携带他自己的遗传背景，拿来试药更接近他本人的真实反应，这就是“个体化脑模型”。但有两点要说清楚：取材、建系、重编程每一步都要经过严格的伦理审查和知情同意；而且要记住，它长出来的是神经组织，不是“另一个你”，不具备记忆和人格。现在已经有实验室用患者的血细胞、皮肤细胞做这种“个体化”类器官来试药——但要提醒一句：它离“给你定制一个迷你脑”还很远，目前能得到的是一小块可用于研究的神经组织。

它和我们真正的大脑差别有多大？能培养到多成熟——比如有没有分层结构、会不会自己放电？它的边界在哪里？

差得还远，但比很多人想得好。人脑有大约860亿个神经元、上千种细胞类型，还有完整的血管和脑区环路；脑类器官一般只有几百万个神经元，没有血管、没有感觉输入、没有丘脑—皮层这样的完整环路。它能做到的是“局部而真实”：常见的皮层类器官在几周到几个月里会形成类似皮层的分层结构，并出现自发的同步放电。最近有团队把人脑皮质类器官连续培养了五年以上，建立了覆盖16个时间点、42万个细胞的发育图谱，证明它能长期稳定存活与成熟。所以边界很清楚：它是研究脑发育和脑疾病的高保真局部模型，不是缩小版的人脑，更不可能替代人脑。

二、9月9日发布的

LS-P256

它到底“新”在哪里

如果只用一句话向完全不懂技术的人介绍它，您会怎么说？

一句话——“一台把脑组织养起来、还能和它双向对话的桌面设备”。稍微完整一点：片上脑机交互系统把脑类器官的片上长期培养、256 通道电生理记录与电刺激、光学成像与图案化光刺激集成在同一台设备里，让同一份神经组织在一个平台上被养活、被读懂、被引导，中间不需要搬到别的仪器上。它要解决的不是“能不能测”，而是“能不能对同一份活样本，长期、连续、多模态地测”。

电生理、测序、显微成像各自都已经很成熟了，为什么“把它们合到一台设备上”这么难？“原生集成”究竟难在什么地方？

难在“互相不打架”。第一是物理上要共用同一块芯片：电极要走电、光路要透光、培养腔要密封保温保湿，这些需求经常冲突——电极做密了会挡光，光打进液体里又会散射。第二是环境要长期无菌：设备一旦开机就要连续跑几周到几个月，一次污染就可能让整批样本报废。第三是电气上要低噪声：神经信号是微伏级的，而加热膜、泵、光源就在旁边工作，任何一点干扰都能把信号淹掉。第四是光和电本身互为干扰源，却要同时工作。还有一层背景值得说：国内很多做这类研究的单位，用的都是分头采购的单台进口设备，尤其是电生理设备，长期依赖进口、价格高昂。这套系统里的电生理环节，是完全自研的国产设备——就我们了解，此前还没有人把自研的国产电生理设备和片上培养、光学做成同机原生整合。“原生集成”的意思就是：这些问题从设计第一天起就画在同一张图纸上解决，而不是把三台成熟设备用线连起来。

系统里的光刺激不是简单打个闪光，而是能投射棋盘格、自然图像这类图案。为什么要用这么复杂的图案去刺激神经组织？它能回答什么科学问题？

这得从神经系统擅长什么说起——它天生就是用来处理复杂信息的。打个比方，视网膜组织是视觉信息处理的第一站，它要做的并不只是把光信号转成电信号：在把信息交给大脑之前，它已经对画面做了高度压缩，把轮廓、边缘、运动方向这些“关键信息”挑出来，用尽可能少的脉冲送出去。既然它本来就在处理这种带时空结构的图案，我们用整片闪光去刺激就显得太粗了。投射棋盘格，可以精确激活某一小片区域；投射自然图像或仿生微颤动，能让输入更接近真实的视觉场景。这样就能问一些以前不好问的问题：同一片神经组织，对不同图案的响应模式差在哪里？反复给同一个图案，网络会不会“记住”它？光刺激于是不再是简单的开关，而是一种可以编程的时空输入。

三、它到底能

干什么

从实验室到

“生物智能”

芯片上的神经元会“学习”吗？国外有团队让培养皿里的神经元学会了打《乒乓》游戏，你们这套系统上的神经组织，现在能“玩”到什么程度？

会，但要把“学习”这个词说准。2022年澳大利亚的团队做过一个很有名的实验：一小团在培养皿里养出来的脑细胞，没有眼睛、耳朵，也没有身体，却能通过电极和外界“对话”。科学家让它们玩简化版《乒乓》：接住球就给规律的电刺激当“奖励”，漏球就给不规律的刺激当“惩罚”，而虚拟球拍怎么动由它们自己的放电决定。结果短短几分钟，这团脑细胞就明显学会了接球，对照组却几乎没变化。需要说明的是，论文里用了“感知”这样的字眼，学界对此有争议；严格讲，这里的“学习”不是“它懂了乒乓球”，而是神经网络在刺激和反馈之间调整了自己的放电模式，表现出可塑性。我们的平台在同一个方向上：通过电极阵列把刺激送到指定区域、同时记录全网络的响应，再加上一层光刺激输入，很适合做“刺激—响应—再刺激”这类学习实验。目前的水平是能稳定观察到网络对重复刺激产生可测量的改变，但离“训练出一个有用的生物计算单元”还有很长的路。

它能帮医生找到治疗阿尔茨海默病、帕金森病的药吗？为什么今天的新药这么难做，动物实验的局限又在哪里？

这是我最看好、也最现实的用途之一。新药研发难，很大一部分难在模型：细胞系太简单，动物和人又差得远——阿尔茨海默病领域过去几十年上百个候选药物在临床试验中折戟，失败率是现代医学里最高的之一。用患者来源的脑类器官做筛选，可以在人的遗传背景上看真实的神经网络反应，而不只是看细胞死没死。边界也要说清楚：类器官没有血管、没有免疫系统、也没有完整脑区，它筛出来的是候选化合物和机制线索，不能替代动物实验，更不能替代临床。它真正能改变的是把失败提前：让希望不大的分子早一点被淘汰，让有希望的更早被发现。再往后看，我对这类模型的期待很明确：随着脑类器官培养技术不断提升，血管化、引入免疫细胞这些今天还做不到的事，都会一步步实现——有了血管，类器官能长得更大、活得更久，中心区域不再因为缺氧而坏死；有了免疫细胞，就能研究神经炎症在阿尔茨海默病这类疾病里到底扮演什么角色。到那时候，体外模型会越来越接近真实的大脑，它在药物研发里的分量也会越来越重。

“AI与类器官闭环”，闭上的是哪一个环？AI给出刺激、神经组织给出响应，怎么判断它是真的“学会”了、而不是随机波动？“记录与刺激分离”的架构，为什么对闭环很关键？

闭环的意思是“中间不靠人拨开关”。系统实时记录神经组织的放电，算法根据这一刻的状态决定下一步给什么刺激，然后立刻再记录：刺激、响应、判断、再刺激，这个循环转起来就是闭环。判断它是不是“学会了”，不靠感觉，靠可重复的指标：对同一刺激的响应是否更稳定、对不同输入的区分能力是否提高、与随机刺激相比是否出现显著差异——必须能把真正的改变和随机波动分开，这也是我们做数据时最较真的环节。“记录与刺激分离”之所以关键，是因为对信号放大器来说，刺激那一瞬间的电压比神经信号大好几个数量级，同一个通道又刺激又记录，等于被自己的声音震聋一段时间；分离之后，刺激的同时其它通道还能继续听，闭环才有意义。

系统开放API、支持N×256通道扩展。研究者能在上面做哪些自己的算法和实验？有没有可能像手机应用一样，长出很多别人开发的新玩法？

我们把它当“平台”来做，而不是一台封闭的整机。数据接口是开放的，研究团队可以接入自己的算法和分析管线：有人想做实时的 spike分类，有人想让程序自动搜索最优刺激参数，也有人想把自己的AI模型直接接到闭环里。通道也是可扩展的，N×256的意思是可以按256的倍数往上叠加，用来做多区域并行记录或者更大体积的样本。会不会长出“应用生态”我不敢说，但逻辑和早期的高通量测序仪有点像：设备提供标准接口，真正的想象力来自用它的人。还有一个我特别期待的方向：多台设备并行。一台机器上是一小块神经组织，如果把多台机器连起来，让不同设备上的脑类器官互相“通信”——这边放电，那边就收到刺激——那我们研究的就不再是一小块组织，而是“多个脑区之间怎么连接、怎么协同”。我认为这是这个平台未来最有想象力的地方之一。

以后会不会出现“生物计算机”？用活细胞算数，真的比硅芯片更省电吗？我们家里的电脑，有一天会装上一块“活脑子”吗？

这件事正在从概念变成原型。人脑做事的功耗大约只有20瓦，而今天的大型超算动辄几十兆瓦，差了大约百万倍；培养神经元的功耗同样很低，已经有团队把20台生物计算系统组成机架，在新加坡做出了“生物数据中心”的原型——机架里装着大约1600万个人源神经元，而单台设备的功耗只有几十瓦。所以“用活细胞算数”在能耗上确实有吸引力。但要说清楚：这些系统目前能做的任务还非常有限——玩小游戏、做简单分类和语音识别，速度、精度、稳定性都还不能和硅芯片相比。它更像一个研究“智能”的实验台，而不是短期内的替代品。至于家里的电脑装一块“活脑子”，我认为在可见的未来不会：我们真正需要的是可控、可复制、可维护，而这几条恰好是活细胞最不擅长的。

四、技术上的实话

位置、门槛与边界

“256通道”是系统对外公布的核心指标。这个数字在国际上算什么水平？通道数、电极密度、信噪比，到底哪个指标才是关键？我们的长处和短板分别在哪里？

256个通道是国际主流设备的标准档位，德国、瑞士几家头部厂商的主力机型也在这个量级；真正走超高密度路线的CMOS阵列，芯片上密密麻麻排了上万个电极，但受读出电路的限制，同一时刻真正能用来采样的通道大约只有1000个左右，而且主要面向脑片和细胞层面的精细研究。所以通道数不是唯一的指标，更关键的是三条：第一是有效通道数——有多少通道真能采到可用信号，取决于电极阻抗和耦合；第二是噪声本底——神经信号是微伏级，噪声大一倍，能看的信息就少一半；第三是长期稳定性——连续跑几周几个月之后，阻抗会不会漂移、电极会不会失效。我们的长处是把培养、电生理、光学集成到一台设备上，让同一份样本被长期连续地观测；短板也说句实话：在单纯比拼电极密度这件事上，我们不是最激进的那一家，我们选择先把“多模态、长期、真正可用”做扎实。

这台机器“娇气”吗？芯片上的神经组织能活多久？需要专人守着吗？一个普通实验室买回去，就能用得起来吗？

说实话，脑类器官是“娇气”的：它没有血管、没有免疫系统，对温度、渗透压、pH和污染都很敏感。这也正是我们把它做成密闭培养腔、持续灌流的原因——尽量减少人工干预，让它自己稳定地待着。能活多久？前面提到，已经有团队把皮质类器官连续培养了五年以上，用优化的培养基能维持两年的自发网络电活动。我们这台设备的目标，是让样本在片上稳定存活数周到数月，中途不用搬动。好不好用方面，我们的定位是“装上就能跑”：培养基、气体、温度、采集都自动化，研究者要做的是设计实验、看数据，而不是每天守着它。它在科研院所和药企的实验室里就能用起来，不是那种只有专职工程师才能伺候的仪器。

公众一听到“脑机接口”，想到的往往是往人脑里植入电极、帮瘫痪病人重新动起来。片上脑机交互系统是“体外”的，这两条路线是什么关系？谁会更早落地，各自的边界在哪里？

这两条路线不是竞争，而是从两头往中间走。植入式脑机接口是“到人身上取信号”：把电极放进大脑，帮瘫痪病人用意念控制机械臂、重新表达语言，直接受益者是人，但要手术、风险高、伦理审查严——今年国内已经有植入式脑机接口器械获批上市，用来帮助脊髓损伤患者恢复手部抓握，走的就是这条路线。片上脑机交互系统是“在体外做模型”：不碰人，用人的细胞在芯片上重建一小块神经组织，用来研究脑怎么工作、试药、探索生物计算，它的价值是理解机制、加速研发。谁先落地？临床上，植入式会更快地在特定病人身上产生看得见的效果；而在“搞清大脑怎么工作、药物怎么起效”这件事上，体外模型会走得更远。两者最后会汇合：体外平台产出的机制知识，会反过来指导我们怎么和真正的大脑打交道。

五、往后看

它离普通人有多远

在芯片上培养神经组织，会不会养出“意识”？用人的细胞做研究，会不会涉及隐私？这类研究的伦理和监管红线在哪里？

先回答最尖的那个问题：目前没有任何证据表明，体外培养的脑类器官能产生意识。它缺少形成意识所必需的条件——没有感觉输入、没有完整的丘脑—皮层环路、没有血管和免疫系统，神经元数量也差好几个数量级。但“没有证据”不等于“永远不可能”，所以中国和国际上都在提前立规矩：2024年2月，国家科技伦理委员会发布了《脑机接口研究伦理指引》和《人—非人动物嵌合体研究伦理指引》，供相关科研机构和科研人员参照执行，做这类研究的机构也都要先过本单位伦理委员会的审查；学界也在讨论用“功能阈值”来触发更高级别的伦理审查——比如出现特定的神经振荡模式或长程网络同步时，就必须重新评估。至于隐私：细胞来自活人，就涉及捐赠者的知情同意、基因数据和使用权；电生理数据本身也是敏感数据，我们对它的存储、使用和销毁都有明确流程。我个人的态度是：红线要画在前面，而不是出了问题再补。

后续还会推出更高通量、更多模态的新型号。这些里面，哪些是未来两三年内普通研究者就能用上的？普通人最早会在哪里接触到这项技术——医院、药厂，还是实验室？如果请您对关注这项技术的公众说一句话，您最想说什么？

路线图上，接下来主要是两点：更高的通量和更多的模态——通量更高，同一份样本能采到的信息更多、能覆盖的网络更大；模态更多，就是在电和光之外，逐步接入更多类型的观测手段。落到普通研究者手里，我认为两年内会有明显变化：从今天少数实验室才用得上的高端设备，变成更多做脑类器官、做神经疾病模型、做药物筛选的实验室的日常工具。普通人最早接触到它，大概率不是在医院门诊，而是在药企和科研院所的幕后——你将来吃到的一种新药，可能就是在这样的平台上先被筛过一轮。如果让我对公众说一句话：我们做的不是把芯片装进人脑，而是给人类一个能安全地和神经组织“对话”的窗口——先学会听懂它，才谈得上帮它，也帮我们自己。

专访代民｜在一块芯片上“养脑、读脑、启脑”——片上脑机交互系统，如何让AI与活体神经“对话”？图3

内容为【科技导报】公众号原创，欢迎转载白名单回复后台「转载」

☟

精彩内容回顾

《科技导报》创刊于1980年，中国科协学术会刊，主要刊登科学前沿和技术热点领域突破性的研究成果、权威性的科学评论、引领性的高端综述，发表促进经济社会发展、完善科技管理、优化科研环境、培育科学文化、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、科技新闻、科技评论、专稿专题、综述、论文、政策建议、科技人文等。

专访代民｜在一块芯片上“养脑、读脑、启脑”——片上脑机交互系统，如何让AI与活体神经“对话”？图4