# 直播:马斯克 Neuralink Show and Tell 发布会 > - 原标题:WATCH: Elon Musk's Neuralink Show and Tell Event - LIVE - 时间:2023 年 - 频道:CNET Highlights - 网页版:https://elon.ruinews.com/ep/watch-elon-musk-s-neuralink-show-and-tell-event-live/ - 精读字数:约 11201 字(阅读约 25 分钟) > 本文为 elon.qiaomu.ai 基于原始视频与文稿的 AI 改写中文精读,非官方翻译;引用请注明出处并链接网页版。 打一行字,你从大脑传到机器上的信息量,大概每秒 10 比特。 乐观一点,用拇指打字或者开口说话,能到每秒 100 比特。同一时刻,你面前那台笔记本和网络之间的传输速率是千兆比特、太比特的量级。中间差着七八个数量级。 马斯克在 Neuralink 2023 年的 Show and Tell 发布会上,把这个数字放在了整场演讲的起点。他要回答的问题是:如果有一天真的出现了比所有人类加起来还聪明的数字智能,人类靠什么跟它沟通,又靠什么在它的世界里保留一点位置。 他的答案听起来有点绕:先去解决脖子以上那个几瓦功耗的生物处理器和外部世界之间的带宽问题。 ## 为什么造火箭的人要钻进脑子里 Neuralink 的长期目标被马斯克称为“全脑接口”(whole brain interface):一个通用的输入输出设备,长期看能和大脑的任何一个部分对话,短期看能接入某个特定脑区,解决一批让人失去基本生活能力的问题。 他承认这个长期目标听起来很玄,但那确实是这家公司成立的第一动机。 > 如果数字超级智能比任何人类都聪明得多,我们怎么在物种层面降低这个风险?就算是一个非常非常友善的 AI,我们怎么跟着一起走,怎么参与进去?(马斯克) 他的判断是,人类跟 AI 之间最大的限制落在带宽上,算力和算法都排在后面。你思考的速度被卡在几十比特每秒,而机器之间的对话可以用千兆、太比特来衡量。这个落差如果一直存在,人类在这场关系里就永远是个反应很慢的旁观者。 所以 Neuralink 要做的事情,从最务实的角度看,是把一个瘫痪的人重新接回数字世界;从最长远的角度看,是给人类整体修一条更宽的信道。 ## 人类早就在事实上和机器合体了 马斯克在台上讲了一个很多人有共鸣的细节:你把手机落在家里,出门会下意识地拍口袋,那种感觉像少了一条肢体。 按他的说法,手机、电脑早就是我们自己的延伸。真正的问题在于这条连接太窄,尤其是从人往机器这个方向。你戳屏幕的速度、说话的语速,都被几十年前的物理条件锁死了。 按这个逻辑继续推,脑机接口要做的其实是一件事:把这根管子加粗。它的意义不止是让残疾人重新能打字,还在于让人类整体的输出速率往上跳一个量级。 ## 从原型到产品,难一百到一千倍 发布会的前半段,马斯克花了不少时间讲一件听上去不那么性感的事:把东西做出来和把东西量产,难度完全不在一个量级。 > 我常说原型容易,量产难,大概难一百到一千倍。要让它安全、可靠、在各种情况下都能工作、价格可负担、还能大规模生产,这极其困难。(马斯克) 他引用了那句老话,百分之一的灵感加百分之九十九的汗水,然后自己补了一句:也许其实是百分之九十九点九。他用登月举例:想到要去月球很容易,真的去很难。 这个铺垫本身没什么情绪,作用是给后面的技术细节做背景。因为接下来登场的每一项汇报,讲的都差不多是同一件事:怎么把一个实验室里的原型,变成一个能反复生产、反复测试、反复维修的工业产品。 关于人体试验,他给的时间点是:大部分文件已经提交给 FDA,如果顺利,大概六个月后可以把设备植入第一个人类。 他还特意讲了一个容易被忽略的原则:在把设备放进动物之前,他们要做大量的台架测试、加速老化测试,还有一个用橡胶做的“假脑”模拟器,用来模拟大脑的质地。他的原话是,动物植入必须是验证性的,不能是探索性的。也就是说,只有在台架上已经把能想到的都试过了,才会去动一只羊、一头猪或者一只猴子。 ## 已经会玩 Pong 和打字的猴子 现场放了两段猴子视频。 第一段是 18 个月前的 Pager,用意识玩 Pong。马斯克强调了一个很多人没注意的点:你根本看不见植入体。它被做到和头骨被取下的那一块厚度一致,装上去之后外观上完全正常,就像把一块头骨换成了一块智能手表。 他顺带讲了一个细节:猴子本来不会用摇杆玩 Pong。团队先教会 Pager 用摇杆玩,再把摇杆拿走,换成神经信号。那段视频后来在网上被反复传播,很少人知道前面的训练过程。 第二段是另一只猴子 Sake,用意识在虚拟键盘上移动光标,逐格点到高亮的字母上,拼出一句话。马斯克老实交代了这一步的局限:猴子其实不会拼写,真正要拼什么是人选的,所以这不能过度吹。但他也说清楚了这个能力的意义:一个四肢瘫痪的人,哪怕其他什么都做不了,也能靠这个比有手的人更快地操作手机。 从 Pager 那次演示到现在,实验猴群扩展到了六只,Pager 和 Sake 都换上了新一代植入体。第一台设备在 Pager 身上已经工作了一年半,没有观察到不良反应。这点对他们很重要,因为可更换、可升级是这款产品的基本要求。 > 我们的第一代量产设备大概相当于 iPhone 1。你肯定不想让一台 iPhone 1 永远留在自己脑子里,而 iPhone 14 已经摆在旁边。(马斯克) 所以设计上必须做到完全可逆:能取出来,能在原位换一个新的,如果哪天它不工作了,也能换。这条要求写在设计指标里,没有商量余地。 还有一段容易被忽略的话:猴子做演示是自愿的。它们自己走到设备前,完成任务,奖励是一杯香蕉奶昔。Sake 没有被绑在椅子上。 ## 前两个目标:恢复视觉,重建运动 Neuralink 在人身上的第一批应用锁定在两个方向。 第一个是恢复视觉。马斯克说了一句比较硬的话:哪怕一个人天生失明、从来没有过视觉体验,他们相信也能让他看见。理由是视觉皮层还在,只要能在那片区域写入信号,大脑就会自己把它解读成图像。 第二个是运动皮层。最初的目标是让几乎完全无法控制肌肉的人,比如处于斯蒂芬·霍金那种状态的人,能用意识操作手机,速度超过有手的人。更进一步的方案是桥接:从运动皮层读取信号,送到脊髓里的另一组 Neuralink 设备,绕开断掉的那一段。 > 听起来也许像奇迹,但我们确信,对脊髓完全断裂的人恢复全身功能,不存在物理上的障碍。(马斯克) 这句话在现场换来了掌声,后面负责脊髓项目的工程师讲得比这谨慎得多,细节放在后面。 ## 这场发布会真正想说的是招人 马斯克中途把话挑明了:这次更新的主要目的是招聘。 他提到一个常见的误解,很多人觉得自己不懂生物学、不懂大脑,所以不可能去 Neuralink 工作。他的反驳是,把这家公司需要的能力拆开看,很大一部分和做一块智能手表、一部现代手机需要的能力是重叠的:软件、电池、射频、感应充电。 当然也有专属的部分,动物照护、临床、法规事务,还有机器学习。他在这里给了一个挺漂亮的说法:大脑是一个生物神经网络,解读生物神经网络最好的工具,是数字神经网络。 他的原话是,如果你擅长做手表、手机、电脑这类复杂设备,你的能力在这里非常有用。 ## 一枚硬币大小的植入体和给它做手术的机器人 Neuralink 的创始团队成员 DJ Seo 接着讲了产品本身。他 13 岁从韩国搬到美国,需要重新学一门语言,那时候他就在想有没有更高效的沟通方式。后来看《黑客帝国》里 Neo 一秒钟学会功夫,他觉得这件事值得干一辈子。 他给出的产品定义是两条腿走路:一个叫 N1 的植入体,一个叫 R1 的手术机器人。 N1 的大小接近一枚硬币,超过一千个通道,能记录也能刺激。电极做在一种叫“线”(thread)的柔性薄膜阵列上,整个设备完全植入、完全无线,手术后藏在皮肤下面,外观上看不见。电池可以无线充电,用户在家里就能充。 他们在这三个方向上做取舍:安全、可扩展、能触达大脑的各个区域。安全是为了让这项技术能被广泛接受,可扩展是为了规模上来之后成本能降下去,触达更多脑区是为了功能可以不断扩展。 R1 机器人负责植入。那些线只有几个红细胞那么宽,要在一颗一直在动的大脑里可靠地插进去,还要避开血管。DJ 现场做了演示:在大脑模型上,把 64 根线一根根从硅基座上剥离、插进预定位置,全程大约 15 分钟。整场发布会进行到后半段时,机器人已经把 64 根线全部插完,每根 16 个电极,一共 1024 个通道,血管全部避开。 产线后来搬到了奥斯汀的专属工厂。报告里专门点出一个细节:设计工程师同时也要上产线做装配和调试。这大幅缩短了迭代周期。手术室也建了起来,他们在奥斯汀有了自己的场地,这是通往自建 Neuralink 诊所的第一步。 ## 光标速度翻倍了,但还比手慢 负责神经解码的工程师讲了猴子玩游戏的原理:从运动皮层记录神经元活动,训练一个神经网络,从放电模式预测光标速度,然后用这个解码器让猴子只靠想就能移动光标。 2021 年初的水平是准,但慢。一年之后,速度快了将近一倍。他在台上承认,还是比他本人用鼠标慢,所以团队还在想办法。 速度只是一部分,功能是另一部分。几十年的软件生态都是为鼠标和键盘设计的,不可能为了脑控重做一遍。他们的做法是让猴子在各种任务上训练:左键、右键、点击拖拽、光标打字、手写、手势,然后针对每种行为设计解码算法。 这里有个很多人想不到的细节:反馈。你按一个按钮,手指能感觉到它被按下去。脑控用户没有这个触觉。他们的过渡方案是视觉反馈,光标颜色随“按压力度”变化。 打字这块,虚拟键盘已经能用了,但虚拟键盘本身就慢,还挡屏幕。斯坦福之前有研究让人想象手写字母,从神经活动里解码,速度比逐键点选快得多。 Neuralink 用猴子复现了这个思路,遇到的问题是数据量:每个字符都要几百个样本才能训练出来,扩展不了。 他们的解法很巧:不去直接解码字符,先解码手在屏幕上的运动轨迹,再把轨迹交给现成的手写识别模型。这样一来,一个通用的手部轨迹解码器就能支持任何语言的字形。 > 这意味着你可以写英文、希伯来文、普通话,甚至是猴子语,我们都能知道你想要一根香蕉。(Neuralink 工程师) ## 今天的信号和昨天不一样 软件工程师 Bliss 讲的是可靠性,这一段是整场发布会里最诚实的技术汇报。 他的目标是让瘫痪用户操作电脑的可靠程度,接近他自己用鼠标键盘的水平,也就是几乎从不出错。 第一层保障是离线仿真。他们做了一个模拟大脑,往服务器机架上的植入体里注入合成神经信号。从植入体的角度看,它就在一颗真脑子里。这套仿真跑在每一次代码提交上,从硬件一路验证到解码器。 仿真还不够。真实世界里,神经信号本身每天都在变。 他放了一张图:同一只猴子、同一个通道,每一天的平均放电率都不一样。如果用某一天的数据训练解码器,第二天接着用,放电率的漂移足以让模型输出产生系统性偏差。表现出来就是光标往右上角走特别费劲,往左下角走很顺。 他们试的方向包括:用很多天的数据一起训练,找跨天稳定的模式;以及在植入体上持续统计神经活动,用最新的估计去预处理数据,再喂给模型。 另一个问题是延迟。从大脑放电到光标动,中间只要有抖动,用户就会控制不住地过冲。 他们做出的一项改进叫相位锁定(phase lock):把每个数据包的发送时刻,精确对齐到蓝牙射频唤醒的那一瞬间。这样从放电到进入神经网络预测的时间被压到最短。他展示了改进前后的延迟分布,平均值大幅下降,方差也降了下来。用户感受到的变化是光标反应变得可预测。 ## 32 毫瓦,和爬上去自己充电的猴子 芯片工程师 Avinash 讲的是那枚定制 ASIC:1024 个独立通道,模拟加数字电路,要测到幅度小于 20 微伏的放电信号,同时塞进一枚硬币大小的壳里。 他重点讲功耗,因为目标很具体:让用户一整天不用充电。 2018 年的方案是把每个通道的每个采样都传出芯片,功耗极高。2020 年他们做了一件关键的事:把放电检测搬进芯片。神经元是靠放电传递信息的,只在检测到放电时才往外传,本身就是一种极其高效的压缩。 两年优化下来,系统总功耗降到 32 毫瓦,电池寿命翻倍。 算法是这样的:先做 500 赫兹到 5 千赫兹的带通滤波去掉带外噪声,再用噪声底估计给每个通道生成自适应阈值,最后由检测模块识别一次放电的三个关键点。识别三个点除了判断有没有放电,还能判断放电的形状,这对区分同一通道旁边的不同神经元很有用。 最新的一个优化利用了一个事实:神经元放电其实很稀疏,检测器大部分时间都在找第一个点,很少需要找后两个点。于是他们把每个通道的状态拆成“热态”和“冷态”,热态每个周期都访问,冷态只在越过阈值后才访问。内存访问量降了 30%,功耗降了 15%。 下一代芯片是 4096 通道,尺寸不变,驱动电压更高,还加了一颗 ARM 核。四颗拼在一起装进一个植入体,总共 16000 个通道,还是一枚硬币那么大。 充电这块由电气工程负责人 Matt 讲。植入体的充电有不少约束:充电范围要大,不能靠磁铁对齐;要能抗干扰,要快,不能让人觉得麻烦。最硬的一条是安全,接触脑组织的那一面,温升不能超过 2 摄氏度。 他们的充电器迭代了三代。2020 年 8 月那头叫 Gertrude 的猪用的还是第一代,一个小圆饼。现在的量产版是一个铝制底座加一个可拆卸的远程线圈,线圈面积是第一代的四倍。 现场放了一段视频:猴舍里嵌了一个线圈,旁边加了个香蕉奶昔泵,猴群学会了自己去充电。Pager 爬上去坐好,充电器自动检测到他的存在,从搜索状态切换到充电状态,屏幕上实时显示功率和电流。 技术上有个挺有意思的问题:高品质因数的线圈在远距离下效率很好,但一靠近植入体,会出现“峰值分裂”,最高效率被推到更高的频率上,超出了法规允许的 ISM 频段。下一代的解法是动态调谐,实时调整收发线圈的谐振频率,在性能恶化前把参数改掉。 第三代充电器已经在做,加了双向近场通信,控制延迟更低,热管理更好,充电更快。 ## 硬脑膜:一毫米的膜,卡了两年 手术工程负责人 Christine 讲流程:定位、切口、开颅、取下硬脑膜、插入电极丝、放入植入体。机器人只做插丝那一段,其余由神经外科医生完成。 她讲了一段私人经历。她上学的时候,父亲得了 ALS,逐渐失去走路、用手、说话的能力。她在网上只能找到零星的案例,某个人有一个定制的辅助机器人,选项少得让人沮丧。而全世界的瘫痪患者有几十万,神经外科医生大概每一百万人里只有十个,培养一个要十年以上,时间贵得吓人。 要让这项手术可及、可负担,就必须回答一个问题:一个医生怎么同时监管很多台手术。 她拿 LASIK 做类比。三十年前激光手术刚出来的时候,机器人只做最核心的那一小步,其余都是医生做。一轮轮迭代下来,机器做的越来越多,医生做的越来越少,现在整个过程只要几分钟。 要让机器人接管更多步骤,最大的障碍是硬脑膜。这层膜很坚韧,不透明,把大脑和颅骨隔开。团队花了两年时间,才把插入这件事做得足够可靠。 他们做过一些原型工具。超声切割刀能切骨不切软组织,但速度一快就发热严重。振荡锯用了专门设计的刀片,能切硬物不切皮肤,简单可靠,可就是切不了任意深度和形状。要在人头上开任意形状的孔,只能用数控铣,那就必须解决“怎么保证每一次都不切过头”的问题。他们用力度反馈和阻抗反馈来控制,确保刀具不会穿进脑子。 机器人这一侧,难的是光学。插一根丝需要三条光路:可见光成像看针和丝,激光干涉测量(OCT)实时追踪大脑的运动,还要有照明。这些东西都得塞进颅骨开口的底部,靠近骨壁的时候空间极其局促。团队的解法是用偏振把三条光路合并成一套光学堆栈。合并之后还带来一个额外能力:实时避开血管。大脑在动,一开始选好的点可能已经不是你要插的地方,机器人能在针下去的过程中识别血管,判断这里能不能插。 下一步要拿掉的是切开硬脑膜这一步。机械工程师 Alex 讲了为什么难:设备装好之后,几个月里所有空腔都会被组织填满。电极丝本身很小,取出来很容易,难的是上面长出来的那层包膜。他们用组织学和显微 CT 研究这层膜,试过很多设计路线,效果最好的是“少侵入”:不切开硬脑膜,保留人体自己的屏障。这同时也让手术更简单、更安全。 硬脑膜不透明,血管看不见。他们的方案是用医用荧光染料显影硬脑膜下面的血管,再把 OCT 用到更深的组织结构。未来结合术前 MRI,可以在不暴露脑表面的情况下精确定位。 ## 40 微米的针要穿过它 针头制造负责人 Sam 讲了一组数字,把难度说得很直观:人的硬脑膜厚度可以超过 1 毫米,而他们的针是 40 微米。如果把针放大到铅笔那么粗,硬脑膜就相当于四英寸厚。 针要解决的问题不止是穿过去。它还得和外面的保护套管一起夹住电极丝,把它从硅基座上剥下来,运到脑表面,插进去之后再松开。针不够锋利,就会一直把柔软的脑表面压出凹陷而不刺穿;悬空长度太长,针会弯。 材料是直径 40 微米的钨丝,掺一点铼增加延展性。他们自己设计了飞秒激光加工设备来切针和套管,精度到亚微米。 量产能力的进步很具体:几个月前,一个熟练工做一根针要 22 分钟,良率 58%。现在 6 分钟,任何人培训几分钟就能做到 91% 良率。一键完成切割和测量,数据自动上传,机器人用这根针时会读取它的实际尺寸。 老设计能穿过硬脑膜,但保护电极丝不够。新设计在台架上能穿过九层硬脑膜、总厚度 3 毫米,远超人体可能遇到的情况。 他们还遇到过一个很隐蔽的失效模式:有段时间针能稳定穿过硬脑膜了,但把样品放进显微 CT 一看,夹持力太大,把电极丝往表面下面拽了一点点。这个问题对周围材料的性质极其敏感,同样一套工艺,换一种模拟材料,可能一次都不发生,也可能每次都发生。这就是他们为什么要花大力气做仿真材料。 ## 合成一个大脑 微纳加工研发负责人 Leslie 讲的是“大脑替身”(brain proxy)。逻辑很直白:直接从生物体上学东西太慢,那就做能模拟生物环境的合成材料,先把台架上能学的都学完。 难度在于植入环境有很多解剖层,每层性质都不同,而且随着时间推移,植入位置会愈合,新组织会长出来填满空隙。再加上心跳和头部运动带来的位移,问题变得更复杂。 他们的做法是用生物学的反馈来设计材料:做组织的力学表征,分析电极丝和组织界面的相互作用,很多表征甚至是在手术过程中完成的,方法是对手术机器人做改造,让它同时充当一台灵敏的表征工具。 第一代替身非常简陋,琼脂加一张石蜡膜,放在盘子里。就是靠它,机器人插丝这件事被反复练熟了。现在的版本是复合水凝胶,模量更接近真实人脑,还加了硬脑膜替身和可注射的软组织替身,用来做模拟拔出的测试。 他们的愿望清单很长:带软组织、颅骨、皮肤甚至全身的手术替身;能模拟运动、血管和电生理活动的脑替身;用于生物相容性和电刺激测试的生物替身。已经在做的工作包括实验室培养的脑类器官。 目标很清楚:在台架上多学一点,在动物身上就少用一点。最终的理想是完全替代。 ## 给盲人开灯 视觉项目负责人 Dan 原来是做视觉神经科学的。他加入的原因是,在这款设备上看到了给因为眼外伤或疾病失明的人恢复视觉的可能。 设备适合这件事有几个原因。每个通道都能刺激,也就是说能绕过眼睛,直接在大脑里生成图像。通道数可以做得很多,通道越多,图像的分辨率越高。机器人能把电极插得很深,而人的视觉皮层正好藏在大脑内侧面一条叫距状沟的褶皱里。 他放了一张 MRI,把距状沟标成红色。那里有一张视觉世界的地图,每侧面积大约一张信用卡,展开铺平之后图像是倒过来的,而且严重变形:视野中心、也就是注视点附近被极大放大。林肯那张照片里,他的右眼在画面上很小,在视觉皮层里却占了将近四分之一的面积。 过去半个世纪,视觉神经科学积累了大量的知识,大部分来自对猕猴单个细胞的记录。一个核心发现是:视觉皮层里每个细胞只代表视野里极小的一块区域,你的整个知觉是无数个微小感受野拼成的马赛克。 他们在两只猕猴 Cade 和 Dash 的视觉皮层里植入了设备,用随机棋盘格电影加反向相关的方法,一次把上千个电极的感受野全部测出来。结果能看到大量感受野集中在注视点附近,也有一些散在周边,来自埋得更深的记录点。 接下来是刺激。他们先训练猴子看向屏幕上的真实光点,再插入电刺激。猴子看到光幻视,会朝那个方向做眼跳。屏幕上什么都没有,它也没有别的线索,但还是会看过去。通过改变电流,可以测出这个光点多大、多明显。 现场放了录像,先是四分之一速度,然后是实时。猴子做任务做得飞快,做完看起来就不想干了。 一个光幻视就是一个像素。用 1000 个电极能拼出很粗糙的图像。下一代 16000 个电极,两侧都装就是 32000 个光点。 > 我们的目标,是给一个在黑暗里活了几十年的人把灯打开。(Dan) ## 脊髓:断掉的那一段可以接回来 下一代项目负责人 Joey 讲了脊髓这一侧。 先讲一点神经解剖:运动的意图在运动皮层产生,沿着长神经纤维经脊髓下行,这些叫上运动神经元。在脊髓里它们和另一个运动神经元形成突触,后者把指令送到肌肉。脊髓损伤断掉的就是其中一环。 如果把电极插进脊髓,插到运动池里、紧挨着下运动神经元的位置,就可以直接刺激它们,让肌肉收缩。难点在于脊髓很娇嫩,而且在椎管里移动幅度很大,硬电极容易伤到组织,也容易被组织弄坏。 Neuralink 的电极又小又软,机器人能插得很深。现场展示的靶向视图里,电极横跨好几毫米的脊髓,深入到腹角,紧贴下运动神经元。距离越近,动作越精确。 然后是猪的演示。一头猪在跑步机上走,身上不只有一个 Neuralink 设备:大脑里有一个,脊髓里也有一个。团队实时读取神经数据,解码髋、膝、踝的运动。 他们要的方向是反过来:刺激脊髓,让动作发生。 视频里,猪在地上拱来拱去找吃的,地板上有一块蓝色方框。这是它自己选择的“自愿参与区”,进去就说明它愿意接受刺激,离开就停。 刺激某一个电极,腿抬起;刺激另一个,腿伸直。可以在不同电极上组合出时序模式,也可以做出持续的强力收缩,那种你站起来或者负重时需要的收缩。 闭环是这样的:大脑运动皮层记录放电,无线实时传出来,解码成刺激模式,送到脊髓腹角的对应运动池,激活下运动神经元,肌肉收缩,动作发生。感觉这一侧反过来走:背角记录感觉信号,解码后刺激大脑的感觉区,产生触觉和本体感觉。 > 运动没有感觉其实很难,你可以回忆一下四肢麻木时动一下是什么感受。(Joey) 两个回路合起来,运动意图从大脑出来驱动身体,身体的感觉再回到大脑。 ## 问答里的几个硬问题 发布会后半段是提问,很多有价值的信息藏在这里。 有人问数据会不会开放。马斯克说会,把数据集放到官网上,任何人都能用。他觉得这对做 AI 研究的人会很有价值,可以在此基础上训练大脑的基础模型。 有人问长期植入之后的瘢痕组织。负责微纳加工的 Zach 回答,他们能做的是把电极做得更小更柔,减小免疫反应。同时也在做生物涂层,一方面减少炎症,一方面让电极丝更滑、更容易取出。 关于信号漂移,有人问电极会不会在脑子里移动。马斯克的回答是,电极位置其实相当稳定,因为设备固定在颅骨上,而电极丝有一段盘绕的松弛结构,会把它限制在原来的位置。Bliss 补充说,放电率的变化不太可能是换了一个神经元,因为即使平均放电率变化很大,放电波形还是稳定的。他也承认这不完全排除那种可能。 关于寿命,工程师 Jeremy 给了一组数据。Pager 有 617 天是有用的脑机接口信号。当前版本的设备已经接近一年。加速老化测试里,上一代设备积累到 8 年的等效时间,当前这一代积累到 4 年,还在继续。他把寿命拆成三个因素:密封、电池和内部电子、电极丝。密封理论上能撑二十年以上,目前还没见过失效。电池按使用强度算,三年时大概能保持 80% 的续航,团队正在做翻倍和四倍。真正的瓶颈在电极丝,他们正在推非晶碳化硅绝缘,认为能撑到五年以上,同时开始试原子层沉积。 有人问蓝牙带宽够不够。他们的回答分几层:现在是压缩后每秒 50 KB 左右,蓝牙链路是 150 KB。真正的解法是把机器学习模型直接跑在植入体上,只往外传解码结果。负责这项工作的工程师说,这相当于让复杂神经网络跑在一个车库门遥控器的算力上,这个工程问题挺好玩。射频这边在看 500 MHz 的超宽带,能到 6 到 10 Mbps,延迟也低得多,另外还在看 W 波段。 马斯克补了一句他自己的观察:控制一台手机真正需要的数据率低得可笑,大概每秒 10 比特。 > 我们的拇指就是两根移动很慢的肉条,这是个很低的标准。(马斯克) 他还提到一个可能会改变手术形态的方向:如果电极丝足够细、足够准,就不需要切开硬脑膜,直接在硬脑膜上打一堆小孔把丝送进去。 > 那样恢复时间会快得离谱,理论上整个手术可以像 LASIK 一样只要十分钟。(马斯克) 关于 FDA 关心什么,团队列了几条:设备取出的安全性、植入体的热台架测试、生物相容性和化学表征。他们还特别提到一个容易被忽略的困难:产品的很多部分是全新的,薄膜阵列和手术机器人在现有器械里找不到对应物,所以不能靠文献来支撑安全性和有效性,只能自己做测试,一项一项证明。马斯克在这里给了一句很个人化的判断:如果自己的孩子脖子断了,在这个时间点,他会愿意让他接受这个手术。 有人问有没有和运动障碍群体合作。团队说有患者顾问委员会,成员包括四肢瘫痪的人。有位顾问来办公室聊天,说自己最想用 Neuralink 做的两件事:一是炒股,好赢过他兄弟;二是打射击游戏。讲这件事的工程师说,打动他的是这份寻常。 有人问能不能做得更深,进入与神经精神疾病、记忆相关的深部脑区。马斯克的回答是,颅骨里那部分设备本质上不变,改的是电极丝要更长、机器人的针要更长,理论上可以去任何地方。机器人团队负责人补充,现在的成像只能看到大约一毫米深,再深就要换手段,超声和光声成像都在考虑范围内。还有一个更理想的方向:如果丝细到能直接穿过血管,就不会有出血问题。他对比了现有的深部脑刺激:开一个 14 毫米的骨孔,把一根 2 毫米粗的导线盲插进 6 到 8 厘米深,还有 1% 的概率出现无法控制的出血。他们的针是 40 微米。 有人问单个通道出故障怎么办。回答是,通道数远远超过解码需要的数量,现在 1000 个通道,未来 16000 个,坏几个不影响整体性能。 最后一个问题关于输入带宽。团队说这还是个开放问题,方向包括手写解码、不同的键盘布局、滑动输入,以及接入语言和言语相关的脑区。马斯克补充说,一个通用的输入输出设备,对理解大脑本身的推动会大到难以用语言形容。 > 我们现在对大脑里发生的事情,很大程度是在猜。一旦有了直接的输入输出,我们学到的东西会多出好几个数量级。(马斯克) ## 整场听下来,有几处可以单独说说 第一,这次展示的重心已经从“脑机接口很酷”挪到了“我们把它当成一个制造问题在解”。飞秒激光的良率从 58% 到 91%,阻抗扫描从 4 小时到 20 秒,检测设备成本降到五分之一,功耗从全采样降到 32 毫瓦。这些数字放在一起,说明这家公司现在最像的是一家做消费电子的公司,只不过产品要装进颅骨。 第二,最难的部分落在那些没人预料到的地方。卡了他们两年的是硬脑膜这层一毫米厚的膜,以及夹持电极丝时的几十微米偏差。这种事在 PPT 里永远不会出现。 第三,时间表上,团队自己给的说法比马斯克保守。马斯克说六个月可以植入第一个人;工程汇报里反复出现的是“还在研究”“还没解决”“还需要更多测试”。这两套说法并不矛盾,前者讲的是里程碑,后者讲的是这条路还没铺完。 第四,普通人能感知到的第一批改变,大概会落在很朴素的地方:一个瘫痪的人用自己的手以外的方式,把手机用得和有手的人一样快。科幻场景还要往后排。 如果你对这件事有兴趣,下面这几条可能对你有用。 - 如果你做硬件、嵌入式或芯片,重点看他们公开提到的几个方向:超低功耗数模混合设计、无线充电的动态调谐、植入级封装和密封。这些和可穿戴设备高度重合,技能可以直接迁移,去官网的招聘页面对照一下自己的项目经历。 - 如果你做机器学习,值得投入的题目是神经解码里的漂移问题:跨天的信号分布变化、把模型压到植入体上运行、低延迟的实时推理。这几个题目现在就有公开的论文和数据可以做。 - 如果你在学术界,盯住他们承诺开放的猴子神经数据集。这类数据在公开领域一直很稀缺,一旦放出来,做时序建模和表征学习的人会很快用上。 - 如果你关注产业节奏,记住一条判断线:什么时候他们能证明“不切开硬脑膜也能完成植入”,手术的恢复时间和成本会有一个台阶式的变化,那才是大规模推广的起点。 - 如果你是患者或家属,别只看发布会,去看他们临床试验的官方登记信息和入组标准。人体试验的名额、适应症、随访要求都写在里面,比任何二手报道都准。 - 如果你想给孩子或者自己规划方向,这篇访谈里最实在的一句是:这家公司里几乎每一个大学专业都能找到对应的人。把一件事做到足够深,比押注某个热门专业更可靠。