发帖
雷达卡
脑机接口（Brain–Computer Interface, BCI）是一种以大脑信号为核心，将使用者与神经系统共同纳入闭环控制的通信系统，代表了一种具有革命性意义的人机交互方式。尽管该领域已有较广泛的研究基础和相对统一的定义框架，但随着产业转化进程的加速，甚至呈现出“跨越式”发展的趋势，BCI 的概念边界逐渐模糊，出现能力被过度渲染、术语使用不规范以及缺乏科学界定等问题。
基于已有研究成果，本文重新梳理了 BCI 的科学定义，深入分析其能力受限的关键因素，归纳出构成一个完整 BCI 系统所必需的七个核心组件与七大基本特征，并对其应用范畴进行了清晰划分。期望通过本研究为识别真正具备技术实质的 BCI 系统提供依据，降低科研与产业化过程中的泡沫风险，推动该领域生态的健康与可持续演进。
BCI 的科学定义
是否需要对脑机接口建立明确的科学定义？当前是否存在被广泛接受的定义？Wolpaw 等人于2012年提出的经典定义指出：BCI 是一种能够记录中枢神经系统（CNS）活动，并将其转化为人工输出的系统，可用于替代、恢复、增强、补充或改善 CNS 的自然输出功能，从而改变个体与身体其他部分或外部环境之间的互动模式[6][7][8]。
在此基础上，伏云发等人（2024）进一步优化并细化了这一概念[13]。综合现有理论成果，本文提出如下更为精准的 BCI 科学定义：
BCI 是一类以用户及其大脑为核心单元，不依赖外周神经或肌肉参与，通过采集脑信号，在特定实验范式下进行神经信息编码，经实时意图解码后将其映射为通信内容或对外部设备的控制指令，并结合感觉反馈或神经反馈机制形成闭环的人机交互系统，如图1所示。
一个具备实用价值且可被用户接受的 BCI 系统或产品，必须在安全性、稳定性、准确率和响应速度等方面达到较高水平，以保障其可用性与可靠性，提升用户体验与满意度。唯有在确保实际获益远大于潜在风险的前提下，BCI 技术才能实现真正的落地应用。
BCI 的能力边界
BCI 是否存在性能极限？如果存在，哪些因素制约了其能力的发展？又是否适合进行夸大宣传？
事实上，BCI 的性能具有客观限制。即便采用皮层植入电极获取高空间分辨率、高信噪比的动作电位（Spikes）信号，实现非人灵长类或人类对外设的操控，仍需经过长期训练才能建立起稳定且可解码的神经活动模式，识别准确率也无法始终保持在100%。而对于头皮 EEG 信号而言，由于其空间分辨率低、信噪比较差、易受眼动、肌电等伪迹干扰，即使是解码简单的运动意图也需大量训练，且识别精度有限，难以有效区分复杂或多维的思维意图。
制约 BCI 能力的主要因素包括三个方面：一是人类对中枢神经系统内部信息编码机制的理解仍处于初级阶段（即可编码性受限）；二是当前脑信号采集技术尚存在物理与工程瓶颈；三是脑电信号的解码算法仍有待突破（即解码能力受限）。这些因素共同决定了 BCI 在准确性、稳定性及复杂任务处理方面的上限。
表1总结了影响 BCI 能力的具体限制因素及其说明。
BCI 可用于替代、恢复、增强、补充或改善中枢神经系统（CNS）的自然输出功能[6]，涵盖上述五类应用场景。目前研究最为广泛的三种经典 BCI 范式——运动想象（MI）、稳态视觉诱发电位（SSVEP）和 P300 范式，在这五类功能目标中的表现各有侧重，参见表2。其中，MI-BCI 在功能恢复、增强与改善方面更具潜力；而 P300 与 SSVEP 类型的 BCI 则在功能替代与补充上表现出更强适应性。
因此，明确不同范式在具体功效上的优势分布，对于指导技术选型、制定产业化路径和技术转化策略具有重要意义。
前言
脑机接口（Brain–Computer Interface, BCI）是一种将使用者及其大脑整合进闭环回路的通信与控制系统[1][2]，作为人机交互的重要分支[5]，展现出深远的科学研究价值和广阔的应用前景[3][4]。
尽管 BCI 领域已有五十多年的发展历史，理应形成统一、严谨的科学定义与清晰的范畴界定。虽然 Wolpaw 等人（2012）提出的定义已在专业研究群体中达成共识[6][7][8]，但在实际传播过程中，部分非专业从业者乃至个别研究人员出于商业或名利动机，对 BCI 概念进行炒作，导致术语滥用、公众认知偏差以及误导性宣传现象频发[2][9][10][11]，进而引发产业泡沫化的潜在风险[12]。
在当前及未来一段时间内，BCI 的适用范围仍面临泛化倾向，其能力常被夸大，缺乏统一的科学标准。因此，亟需重新厘清 BCI 的科学定义，系统剖析其能力边界的成因，阐明其必要构成模块与基本特性，并明确其合理边界，为辨别真实有效的 BCI 技术与产品提供判断依据，助力科研探索与产业转化协同发展。
近年来，除了传统的三类经典脑机接口（BCI）范式之外，还涌现出一系列新兴的BCI模式，例如言语BCI[24]、脑–脊髓接口[21]、手写想象BCI[25]以及情感或情绪识别BCI[26]等。然而，这些新方向目前仍处于初步探索阶段，大多局限于基础研究层面，距离实际应用仍有较大差距，其功能也受到多方面限制。以下表格汇总了部分代表性新兴BCI范式及其简要说明。
表3 新兴BCI范式及其简要说明
值得注意的是，BCI技术本身存在明确的能力边界。若将其宣传为无所不能，例如声称可治疗所有神经系统疾病、实现“读心”“控脑”或“写脑”等功能，则属于对技术本质的误解和夸大，此类说法不仅缺乏科学依据，也容易误导公众认知。
BCI的必要组件
一个系统是否属于真正意义上的BCI，需依据其是否具备必要的构成要素进行判断。根据Wolpaw等人（2012）提出的经典定义[6]，结合伏云发等人（2024）的进一步阐释[13]，BCI应包含七个核心组件。这些组件构成了判定某系统是否为BCI的基本标准，具体如表4所示。
表4 BCI的七个必要组件
BCI的基本特征
除必要组件外，BCI还具有一系列区别于其他脑相关技术的本质属性。同样基于Wolpaw等人（2012）[6]与伏云发等人（2024）[13]的研究成果，表5归纳了BCI的七个基本特征，包括：不依赖外周神经或肌肉通路、以脑信号为基础实现交互、具备对外部设备的控制与通信能力等。这些特征共同界定了BCI的核心行为表现。
表5 BCI的基本特征
BCI范畴的界定
随着BCI研究与产业化的快速发展，其概念被不断泛化，导致许多非BCI技术也被纳入其中，造成认知混乱。尽管伏云发等人（2021）已提出狭义BCI与广义BCI的区分框架[27]，但现实中仍存在大量误用现象。表6展示了当前常见的泛化观点，并对比了科学视角下的正确认知。
表6 泛化BCI范畴的观点以及科学认知BCI范畴
因此，有必要澄清：并非所有涉及大脑的技术都属于BCI；脑成像设备、脑功能检测手段以及中枢神经调节或脑刺激技术本身也不等同于BCI。尽管如此，在特定场景下，这些技术可以与BCI系统融合使用，从而增强整体性能[11]。
我们主张：只有符合BCI科学定义、具备前述七个必要组件和七个基本特征的系统，才能被认定为BCI。反之，则不应归入该范畴。为帮助辨析，表7至表9分别列举了明确属于BCI、明确不属于BCI，以及尚存争议或边界模糊的典型示例。
表7 明确属于BCI的范例
表8 明确不属于BCI的范例
表9 存在争议或模糊的范例
结语
本文针对当前脑机接口领域中存在的范畴泛化、能力夸大及定义不清等问题，系统梳理了BCI的七个必要组件与七个基本特征，分析了制约其能力的关键因素，并在此基础上提出了BCI的科学定义，明确了其适用边界。期望通过本研究提升学界与产业界对BCI的理性认知，推动相关技术健康、可持续地发展。
伏云发，教授，博士生导师，工学博士。现任昆明理工大学脑认知与脑机智能融合创新团队负责人，脑信息处理与脑-机交互控制学科方向带头人。兼任中国康复医学会脑机接口与康复专业委员会常务委员、中国生物医学工程学会人工智能分会智能康复及人机工程学组委员、中国人工智能学会脑机融合与生物机器智能专委会委员、脑机接口产业联盟专家委员会资深专家、科普与科技伦理工作组副主席。自2008年起长期从事脑机接口研究与应用工作，至今已有十余年科研积累。主要研究方向包括脑机接口、神经反馈及其实际应用。
来源：伏云发, 程天骄，徐家萍. 脑机接口（BCI）的必要组件、基本特征与能力边界：走向科学定义与明确范畴的构建[J]. 生物医学工程学杂志, 2025/2026.
仅用于学术分享，若侵权请留言，即时删除！
京公网安备 11010802022788号
