脑机接口行业正在经历一个奇怪的阶段：资本与媒体对“读脑”的热情持续升温，但真正能够进入医院、家庭或被普通人日常使用的设备仍然稀少。问题并不只出在算法或神经科学基础研究上，而在于设备本身。不同厂商、不同型号的电极帽、头环或贴片采集同一个大脑信号时，结果可能差异显著。这种硬件层面的不一致，使得神经科学领域难以像计算机视觉那样，把不同来源的数据直接汇入大模型训练。一个在实验室表现良好的解码模型，换一台设备、换一个佩戴角度，可能就失去意义。

这正是北京国科脑机智能科技有限公司（以下简称“国科脑机”）试图切入的位置。据36氪报道，该公司近日完成数千万元人民币种子轮融资，由国科创投领投，厚天资本、万方资本跟投。公司成立于2026年6月，依托中国科学院自动化研究所的科技成果转化设立，专注非侵入式可穿戴双向脑机接口的技术研发与产业化。投资界10月23日消息亦显示，国科脑机完成数千万元人民币种子轮融资，由国科创投领投，厚天资本等参与，与36氪报道在事件时间与投资方构成上形成辅助核对。

国科脑机把行业落地难概括为“四不”：不方便、不稳定、不智能、不刚需。这个判断并不新鲜，但它指向了一个具体的技术路线选择：不是先做高精度、高成本的科研级设备，也不是直接押注侵入式电极，而是从可穿戴硬件与端侧AI的结合入手，试图把信号检测、解码和调控压缩到一个即戴即用的设备里。

字段 内容
公司 北京国科脑机智能科技有限公司
轮次 种子轮
金额 数千万元人民币
投资方 国科创投（领投）、厚天资本、万方资本
总部 北京
创始人 未披露
官网 未披露

“四不”不是营销口号，而是硬件一致性的产业级缺口

国科脑机所称的“四不”困境，最值得拆解的是“不稳定”。据36氪报道，公司认为不同型号设备带来的脑功能信号漂移差异，是构建脑电大模型的跨数据集障碍。这一判断与神经科学领域的一个长期问题相呼应：脑电信号本身具有极高的个体差异和状态依赖，而采集设备的电极材料、位置、阻抗、采样率、滤波方式等又会引入额外变量。当数据来自不同硬件时，模型很难区分哪些差异来自大脑、哪些来自设备。

国科脑机提出的应对方式是“硬件+AI”一体化设计，在端侧实现“感算一体”。公司通稿称，这种设计可以从源头减少不同设备间的信号漂移差异。不过，这一说法目前仅来自公司通稿，尚无独立第三方验证。从技术逻辑上看，端侧一体化确实有可能通过固定硬件参数、统一预处理流程来降低跨设备变异，但前提是设备本身能够大规模量产并保持一致性。对于一家成立仅数月的种子轮公司而言，这仍然是一个待验证的工程假设。

另一个值得注意的表述是“不智能”。公司通稿称，其产品基于“MCU+FPGA”混合设计，在端侧实现“感算一体”的完整功能，让用户即戴即用并实时出结果。公司通稿称，这将“完全解决”当前医疗产品先导出数据、再人工阅片或调用算法解读的流程。这里的“完全解决”是公司单方面表述。MCU负责低功耗控制，FPGA承担并行计算，这种组合在边缘计算设备中并不罕见，但能否在可穿戴脑机设备上稳定运行复杂的脑电解码与神经调控算法，仍取决于算法效率、功耗控制和信号质量，而非架构本身。

从产业逻辑看，“不方便”与“不稳定”往往互为因果。设备越复杂，佩戴越困难，用户越难在真实环境中保持标准化使用；而佩戴姿态、接触压力和电极位移的微小变化，又会进一步放大信号漂移。国科脑机把小型化、易穿戴作为“刚性落地应用前提”，意味着它需要在信号质量与佩戴便利性之间找到平衡。这个平衡点在哪里，目前公司并未披露具体的工程参数或对比测试结果，外界只能从产品形态和设计要素中做有限推断。

三条硬件管线背后，是医疗场景优先的务实选择

据36氪报道，国科脑机的产品覆盖额贴式、发箍式与高密度可穿戴脑机接口平台三条硬件管线，面向脑疾病快筛、精神与睡眠障碍的检测与调控、脑机交互等场景。三条管线的形态差异意味着不同的信号采集能力和使用门槛：额贴式更轻便但电极覆盖有限，发箍式可覆盖更多脑区但佩戴稳定性存疑，高密度平台则更接近科研或临床级需求。

公司通稿称，其产品首先定位为医疗健康场景，解决精神心理健康及睡眠障碍的诊断与调控治疗。这个选择有其现实逻辑。相比消费级冥想头环或注意力训练设备，医疗场景有更明确的支付方和监管路径，也更容易积累结构化数据。但医疗场景同时意味着更长的注册周期和更严格的临床验证要求。公司通稿明确提到，本轮资金将用于推进医疗器械注册和深化临床合作研究，说明产品距离商业化仍有相当距离。

从产业链约束看，非侵入式脑机接口的医疗化至少需要跨过三道坎：信号质量是否达到临床诊断标准、算法输出是否具备可解释性与可重复性、设备是否通过电磁兼容与生物相容性等监管要求。国科脑机目前披露的信息集中在硬件形态和技术架构上，尚未公布具体的临床方案、适应症、对照试验设计或与现有诊断手段的比较数据。这意味着“医疗健康场景”目前更多是一个方向，而非已经验证的落地路径。

值得进一步拆解的是，三条硬件管线并非简单的产品线并列，而可能对应不同的数据获取层级。额贴式设备可能更适合大规模筛查和居家场景，发箍式设备可能在通道数与佩戴稳定性之间寻求折中，高密度平台则可能承担更复杂的科研或临床数据采集任务。如果这三条管线能够共享同一套端侧算法框架和数据结构，那么公司有可能在不同场景之间形成数据协同；但如果每条管线各自为政，硬件一致性反而可能在公司内部被重新制造出来。公司通稿并未说明三条管线之间的数据格式、算法兼容性或信号校准机制，这一关键问题仍需后续披露。

“感算一体”的技术主张，需要放在真实功耗与算力约束中审视

国科脑机的技术主线是“可穿戴硬件+AI算法”，在信号检测（读）、神经调控（写）、脑电解码三个方向形成自主技术能力。公司通稿强调，产品采用多重屏蔽、低功耗、多维自由度结构等设计，以解决小型化和易穿戴问题。这些设计要素对于可穿戴脑电设备确实关键：脑电信号幅度极弱，通常在微伏级别，容易受到工频干扰、肌电伪迹和运动伪迹影响；同时，可穿戴设备对功耗和体积有严格限制。

但“多重屏蔽”与“低功耗”之间存在天然张力。屏蔽结构通常增加体积和重量，而低功耗则要求简化电路和降低采样率。如何在小型化壳体内同时实现高信号质量与长续航，是行业共同面临的工程难题。国科脑机尚未披露具体功耗指标、信号采样率、通道数或屏蔽方案细节，因此外界难以判断其技术方案在同类产品中的相对位置。

“感算一体”的另一个隐含挑战在于算法更新。端侧一体化意味着算法被固化在设备中，后续模型迭代需要通过固件升级或硬件更换来实现。相比之下，云端或主机端处理可以更灵活地更新模型，但会牺牲实时性和数据隐私。国科脑机选择端侧路线，逻辑上更接近医疗设备对实时性和本地化的要求，但也意味着其算法能力必须在一开始就足够成熟，否则后续调整成本较高。

从“读”与“写”的双向闭环看，信号检测与神经调控在同一台设备上完成，还涉及一个更复杂的时序问题：设备需要在采集脑电信号的同时，避免调控信号对采集通道造成干扰。如果调控采用电刺激或磁刺激，其脉冲可能直接耦合进脑电采集电路，形成伪迹。公司通稿提到“多重屏蔽”设计，可能部分指向这一问题，但具体采用何种调控方式、如何实现采集与调控的时序隔离，均未披露。这可能是“感算一体”从概念走向产品的关键工程节点之一。

资本结构显示科研转化色彩，但创始人信息缺失留下治理疑问

本轮融资的领投方国科创投，从名称上看与中科院体系存在关联，这与国科脑机依托中国科学院自动化研究所科技成果转化的背景相吻合。厚天资本和万方资本作为跟投方，公开信息中并未披露其投资逻辑或对公司的具体判断。种子轮由科研背景机构领投，通常意味着项目在技术来源上具备一定背书，但同时也可能意味着市场化验证尚未充分展开。

值得关注的是，公司创始人姓名与团队履历在本次披露中完全缺失。对于一家成立仅数月的科技成果转化公司，创始团队的产业化经验、临床资源整合能力和供应链管理能力，往往比技术本身更能决定早期成败。中科院自动化所的科研背景可以解释技术来源，但无法替代公司层面的执行团队信息。这一信息缺口使得外部难以评估公司的治理结构和商业化推进能力。

从资金用途看，公司计划扩充硬件、算法团队，推进医疗器械注册，深化临床合作研究。数千万元人民币的种子轮资金对于这三项任务而言并不宽裕。医疗器械注册涉及型式检验、临床试验、体系考核等多个环节，单是临床研究的费用就可能消耗相当比例的资金。硬件团队扩充则涉及传感器、结构、嵌入式系统等多个岗位。在资金有限的情况下，公司需要在技术研发与注册推进之间做出优先级取舍。

另一个需要留意的结构性问题在于，科技成果转化公司往往面临知识产权归属与授权安排的复杂性。国科脑机依托中科院自动化所设立，但其核心技术专利是转让、独占许可还是共有，本次披露并未说明。如果核心知识产权仍保留在科研院所，公司后续融资和商业化可能面临额外的授权成本或合规约束；如果已完成清晰的知识产权切割，则公司作为独立商业主体的价值会更高。这一信息缺口与创始人信息缺失一样，增加了外部评估的不确定性。

非侵入式脑机接口的竞争，不在“有没有技术”，而在“能不能被同一台设备重复验证”

国科脑机在通稿中提出一个关键观点：批量落地的使用才有可能形成高一致性的结构化数据，这才是构建脑电大模型的根基。这个逻辑链条是清晰的——先有大量同质化设备进入真实场景，才能积累可训练的数据，进而提升算法能力，再反哺设备智能化。但问题在于，这个链条的起点是“批量落地”，而批量落地本身需要产品已经具备足够的临床价值或消费吸引力。

这是一个典型的冷启动困境。没有足够的数据，算法难以证明其临床价值；没有临床价值，医院和用户不会大规模采购；没有采购，就无法积累数据。国科脑机试图通过“硬件+AI”一体化来降低这个循环的启动门槛，即让单台设备本身就具备完整的检测与调控能力，而不是依赖后端数据积累。这个思路在逻辑上自洽，但能否跑通，取决于其设备在真实医疗场景中的单点表现是否足够好。

与侵入式脑机接口相比，非侵入式路线在信号分辨率上存在天然劣势，但其优势在于无需手术、风险低、可规模化。近年来，多家公司尝试在消费级或医疗级非侵入式设备上实现脑电信号的稳定采集与解读，但多数仍停留在注意力监测、冥想反馈或睡眠分期等相对轻量的应用。国科脑机将精神疾病诊断和睡眠障碍调控作为切入点，应用场景更重，也意味着更高的验证标准。公司通稿中提到的“精神疾病诊断”具体指向哪些适应症、采用何种诊断标准、与现有量表或医生判断的一致性如何，均未披露。

从竞争维度看，非侵入式脑机接口的壁垒可能并不在于单一算法精度，而在于“设备—数据—算法”三者能否形成闭环。如果一家公司只能做算法，它可能受制于第三方硬件的信号质量；如果只能做硬件，它可能无法从数据中持续迭代。国科脑机试图同时控制硬件与算法，这在理论上可以缩短迭代路径，但也意味着公司必须在两个领域同时保持投入，而种子轮资金规模对双线作战的支撑能力有限。这种资源约束下的战略选择，可能是公司早期最需要向外界证明的部分。

资金用途明确，但验证路径仍存在多个未解假设

本轮融资的用途可以概括为三件事：扩充团队、推进注册、深化临床合作。这三件事的推进节奏将决定公司能否从“技术转化项目”过渡到“可商业化的医疗器械公司”。其中，医疗器械注册是最具确定性的里程碑，但周期通常以年计。临床合作研究则取决于合作方的层级、样本量和研究设计，这些信息目前均未披露。

从编辑推断的角度看，国科脑机面临的核心验证问题有三个。第一，其“感算一体”设备能否在真实医疗场景中达到可接受的信号质量和诊断一致性。第二，公司所称的“硬件+AI”一体化设计能否真正解决跨设备信号漂移问题，还是仅在公司自有设备内部保持一致。第三，在数千万元种子轮资金的支持下，公司能否在资金耗尽前完成至少一个适应症的临床验证或注册突破。这三个问题中，前两个是技术假设，第三个是资源约束下的执行问题。

需要明确的是，本次披露并未提供独立第三方对产品性能、信号质量或临床效果的验证。公司通稿中的“独特设计”“完全解决”“从根本上解决”等表述，均属于单方声明。36氪原文在文末注明“该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务”，进一步说明该报道并非平台编辑部的独立调查报道，而是基于公司或相关方提供的信息。

从融资节奏看，公司成立于2026年6月，10月即完成种子轮融资，间隔仅约四个月。这一速度可能说明两个问题：其一，中科院自动化所的科技成果转化路径相对顺畅，项目在成立前已有一定的技术积累和产业资源对接；其二，本轮融资可能更多基于技术来源背书和方向判断，而非产品验证或市场数据。对于后续轮次而言，投资机构可能不再满足于“技术转化”叙事，而会要求公司拿出具体的注册进展、临床数据或至少是可量化的产品性能指标。国科脑机能否在下一轮融资前完成这一转变，是观察其执行能力的关键窗口。

早期项目的信息边界：哪些是事实，哪些是叙事

在本次披露中，可以确认的事实包括：公司名称、成立时间、科技成果转化背景、融资轮次、投资方构成、产品管线方向、技术路线表述以及资金用途规划。这些信息来自36氪报道，且MSN转载页与投资界10月23日消息在事件时间与投资方上提供了辅助核对。具体融资金额仅为“数千万元人民币”，未披露精确数字；创始人、官网、客户、营收、竞争对手等信息均未披露。

需要区分的是，公司通稿中关于“四不”困境的行业判断、关于“感算一体”解决跨数据集障碍的技术主张、关于“完全解决”现有医疗产品笨拙设计的表述，属于公司叙事而非已核实事实。这些叙事为理解公司战略提供了窗口，但不能作为技术能力或市场地位的证据。对于一家种子轮公司而言，这种叙事与事实的差距是正常的，但读者和潜在合作方需要保持清醒。

从投资逻辑看，国科创投领投本轮，可能看重的是中科院自动化所的技术积累和非侵入式脑机接口在医疗场景的长期潜力。但种子轮投资本身即意味着高风险、高不确定性。公司成立仅四个月左右即完成融资，说明技术转化路径相对顺畅，但也意味着产品、团队和商业模式都处于极早期。后续能否吸引更大规模的外部资本，将取决于其在医疗器械注册和临床合作上能否拿出可验证的进展。

更具体地说，本轮披露中的“事实”与“叙事”边界，集中体现在三个层面。在技术层面，“采用MCU+FPGA混合设计”是事实性表述，而“从根本上解决跨数据集障碍”是公司主张；在产品层面，“覆盖三条硬件管线”是事实性表述，而“完全解决笨拙设计”是公司主张；在市场层面，“定位医疗健康场景”是事实性表述，而“这个场景是刚需”是公司判断。这种分层有助于外部在不否定公司战略方向的前提下，对其技术承诺保持合理的折扣预期。

RecodeX 极客视：国科脑机的种子轮融资，本质上是在为“硬件一致性”这个行业级缺口下注。非侵入式脑机接口的真正瓶颈，或许不在于能否读出更复杂的脑电信号，而在于能否让一万台设备读出的信号彼此可比。这个问题的答案，只能由注册检验、临床数据和真实世界使用来给出，而不是由技术路线图本身来证明。

信息来源

本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。