红杉、云启领投，华超神控完成2亿元Pre-A轮融资，押注「非侵入式AI脑机接口」

编辑｜Clio 科幻小说《仿生人会梦见电子羊吗》中有一个有趣的设定：人类可以使用一种叫「情绪调节器」的设备，通过拨号或设置参数，让机器自动调节心情。 AI 生成 对应到当下技术，最接近的可能是脑机接口与神经调控。提到脑机接口，很多人首先想到的可能是 Neuralink 带入公众视野的植入式电极，或者实验室里戴在头上、布满电极和导线的脑电设备。 李昕和他的团队想象的是另一种可能：不做手术，让设备从外部感知和影响大脑，再让 AI 根据人的状态持续理解、判断和调整。再大胆一点，它还能持续理解大脑，甚至成为连接人脑与 AI 的一种新接口。 2025 年，李昕在上海创立华超神控（BCI-Sonics）。一年多后，公司完成 2 亿元 Pre-A 轮融资，由红杉中国、云启资本联合领投，比邻星投资、元禾控股、徐汇科创投、德石投资跟投，老股东经纬创投、德联资本持续加注。循光资本持续担任独家战略财务顾问。此前，公司已经完成由经纬创投领投的天使轮，以及德联资本、道远资本联合领投的天使+轮，成立至今累计融资近 3 亿元。本轮资金将继续投入产品研发、核心人才引进、临床研究和 AI 基础设施建设。 据悉，华超神控 BCI-Sonics 是行业内少数里程碑领先于估值水平的创新非侵入式 AI 脑机公司。公司 FUS-BCI 系列两代产品已经完成研发并取得相应的安全性报告，闭环超声脑机系统计划于 2027 年 Q1 正式进入临床；面向消费者的闭环脑机科技产品进入批量验证阶段；公司也正在加速研发多模态读脑、Neuro AI 平台以及 CNS 药械结合相关产品，相关方向已与国际大型药厂达成战略合作。 在我们和李昕的交流里，他把华超定义为一家「 非侵入 AI 脑机接口公司 」。 这背后包含几项同时推进的技术：以低强度经颅聚焦超声作为主要的「写脑」手段，以脑电、功能超声等多模态方式读取大脑状态，再由 AI 参与神经解码、靶点判断和参数优化。公司把这套体系概括为「读脑—解码—写脑」。 简单说，它希望完成这样一个循环： 读取大脑状态，理解正在发生什么，实施调控，再根据反馈继续调整。 要完成这个循环，需要同时解决两个问题：一是如何在不开颅的情况下，更精准地读取和作用于大脑；二是面对复杂且存在个体差异的神经信号，系统如何判断当前状态，以及下一步该怎样调控。 华超给出的答案，是「非侵入式 + AI」。 为什么是「非侵入式 + AI」？ 李昕产生脑机接口创业的念头，比华超神控成立早了三年。 2022 年，在经历十多年脑成像、医疗影像、脑机产品及医疗器械产业化后，他已经开始考虑创业，但直到 2025 年才真正成立公司。 在我们的采访中，李昕把这三年的变化归纳成三个方面： 技术逐渐成熟，需求变得更加明确，政策、资本和商业环境也在变化。 其中，大模型和 AI 能力的快速演进，是他特别提到的一个驱动因素。 与此同时，政策和产业环境也在变化。2024 年起，脑机接口被纳入未来产业布局，随后政策进一步鼓励非植入式设备、新型刺激技术及 AI 在神经解码中的应用。非侵入式、多模态和 AI，恰好成为这一轮产业演进中的几个重要方向。 但决定技术路线时，李昕首先考虑的是脑机接口要服务什么样的人。 侵入式脑机接口已经在严重神经系统疾病等场景显示出重要价值，但通常伴随手术和植入。非侵入式不需要打开颅骨，因此潜在的适用人群和使用场景更广。李昕希望这项技术未来不只进入严重疾病治疗，也能逐渐延伸到睡眠、情绪、专注等更广泛的场景，因此从创业之初就把非侵入式作为基本方向。 沿着这一方向，华超把脑机接口拆成「 读 」和「 写 」两个部分：读取端采用脑电、功能超声等多模态方式；写入端则从低强度经颅聚焦超声开始。 团队看中的是聚焦超声在 作用深度和空间精度 上的潜力。相比经颅磁刺激、电刺激，它有机会从颅外将能量聚焦到更深、更小的脑区，包括部分位于皮层以下的关键核团。 过去十多年，经颅超声的人体研究已经扩展到疼痛、抑郁、帕金森病、阿尔茨海默病、成瘾等多个方向；产业端，Nudge 等公司已经直接布局聚焦超声；Merge Labs 也将超声列为其新型脑机接口的重要深部信息通路之一。 但超声能够穿过颅骨，并不意味着它天然就能精准作用于大脑。 真正的工程难点恰恰在颅骨。每个人的颅骨厚度、密度和曲率不同，超声穿过时会发生能量衰减和相位畸变，原本设定的焦点可能产生偏移。要把能量稳定送到目标位置，需要针对个体进行声场计算和相位校正。 这也是华超重点投入的底层能力之一。公司此前公开披露的经颅聚焦精度约为 1.5 毫米，三维声场重建和相位补偿等计算时间约为 10 秒；在我们的访谈中，李昕表示，目前定位精度已经推进至 1 毫米 以内，相位补偿等算法的响应时间约为 5 秒 。 但把能量准确送到一个脑区，只解决了「怎么写」。真正进入应用，还需要判断用户当前的脑状态、决定刺激位置和参数，并根据刺激后的反馈持续调整。 这些问题无法只靠固定的硬件参数解决，AI 因此成为华超技术路线中的另一项核心能力。 在华超目前的系统中，AI 已经进入多个层级。离设备最近的一层，是参与导航、定位、声场计算和个体化相位校正，提高聚焦精度、计算速度和系统效率；再往上一层，则是处理不断产生的神经数据，帮助识别脑状态，并逐步理解不同个体对刺激的不同反应。 更长期来看，华超希望 AI 进一步参与个体化靶点和参数选择，并在持续积累的数据基础上发展神经解码、大脑模型等能力。也就是说，AI 是一条从设备计算、神经数据理解，一直延伸到闭环调控和未来模型能力的技术主线。 至此，华超的「非侵入式 AI 脑机接口」路线也逐渐清晰：非侵入式扩大技术可能覆盖的人群和场景，超声负责精准「写脑」，多模态信号负责「读脑」，AI 则处理个体差异、神经数据和调控策略。 接下来的问题是，当一次刺激不再是终点，AI 究竟如何参与「读脑—解码—写脑」，并让它们形成一个持续运行的闭环？ AI 如何进入脑机闭环？ 把超声聚焦到目标脑区，完成的是一次「写脑」。要形成闭环，系统还需要持续知道刺激前的大脑状态、刺激后的变化，以及下一轮参数如何调整。 华超把这个过程概括为五个环节： 读取—理解—调控—反馈—再优化。 落到系统中，对应前面提到的核心能力—— 读脑、解码和写脑 。 「读脑」负责提供大脑状态。 华超目前采用多模态路线，以脑电 EEG 和功能超声 fUS 为核心，并结合其他神经影像方式。不同模态在时间分辨率、空间分辨率和覆盖深度上各有特点，组合之后可以为后续 AI 解码提供更丰富的大脑状态输入。 其中，EEG 更擅长捕捉神经活动快速的时间变化；fUS 则通过神经活动伴随的血流动力学变化观察脑区状态，提供更细的空间信息。团队希望把这些不同来源的信号结合起来，对刺激前后的脑状态进行更完整的描述。 拿到信号之后，下一步是「解码」，也是 AI 集中参与的环节。 按照华超披露的技术路线，AI 一方面参与脑状态、靶点和声场相关信息的计算与识别，另一方面尝试建立刺激参数、靶区状态与响应之间的关系。 华超近期发布的超声神经调控参数交互 AI 平台，是这一思路目前较具体的产品形态之一。平台的数据主要来自三部分：公开发表的「参数—效应」记录，声学和神经动力学仿真数据，以及公司动物与人体研究中积累