全球唯一非侵入穿颅读脑突破！这家中国公司想成为脑科学的“英伟达”

机器之心发布 2026 年 9 月，马斯克的 Neuralink 临床试验接受 27 例受试者，计划 开启大规模量产。舆论再次沸腾，仿佛脑机接口的未来已到。 但这是一种幻觉。事实上，侵入式脑机接口面临的根本矛盾从未改变：要在颅骨上钻孔、把电极插进脑组织 —— 决定了它只适用于极少数重度以及敢于尝试的患者。而另一面，非侵入式的 EEG 脑电帽虽然安全，但信号分辨率太低，隔着头皮和颅骨根本读不懂大脑。 两条路线，一条太危险、一条又太模糊。 有没有中间道路：一种既能无创穿透颅骨、又能获得足够高分辨率的读写技术？甚至，这种技术延伸出来能不能具备通用属性，如同英伟达的 GPU 之于 AI 那样，成为脑科学 AGI 之路上的关键基础设施？ 这正是鲲为试图解答的命题。这家深圳公司成立七年，创始人此前十余年都在从事声学空间智能的前沿基础研究，2024 年才将这革命性的理论突破应用于颅脑超声方向 —— 直指行业最深的 “禁区”：穿颅读脑。目前，它是全球唯一实现了非侵入超声穿颅读脑的公司。 有意思的是，虽然实际成果已遥遥领先于国际学术界的 Frontier，但鲲为从不发 Paper，核心技术成果作为商业秘密保护。眼下学术界还在基础理论的漩涡里挣扎， 鲲为已经把理论做成了精密复杂的医疗级产品，在完成从理论 - 技术 - 产品 - 量产的长周期闭环后，已经成长为一家进入陡峭商业化增长的声学空间智能 Neo Lab。 这很大程度上归因于鲲为创始人刘家家的基因。他既是一名硬核的硬件工程师，同时也是一名深藏不露的理论 Researcher。 刘家家本硕就读于西安交通大学生物医学工程专业，2003 年就接触到神经网络，在校期间打下了扎实的数学基础，2008 年刚进入超声行业，就从第一性原理出发，思考低频率能不能实现高分辨，而低频恰恰是超声穿颅的关键，从此进入了茫茫基础理论的探索，直到 2019 年创立鲲为，他工作后几乎所有时光，都围绕 “声学空间智能” 这一件事展开。 事实上，无论是以 Neuralink 为代表的侵入式脑电路线，还是以 Merge Labs 为代表的超声，再到脑电、脑磁、近红外等非侵入式技术，不同路线都绕不开一个共同问题： 怎么研究大脑 —— 脑科学已经成为 AI 时代最核心的研究热点。而鲲为提供的正是一个非侵入、高分辨的脑科学读写工具。 这条路能走通，也是因为踩在了算力爆发的时间节点 —— 其计算量是传统超声的千倍以上，正是过去几年算力的跃进，让鲲为的空间智能理论变得经济可行。超声穿颅成像，已经是颠覆性的突破，但成为全球脑科学研究的关键 Infra，是鲲为更大的愿景。 Part 01 一位医生的猜想和缺失的 Infra 今年 8 月，数学界发生了一件出人意料的事。 困扰学界 22 年的 Crouzeix 猜想 —— 一个关于矩阵数值域与函数范数不等式的难题，被证明是正确的。康奈尔大学数学家 Alex Townsend 与华盛顿大学教授 Anne Greenbaum 审阅后公开确认，就连猜想的提出者、法国数学家 Michel Crouzeix 本人，也核验成功。 证明者叫金山木，是 2026 年因攻克挂谷猜想获得菲尔兹奖的数学家王虹的师弟，北京协和医院神经外科的一名博士后、住院医师。本科读的是北大地质学，2020 年才转入临床医学。 一个耐人寻味的细节是：他踏入矩阵分析，不是因为数学（他本人的数学功底非常好），而是因为颅脑超声。他在研究中试图让超声波穿透结构复杂的人体颅骨、碰到了实际问题不得不研究矩阵分析，这才 “顺手” 解决了一个数学难题。 这个故事可以从很多角度解读。但在更宏大的叙事里， 它其实指向了一个被行业长期忽视的事实：脑科学发展到今天，依然没有解决最底层的问题，那就是缺少一个非侵入、随时读写脑的工具。 金山木的起点恰恰是这个瓶颈本身：颅骨对超声具有极强的衰减和畸变效应，常规超声很难有效穿透颅骨实现高分辨率成像。 传统 TCS 成人颅脑成像 尽管超声功能成像在脑科学研究领域已经掀起热潮，由于其极高的时间 + 空间分辨率，能够分辨 20 微米的极细血流，它有潜力成为性能最优异的大脑功能成像工具，但由于颅骨的天然屏障，使得这项技术仍然停留在 Nature 和 Science 阶段。 所有在超声路线上的脑科学前沿团队，都选择绕开 “颅骨”：Arbor 和 Merge Labs 走开颅或植入 PMMA、PEEK 透声植入物成像；Openwater 用光学测量脑血流、用超声进行调控；Attune Neurosciences 借助 MRI 定位、用超声做深部脑调控。 而鲲为选择了最难的那条路：不绕开颅骨，要正面穿透它 —— 正是基于全球独一无二的超声全栈计算成像能力，鲲为突破了教科书里的衍射极限，让穿颅读脑变为可能。 鲲为 HUS 技术下的颅脑超声图像 鲲为 HUS 技术下的成人颅脑二维及血流成像 最耐人寻味的，是全球超声学术界的反应 —— 一家从来不发论文的公司，做出了学术界长期求而不得的结果。他们的反应不是质疑数据，而是想复现：低频之下，高分辨到底是怎么做到的？ Part 02 低频范式： 把频率做低，才是下一代性能的解法 鲲为的反直觉，不在于选择了超声这个成熟技术，而在于对超声做出了一个全行业最反共识的判断。 超声行业过去半个世纪的技术逻辑是 “回声定位”，探头发出声波，声波穿过组织，在边界处反射，设备根据回波重建图像。频率越高，波长越短，分辨率越高，但衰减也越快；频率越低，穿透力越强，但分辨率越差。 于是整个行业的进化方向高度一致：卷频率 ，在衰减允许的范围内压榨分辨率。5G 通信、芯片制程、超声探头等逻辑都相似 —— 频率提升就是性能提升，是刻在行业基因里的范式。 这个逻辑在大部分医疗超声场景都很好用，直到撞上一堵墙：颅骨。 颅骨是超声成像公认的 “禁区” 。高频超声遇到颅骨几乎被完全反射和吸收，低频超声能穿过去，但分辨率退化到失去临床价值。过去几十年，经颅超声唯一被验证的应用是经颅多普勒（TCD）—— 只能测几条大血管的血流速度，谈不上成像。 行业由此形成了一个根深蒂固的认知：全脑超声成像，要么开颅，要么无解 。 “这是一个从第一性原理出发就值得被重新审视的问题。” 刘家家认为，“所有业内人士都想提高频率，但提高频率已经撞墙了。反过来想：把频率做低，会发生什么？低频有最好的穿透性，唯一的问题是分辨率，而分辨率，能不能不靠物理聚焦、用计算解决？” 这听起来简单，实际等于重写超声成像的整条技术栈。 传统超声的图像质量多半依赖探头的物理聚焦性能，鲲为的路线反过来：把波束合成的难题大规模留给算法，用 GPU 算力在物理重建的层面把图像 “计算” 出来。 这条路能走进现实，踩的是算力爆发的节点。因为鲲为的成像算法计算量极大，是传统超声的千倍以上，需要高性能 GPU 进行实时物理重建，所以没有英伟达，就没有鲲为的今天，鲲为这套极其吃算力的超声范式，也让其成为了英伟达全球超声领域的前沿客户。 正是因为这套以声学空间智能 + 算力为基础的超声范式，让性能展现出极强的 Scaling，从初代原型机的 0.25 帧 / 秒，到今天 5000 帧 / 秒，成像性能在五年提升万倍。而性能提升的背后，是算力 + 算法