對于腦科學產業的發展，資本暫未給出太多認可。

2016是腦科學規模投資的起點?！澳X科學與類腦研究”入項“十三五”的往后五年，超百億資金流入了腦科學相關企業，近200家相關企業收獲融資。

融資事件分布

但若將聯影醫療、數坤科技、推想科技、科亞醫療等與并非專注于腦科學研究的企業剔除，多達200次的融資背后，行業總計收到的不足50億元。平均下來，每年流入腦科學的領域的資金僅僅十億，數字遠不及人腦中以百億單位計量的神經元。

腦科學割裂的認知在風險投資者面前意味著難以估量的溢價空間。自2019年開始，前往動脈網尋求腦科學企業對接的機構愈發增加，僅妞諾科技一家企業便有近十家機構尋求對接。

此外，盛大網絡創始人陳天橋砸入10億美元成立天橋腦科學研究院，紅杉中國成立中國腦科學孵化中心，卸任字節跳動CEO的張一鳴也在第一時間踏入了腦科學的星辰大海。

人類生理學研究的最后一塊高地，是產業藍海，還是投資迷途？

認知神經科學的最終目的是在于闡明人類大腦的結構與功能，基于有效數據探索人類行為與心理活動的物質基礎。從目前腦科學的發展狀況來看，資本偏好于腦電相關軟硬件設備與腦部放射學智能影像分析兩個細分賽道，少量落足于手術機器人等侵入式設備與數字療法。 

腦科學投資偏好

如此的投資偏好與細分賽道的資金用量有關。

影像學設備是一個重資產的行業，競爭壓力顯著，研發投入高、難度大，通常由聯影醫療、東軟醫療等資金充裕的企業配合國家機構進行研發。這類研發需要沉淀，且不論銷售階段的風險，機構需要數年時間，投資億級規模的資金，才有可能攻克研發難題。同時，已有資源的企業對于風險投資并不敏感，兩者很難走在一起。

相比之下，基于設備數據的腦部放射學智能影像則相對較輕，研發成本較低，難度在于相關數據的獲取與創新算法的構建。由于放射學影像獲得的信息更多聚集于人腦的形態學特征，很難對功能學進行評估，因此相關應用偏向于腦腫瘤的檢出，而要對神經性疾病進行研究，則需要腦電的助力。

處于風尖浪口的腦電并非新事物。理論上講，超過9成的腦部疾病都能利用腦電圖儀找到異常，應用非常廣泛。但實際與理想相悖，腦電檢查耗時長、專業醫生少、僅神經相關科室提供，C端用戶接觸腦電的機會較少，有需求也常常因為醫療資源供給不足而無法及時獲取。

需求孕育機遇?？v觀過去五年腦科學統計的128個項目，腦電（包括腦機接口、腦電圖儀、一次性腦電傳感器）相關項目總計66個，占比超過50%，屬于腦科學領域的絕對主流。

對上述項目進一步劃分，資本更偏好于投資難度系數更高的醫療級腦機接口。這種偏好不僅反映在項目數量上，也反映在單個融資的金額上，優腦銀河、博?？?、NeuraMatrix、景昱醫療、慧創醫療等醫療級腦機接口的單輪融資額均超億元，消費級腦機接口中僅腦陸科技、強腦科技達到這一規模。

造成這一現象的主要原因是技術的不成熟性。按研發難度進行劃分，侵入式腦機接口>非侵入式腦機接口>腦電可穿戴設備，價值正比于研發難度，但在實際之中，侵入式的研發難度有些過高了。

“這么多年腦機接口一直發展受限，其采集原理和應用原理早已成熟，但信號采集是卡脖子的難點之一?！?/strong>妞諾科技聯合創始人賈侃告訴動脈網。

“腦機接口有侵入與非侵入兩個技術流派。顱內有創，信號清晰，但安全性受限，很容易導致感染，這里的限制在于植入物的材料與微創技術。顱外無創，信號采集方便，但由于物理與環境等因素的干擾，信號會受到各種噪音的影響。但是最高像素的攝像頭并不等于最好的相機，妞諾采用的方法是采用龐大的腦電數據庫訓練高魯棒性的BCI系統，彌補信號源的問題，繞過信號采集帶來的問題?！?/span>

一些企業也在尋求其他突破形式，如博?？嫡谘邪l半侵入式腦機接口系統，其接近硬腦膜，避免了顱骨對腦電信號的衰減，更有效保證信號質量；也不會破壞硬腦膜傷及神經細胞，解決長期植入并發癥的痛點。

無論如何，資本對于非侵入式醫療級腦機接口的選擇實際上一種妥協。一方面，材料科學與腦科學是兩個獨立的學科，腦科學依賴于材料科學的發展予以支持，現階段投資侵入式還不是時候；另一方面，醫療級腦機接口對于技術與安全性的要求更嚴格，如果專注于消費級腦機接口的企業不能在前期完成市場覆蓋，醫療級腦機接口研發成熟后能夠快速向消費級向下兼容，從中攫取份額。

硬件之外，許多腦電硬件制造商也在著力于配套軟件的研發，這一方面與腦影像的布局邏輯類似，即利用人工智能、大數據等技術，提高檢查效率，降低檢查門檻。

賈侃告訴動脈網：“全國懂腦電醫生僅有幾百號人，幾乎全在頭部三甲醫院。這類醫生屬于稀缺資源，區、縣醫院無法提供標準的腦電解讀服務與后續臨床指導，導致中基層的患者需要去三甲醫院進行預約。浙江某三甲醫院做一個24小時的腦電檢查，常常需要排上3-6個月。這個時候，專家+腦電AI+智慧腦電云平臺的遠程模式，就能賦能這些區縣醫院，可以將閱片時間縮短到數分鐘，能找出醫生肉眼常常忽略的細節，有效提升診斷的準確率，對效益的提升就比較明顯?！?/span>

不過，智能化醫學數據分析軟件通常會要求企業拿到器審中心頒發的醫療器械三類證。到目前為止，安德醫智的顱內腫瘤磁共振影像輔助診斷軟件已經獲得NMPA三類證，而腦電方面的輔助分析仍處于探索階段，仍需進行數據集的梳理與臨床試驗的設計。

總的來說，整個腦科學賽道目前仍處于發展的初級階段，項目繁多且偏向早期。在這個階段，腦電市場軟硬件突破所帶來的增量市場極具吸引力。企業如果能夠采集到更精準更海量的信號，就意味著更接近于運動康復、精神疾病檢測乃至抑郁癥、阿爾茨海默癥檢查背后的千億市場。

既然海量機遇潛藏其中，那么腦科學早該資本常駐。所以，如此一個“黃金賽道”，真如我們所見的那么性感？

在CT、MR等設備的幫助下，我們能夠通過粒子衰減看到腦部的影像學結構，判斷各腦區的形態是否完好，但談及功能，它仍是一個黑匣子——沒人能夠完美應用腦電解釋其中的運行機制。

要對腦部進行功能學分析，在確認目標區域之后，還需經歷采集信號、信號解碼，若要通過腦機接口將指令傳達至身體的其他部位，則還需加上再編碼、反饋兩個步驟。

精準解析的最大問題出現在信號的采集方式上?，F階段腦電采集面臨“準確性”與“安全性”之間的兩難抉擇。

侵入式電極能夠深入顱內，探測到最及時最清晰的腦電信號，但侵入意味著有創，長期植入則意味著面臨免疫系統攻擊的風險。目前用于治療癲癇、脊髓損傷等疾病植入的電極通常由絲質基材、超薄塑料層和纖細金屬電極組成，整個植入過程會面臨電極校準、免疫系統的攻擊、電極彎曲等等流程、問題，極大縮短植入物的使用壽命——若要長期植入，患者不得不頻繁進行開顱手術更換電極。

第二個問題來源于有限數據下的信號解析。

精準解析的前提是獲取足夠多的精準信號，就當前科學發展水平而言，我們能夠對腦電信號進行解析，無法進行精準解析。

“馬斯克旗下Neuralink在2020年發布的視頻轟動了世界，他在顱內植入了數千根電極，但也只能解析一小部分運動神經功能?！辈╊？悼偨浝碇砝罴驯蟾嬖V動脈網，“人的大腦中約有860億個神經元，想要逐個解析還是任重道遠?！?/strong>

好在神經元的全局解讀與局部解讀是兩個概念，而局部解析同樣可以一定程度滿足診斷的需求。換言之，只要擁有足夠數量、足夠質量的數據，企業能夠借助算法培養輔助決策工具，一步一步攻克抑郁癥、失眠、癲癇等問題。

表面合理的應用之間隱藏著第三個問題。

“醫生目前或許可以用人工智能影像，查清肺部、骨骼等區域的各類疾病，但針對復雜的腦疾病，目前還不成熟?！崩罴驯蟊硎?，“我們自己的研究體系中，會先聚焦于某種特定的疾病，比如在研究精神疾病過程中，去探尋有沒有一種相比于量表更客觀的方法，抑郁癥是我們率先探索的領域?！?/span>

“其次，醫療領域是嚴肅的、嚴謹的，我們在實踐中發現可能不存在一套可以適用于全年齡段患者的統一范式，有的范式能夠準確診斷青少年，卻不適用于中老年，必須針對不同的年齡段患者做出精準區分?！?/span>

換句話說，腦科學的應用目前還處于單點檢測的狀態，類似于AI中的肺結節，在醫生判斷患者可能罹患某種腦部疾病時，才能使用相應的應用進行測試。好在這一問題沒有涉及核心技術，隨著時間的推移，企業能夠在不斷完善的數據集中逐步解決這一問題。

因此，對于應用的局限性，目前的解決之道仍是不斷收集高質量的腦電數據，并盡可能準確的解析，一步一步提升算法對于精神疾病的泛化診斷能力。

在腦科學經歷的上一個五年中，我們沒有看到突破性成果的出現，這個時間對于腦科學而言似乎還太短，因此，上一個五年的結果——資本熱衷于腦科學上游數據采集設備與中游大數據人工智能數據分析工具的投資——這一整體投資趨勢仍會延續下去，只是在細節上有所區別。

作為博?？档莫毤邑攧疹檰?，易凱資本近年來與眾多腦科學風險投資方交換了意見。聊到具體的投資機會時，易凱資本合伙人張驍博士認為：“腦機接口是當下的投資熱點，但腦電的測量在很多年前便已是一項尋常的檢查項目，真正的難點在于從數據提取、處理跨越到反饋，然后應用到生命體。完成這一流程我們可能要用上數十年的時間。就當下而言，嚴肅醫療與消費級應用方面依然存在具有潛力的投資點。”

“嚴肅醫療對信號采集與信號解讀提出了很高的技術要求，但從投資的角度來看，最終的落足點還在于能不能找到一個合適的場景，使產品滿足真實的臨床需求。消費級應用的思路與嚴肅醫療不同，它的產品形態以頭戴式睡眠儀、安全帽等可穿戴設備為主，對于這類初創公司，投資人會比較關注他們的銷售能力?！?/span>

對嚴肅醫療與消費級應用進行細分，動脈網進一步將其分腦電大數據、腦影像大數據、健康消費級應用、康復消費級應用四個場景，每個市場各有各的投資潛力。

嚴肅醫療范疇下，腦電、腦影像大數據均處于構建之中，對應的輔助分析、診斷應用亦不夠成熟，而這兩項技術又對應著我國極度匱乏的腦疾病檢查資源與日益增長的精神疾病患者（如失眠、抑郁癥）。因此，無論是采集數據的高端腦電采集設備，還是后續的腦科學應用，兩個市場均是一片藍海，有望在三級醫院、體檢機構甚至基層醫療之中大放異彩。

相比之下，健康消費級應用囿于技術的限制，同質化較為嚴重。好在現階段C端滲透率較低，擁有優質銷售策略的企業仍有機會后來居上。

康復消費級應用是現階段少有的能完成“采集信號—信號解碼—再編碼—反饋”完整閉環的場景，現有科學研究下，受試者可以借助腦機接口完成簡單機械臂的移動。

目前，國內妞諾科技、強腦科技等企業正嘗試將這一技術用作殘肢用戶的康復訓練。以強腦科技的智能仿生手為例，該產品能夠通過識別用戶試圖控制幻肢動作時的運動意圖，將幻肢的動作轉化為假手手指的動作，實現真正意義上的腦機交互。

人工智能背后的卷積神經網絡（CNN）早在20世紀80年代便已誕生，但直到21世紀計算機算力逐漸增大、逐漸人人可及，CNN才被眾研究者重拾，于2010年后實現規模應用?；叵肫饋?，從德國精神科醫生Hans Berger發現α波、β波腦電波至今也已過去百年。那么，是否存在一個類似于AI發展的突破點，可以改變整個腦科學的發展呢？

答案也許是肯定的，但恐怕不是單點的突破。

“疾病機理、材料科學、芯片、腦機接口系統的抗干擾能力、傳輸速率、神經網絡編解碼……腦科學所涉及的方方面面都需要逐一突破，并非突破某個單點這么簡單?！睂τ谀X科學的突破性發展，李佳斌如是回答。

“我們的角色可能不是去探索腦部疾病的機理，這更多是科學家、醫生們的工作。作為一家企業，我們現階段的目的是研發一個能夠真正幫助患者的產品，將科學研究的價值最大限度的發揮出來。在龐大的腦科學研究體系中，我們只是其中的一環?！?/span>

換句話說，腦科學的發展，并非單一機構注資可以推動，也并非單一企業可以突破——它需要產學研資的深度結合。

因此，當前腦科學產業通常以集群的方式存在，深圳先進研究院、浙江大學腦科學與腦醫學學院、清華大學腦科學研究院等研究機構正作為科研中心專注探索，企業協同研究院推動科研轉化不斷向前，而有心的資本則在這一過程中提供關鍵的資金支持與生態支持。

“大腦與宇宙是人類最后才能攻克的兩個疆域，需要各個角色的共同合力。因此，我們投資這個領域，是希望能同企業、科學家一起成長?！币晃粚τ谀X科學非常感興趣的知名投資人表示。

“至于突破這個問題，我們不確定會有什么樣的成果能夠被孵化出來。腦科學漫漫長路，幫助科學家與企業家在探索這樣一條未知道路上沒有后顧之憂，或許正是此刻資本存在的意義?！?/span>