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 + 算法驱动的 “摩尔定律”，现在的分辨率远远不是终点，公司的目标是每一代产品的性能至少提升两倍以上。
Part 03
从超声设备，到脑科学的关键基础设施
脑科学要继续向前飞奔，绕不开的一个瓶颈，恰恰就是数据。尤其是同一个大脑，在不同时间、不同状态下，能够反复获取的高质量数据。然而现有采集工具各缺一条腿：
植入电极能直接记录神经电活动，但得开颅打孔，且只能获取局部信号；
EEG 非侵入、便携还便宜，但信号要经过头皮和颅骨的层层衰减，信噪比太低；
fMRI虽然能非侵入式看全脑，但设备巨大昂贵，也难以跟随人的日常活动；
功能超声能精细观察大脑神经活动相关的血流变化，但穿不透颅骨。
功能超声这条路线的潜力，已经在研究中不断显现。2011 年，Macé 等人在《Nature Methods》发表《Functional ultrasound imaging of the brain》的奠基论文。此后，功能超声不断向更精细的尺度推进，结合微泡定位的超分辨技术，功能超声已经在动物实验中实现 20 微米级神经血管活动观测。
回到现实中，功能超声读脑却迟迟没有广泛普及，颅骨就是最后的那堵墙，但这个屏障已经被鲲为突破。
目前鲲为的颅脑超声产品已经在医疗场景获批，在中国和海外多家顶级医院完成系统性临床验证和商业化落地。这门生意本身比较扎实，全球超声早已是百亿美元级的成熟市场，长期由 GE、飞利浦主导，而颅脑超声是巨头长期都没有解决的难题。在鲲为看来，穿颅成像带来的，是进入这一市场的 “技术降维” 式机会，2025 年底商业化以来已经进入陡峭的指数增长。
如果故事止步于此，那在外界看来，鲲为所做的，仍然只是造了一台穿颅影像设备，兑现的是这项技术当下的商业价值。但鲲为更大的愿景，是改变脑科学获取数据的方式，成为脑科学 AGI 路上的关键基础设施。
这背后，有两种互相增强的能力。
一是超声可以做到可穿戴，让大脑能够被长期、持续观察
不同于 MR、CT 患者需要躺在巨大的设备中检查，超声具备走向可穿戴的工程基础：探头可以做成贴合皮肤的轻薄阵列，也可以集成到头戴装置中。
用可穿戴超声读脑已经有了人体实验。2025 年，《Science Advances》发表的一项研究，为一名装有透声颅骨植入物的受试者定制了超声头盔，在其行走时实时记录反映脑活动的血流变化，并取得了跨越 20 个月的重复观测结果。它本质上还需要开颅，但已经展示了功能超声跟随人的活动、长期反复使用的可能。
Neuralink 创始科学家、现任 Arbor Neuroscience CEO Philip Sabes 在近期的一次演讲中就提出：脑机接口需要重新设计人体数据获取方式—— 你可以付费让 1 万人、6 万人来使用一款手环，但你不可能让 6 万人接受一个脑植入。
这恰恰也是鲲为的技术愿景，当设备进一步小型化、可穿戴，超声脑功能测量就可以进入人们的日常生活，关注用户的睡眠、运动、情绪、专注状态以及慢性疾病出现前的症状期等，从而 Enable 脑科学领域 Oura Ring 级别的产品。
同时这会彻底改变脑科学的数据采集规模，像 Oura Ring 一样产生亿小时级别的数据量级，相比之下，目前最大的 fMRI 脑功能数据集还停留在万小时级别，而且是大量人群的低频数据，缺乏对同一个体长期持续的观测。
二是超声天然读写闭环，让观察进一步变成干预实验
超声既能成像，也能用于神经调控。两种能力可以集成在同一个探头上，就能够让研究者观察：改变一个刺激参数之后，脑内发生了什么，变化能否重复，又是否与症状改善有关。
Neuralink 创始科学家 Philip Sabes 近期也讲到：“聚焦超声在神经调控领域已经展现出巨大的潜力... 如果把神经调控与功能性超声成像结合起来，我们就有可能在干预的同时，直接观察大脑正在发生什么。”
“换句话说，我们希望未来的技术能够真正做到：一边干预，一边观察；一边治疗，一边学习。”
这条路径已经出现具体实验。2026 年 6 月，UCSF 团队的一篇预印本报告，在需要人工声窗的大鼠实验中，用同一支探头交替完成刺激和成像，再由算法根据脑血容量响应选择下一组参数。
这恰恰是鲲为希望推进的方向，用超声来实现大脑的读写闭环，鲲为有机会把 “观察 — 干预 — 再观察” 做成更多研究者可以使用的工具，让每次实验都能帮助下一次实验做得更好。
对脑数据的需求，已经写进前沿 AI 团队的研究计划。OpenAI 宣布与 Merge Labs 合作开发脑科学基础模型，探索新型脑机接口；Meta 支持的 “数字大脑计划”，则计划采集 1.5 万小时的交互任务脑记录，用于建立脑科学模型。刚完成 5 亿美金融资，获得 Jeff Bezos 投资的 Flourish，则试图从大脑的学习机制中，寻找通向 AGI 的新架构。
大脑是人类最重要的器官，但人类对大脑的理解还只是冰山一小角。脑科学 AGI 能走多远，很大程度上取决于我们能多深入、多长久、多大规模地观察真实的大脑。
鲲为希望打开的，是这种数据供给的更大空间，如果超声能够穿颅读脑，会带来最理想的脑科学数据 —— 非侵入 x 全脑 x 高分辨 x 实时 x 可穿戴，从而能够 Enable 脑科学 AI 公司、脑机接口公司取得 AGI 级别的突破。
不同的时代周期更迭里，“卖铲子” 都是可观的生意 —— 在如今脑科学的这场淘金热潮里，鲲为提供的就是那个稀缺的数据铲子。
Part 04
开创声学空间智能新范式
理解鲲为这家公司，最后要回到它的创始人 —— 既是顶级硬件工程师，又是硬核理论 Researcher 的刘家家。
2003 年，还在西交读本科的刘家家第一次接触神经网络 —— 那是深度学习爆发前十年的冷门领域，这段经历带给他的不是技术，而是一套数学语言。2008 年入行后第二年，他做出了那个反共识的判断：超声行业的瓶颈在基础理论，不在工程优化。
具体来说，是一个学术界都鲜有人探讨的问题 ——如何用低频率实现高性能。2009 年起，他开始钻研这个问题，一钻就是十年。
这个判断真正特殊的地方在于：它的推理链条完全公开可得 —— 超声波的衰减系数、衍射极限的公式，任何一本教科书里都有；高频撞墙是所有从业者的日常体感。缺的是，有人能把这两条背后的含义真正连起来 —— 既然高频路线被衰减锁死，而低频唯一的缺陷是分辨率、恰好又落在算力所能购买的范围内，那么正确的解就不是在 “不可能三角” 里腾挪，而是换掉产生三角的那个变量，不再向物理学要分辨率，而是向计算要。
但 “换变量” 说出来简单，做成产品却至少要用十年时间。算力是必要条件之一，但不是充分条件：低频下的超分辨波束合成算法要从零推导，高穿探头要自己设计制造，整机工程要一点点磨出来 ——“自研” 只是两个汉字，但它却需要的是一个人在十余年没有外部验证、没有论文反馈、不被投资人认可的条件下，坚持做下去。
2019 年刘家家创立鲲为，2021 年，初代原型机问世；2024 年，成果从声学空间智能的基础研究延伸到颅脑超声应用 ——穿颅读脑，是这套理论至今最大的一次兑现。
两条线合流，决定了这家公司的组织形态：它不是从一个应用场景出发找技术，而是从一个过去做不到的物理问题出发做产品。“这个问题在学校里可以研究，” 刘家家说，“但在一个拥有工程交付能力和商业化能力的组织里做，带来的是完全不同的速度和资源密度。”
本质上，鲲为是一家有商业化能力的声学空间智能 Neo Lab—— 这家公司把蝙蝠用声波感知空间的能力，第一次做成可计算、可规模化的产品。
这个时间线还有一个时代注脚。OpenAI 成立于 2015 年，Anthropic 成立于 2021 年，这两家前沿实验室让公众第一次意识到：最深度的基础研究可以在公司里完成，最前沿的成果可以以产品而非论文的形式面世。
过去十年，AI 像一颗石子落入水中。最先荡开的一圈是大模型，然后是视频生成，然后是世界模型…… 今天的鲲为，站在两个圈的交汇点，声学空间智能和脑科学。
鲲为所代表的方向，值得关注。因为读懂大脑这件事，过去被各种 “枷锁” 困住，而现在，穿越颅骨的大门已经被打开，大家有可能期待一下更不可思议的未来了。
天顺优配提示：文章来自网络，不代表本站观点。
