Meta 本周发布 Brain2Qwerty v2，一套非侵入脑机接口系统。用户只需戴上头盔式 MEG（脑磁图）扫描器，AI 就能直接从脑部神经信号解码用户想打的句子，平均单字准确率冲到 61%。相比之下，过去非侵入式方法的准确率仅约 8%，这一跃升跨越了数量级门槛。系统无需手术、无需植入电极，只靠一顶头盔和深度学习模型完成文字输出。
MEG 路线：从混乱脑信号中端到端解码
Brain2Qwerty v2 的核心是 MEG 技术与端到端（end-to-end）AI 模型。MEG 使用超导传感器检测神经元活动产生的极微弱磁场，是神经科学实验室常用的非侵入式脑成像装置，无需在脑内植入任何东西。系统让受试者佩戴头盔式 MEG 扫描器，边打字边记录脑活动，将原始神经信��直接送入深度学习模型，跳过人工设计的中间处理步骤，让模型自己学习从输入到输出的完整解码路径。最终解码结果再借助大型语言模型根据语义上下文修正噪声带来的错误。
训练规模方面，Meta 收集了约 22,000 个句子，来自 9 位志愿者，每人录制 10 小时数据。论文发表于《Nature Neuroscience》。Meta 指出，准确率会随训练数据量增加继续提升，目前尚未达到天花板。
作为对比版本，v1 早期在 MEG 条件下的字元错误率（CER）约为 32%，同样任务换成 EEG（脑电图）则攀升至 67%。v2 的 61% 单字准确率意味着系统整体跨越了比先前非侵入式方法高出一个数量级的门槛。
非侵入式为何长期落后于植入式
脑机接口领域长期存在路线分歧：马斯克的 Neuralink 等公司选择开颅植入电极，信号干净、延迟低、精度高；而 Meta 坚持非侵入路线。非侵入式的致命弱点是信噪比：头骨、头皮、头发都会衰减信号，EEG 尤其严重。MEG 的磁场穿透性相对较好，但头盔造价昂贵，设备动辄数百万美元，且需外部磁场屏蔽环境，这导致 MEG 长期停留在实验室，而非临床。
然而植入式同样面临难题：手术风险���植入物长期维护。对于因脑部病变失去沟通能力的患者，手术门槛往往直接排除大多数潜在受益者。Meta 的逻辑是，如果非侵入式能达到足够高的准确率，就能在不手术的前提下覆盖植入式无法触及的人群。
开源代码与数据集：AI 加速需要基准
Meta 同步发布了系统代码和数据集，作为其 Digital Brain Project 的一部分，并设立一笔 500 万美元基金，支持开放神经科学数据集建设。非侵入式 BCI 研究的瓶颈之一正是缺乏公开的大规模神经数据，每间实验室都在重复收集基础数据，效率极低。Meta 的基金希望推动社区共建基准，加快整个领域的学习曲线。
同一时期，非侵入阵营还有 Neurable 在 2024 年 9 月推出 AI 驱动的 EEG 耳机；MIT 衍生公司 AlterEgo 则检测脸部和喉部的无声神经肌肉信号，把未说出口的语言转成文字。路线不同，但目标相同：不开颅，让机器理解人的想法。