今年9月，马斯克的Neuralink公司开始对27名受试者进行临床试验，计划启动大规模产品生产，激起了公众的极大关注，似乎脑机接口的时代已经到来。然而，这种看法其实是错觉。侵入式脑机接口的根本问题仍然存在：必须在颅骨上钻孔并将电极插入脑组织，这使得该技术仅适用于少数重病患者或愿意冒险尝试的人。而非侵入式的EEG脑电帽虽然安全，但由于头皮和颅骨的阻隔，其信号分辨率极低，因此无法准确读取大脑信号。这两种技术之间存在巨大鸿沟：是否有可能存在一种安全无创、且具备足够高分辨率的读写技术？更重要的是，能否形成一种通用的技术，成为脑科学领域的基础设施，就如同英伟达的GPU之于人工智能一样？深圳的鲲为科技正尝试回答这一挑战。这家公司成立已七年，其创始人长期专注于声学空间智能的基础研究，直到2024年才将这一具有革命性的理论应用于颅脑超声技术之中，直面行业的核心难题：非侵入式穿颅读脑。如今，鲲为已成为全球唯一实现该技术的公司。值得注意的是，虽然鲲为的实际科技成果已远超国际学术界的前沿水平，但他们并未发表相关学术论文，而是将核心技术视为商业机密。目前，学术界仍在理论层面挣扎，而鲲为已经将这些理论转化为复杂的医疗产品。在完成了从理论到技术、再到产品和量产的闭环后，鲲为已发展为一家快速增长的声学空间智能实验室。这一成就与创始人刘家家的背景密切相关。他不仅是一名优秀的硬件工程师，还是一位深藏不露的理论研究者。刘家家本硕阶段就读于西安交通大学的生物医学工程专业，早在2003年便接触到神经网络。进入超声行业后，他基于第一性原理探索低频能否实现高分辨率，特别是低频对于超声穿透颅骨至关重要。因此，他投入了大量精力在基础理论的研究上，直到2019年创立鲲为。在脑科学研究中，无论是以Neuralink为代表的侵入式技术，还是以Merge Labs为代表的超声技术，亦或是其他非侵入式技术，大家都面临一个共同的问题：如何有效研究大脑，尤其在AI时代，脑科学已成为最热门的研究方向。鲲为提供的正是这样一种安全高效的脑科学读写工具。其成功之路也得益于计算能力的剧增——其计算资源是传统超声技术的千倍，而这一技术的经济可行性正是依赖于过去几年的算力突破。超声穿颅成像已是一项颠覆性突破，而鲲为的更大目标是成为全球脑科学研究的重要基础设施。
Part 01 一位医生的假设与缺少的基础设施
今年8月，数学界传出了令人瞩目的消息：困扰学术界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，终于获得了证明。康奈尔大学的数学家Alex Townsend和华盛顿大学的教授Anne Greenbaum在审核后公开确认这一成果，连提出该猜想的法国数学家Michel Crouzeix本人也进行了验证。证明这一猜想的数学家金山木，正是在2026年因攻克挂谷猜想而获得菲尔兹奖的数学家王虹的师弟，他是北京协和医院神经外科的一名博士后及住院医师。金山木的本科学习是在北大地质学，2020年才转入临床医学。一个引人注目的细节是，他对矩阵分析的兴趣并非个因其出色的数学能力，而是源于他在颅脑超声研究中遇到的实际问题，促使他不得不研究矩阵分析以解决具体困难。这个故事能够从多个角度进行解读。但从更宏观的角度来看，它指向一个常被行业忽视的事实：脑科学发展至今，仍缺乏一个有效的非侵入式实时脑读取工具。金山木的研究恰好应对了这一瓶颈，颅骨对超声波具有严重的衰减和畸变效果，使得常规超声难以穿透颅骨并获取高分辨率图像。虽然超声成像在脑科学研究中崭露头角，其高时间和空间分辨率使得其能分辨到20微米的细血流，但由于颅骨的天生屏障，该技术依旧停滞在学术研究阶段。所有采用超声技术的脑科学前沿团队，都选择避开颅骨的干扰：Arbor和Merge Labs使用开颅或植入透声材料进行成像；Openwater利用光学测量脑血流并通过超声进行调控；Attune Neurosciences依靠MRI定位并利用超声进行深部脑调控。因此，鲲为选择了最具挑战性的方式：不避开颅骨，正面穿透它。凭借全球独特的超声计算成像技术，鲲为突破了教科书中对于衍射极限的限制，让穿颅读脑的梦想变为现实。
