Core Viewpoint - The article emphasizes the need to explore non-invasive brain-computer interface (BCI) technologies rather than invasive methods, as proposed by Chinese Academy of Sciences academician Zheng Hairong [2][3][9]. Industry Overview - The global BCI market is projected to grow from $2.35 billion in 2023 to $10.89 billion by 2033, indicating significant investment and interest in this sector [5]. - Major players in the BCI field include Neuralink, which focuses on invasive methods, and Synchron, which has developed a less invasive approach with support from tech giants like Apple and NVIDIA [2][7]. Technological Developments - Neuralink has reported advancements in its invasive BCI technology, with patients able to control complex devices using their thoughts, showcasing a leap from simple cursor control to intricate robotic manipulation [5][6]. - Synchron has achieved key safety milestones with its BCI devices, including FDA approval for temporary implants and successful long-term trials without severe adverse events [8]. Critique of Current Approaches - Zheng Hairong criticizes the invasive methods as "brute force engineering," arguing that they fail to understand the complexity of the human brain and its evolutionary history [3][9]. - He highlights the challenges of biological compatibility in invasive BCIs, noting that many electrodes fail due to the brain's natural resistance [6]. Alternative Approaches - Zheng advocates for a non-invasive approach that utilizes external technologies like ultrasound and fMRI to read and potentially write brain signals without penetrating the skull [9][10]. - This method aims to decode brain activity by observing the relationship between blood flow and neural activity, likening it to a soldier and their supplies [10]. Future of AI and BCI - Zheng outlines a three-stage evolution of AI, with the final stage being "biological intelligence" achieved through effective BCI integration [12][13]. - He envisions a future where hospitals transform into AI-driven data centers, moving away from traditional medical practices [14]. Ethical Considerations - The article raises concerns about the ethical implications of BCI technology, emphasizing the need for strong regulations to prevent misuse and ensure human control over technology [14][15]. - Global legislative efforts are underway to protect brain data, indicating a growing recognition of the ethical challenges posed by BCI advancements [15]. Timeline for Adoption - Zheng estimates that it may take 20 to 30 years for BCI technology to become a part of everyday life for the general public [17].

经济观察报记者 郑晨烨 2025年上半年，全球脑机接口（BCI）赛道持续升温。 2025年6月27日，埃隆·马斯克在其旗下脑机接口公司Neuralink的夏季进展更新会上宣布，该公司脑机接口的受试者数量已增至7人，并公开演示了通过意念 操控机械臂玩"石头剪刀布"的视频。而在稍早前的5月份，其主要竞争对手、获得苹果与英伟达支持的Synchron公司，则宣布通过一项名为BCI人机接口设备 （BCI HID）的新协议实现了与苹果设备的原生集成。 根据公开信息，目前美国企业在脑机接口领域的主流技术路径主要有两个：一是以Neuralink为代表的侵入式方案，需要通过开颅手术将微电极直接植入大脑 皮层；另一条则是Synchron公司采用的介入式方案，经由血管将传感器输送至颅内。 但在6月30日于深圳举办的科技创新院士报告厅活动上，中国科学院院士郑海荣对脑机接口进入人体的技术路径提出了不同看法。他认为，行业更应关注和 探索的，是无需手术的"无创"脑机接口技术。 "所以马斯克搞的那个东西我觉得太落后了，非得把人的大脑打开放一些芯片。"郑海荣说，"其实'道法自然'是最高的智慧。" 以Neuralink为代表的侵入式路径，更是将 ...

他认为，有了脑机接口这个工具，未来疾病诊断、治疗将会有大幅提升，疾病的原因和治疗方法也需要 重新理解。 郑海荣认为，AI将沿 "数据智能→物理智能→生物智能" 路径演进：数据智能依托算力与算法挖掘信息 价值；物理智能赋予机器感知与行动能力；而生物智能将通过脑机接口实现人机智能深度融合，最终构 建无创脑机通信——以神经信号直连替代传统通讯（如电话/微信），成为生命体间信息自由交互的终 极载体。 近期，国内多个科研团队宣布脑机接口进入临床阶段，能够帮助患者重建肢体运动功能，并取得了积极 进展。 郑海荣表示，当前脑机接口仍以科学研究为主，科学研究以原理验证和可行性探索为核心目标，要将脑 机接口技术转化为安全、有效且可推广的临床诊疗方案，仍需克服重大技术挑战，并经历严格的临床验 证过程，确保其对广泛患者群体的适用性和安全性。 在全球范围内，最受瞩目的埃隆·马斯克创立的Neuralink公司，在侵入式脑机接口的临床推进方面较为 领先，已实现脊髓损伤患者完成打字以及玩马里奥赛车等复杂任务。然而，侵入式脑机接口是有创的， 电极使用寿命有限，并且只能解读电极所接触脑区的信号。此外，侵入式电极面临的核心挑战在于生物 相容性。人 ...

近年来，人工智能领域每隔一段时间就会出现一个突破性进展。技术层面，通用人工智能 （AGI）、量子计算与脑机接口等领域已无现成经验可循，人类正在踏入一个个科技领域的"无人 区"。产业层面，人工智能在不同场景下与不同技术的结合，正在为人类的未来带来无穷想象。而 技术狂飙下，人类与人工智能的关系应当如何调整？《两说》以"探索AI'无人区'"为题，推出一组 系列对谈，邀请资深嘉宾，就人工智能发展过程中的热点问题进行深入探讨。 本期节目，由第一财经主持人张媛对话2013年诺贝尔化学奖获得者、斯坦福大学结构生物学系 终身教授、复旦大学复杂体系多尺度研究院荣誉院长迈克尔·莱维特。在这位计算生物学家眼中， 地球上存在的三种智能是如何相互影响的？生物智能对人类有怎样的启示？机器智能（人工智能） 带来哪些颠覆性变革？面对生物智能和机器智能，人类智能的独特价值是什么？莱维特教授将从跨 学科的视角分享他的观点和洞察。 0 1 生物智能的深刻启示 迈克尔·莱维特是计算生物学领域的专家，研究横跨生物学、物理学、化学、计算科学等多个学科，为 当今世界的科研和创新提供了独特视角，也因此获得诺贝尔化学奖。在这位计算生物学家眼中，地球上存 在三 ...

记者5月18日获悉，2025搜狐科技年度论坛在北京举办。活动现场，多位院士、科学家与产业界人士齐聚一 堂，围绕基础科学突破、技术革命产业化应用、人工智能等议题展开深度探讨。其中，对于学界和产业界共 同关心的"通用人工智能何时实现"的问题，与会专家认为，具备泛化能力与通识能力、能够实现跨领域普遍 适用的人工智能有望在15至20年后出现。 那么，人形机器人的前景如何？在"人形机器人进化论"圆桌论坛上，乐聚机器人创始人兼CEO常琳说，人形 机器人的关键是"创造实际价值"。清华大学自动化系研究员、机器人控制实验室主任赵明国则以自动驾驶的 发展历程作类比指出，人形机器人走向成熟需要一个相对长的周期，当前行业尚处于探索阶段。 "我认为通用人工智能差不多需要15至20年时间会实现。"张亚勤认为，目前，实现通用人工智能仍有三大难 点： 首先是信息智能的难点，即语言、文字、语音、视频的智能。信息智能还需要4至5年时间达到人类水平，5年 左右可以达到信息智能的通用AGI标准。其次，是物理智能，包括无人驾驶、机器人，特别是人形机器人、 无人车等，可能至少需要10年时间才能实现。三是生物智能，比如脑机接口，通过将人工智能、大模型技术 ...

张亚勤的观点是，AI不一定真理解，但是现在来看，任何有规则的、有答案的、有结构化的，人工智 能都会超过人类，如下棋，编码，语言。但有一些比较模糊的东西，AI就会差一些。像波粒二象性这 样的，即使AI不理解，它仍可以做出很多创新，给人类提供更多的灵感。 而在猎豹移动董事长傅盛看来，在结构化、规则化的领域，AI凭借强大的计算能力和模式识别能力， 能够快速完成推理与验证。可以说在语言认知推理层面，AI已经相当强，几乎在每个领域没有明显短 板。但在物理层面或者说具身层面，AI要真正实现理解还要很多年。 清华大学基础科学讲席教授、心理与认知科学系主任刘嘉预计，如果AI真的在人类未知的领域，没有 借助人类过去已有的积累，天马行空地从0到1做出来东西，这就是AI真正智能诞生的时间，也就是大 家所说的"理解"。 尽管对于AI未来的科学突破表示乐观，但张亚勤也提到，现在AI、人脑的区别依然很大。人类大脑经 过几十万年的进化，效率十分高，比如860亿个神经元，百万亿级的突触，只有不到3斤重，消耗20瓦的 能耗。再看前沿大模型，基本上万亿级的参数，需要超高的算力和能耗。如果把大脑作为一个参数权 重，大模型还差100倍，整个效率和架 ...

Group 1 - ChatGPT is recognized as the first AI agent to pass the Turing test, marking a significant milestone in AI development [4][6][19] - The rapid user adoption of ChatGPT, reaching over 100 million users within two months of launch, highlights its popularity and impact in the tech industry [3][6][19] - The evolution from GPT-3 to ChatGPT demonstrates substantial improvements in AI capabilities, particularly in natural language processing and user interaction [2][7][19] Group 2 - The structure of the IT industry is being reshaped by large models like GPT, with a layered architecture that includes cloud infrastructure, foundational models, and vertical models [9][11] - Opportunities for competitors in the AI large model era are significant, especially in vertical foundational models and SaaS applications [11][12][19] - The emergence of AI operating systems is being pursued by both established companies and startups, indicating a competitive landscape in the AI sector [12][19] Group 3 - The Chinese AI industry is expected to develop its own large models and killer applications, similar to the evolution of cloud computing [15][19] - The training of Chinese large models can benefit from multilingual data, enhancing their performance and capabilities [16][19] - The focus on generative AI is leading to a surge of new startups and investment in the sector, indicating a vibrant market landscape [18][19] Group 4 - The future of AI large models is projected to include advancements in multimodal intelligence, autonomous agents, edge intelligence, physical intelligence, and biological intelligence [32][33][34] - The integration of foundational models with vertical and edge models is expected to create a new industrial ecosystem, significantly larger than previous technological eras [34][35] - New algorithmic frameworks are needed to improve efficiency and reduce energy consumption in AI systems, with potential breakthroughs anticipated in the next five years [35][34]