格式塔押注超聲腦機介面與大腦模型

💡腦機介面的競爭正從電極路線擴展至多模態大腦模型，可能改變具身 AI 的訓練資料來源。

⚡ 30-Second TL;DR

有什麼變化

格式塔完成 4.2 億元人民幣的天使+輪融資，資金將支援超聲腦機介面研發、製造基地建設與 AI 大腦基礎模型。

為什麼重要

如果腦機介面能從患者輔助工具擴展為大腦資料基礎設施，AI 的訓練資料邊界可能從文字、影像與行為，進一步延伸至意圖與生理訊號。這個方向也可能推動具身智慧從模仿動作轉向理解動作背後的決策過程，但臨床驗證、隱私保護與資料標準化仍是長期限制。

下一步行動

建立一個小型多模態基準，對齊腦電或 fUS 訊號、動作與任務結果，以測試神經資料是否能提升具身模型的泛化能力。

誰應關注：Researchers & Academics

AI-generated analysis for this event.

•格式塔（Gestalt）的創辦人彭雷曾任職於傅利葉智能（Fourier Intelligence），此次創業將腦機介面技術與具身智慧（Embodied AI）深度整合，旨在解決機器人操作的「意圖理解」難題。
•該公司採用的功能性超聲成像（fUS）技術，相比傳統的 fMRI 具有更高的便攜性與時間解析度，且相比 EEG 具備更好的深層腦區訊號獲取能力。
•格式塔正在開發專有的超聲感測器晶片，旨在降低硬體體積並提升訊號處理的即時性，以適應穿戴式設備的應用場景。
•除了硬體研發，格式塔強調「腦數據閉環」，即透過大規模採集人類在執行複雜任務時的腦血流與行為數據，訓練專用的「大腦基礎模型（Brain Foundation Model）」。
•該公司已開始與多家醫療機構合作，進行臨床前數據採集，重點關注神經退化性疾病的早期診斷與神經調控治療潛力。

📊 競品分析▸ Show

競爭對手	核心技術路線	應用場景	關鍵差異
Neuralink	侵入式電極	癱瘓患者運動控制	高頻寬、侵入式，側重神經訊號直接讀取
Synchron	血管內支架電極	運動障礙輔助	微創、安全性高，無需開顱
Kernel	時域功能性近紅外光譜 (fNIRS)	認知功能監測	非侵入式、光學成像，側重腦血氧變化
格式塔 (Gestalt)	功能性超聲 (fUS)	具身智慧、神經調控	非侵入式、高解析度深層成像，結合 AI 模型

功能性超聲成像 (fUS): 利用超快超聲波（Ultrafast Ultrasound）捕捉微血管血流動力學變化，空間解析度可達 100 微米級別。
經顱聚焦超聲 (tFUS): 利用聲波的機械效應對特定腦區進行非侵入式神經調控，具備毫米級的空間聚焦精度。
數據映射架構: 採用多模態對齊技術，將腦血流動力學數據（fUS）與行為學數據（動作捕捉、力矩感測）進行時間序列對齊，並輸入 Transformer 架構進行表徵學習。
訊號處理瓶頸: 針對超聲訊號的運動偽影（Motion Artifacts），格式塔開發了基於深度學習的即時去噪演算法，以過濾受試者移動產生的雜訊。