🧠 脑机接口 · 融资快讯
超声脑机接口赛道升温：格式塔获4.2亿元融资，押注AI与大脑解码融合
成立仅半年的格式塔（Gestala）完成4.2亿元天使+轮融资，两轮累计接近1亿美元。公司选择超声路线，目标是同时实现大脑读写与训练人类智能的基础模型。
综合公开信息整理•
2026-07-22•
全文约4分钟读完
#脑机接口
#超声BCI
#格式塔
#AI基础模型
#硬科技
4.2 亿元
天使+轮融资 · 2026年7月
≈1 亿美元
两轮累计融资规模
17 起
2026 Q1 国内脑机接口融资
38 亿元
Q1 融资总额，超2025全年
⚡ 30 秒速览
- 融资额：4.2亿元天使+轮，由陈天桥联合创办，两轮累计近1亿美元。
- 技术路线：超声（fUS + tFUS），目标从局部神经元走向全脑读写，不开颅。
- 第一站：慢性疼痛——美国临床数据显示，调控ACC后疼痛降低约一半，持续一至两周。
- 模型计划：2026年底发布第一代大脑基础模型，类比GPT-1.0，同步亮相首款产品。
- 核心判断：AI从语言模型走向物理模型、生物模型，脑机接口是获取大脑数据的入口。
01资本加速涌入 脑机接口单季融资超2025全年
2026年一季度，国内脑机接口领域发生17起融资，金额约38亿元——单季规模已经超过2025年全年。7月，成立仅半年的格式塔完成4.2亿元天使+轮，将这条赛道的热度推向新高。
钱为什么迅速涌向一个临床周期漫长、商业模式仍未完全跑通的行业？
一个直接答案是：脑机接口终于开始从实验室进入真实患者。更深一层的变化在于，当AI从语言模型走向世界模型和生物模型，大脑可能成为下一种稀缺的数据源——脑机接口则是获取这些数据的入口。
4.2 亿元
格式塔天使+轮
≈1 亿美元
两轮累计融资
17 起
Q1 国内融资事件
38 亿元
Q1 融资总额
注：数据综合自公开报道与行业统计，2026年Q1国内脑机接口融资统计口径包含侵入式、非侵入式及血管介入等路线。
格式塔创始人彭雷判断，AI走向AGI与脑机接口解码大脑，最终会在同一个方向汇合。「我们在解码大脑，同时也在建设一个对人类大脑的Foundation Model。」
02为什么是超声？ 不只是「不开颅」
脑机接口过去最受关注的故事，大多围绕侵入式电极展开。但彭雷选择了一条更少人走的路。
他此前联合创办过侵入式脑机接口公司脑虎科技，并非否定电学路线，而是基于一个追问：如果目标从读取局部神经元，扩大到理解记忆、语言、情绪和运动规划等高级功能，只观察少数脑区是否足够？
电学路线（电极）
- 高时间分辨率，记录局部神经活动
- 需开颅或血管介入，覆盖范围有限
- 代表：Neuralink（21名受试者）、Synchron（D轮2亿美元）
- 擅长「点」精度，难以覆盖全脑
超声路线（格式塔）
- fUS读取血流变化，tFUS调控深部脑区
- 无创/微创，理论上可覆盖更大范围
- 适应症潜力：慢性疼痛、卒中康复、抑郁等
- 信号含噪声更大，AI能力决定解码上限
超声无法直接读取电活动，而是读取神经活动引起的血流变化。颅骨造成声波衰减，每个人的大脑结构也不相同。想从这些信号中恢复意图，必须同时处理跨模态、跨个体和跨任务的泛化问题。
AI因此不是附加软件，而是核心能力。它决定了超声设备能从噪声中提取多少信息，也决定了电信号、血流、核磁影像和外部行为能否被放进同一个表征空间。
注：fUS = 功能性超声成像，通过血流变化间接测量神经活动；tFUS = 经颅聚焦超声，通过相控阵调控深部脑区。两者结合实现「读写一体」。
03它到底能做什么？ 三个正在发生的场景
💊 慢性疼痛：调控ACC，降低疼痛约一半 已有临床数据
- 靶点：前扣带皮层（ACC），与疼痛感知、情绪反应相关。
- 方法：低强度聚焦超声调控，每次持续数分钟。
- 效果：美国临床数据显示，受试者疼痛程度降低约一半，效果持续一至两周。
- 状态：中国尚未开展临床试验，产品处于研发与注册准备阶段。
临床意义：慢性疼痛患者基数庞大，现有药物方案存在局限；超声调控提供了一种非药物、非侵入的干预路径。
🦾 具身智能：让机器人理解「人为什么这样做」 进行中
- 合作方：与傅利叶等具身智能企业展开合作。
- 方法：在机器人训练过程中，同步采集操作员的脑电和脑血流信号。
- 假设：加入脑部多模态数据后，具身模型能否比只使用动作数据获得更好的泛化能力。
- 意义：摄像头记录结果，肌电记录执行，脑信号靠近意图——数据源越接近决策形成的位置，机器越有机会学到动作背后的结构。
前沿探索：这项实验刚刚启动，但指向一个关键方向——从学习「人做了什么」到理解「人为什么这样做」。
🧠 大脑基础模型：2026年底的「GPT-1.0」 路线图
- 目标：同时使用电信号、超声、血流、核磁影像及行为数据，训练关于人类智能的基础模型。
- 类比：文本模型以词语为token，这套模型处理的则是生物指标——神经活动与外部行为之间的对应关系。
- 瓶颈：脑数据需要依靠设备、动物实验和临床合作一点点生产，每扩展一种场景都需要重新建立采集与验证流程。
- 计划：2026年底发布第一代模型（类比GPT-1.0），可能只在少数适应症和特定任务上有效。
战略逻辑：产品负责采集数据，临床验证安全性，科研寻找信号机制，模型再反过来改善读取和调控——硬件、临床、科研与AI构成同一个循环。
04AI的下一站，为什么要重新研究人？
过去几年，AI最重要的变化，是能力边界开始越过语言。彭雷将这条演进路线概括为：
语言模型→物理模型→生物模型
语言是已经被人类结构化的数据，模型可以在海量语料上快速训练。进入物理世界之后，数据获取开始变得昂贵：机器人需要在实际环境中行动，在一次次失败中学习。到了生物世界，训练材料更加稀缺——血流、电信号、影像、行为和疾病表型散落在不同设备与临床场景里，数据尺度、模态和个体差异都远高于文本。
大脑位于这条路径的深处。它既是人的意图源头，也是目前已知最复杂的生物智能系统。
彭雷提到一个比喻：新的「罗塞塔石碑」。
🔗 罗塞塔石碑的隐喻：古代罗塞塔石碑用三种文字记录同一段内容，由此帮助后人破解失传的语言。在彭雷的设想中，AI模型、人类行为与神经科学模型也能形成类似关系——硅基模型预测一个人将如何行动，脑模型记录行动产生前的神经活动，外部世界提供结果与反馈。三者映射到一起，机器可能获得解释人类智能的新坐标系。
短期看，这种接口可以帮助具身模型理解人的运动意图，也可以帮助脑机系统借用AI的表征能力改善解码。再向前，它可能进入生物AI的核心地带——大脑基础模型可以看作「虚拟人体」路线中最困难的一块拼图。
编辑核心判断
格式塔的真正赌注，不是做一台更好的脑机接口设备，而是以超声为入口，建立一套持续生产高质量脑数据、再用数据推动模型进化的系统。医疗是必须穿过的第一道窄门——它既验证安全性，也以最高的数据标准训练系统。门后更长的路，是让碳基与硅基第一次拥有彼此可以理解的语言，同时确保定义目的和边界的仍然是人。
▶关注进展
格式塔计划在2026年底发布第一代大脑基础模型与首款超声脑机接口产品。
慢性疼痛的初步临床数据与阶段性科研成果届时将同步亮相。
技术路线仍处于早期验证阶段，临床与监管周期存在不确定性。