华超神控：用非侵入式超声和AI构建闭环脑机接口
非侵入式 + AI：一条更广的脑机路径
李昕把华超神控定义为一家「非侵入 AI 脑机接口公司」。这个标签背后，藏着他对技术路线、适用人群和落地节奏的综合判断。
侵入式脑机接口——比如 Neuralink 那类需要开颅植入电极的方案——已经在严重瘫痪、渐冻症等极端场景中证明了价值。但手术风险、长期稳定性、伦理审批等问题，决定了它短期内只能服务极少数患者。
李昕想走另一条路：不做手术，从颅外感知和调控大脑。这样，技术才有可能覆盖更广的人群，从疾病治疗延伸到睡眠、情绪、专注力等日常状态管理。
这条路的核心挑战有两个：一是如何在不开颅的前提下，精准地“读”和“写”大脑；二是面对个体差异巨大的神经信号，系统怎么判断当前状态，并决定下一步该怎么做。
华超的答案是：用低强度经颅聚焦超声（tFUS/LIFU）作为主要的“写脑”手段，搭配脑电（EEG）、功能超声（fUS）等多模态方式“读脑”，再让 AI 参与整个闭环——从声场计算、靶点识别，到参数推荐、反馈分析。
简单说，他们想实现一个持续运行的循环：读取大脑状态 → 理解正在发生什么 → 实施调控 → 观察反馈 → 优化下一轮策略。
超声“写脑”：毫米级精度如何实现
为什么选超声？
相比经颅磁刺激（TMS）或电刺激（tDCS/tACS），聚焦超声有个独特优势：它能穿透颅骨，把能量集中到皮层以下几厘米深的脑区，比如丘脑、杏仁核、伏隔核这些与情绪、疼痛、成瘾密切相关的核团。
但难点也在这里。颅骨不是均匀介质——每个人的厚度、密度、曲率都不同，超声穿过时会发生衰减和相位畸变，原本设定的焦点可能偏移几毫米甚至更多。这对需要精准定位的神经调控来说，几乎是致命问题。
华超的解法是做个体化的声场建模和相位补偿。用户戴上设备后，系统先通过影像或声学扫描重建颅骨模型，再计算超声波穿过时的传播路径，最后调整换能器阵列的相位，让能量重新聚焦到目标位置。
据李昕透露，公司早期公开的聚焦精度约为1.5毫米，计算耗时约10秒；目前这一数字已推进到1毫米以内，算法响应时间缩短至5秒左右。这意味着，系统能在几分钟内完成一次从扫描到精准刺激的全流程。
不过，把能量送到正确位置，只是完成了“写脑”的第一步。真正难的是：该刺激哪里？用什么参数？刺激之后效果如何？ 这些问题无法靠固定硬件解决，必须引入AI。
AI 如何嵌入“读—解—写”闭环
在华超的系统里，AI 不是后期加的功能模块，而是贯穿始终的技术主线。
最底层，AI 参与设备端的实时计算：比如加速三维声场重建、优化相位校正算法、提升导航效率。这直接决定了设备能否在临床或消费场景中实用。
往上一层，AI 处理多模态神经数据。EEG 时间分辨率高，能捕捉毫秒级的电活动变化；fUS 空间分辨率更好，通过血流动力学反映特定脑区的激活状态。两者结合，能更完整地描述刺激前后的脑状态。
再进一步，AI 尝试建立“参数—靶点—效应”之间的映射关系。华超近期发布的超声神经调控参数交互 AI 平台，就是这一思路的具体体现。研究者输入目标效应（比如“降低焦虑水平”），系统会推荐候选刺激参数窗口，并附上支持证据——来自公开文献、仿真数据或公司内部的动物/人体实验。
反过来，如果给定参数，平台也能预测声束路径、焦域形态、与目标脑区的匹配度等信息。Cortex Atlas、TUS Research Studio 等工具则试图把分散的研究数据结构化，帮助科学家设计更有效的实验。
目前，这套闭环中的“读脑”和“解码”能力已集成到科研设备中；而“根据反馈自动调整下一轮方案”的全自动闭环，仍需更多临床数据验证。现阶段，医生仍是决策主体——系统提供数据和建议，人类做最终判断。
三条产品线：从科研到消费的阶梯
李昕经历过一次失败的创业：2008年，他和同学做了款AR+脑电设备，但当时市场连“这东西能干嘛”都说不清。那次经历让他明白，技术落地需要匹配“时间点”。
如今，华超的产品路径非常清晰：科研 → 临床 → 消费，对应公司提出的“探索脑、治愈脑、增强脑”三阶段。
科研线走在最前。今年9月，华超发布了FUS-Lab科研平台，包括主机、换能器套件和AI分析工具，已进入4～5家实验室，用于意识、记忆、脑机融合等基础研究。这条线的核心任务是搞清楚机制：哪些靶点有效？什么参数产生什么效应？结果能否重复？
临床线紧随其后，聚焦疼痛、帕金森病、阿尔茨海默病、成瘾、睡眠障碍等方向。其中，利用聚焦超声暂时打开血脑屏障，辅助药物递送，是近年热门赛道。李昕表示，公司当前重点之一是推进医疗器械注册，这意味着要解决标准化操作、安全性和有效性验证等硬性问题。
消费线则指向更远期。规划中的可穿戴脑机终端，可能用于改善睡眠质量、调节情绪波动或提升专注力。但这部分目前更多是战略方向，实际业务仍集中在科研和临床。
三条线背后，是一条从设备到平台再到数据资产的商业逻辑：先以硬件触达用户，积累刺激参数、脑状态和行为反馈；再用这些数据训练模型，形成神经解码、虚拟脑等能力；最终，这些能力又反哺设备智能化，形成正向循环。
Neuro AI：不止于调控，更想理解大脑
华超提出的 Neuro AI 概念，包含两个层面。
近期，AI 主要服务于设备性能和闭环调控——比如更快的声场计算、更准的靶点识别、更智能的参数推荐。
中期，随着多模态数据积累，公司希望构建“神经数据底座”，甚至开发个体化的“虚拟脑”模型，用于预测不同干预方案的效果。
更长期，李昕提到一个更大胆的方向：neuroscience for AI。即通过研究人脑的意识、推理、学习机制，反哺下一代人工智能的设计。他认为，当前大模型虽然强大，但在能耗、泛化、因果推理等方面远不如人脑，而脑科学可能提供新思路。
当然，这些远景仍需时间验证。眼下，华超的里程碑很具体：科研设备的使用规模、临床结果的可重复性、医疗器械注册进度、合规数据沉淀能力。
投资人为何看好
本轮2亿元Pre-A轮融资由红杉中国、云启资本联合领投，多家机构跟投。投资人的共识在于：华超选择了一个兼具技术壁垒和商业延展性的切入点。
红杉中国认为，公司“既面向当下可验证的科研和临床需求，也在为更长期的Neuro AI能力积累基础”。云启资本则强调，超声脑机接口“将率先突破复杂医疗场景”，并有望在消费级应用中打开新市场。
比邻星投资指出，低强度聚焦超声“兼具无创、深部可达与毫米级精准的优势”，而华超以“超声为通道、AI为智能、神经数据为资产”，构建了完整技术平台。元禾控股则看到“超声、脑图谱、AI三浪交汇”的历史性机会，认为竞争壁垒在于全栈耦合能力。
徐汇科创投特别提到慢性疼痛管理——这是神经调控领域最大的单一市场，也是脑机技术清晰的落地方向。德石投资则看好团队“将前沿脑科学转化为可验证、可复制、可规模化产品的能力”。
科幻照进现实，但路要一步步走
《仿生人会梦见电子羊吗》里的“情绪调节器”，如今在华超的实验室里有了雏形。但它不再是拨号调心情的黑箱，而是一套基于物理原理、神经科学和AI算法的工程系统。
李昕说，他们既在兑现过去的科幻想象，也在创造新的可能。但真正让技术落地的，不是想象力本身，而是把宏大愿景拆解成一个个可验证、可工程化的问题：
- 颅骨畸变怎么校正？
- 深部核团如何精准定位？
- 个体差异如何建模？
- 临床效果怎样标准化？
这些问题没有捷径。华超的选择是：先做科研工具，让科学家帮他们验证机制；再推临床产品，用真实世界数据打磨系统；最后，如果一切顺利，才考虑走进普通人的生活。
这条路很慢，但每一步都有迹可循。