米哈游退出，交大系基金投资接手「零唯一思」丨36氪首发
36氪 · 科技资讯
原创 胡香赟 海若镜 2026-11-06 08:04 北京 未来，零唯一思将从情感脑机接口技术逐步拓展到脑电基础模型和通用神经解码平台开发 。 文丨 胡香赟 编辑丨 海若镜 封面来源丨 AI生成 10月底，据企查查工商变更信息显示，米哈游已退出上海零唯一思科技有限公司（下称“零唯一思”）股东行列。 36氪获悉，近日，这家由上海交通大学教授吕宝粮创办的脑机接口公司，正式完成重组，并获得来自交大菡源资产数百万元的独家投资。该资金将用于团队组建与脑电基础模型研发。 零唯一思成立于2021年底，最早从情感脑机接口切入，探索脑电、眼动信号在抑郁、焦虑等情绪障碍客观评估中的应用，曾推出过多模态情绪评估系统“情绪X光机”和脑电基础模型。 本次，公司联合创始人、总经理石立臣对36氪表示，未来，将从情感脑机接口技术拓展到脑电基础模型和通用神经解码平台，采取底层技术研发与应用探索并行的策略。 石立臣为上海交通大学计算机学院博士，师从吕宝粮教授。他曾任货拉拉技术总监、滴滴首席算法工程师、百度高级工程师，有过6年创业经历。 石立臣认为，这种拓展“是从具体应用向底层共性技术的延伸，并非更换赛道”。传统脑电解码算法，特征表达和任务决策系统同时训练，只能使用任务相关的标注数据；数据标注成本高、数据规模和多样性受限，导致解码能力有限；此外，算法与设备、任务高度绑定，换一个设备或换一个场景，往往就要重新采集数据、训练模型。“例如，从睡眠监测任务，变更为情绪识别任务，或者换一款脑电采集设备，数据采集、标注、模型训练都要从头开始。” 在零唯一思团队看来，脑电基础模型或许能提供一种解法。其核心思路是，将脑电解码拆分为两个阶段。第一阶段通过自监督学习，在无需标注的数据上大规模学习脑电信号中的通用神经表征；第二阶段再针对特定任务，用少量标注数据进行后训练，让模型在已有表征基础上形成决策能力。这种“预训练-后训练”的两阶段框架，借鉴了特征表达与决策系统解耦训练的思想，并将其适配到了脑电这一特殊信号模态上。 “预训练用的是未标注数据，采集成本低得多，而且规模越大、覆盖的设备和人群越多样，学到的神经表征就越丰富、越有泛化能力。”石立臣解释道：“后训练阶段只需要学习决策边界，对标注数据的需求就大幅减少了。这意味着面对新用户、新设备或者新应用，模型的适配成本和样本依赖都有望降低。” 这个逻辑可以用移动通信产业类比。在智能手机出现之前，功能机时代的硬件、操作系统和应用软件高度绑定，换设备意味着从头开发应用。但智能手机通过统一操作系统接口，实现硬件与应用的“适配”，由此催生移动互联网爆发。 零唯一思团队相信，脑机接口产业目前在某种程度上仍处在“功能机阶段”。“所以，我们希望把神经解码能力从具体场景中抽离出来，变成可复用的底层能力，让不同设备都能低成本接入，也让应用开发者不必从零开始解决脑电算法问题。” 技术方面，团队现有技术储备主要来自吕宝粮团队关于脑电基础模型的前期研究。 首先是用于解决脑电信号通用表征问题的LaBraM模型相关论文已在机器学习顶会ICLR2024发表。“LaBraM在脑电异常检测、情绪识别等多种任务上已取得一定结果，初步验证了通过大规模预训练，可以建立可复用的脑电基础模型这一路径。”近期，团队还在持续推进脑电基础模型的规模化研究，基于近8万小时的多来源脑电数据开展预训练，进一步探索更大数据和模型规模下的跨任务泛化能力。 第二项工作NeuroLM则进一步探索了多任务统一解码。它将连续的脑电信号转换成类似语言token的序列表示，结合语言模型通过指令训练支持多种脑电任务。 “举个例子，传统模型可能需要分别开发情绪识别和脑电异常分类两套独立算法，我们在做NeuroLM时则尝试用一个统一模型，通过不同的任务指令分别完成相应的解码。这项研究使用了约2.5万小时的脑电数据，最大模型规模达到17亿参数，其意义在于探索脑电解码能否从多个独立的专用模型，向统一的多任务模型演进。”石立臣表示。 此外，吕宝粮团队今年又推出一款名为CerebraGloss的智能系统，它主要关注临床脑电图的专业理解和生成式分析。过去，临床医生阅读脑电图，需要结合经验观察复杂的波形特征，而传统AI通常只能识别简单的问题，比如某段脑电是否异常。“CerebraGloss则尝试用视觉语言大模型分析脑电图，不仅能识别相关波形，还能够用自然语言描述和回答问题，并支持多轮交互。” 石立臣介绍，这三项工作意在“从不同方向探索脑电大模型的能力边界”。同时，零唯一思在推进下一代脑电基础模型的训练范式迭代，计划引入与脑电时间对齐的外部刺激、感知、认知、行为等多模态数据。 除模型层面的探索外，零唯一思团队也在不断积累自己的数据集。目前，团队已积累超过10万小时的脑电数据，其中既有来自公开渠道的大规模数据，也有近万例自采数据。