鲲为如何用超声穿颅读脑：一条非侵入式脑机接口的新路径

一位医生“顺手”解决数学难题的背后

2026年8月，数学界确认了一个沉寂22年的猜想——Crouzeix猜想成立。证明者金山木的身份令人意外：他不是职业数学家，而是北京协和医院神经外科的一名住院医师兼博士后。更特别的是，他研究矩阵分析的初衷，竟然是为了搞清楚超声波如何穿透人体颅骨。

这个看似偶然的故事，其实戳中了脑科学领域一个长期被忽视的痛点：我们缺乏一种能随时、反复、高质量读取大脑活动的工具。无论是研究神经机制，还是开发脑机接口，数据获取始终是瓶颈。而颅骨，正是横亘在非侵入式技术面前最坚硬的屏障。

传统经颅超声（TCS）只能勉强看到几条大血管的血流速度，谈不上成像。学术界对此心知肚明，于是多数团队选择绕开——要么开颅植入透声材料（如Arbor、Merge Labs），要么改用光学或MRI辅助（如Openwater、Attune Neurosciences）。但深圳的鲲为却选了最难的路：正面突破，让超声直接穿透完整颅骨。

他们做到了。目前鲲为的HUS技术已能实现成人颅脑的二维结构与微米级血流成像，分辨率远超传统TCS。有趣的是，面对这家从不发表论文的公司拿出的成果，国际超声学界的第一反应不是质疑，而是急切地想复现：低频之下，高分辨究竟是怎么实现的？

低频才是下一代超声的解法

鲲为的突破，源于一个反行业共识的判断：把超声频率做低。

过去半个世纪，超声行业的技术逻辑高度一致——提高频率以换取更高分辨率。这在腹部、心脏等软组织成像中效果显著。但一遇到颅骨，这套逻辑就彻底失效：高频声波几乎被完全反射或吸收，根本穿不过去；而能穿透的低频声波，分辨率又差到无法用于成像。

于是行业默认：全脑超声成像，要么开颅，要么无解。

鲲为创始人刘家家却从第一性原理重新审视这个问题。“所有人都在卷频率，但高频已经撞墙了。”他说，“反过来想，低频有最好的穿透性，唯一的问题是分辨率——而分辨率，能不能不靠物理聚焦，用计算来解决？”

这个想法听起来简单，实则意味着重写整个超声成像技术栈。传统超声依赖探头的物理聚焦性能，图像质量一半由硬件决定；鲲为则把波束合成的难题大规模交给算法，用GPU算力在物理层面“计算”出图像。

这条路能走通，恰逢算力爆发的时代窗口。鲲为的成像算法计算量是传统超声的千倍以上，必须依赖高性能GPU进行实时物理重建。可以说，没有英伟达过去几年的算力跃进，就没有鲲为今天的技术可行性。这也让鲲为成为英伟达在全球超声领域的前沿客户。

结果是惊人的性能Scaling：从2021年初代原型机的0.25帧/秒，到如今5000帧/秒，五年内成像性能提升万倍。而公司目标是每一代产品性能至少翻倍——因为分辨率远未到终点。

从医疗设备到脑科学基础设施

脑科学要迈向AGI，核心瓶颈之一就是数据。现有工具各有缺陷：

• 侵入式电极：信号精准但需开颅，仅限局部，无法普及；
• EEG脑电帽：安全便携但信噪比太低，隔着头皮颅骨几乎读不懂细节；
• fMRI：能看全脑但设备庞大昂贵，难以日常使用；
• 功能超声：时间与空间分辨率俱佳（可达20微米），却穿不透颅骨。

功能超声的潜力早已被验证。2011年《Nature Methods》那篇奠基论文之后，动物实验不断推进，结合微泡定位甚至能观测神经血管活动。但人类应用始终卡在颅骨这最后一关。

鲲为的突破，正是拆掉了这堵墙。其颅脑超声产品已在中国及海外多家顶级医院完成临床验证并商业化。全球超声市场超百亿美元，长期由GE、飞利浦主导，而颅脑成像一直是巨头未能攻克的难题。鲲为凭借“技术降维”，自2025年底商业化以来已进入陡峭增长曲线。

但这只是起点。鲲为更大的野心，是成为脑科学AGI时代的“数据铲子”——提供一种理想的数据采集方式：非侵入 × 全脑 × 高分辨 × 实时 × 可穿戴。

超声天然具备可穿戴潜力。探头可做成轻薄阵列，集成于头戴装置。2025年《Science Advances》曾报道一项人体实验：为植入透声窗的受试者定制超声头盔，在其行走时持续记录脑血流变化，跨越20个月重复观测。虽然仍需开颅，但已证明功能超声可伴随日常活动。

Neuralink创始科学家、现Arbor CEO Philip Sabes近期指出：“你可以让6万人用手环，但不可能让6万人接受脑植入。”这正是鲲为的机会——当设备进一步小型化，超声脑功能测量就能进入日常生活，监测睡眠、情绪、专注力乃至慢性病前兆，催生脑科学领域的Oura Ring级产品。

更重要的是，超声天然支持“读写闭环”。同一探头既能成像，也能进行神经调控。研究者可观察：施加某种刺激后，脑内血流如何变化？效果能否重复？是否与症状改善相关？

UCSF团队2026年的一项预印本研究已在大鼠实验中实现这一闭环：用同一探头交替完成刺激与成像，再由算法根据响应自动优化下一组参数。鲲为希望将这种“观察—干预—再观察”的能力产品化，让每次实验都为下一次积累知识。

前沿AI公司已意识到脑数据的价值。OpenAI与Merge Labs合作开发脑科学基础模型；Meta支持的“数字大脑计划”拟采集1.5万小时交互任务脑记录；Jeff Bezos投资的Flourish则试图从大脑学习机制中寻找AGI新架构。而鲲为提供的，正是这些计划急需的规模化、高质量数据入口。

声学空间智能Neo Lab的诞生

理解鲲为，最终要回到其创始人刘家家。他既是硬核硬件工程师，又是深藏不露的理论研究者。

2003年，还在西安交通大学读生物医学工程的刘家家接触了神经网络——那是深度学习爆发前十年的冷门领域。这段经历没给他技术，却给了他一套数学语言。2008年进入超声行业后，他很快意识到：行业的瓶颈不在工程优化，而在基础理论。

具体来说，是一个少有人问的问题：如何用低频率实现高性能？ 从2009年起，他开始钻研这个问题，一钻就是十年。推理链条其实公开可得：超声衰减系数、衍射极限公式，教科书里都有；高频撞墙是从业者的日常体感。缺的，是有人把这两条真正连起来——既然高频被衰减锁死，而低频的分辨率缺陷恰好落在算力可购买范围内，那么解法就不是在“不可能三角”里腾挪，而是换掉产生三角的那个变量：不再向物理学要分辨率，而是向计算要。

但“换变量”说起来容易，做起来至少要十年。低频超分辨波束合成算法需从零推导，高穿透探头要自研制造，整机工程要一点点打磨。这需要一个人在十余年没有外部验证、没有论文反馈、不被投资人认可的条件下坚持下去。

2019年，刘家家创立鲲为；2021年，初代原型机问世；2024年，声学空间智能理论延伸至颅脑超声应用——穿颅读脑，成为这套理论至今最大的兑现。

两条线合流，决定了鲲为的独特形态：它不是从应用场景倒推技术，而是从一个过去做不到的物理问题出发做产品。“这个问题在学校里可以研究，”刘家家说，“但在一个拥有工程交付能力和商业化能力的组织里做，带来的是完全不同的速度和资源密度。”

本质上，鲲为是一家有商业化能力的声学空间智能Neo Lab——把蝙蝠用声波感知空间的能力，第一次做成可计算、可规模化的产品。

过去十年，AI浪潮层层荡开：先是大模型，再是视频生成，接着是世界模型……今天的鲲为，正站在声学空间智能与脑科学两个圈层的交汇点。当读懂大脑的枷锁被逐一打破，穿越颅骨的大门已然打开，或许我们真该期待一个更不可思议的未来。