據 Woofun AI 消息，專注非侵入式神經接口技術研發與產業化的「念象科技」已完成近千萬元天使輪融資。本輪融資由永珺星芒領投，浦東創投、一村資本跟投，募集資金將主要用於產品研發、團隊擴建以及本土 sEMG 數據集建設。念象科技成立於 2025 年底，其首款產品 Omniband 是一款腕戴式表面肌電（surface electromyography，簡稱 sEMG）神經接口設備。該設備不直接採集大腦皮層信號，而是通過手腕處的神經肌肉電信號，解析手部運動意圖和連續動態手勢，進而用於手機、電腦、智能眼鏡、智能家居等終端的人機交互。除泛交互場景外，念象科技也將高精度手部運動數據視爲另一條長期價值線，團隊希望圍繞手部姿態、肌肉發力、物體交互等標籤，建設面向本土手部操作場景的大規模 sEMG 數據集，爲具身智能、物理 AI 和世界模型訓練提供數據支持。

創始人王譯博士期間在新西蘭奧克蘭大學從事腦機接口方向研究，現任國家腦機接口產業聯盟副主席，併入選上海市白玉蘭人才計劃，曾任應脈醫療首席科學家、智元機器人研發總監，完整實踐過侵入式/非侵入式/介入式腦機接口、sEMG 神經接口等腦機接口與具身智能人機交互等相關技術研發。在王譯看來，不同技術路線的共同目標，都是'給人的意圖做翻譯'。但相比醫療級腦機接口或侵入式方案，他更希望先做一款普通人能夠接受、願意佩戴、並能高頻使用的產品。因此，創辦念象科技時，王譯選擇從神經接口腕帶開始：這個方向在過去多年裏曾因泛化性差、輕量化難而未能大規模落地，直到 2025 年，Meta 在 Nature 上發表研究稱，Scaling Law 效應證實了通過數據積累可實現跨用戶免校準識別，'神經腕帶'的產業化窗口終於被打開。市場上經常會把腦機接口理解成'植入芯片後就能讀懂所有想法'，但這並不符合現階段技術現實。人的意識傳導和神經鏈路極其複雜，完整解析思維仍然很難。因此，完整做過侵入式、非侵入式 EEG、EMG 等路線後，王譯相信，腦機接口想真正惠及普通人，必須先找到一條技術紮實，同時又能被用戶接受、佩戴的路徑。

主流的侵入式和非侵入式腦機接口路線都存在一定短板。前者採集腦電信號需要通過手術植入設備，對身體損傷大，天然更適合醫療康復等特殊場景；後者主要面臨信號不穩、識別精度不足、佩戴繁瑣等問題，較難支撐日常高頻次的交互使用。sEMG 神經接口的邏輯與此不同。大腦發出運動意圖後，信號會經由脊髓、外周神經傳遞至手部肌肉，而肌肉收縮本身就是天然的信號放大器。我們採集經過放大的終端指令信號，清晰度高，無需再對雜亂的原始腦信號做複雜解碼。因此在手腕採集肌電信號，既能做到無創安全，又能保證高信噪比，這被視作未來人機交互的終極方向。過去這個路線難落地，核心問題是泛化性差。不同用戶的手勢信號差異很大，要逐個校準。2019 年，Meta 收購 CTRL-Labs 之後，一直在尋找解決辦法，去年發表的研究證實，sEMG 領域同樣適用類似大模型的 Scaling Law，當訓練數據覆蓋 100 名以上用戶，模型泛化能力會持續提升。疊加邊緣算力迭代，跨用戶、免校準的實時手勢解析終於具備落地條件。

就唸象科技而言，此前，團隊基於小範圍實驗室數據訓練的模型已具備基礎泛化能力，但對比海外頭部團隊，本土專屬數據集仍是核心短板。因此，搭建本土數據集是團隊現階段的重點工作：計劃打造手部操作領域對標 ImageNet 的 sEMG 公開數據集，重點採集國人手部姿態、肌肉發力、物體交互等多維度標籤，劃分交互、具身智能兩大應用方向，補齊本土場景的數據空白。後續還將通過招募志願者、開放開發者平臺等方式持續擴充數據，驅動模型能力不斷升級。

Woofun AI 整理數據顯示，針對運動僞影、信號漂移、環境噪聲、個體信號差異等 sEMG 設備長期面臨的核心難點，團隊主要從硬件、算法、模型三大維度系統性解決問題。硬件上，通過差分電極和結構設計降低共模噪聲，並優化佩戴穩定性，減少因位置變化和肢體活動帶來的漂移。算法上，團隊自研了面向 sEMG 的濾波和信號分離算法，用於過濾運動僞影、皮膚出汗等干擾。模型層面，採用多模態數據補位和交叉驗證機制，讓 AI 模型學習更豐富的信號特徵，提升在不同用戶、不同動作狀態下的穩健性。目前 Omniband 已能對手部全部 20 個關節動態角度進行連續估計。接下來，團隊會繼續提升免校準、跨用戶泛化和長時間佩戴穩定性。

念象科技的首款產品是一款非侵入式神經接口腕帶 Omniband。Omniband 廣義上也屬於腦機接口產品，它不直接採集大腦皮層信號，而是依託多通道、高帶寬肌電傳感搭配 AI 解碼模型，解析人體手部運動意圖，目前產品處於工程樣機階段。因此，不同於只能記錄步數、心率、運動時長等基礎運動數據結果的傳統運動手環，Omniband 能直接捕捉用戶運動意圖，解析全手關節角度與肌肉發力力度，識別手部微動作與連續動態手勢。依託標準 HID 藍牙協議，產品可隔空操控手機、電腦、智能眼鏡、智能家居等設備，也能實現空中手寫，打造隱形鍵鼠，擺脫實體輸入設備的限制。

與此同時，設備採集的高精度手部運動數據，還能爲具身智能、物理 AI、世界模型提供核心數據支撐。後續團隊也會迭代新增傳感器，持續拓展應用場景。從實際測試情況看，Omniband 目前體驗最成熟的應用場景是泛交互場景，遊戲、短視頻操控的用戶體驗最佳。短期內團隊將優先落地手勢交互類產品，具身智能數據採集業務也會按規劃穩步推進。目前產品尚未實現完全'開箱即用'，但新用戶僅需完成 30-60 秒快速校準，配合幾組基礎動作即可上手，學習門檻極低。團隊正在推進免校準和更穩定的跨用戶識別能力，目標是把使用門檻進一步降到消費級產品可以接受的水平。

在市場及商業化策略方面，念象科技整體採用'先 B 後 C'的路徑。第一階段聚焦 B 端市場，面向高校、大型企業提供交互定製、具身數據採集、SDK 授權等服務。這樣既能驗證技術方案，也能持續積累多場景數據。隨着產品持續迭代成熟，後續將逐步面向極客羣體、前沿技術愛好者以及更廣泛的消費級用戶推出產品。公司已全面啓動消費級產品量產籌備，接下來會持續打磨軟硬件方案和應用體驗，加速面向 C 端市場落地。

這一佈局標誌着非侵入式神經接口技術正從實驗室走向規模化應用，通過構建本土化數據壁壘，有望在下一代人機交互入口的爭奪中佔據先機。