Neuralink 用 5 萬小時腦訊號訓練 AI：部分使用者每週校正 10 分鐘，游標控制刷新紀錄

Neuralink 正把 AI 用來解決腦機介面的日常難題：讓使用者少花時間重新訓練系統，也能穩定控制電腦。腦機介面（BCI）是把大腦活動轉成裝置指令的技術，在這次更新裡，主要用途是移動游標與點選目標。

公司在 2026 年 10 月 1 日公布，臨床試驗參與者累積了超過 5 萬小時的腦部活動資料。透過 AI 預訓練，部分使用者的校正負擔從每天約 10 分鐘，降到每週約 10 分鐘，一位參與者更在游標測試中達到每秒 11.32 位元的成績。這些數字都來自 Neuralink 官方技術更新。

對使用者來說，能否每天可靠地操作電腦，比單次示範的速度更直接影響生活。這次更新值得關注的地方，是大量日常腦訊號開始被用來改善穩定度。不過，已公布的即時使用成果仍來自各自訓練的個人模型，共用模型與完全免校正都還是研究目標。

為什麼腦機介面需要反覆校正？

腦機介面要先學會辨認「這個訊號對應哪個動作」，才能讓游標照使用者的意圖移動。負責轉換的 AI 稱為解碼器，作用像翻譯器，把神經活動翻成移動方向、速度與點擊指令。校正就是讓使用者完成一組指定任務，提供訊號與動作能相互對照的訓練資料。

困難在於，今天錄到的訊號可能和上週不同。訊號隨時間變化的現象稱為漂移，會使原本學好的對應關係逐漸失準。Neuralink 表示，過去使用者平均每週花約 55 分鐘校正，打字、遊戲等不同功能也可能需要各自的解碼器。

這使「能用意念移動游標」和「可以每天直接開機使用」之間出現落差。使用者已經取得的控制能力，可能因訊號變化而需要重新建立。降低這筆時間成本，才有機會把實驗室裡的能力變成可持續使用的工具。

學界也在處理同樣的問題。2025 年刊於《Nature Communications》的 NoMAD 研究，利用神經活動隨時間變化的規律，改善解碼穩定性。該論文提供了演算法研究背景，並不代表獨立驗證了 Neuralink 這次公布的數字。

5 萬小時資料如何幫助 AI 理解腦訊號？

日常使用留下的大量資料，讓 AI 有機會先學訊號的規律，再學如何控制游標。Neuralink 表示，超過 5 萬小時是試驗參與者合計的資料量，其中第一位參與者就累積超過 9,000 小時。這些資料多數沒有標示當時想做什麼動作，過去幾乎沒有被用於訓練。

這次採用的預訓練，是先利用大量資料建立模型的基本能力，再針對特定任務調整。模型使用自監督學習，也就是從資料本身產生學習題目，減少逐筆人工標記的需求。官方介紹的做法之一，是讓模型看到部分記錄通道，預測其他通道的活動，藉此學習神經群體之間的關係。

模型中的編碼器會先把雜亂、容易漂移的訊號轉成特徵表示，也就是比較適合後續辨識的數字形式，再交給解碼器產生操作指令。讀者可以把它理解成：翻譯動作之前，先整理原始訊號，讓不同日期的資料比較容易接到同一套控制規則。

官方把長期方向稱為神經基礎模型，指能支援多種後續任務的共通模型。但已上線的這批結果，是先用每位參與者自己的數千小時資料，訓練個人編碼器。因此，「總資料量突破 5 萬小時」和「所有人共用同一個成功模型」是兩個不同階段。

從每天校正到每週校正，改變的是使用負擔

減少校正次數，代表使用者能把更多時間留給實際操作。Neuralink 表示，部分解碼器能維持超過三週的良好表現，部分使用者的校正時間則降到每週約 10 分鐘。這是特定參與者的早期成果，不能套用到每一位使用者。

官方也展示一個較特殊的案例：使用約 20 個月前校正的解碼器，仍能取得可用的游標控制。這裡的「可用」不等於一直維持最高速度，也不代表所有解碼器都能穩定運作 20 個月。對判斷日常可靠性而言，維持多少效能、能持續多久，以及有多少人能達成，都需要分開看。

這次結果讓降低日常維護負擔的方向更有說服力。後續若能公布更多參與者長期使用的分布，包含表現下降與需要重新校正的情況，才更容易估計一般使用者能得到多大改善。

11.32 BPS 紀錄衡量什麼？

游標控制的好壞，需要同時考慮速度與精準度。Neuralink 採用每秒位元數（BPS），用目標選擇所傳遞的資訊量與完成效率衡量表現。它是游標任務的指標，和下載速度、每秒打幾個字，或一個人的思考速度都不能直接互換。

官方表示，六位參與者刷新個人紀錄，三位超過公司先前的 10.39 BPS 紀錄，其中一位達到 11.32 BPS。官方示範把神經活動、模型特徵與格子點選畫面放在一起，讓讀者看到訊號如何對應到操作。

把成績寫成「所有操作都超越一般人」，會超出測試能回答的範圍。這次紀錄支持的是特定游標任務上的高效控制，仍需搭配長時間使用、不同操作情境與更多參與者的結果，才能判斷整體體驗。

「游標瞬移」讓電腦預測想去的位置

AI 也可能改變電腦操作的方式。Neuralink 正探索從神經活動預測目標位置，讓游標一次跨過較大的距離，減少逐步移動的時間。公司把這種操作稱為游標瞬移，初步測試已超過 10 BPS。

官方同時說明，系統還無法精確到每個像素都命中使用者想去的位置。這項探索的意義，是讓介面利用移動意圖來縮短操作路徑，至於錯誤預測會造成多少干擾，仍是實際體驗需要回答的問題。它的範圍是與操作有關的神經訊號，不能推論成任意讀取記憶、情緒或全部想法。

共用模型、免校正與開發介面，還有多遠？

要讓新使用者一開始就取得良好控制，模型必須能跨越個人差異。Neuralink 已試驗把多位參與者的資料放在一起訓練，但官方坦承，共用模型在即時使用時還沒有勝過個人模型。單一跨人轉移實驗的成功，也不足以代表普遍適用。

API 是讓軟體彼此連接的介面，這裡的運動皮質指大腦中參與動作控制的區域。Neuralink 希望未來讓開發者接到共通的動作解碼能力，打造不同應用。這份更新沒有宣布可供外部開發者直接使用的正式服務。

判斷這條路是否走得通，可以追蹤兩項成果：共用模型能否在實際使用中穩定改善新參與者的表現，以及一次校正之後，能否在長期間維持可靠操作。資料累積提供了條件，跨人泛化與長期可靠性仍需要實驗結果。

常見問題

Neuralink 這次是推出新的腦部晶片嗎？

這份更新的重點是 AI 訓練與神經訊號解碼，改善既有試驗參與者的控制體驗。它沒有宣布一款正式上市的新晶片。

每週校正 10 分鐘適用所有人嗎？

官方說法是部分使用者達成這項改善。不同人的訊號與任務可能不同，個別成果不等於全體試驗參與者的標準體驗。

一般消費者已經可以購買嗎？

截至 2026 年 10 月 4 日查核，這份官方更新仍將 Neuralink 裝置列為試驗用途，並說明尚未獲美國食品藥物管理局（FDA）或其他監管機關核准。參與臨床試驗和購買一般消費產品是不同的途徑。

AI 的價值，要看能否讓控制能力留下來

這次更新顯示，腦機介面的進展可以來自軟體學習日常訊號，而不必每次都要求使用者重新提供大量校正資料。降低維護負擔，讓既有控制能力持續可用，對日常生活有直接意義。

Neuralink 已提供部分參與者的改善與官方示範，但這批結果仍是公司公布的早期試驗成果。我們對降低校正負擔的技術方向持正面判斷，對普遍免校正的承諾則保留。後續公開更多長期資料、跨人模型結果與獨立評估，會比單一速度紀錄更能支持產品成熟度。

想持續追蹤 AI 從模型走向實際應用的進展，可閱讀 AI 郵報的科技新聞與應用解析。

資料來源

• Neuralink：Pretraining on 50,000 Hours of Unlabeled Brain Data，2026 年 10 月 1 日。
• Neuralink：游標操作測試 Webgrid。
• Karpowicz 等人：Stabilizing brain-computer interfaces through alignment of latent dynamics，Nature Communications，2025 年。