今年政府工作報告提出，培育發展未來能源、量子科技、具身智能、腦機接口、6G等未來產業。這是腦機接口首次被寫入政府工作報告，標志著以腦機接口為代表的“AI+腦科學”產業化發展，已上升至國家戰略高度。

在今年全國兩會現場，多位代表委員高度關注“AI+腦科學”領域的前沿進展。在自豪之余，他們還將目光投向這一領域產業化的發展困境及應對之策。

全國人大代表、廣西腦科學研究重點實驗室主任譚國鶴告訴科技日報記者，“AI+腦科學”絕非兩個學科的簡單疊加，而是技術維度的深度融通與產業領域的務實落地。

科產融合面臨“梗阻”

相較於“AI+”在其他領域的應用，“AI+腦科學”的內涵更為特殊。腦科學是AI技術發展的核心理論基石，而日趨成熟的AI技術又為人類深化對大腦的認知提供了助力。這種“研究大腦—啟發AI—賦能腦研究”的增強循環模式，與AI在其他領域所呈現的單一工具屬性有著諸多不同。

“AI與腦科學天生緊密相連，但‘AI+腦科學’的科產融合發展，仍面臨不少‘梗阻’。”談及困境，譚國鶴的語調不自覺地高了起來。在他向記者展示的一張思維導圖上，“數據壁壘”4個字被著重標注。

譚國鶴解釋道，臨床腦科學研究依賴腦電圖、核磁影像等多模態數據。這些數據不僅分散於不同單位，還缺乏統一的數據標准、安全脫敏規范和共享激勵機制，導致訓練AI模型缺少大規模高質量數據集。

成果轉化通道同樣亟待打通。全國政協委員、河北中醫藥大學校長郭毅坦言，當前，高校、醫院與企業的“臨床—科研—產業”協同轉化平台建設力度不夠，相應的中試、臨床驗証和孵化機制尚不完善，這些阻礙了“AI+腦科學”領域的科產融合步伐。

人才的問題更為突出。無論是技術研發還是產業落地，“AI+腦科學”發展都需要神經科學家、臨床醫生、AI算法工程師等領域專家緊密協作。然而，目前跨界的復合型人才尤為緊缺，供給速度和規模遠未跟上產業發展的迫切需求。

此外，與互聯網或消費端AI應用的快速迭代模式相比，“AI+腦科學”領域的科研成果轉化周期更為漫長，資金需求量也更大，僅靠政府科研經費難以支撐全程產業化。

暢通產業落地通道

如何打通“梗阻”？代表委員紛紛開出“藥方”。

在數據流通方面，郭毅認為，應在確保數據安全和隱私前提下，建設區域級“健康數據庫”。“這個‘庫’不是簡單將數據堆在一起，而是由國家牽頭制定統一標准，依法依規向符合條件的醫療機構和科研機構提供經過嚴格脫敏的標准化、匿名化醫療數據。”郭毅說。

在政策支持和資金扶持方面，譚國鶴認為，企業是產業化的核心力量，但要有規劃地引導有技術積累和臨床能力的企業作為“先行軍”，防止盲目一哄而上。“還可為企業設立規模化的專項基金，給予腦機接口、神經調控設備等初創企業為期3—5年的長周期耐心投資支持，並建立容錯機制，讓科研單位和企業安心探索‘AI+腦科學’產業應用路徑。”譚國鶴說。

“應用場景泛化是科產融合的關鍵。”譚國鶴表示，“AI+腦科學”的產業發展應以“嚴肅醫療”為核心向大健康產業逐步延伸，走“先深后廣”路徑。例如可先行錨定腦內AI輔助定位或調控等臨床場景，在相關技術通過嚴格的臨床研究和應用后，再審慎地向睡眠管理、認知增強等“非病”但高價值的健康消費領域拓展。

“當技術服務千家萬戶、實現普惠價值時，才算是真正走通了產業發展之路。”譚國鶴說。（記者 王姍姍 陳汝健）