布局下一代人机交互与具身数据入口，「念象科技」完成近千万元天使轮融资｜36氪首发

文｜胡香赟
编辑｜海若镜
36氪获悉，专注非侵入式神经接口技术研发与产业化的「念象科技」已完成近千万元天使轮融资。本轮融资由永珺星芒领投，浦东创投、一村资本跟投，募集资金主要用于产品研发、团队扩建、本土sEMG数据集建设。
念象科技成立于2025年底，首款产品Omniband是一款腕戴式表面肌电（surface electromyography，简称sEMG）神经接口设备。它不直接采集大脑皮层信号，而是通过手腕处的神经肌肉电信号，解析手部运动意图和连续动态手势，进而用于手机、电脑、智能眼镜、智能家居等终端的人机交互。
除泛交互场景外，念象科技也将高精度手部运动数据视为另一条长期价值线。团队希望围绕手部姿态、肌肉发力、物体交互等标签，建设面向本土手部操作场景的大规模sEMG数据集，为具身智能、物理AI和世界模型训练提供数据支持。
创始人王译博士期间在新西兰奥克兰大学从事脑机接口方向研究，现任国家脑机接口产业联盟副主席，并入选上海市白玉兰人才计划，曾任应脉医疗首席科学家、智元机器人研发总监，完整实践过侵入式/非侵入式/介入式脑机接口、sEMG神经接口等脑机接口与具身智能人机交互等相关技术研发。
在王译看来，不同技术路线的共同目标，都是“给人的意图做翻译”。但相比医疗级脑机接口或侵入式方案，他更希望先做一款普通人能够接受、愿意佩戴、并能高频使用的产品。
因此，创办念象科技时，王译选择从神经接口腕带开始：这个方向在过去多年里曾因泛化性差、轻量化难而未能大规模落地，直到2025年，Meta在Nature上发表研究称，Scaling Law效应证实了通过数据积累可实现跨用户免校准识别，“神经腕带”的产业化窗口终于被打开。
以下为36氪与王译的对话（经编辑）：
Q 为什么选择非侵入式神��接口这一技术路径，而非主流的头皮脑电（EEG）或侵入式路线？
王译： 市场上经常会把脑机接口理解成“植入芯片后就能读懂所有想法”，但这并不符合现阶段技术现实。人的意识传导和神经链路极其复杂，完整解析思维仍然很难。因此，完整做过侵入式、非侵入式EEG、EMG等路线后，我相信，脑机接口想真正惠及普通人，必须先找到一条技术扎实，同时又能被用户接受、佩戴的路径。
主流的侵入式和非侵入式脑机接口路线都存在一定短板。前者采集脑电信号需要通过手术植入设备，对身体损伤大，天然更适合医疗康复等特殊场景；后者主要面临信号不稳、识别精度不足、佩戴繁琐等问题，较难支撑日常高频次的交互使用。
sEMG神经接口的逻辑与此不同。大脑发出运动意图后，信号会经由脊髓、外周神经传递至手部肌肉，而肌肉收缩本身就是天然的信号放大器。我们采集经过放大的终端指令信号，清晰度高，无需再对杂乱的原始脑信号做复杂解码。因此在手腕采集肌电信号，既能做到无创安全，又能保证高信噪比，我坚信这会是未来人机交互的终极方向。
过去这个路线难落地，核心问题是泛化性差。不同用户的手势信号差异很大，要逐个校准。2019年，Meta收购CTRL-Labs之后，一直在寻找解决办法，去年发表的研究证实，sEMG领域同样适用类似大模型的Scaling Law，当训练数据覆盖100名以上用户，模型泛化能力会持续提升。叠加边缘算力迭代，跨用户、免校准的实时手势解析终于具备落地条件。
就念象科技而言，此前，我们基于小范围实验室数据训练的模型已具备基础泛化能力，但对比海外头部团队，本土专属数据集仍是核心短板。
因此，搭建本土数据集是团队现阶段的重点工作：我们计划打造手部操作领域对标ImageNet的sEMG公开数据集，重点采集国人手部姿态、肌肉发力、物体交互等多维度标签，划分交互、具身智能两大应用方向，补齐本土场景的数据空白。后续我们还将通过招募志愿者、开放开发者平台等方式持续扩充数据，驱动模型能力不断升级。
图源：念象科技
Q 做神经接口腕带，手腕处的信号干扰通常也比较大。团队如何解决运动伪影、信号噪声等核心问题？
王译： 运动伪影、信号漂移、环境噪声、个体信号差异，是sEMG设备长期面临的核心难点，我们主要从硬件、算法、模型三大维度系统性解决问题：
硬件上，我们通过差分电极和结构设计降低共模噪声，并优化佩戴稳定性，减少因位置变化和肢体活动带来的漂移。算法上，团队自研了面向sEMG的滤波和信号分离算法，用于过滤运动伪影、皮肤出汗等干扰。模型层面，我们采用多模态数据补位和交叉验证机制，让AI模型学习更丰富的信号特征，提升在不同用户、不同动作状态下的稳健性。
目前Omniband已能对手部全部20个关节动态角度进行连续估计。接下来，团队会继续提升免校准、跨用户泛化和长时间佩戴稳定性。
Q 念象科技的首款产品是一款非侵入式神经接口腕带Omniband。请介绍其研发进展；它主要通过采集肌电信号解码手势，这和传统运动手环传感器类产品存在哪些区别？
王译： Omniband广义上也属于脑机接口产品，它不直接采集大脑皮层信号，而是依托多通道、高带宽肌电传感搭配AI解码模型，解析人体手部运动意图，目前产品处于工程样机阶段。
因此，不同于只能记录步数、心率、运动时长等基础运动数据结果的传统运动手环，Omniband能直接捕捉用户运动意图，解析全手关节角度与肌肉发力力度，识别手部微动作与连续动态手势。依托标准HID蓝牙协议，产品可隔空操控手机、电脑、智能眼镜、智能家居等设备，也能实现空中手写，打造隐形键鼠，摆脱实体输入设备的限制。
与此同时，设备采集的高精度手部运动数据，还能为具身智能、物理AI、世界模型提供核心数据支撑。后续我们也会迭代新增传感器，持续拓展应用场景。
Q 从实际测试情况看，Omniband目前体验最成熟的应用场景是什么？产品是否已经实现“开箱即用”、新用户上手需要多久？
王译： 现阶段，我们在泛交互场景打磨最为成熟，游戏、短视频操控的用户体验最佳。短期内团队将优先落地手势交互类产品，具身智能数据采集业务也会按规划稳步推进。目前产品尚未实现完全“开箱即用”，但新用户仅需完成30-60秒快速校准，配合几组基础动作即可上手，学习门槛极低。团队正在推进免校准和更稳定的跨用户识别能力，目标是把使用门槛进一步降到消费级产品可以接受的水平。
Q 请简单介绍公司的市场及商业化策略。
王译： 我们整体采用“先B后C”的商业化策略。第一阶段聚焦B端市场，面向高校、大型企业提供交互定制、具身数据采集、SDK授权等服务。这样既能验证技术方案，也能持续积累多场景数据。
随着产品持续迭代成熟，后续将逐步面向极客群体、前沿技术爱好者以及更广泛的消费级用户推出产品。公司已全面启动消费级产品量产筹备，接下来会持续打磨软硬件方案和应用体验，加速面向C端市场落地。

来源：36氪