Meta 推出 Brain2Qwerty v2：无需开颅，脑电打字词准确率达 61%

Brain2Qwerty v2 是 Meta 开源的一套非侵入式脑机接口系统，能直接把人类大脑活动实时解码成屏幕上的打字文本。

它不需要在头骨上打洞植入电极，受试者只需要佩戴脑磁图（MEG）头盔设备，系统就能捕捉并读出正在构思的打字内容。

它能做到什么

这套系统的核心能力是实时句子级解码。在测试中，Brain2Qwerty v2 的整体单词准确率达到了 61%，相比传统非侵入式方案仅约 8% 的准确率有了质的飞跃。

对于表现最好的受试者，单词解码准确率达到了 78%。在这种状态下，超过一半的测试句子在解码时只有一个甚至零个单词错误，字符准确率也达到了大约 69%。

研究团队还发现，系统的解码准确率随着训练数据量的增加呈现对数线性增长。这意味着哪怕不改动底层算法，仅靠扩大脑信号数据规模，就有希望继续缩小与开颅手术方案之间的性能差距。

怎么做到的

传统的脑机接口往往依赖复杂的人工特征提取算法，容易丢失微弱的神经特征。Brain2Qwerty v2 彻底改用端到端深度学习，直接从原始的 MEG 脑磁信号进行特征还原。

人类脑磁信号极其嘈杂，为了解决信噪比低的问题，Meta 在系统中引入了微调后的大语言模型。借助语言模型的语义上下文理解能力，系统可以结合前后文逻辑推断出原本模糊的脑电意图，把杂乱的神经信号理顺成流畅连贯的句子。

在模型开发过程中，研究人员还动用了 AI 智能体来自动化探索流水线架构的最优配置，最后由工程师筛选出最终训练参数。

整套模型基于 9 位志愿者佩戴 MEG 设备主动打字时记录的数据训练，每人采集约 10 小时，总计训练了大约 2.2 万个句子。

开源了哪些东西

Meta 已经公开了 Brain2Qwerty v1 和 v2 的完整训练代码，并在仓库中提供了运行指引。不过，Meta 并没有直接开放训练好的现成模型权重，也尚未公布任何商业化落地时间表。

数据集方面，合作机构巴斯克认知、大脑与语言研究中心（BCBL）已经在 Hugging Face 上放出了完整的 v1 数据集，方便研究人员复现和对比实验。

要跑起完整的数据采集，门槛依然在于专业的 MEG 脑磁设备。对于普通的 AI 开发者或神经科学实验室，可以直接下载这套训练代码，结合公开的神经数据集微调自己的解码模型。

为什么重要

对于全球数百万因中风、脑损伤而丧失语言或肢体行动能力的人来说，这项研究开辟了一条不需要手术的交流希望。以往高精度的脑机接口几乎全被有创方案垄断，开颅植入电极手术不仅代价昂贵，还伴随极高的医疗风险与感染隐患，普通患者根本无法轻易承受。

我们认为 Meta 这次把训练代码和数据集开源走得非常聪明。目前限制非侵入脑机接口的核心瓶颈不是算法框架，而是高质量的大规模神经训练数据。Meta 通过开源代码、联合发布数据集，甚至出资 500 万美元设立数字大脑项目基金，是在借开源社区的力量建立统一的神经基准（NeuralBench）和数据标准（NeuralSet）。

但从实验室走入现实依然存在一道巨大的硬件鸿沟。高精度的 MEG 设备目前依然昂贵且笨重，日常根本无法随身携带。Brain2Qwerty v2 证明了非侵入信号加 LLM 架构的可行性，不过要想真正替代键盘或语音成为下一代通用交互方式，还得等轻量化神经传感器取得实质性突破。