深耕下一代人机交互与具身智能数据入口，念象科技获近千万元天使轮融资

聚焦非侵入式神经接口技术的创新研发与产业化，念象科技近日宣布完成近千万元人民币天使轮融资。本轮融资由永珺星芒资本领投，浦东创投和一村资本共同跟投。据悉，本轮募集资金将主要投入到核心产品研发、专业团队扩建，以及本土化sEMG数据集的构建工作。

念象科技于2025年末成立，其首款标志性产品Omniband，是一款先进的腕戴式表面肌电（sEMG）神经接口设备。与传统脑机接口不同，Omniband并非直接捕捉大脑皮层信号，而是通过手腕部位的神经肌肉电信号，精准解析用户的手部运动意图及连续动态手势。这项技术旨在革新手机、电脑、智能眼镜、智能家居等各类终端设备的人机交互体验。

除了广泛的交互应用场景，念象科技还前瞻性地将高精度手部运动数据视为公司发展的另一条核心长期价值增长线。团队致力于围绕手部姿态、肌肉发力模式、以及与物体交互等关键标签，构建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及世界模型的训练与发展提供至关重要的数据支持。

念象科技创始人王译博士，在新西兰奥克兰大学深耕脑机接口研究。他目前担任国家脑机接口产业联盟副主席，并荣膺上海市白玉兰人才计划。此前，王译博士曾历任应脉医疗首席科学家、智元机器人研发总监等要职，拥有侵入式、非侵入式、介入式脑机接口以及sEMG神经接口等领域完整的技术研发与实践经验，尤其在脑机接口与具身智能人机交互方面积累深厚。

创始人王译指出，尽管技术路径各异，但其核心目标殊途同归——即“解读人类的意图”。他强调，与专注于医疗应用或侵入式解决方案的脑机接口不同，他更致力于打造一款能被大众广泛接受、乐于佩戴，并具备高频使用价值的消费级产品。

正是基于此愿景，王译博士在创立念象科技伊始，便将方向聚焦于神经接口腕带。过去数年，这一领域因泛化性不足及轻量化设计难题，始终未能实现大规模商业化落地。然而，2025年，一篇发表在《自然》（Nature）期刊上的前沿研究报告，由某国际科技巨头公布，明确指出“规模法则”（Scaling Law）效应在sEMG领域得到验证，即通过海量数据积累，可实现跨用户的免校准识别，这无疑为“神经腕带”的产业化开启了关键窗口。

王译博士阐述道：“市场上普遍存在一种误解，认为脑机接口等同于‘植入芯片即可洞察所有思维’，但这与当前的技术现状并不相符。人类的意识传导和神经链路极其复杂，完整解析思维的难度依然极高。因此，在全面实践过侵入式、非侵入式EEG、EMG等各类技术路径之后，我坚信，脑机接口若要真正普惠大众，必须首先找到一条技术根基扎实，同时又能被用户广泛接受和乐于佩戴的实践路径。”

当前主流的侵入式与非侵入式脑机接口方案，各自均存在显著局限。侵入式方案需通过外科手术植入设备以采集脑电信号，其对身体的创伤性较大，因此更适宜医疗康复等特定专业场景。而非侵入式方案则面临信号稳定性差、识别精度不足以及佩戴体验繁琐等挑战，难以满足日常高频交互的使用需求。

相比之下，sEMG神经接口的运作逻辑截然不同。当大脑产生运动意图后，信号经由脊髓和外周神经传递至手部肌肉，而肌肉收缩本身即是一个天然的信号放大过程。念象科技正是通过采集这种经过放大的终端指令信号，其清晰度远高于原始脑信号，从而避免了对复杂原始脑信号进行繁琐解码的需求。王译博士坚信，在手腕部位采集肌电信号，不仅能实现无创安全，还能确保高信噪比，这无疑是未来人机交互的终极演进方向。

此前，sEMG技术路线难以大规模商业化的核心症结在于其泛化能力不足。由于不同用户的手势信号存在显著个体差异，传统方法需要为每位用户进行单独校准。自2019年某科技巨头收购CTRL-Labs后，便持续致力于寻找突破方案。其去年发布的研究进一步证实，sEMG领域同样适用类似于大模型的“规模法则”：当训练数据量覆盖超过100名用户时，模型的泛化能力将得到显著且持续的提升。随着边缘计算能力的不断迭代，跨用户、免校准的实时手势解析技术终于迎来了成熟的落地契机。

鉴于此，构建本土化sEMG数据集成为念象科技团队现阶段的核心任务。公司计划打造一个对标ImageNet、专为手部操作领域设计的大规模sEMG公开数据集，重点采集中国用户手部姿态、肌肉发力强度、以及与物体交互等多维度标签数据。该数据集将明确划分为交互应用和具身智能两大方向，旨在填补本土场景的数据空白。未来，团队还将通过广泛招募志愿者、开放开发者平台等多元途径持续扩充数据资源，从而不断驱动模型能力的迭代与升级。

核心技术挑战与创新解决方案

对于sEMG设备长期面临的运动伪影、信号漂移、环境噪声以及显著的个体信号差异等核心难点，王译博士强调，念象科技已从硬件、算法、模型三大维度构建了系统性的解决策略：

在硬件设计上，公司通过精密的差分电极配置和结构优化，有效降低了共模噪声；同时，针对佩戴稳定性进行了深度优化，旨在最大程度减少因设备位置变化和肢体活动所带来的信号漂移问题。算法层面，团队自主研发了专用于sEMG信号的先进滤波与信号分离算法，能够精准过滤运动伪影、皮肤出汗等干扰因素。而在模型构建上，念象科技引入了多模态数据补位和交叉验证机制，使得AI模型能够学习并理解更丰富的信号特征，从而显著提升了在不同用户和多样化动作状态下的识别稳健性。

产品特性与技术优势

念象科技的首款产品——非侵入式神经接口腕带Omniband，目前正处于工程样机阶段。王译博士介绍，Omniband广义上可归类为脑机接口产品，其独特之处在于不直接采集大脑皮层信号。相反，它依赖多通道、高带宽的肌电传感技术，并结合先进的AI解码模型，精准解析人体手部的运动意图。

与传统运动手环仅能记录步数、心率、运动时长等基础生理数据结果不同，Omniband能够直接捕捉用户的运动意图，并解析包括全手关节角度与肌肉发力力度在内的精细数据，精准识别手部微动作及连续动态手势。该产品通过标准HID蓝牙协议，可实现对手机、电脑、智能眼镜、智能家居等设备的隔空操控，甚至支持空中手写，有效打造隐形键鼠体验，从而彻底摆脱实体输入设备的束缚。

与此同时，Omniband所采集的高精度手部运动数据，亦能为具身智能、物理AI以及世界模型的训练与发展提供核心数据支撑。未来，念象科技还将通过持续迭代新增传感器，进一步拓宽产品的应用场景。

核心应用场景与用户体验优化

王译博士透露，当前念象科技在泛交互场景下的技术打磨最为成熟，尤其在游戏和短视频操控方面展现出卓越的用户体验。在短期规划中，团队将优先推动手势交互类产品的落地，同时，具身智能数据采集业务也将按照既定规划稳步推进。他坦言，尽管目前产品尚未达到完全“开箱即用”的程度，但新用户仅需完成30-60秒的快速校准，配合几组基础动作即可轻松上手，学习门槛极低。念象科技正积极致力于实现免校准和更稳定的跨用户识别能力，目标是将产品的使用门槛进一步降低至消费级产品可广泛接受的水平。

商业化路径：B端先行，C端拓展

在商业化策略上，王译博士明确指出，公司整体将采取“先B后C”的路径。第一阶段将重点聚焦B端市场，为高校及大型企业提供包括交互定制、具身数据采集以及SDK授权等一系列服务。这一策略不仅有助于验证并优化技术方案，更能够持续积累多场景下的丰富数据，为后续发展奠定坚实基础。

随着核心产品的持续迭代与成熟，念象科技将逐步把产品推向极客群体、前沿技术爱好者，并最终拓展至更广泛的消费级用户。目前，公司已全面启动消费级产品的量产筹备工作，未来将持续精进软硬件方案与用户应用体验，加速产品在C端市场的落地进程。