语言，是人类文明最精微的织物，是思想得以流动、情感得以共鸣、社会得以凝聚的无形纽带。然而，当脑卒中、渐冻症等神经系统疾病悄然袭来，这条纽带可能瞬间断裂，将人困在清醒却无法言说的孤岛之中——意识完整，却失声；思维活跃，却无从表达。这种“锁住的语言”，不仅剥夺了个体最基本的沟通权利，更给家庭与社会带来沉重的情感与照护负担。

就在这样的沉默深渊边缘，中国科学家投下了一束光。近日，中国科学院上海微系统与信息技术研究所联合多家科研力量，在国际顶级期刊《科学进展》上宣布了一项里程碑式的突破：全球首次实现基于植入式脑机接口的实时汉语解码与语句合成。这意味着，未来中文失语患者或许只需“动念”，便能让机器代其“开口说话”。

这一成就并非凭空而来，而是源于对汉语独特性的深刻洞察与技术路径的精准重构。长期以来，国际脑机接口研究多聚焦于英语等拼音文字体系。英语以多音节构词，基本语音单元是音素，词汇虽多，但拼写规则清晰。而汉语截然不同——它是一种以单音节为核心的声调语言。

日常交流所需的3500多个常用汉字，竟可由约400个基础音节搭配四个声调组合而成。一个简单的“ma”音，因声调不同，可化作“妈”“麻”“马”“骂”，语义天差地别。更棘手的是，同音字密度极高，一个音节常对应八九个甚至更多汉字。若仅识别音节而不辨声调，或缺乏上下文理解，输出结果将是一堆无法解读的乱码。

正因如此，直接套用英语脑机接口的“音素→单词”解码逻辑，在汉语面前几乎失效。研究团队没有亦步亦趋，而是选择回归汉语本体规律，提出一个大胆而巧妙的策略：将“汉语音节+声调”作为一个不可分割的稳定解码单元。这相当于把汉语的“基因片段”直接作为翻译目标，既尊重了其单音节特性，又牢牢抓住了声调这一语义命脉。

技术实现上，这套系统堪称精密。研究人员为一位因癫痫接受颅内监测的志愿者植入了高密度柔性电极阵列，覆盖大脑中负责语言生成的关键区域——腹侧感觉运动皮层。这套256通道的“神经监听器”能以毫秒级精度捕捉神经元集群放电产生的高频脑电信号（High-γ波段，70–170 Hz），这是语言意图最忠实的生物标记。

与此同时，受试者朗读句子时的语音也被同步记录，用于精确对齐脑活动与发音起始点，构建起“神经-语音”的映射桥梁。

真正的魔法发生在算法层面。研究团队设计了一套双流神经网络架构：一路专注解码400个基础音节，另一路则独立识别四个声调类别。两股信息流在时间轴上严格同步，如同两条并行的溪流，在下游汇入一个由大规模中文语料训练而成的语言模型。

这个模型如同一位深谙语境的“语义校对员”，根据上下文概率，从众多同音字中挑选出最合理的汉字组合。例如，当神经信号指示“shi”加第三声，若前文提到“历史”，模型便优先输出“史”；若语境涉及“驾驶”，则可能选“驶”。这种“神经解码+语言智能”的融合，极大提升了输出的准确性和自然度。

整个系统以50毫秒为窗口滚动处理数据，从脑电采集到汉字呈现的端到端延迟仅65毫秒，几乎与自然说话同步。在为期9天的实验中，该系统对394个常用汉语音节（其余生僻音节因受试者本人不识而未纳入测试）的纯神经解码平均准确率达71.2%。

更令人振奋的是其实时性能：语句解码速率高达49.6字/分钟，字符准确率73.1%——这已接近普通人手机打字的速度，远超早期脑机接口每分钟几个字的水平。

但这不仅仅是实验室里的数字游戏。研究团队将这一核心技术嵌入自主研发的通用脑机操作系统，赋予它真实世界的交互能力。受试者只需在脑中默想一句话，系统便能驱动屏幕上的数字人实时播报；他还能用“意念”向大语言模型提问：“今天北京天气如何？”“帮我设置明天上午9点的会议提醒。”答案随即以语音或文字形式反馈。更进一步，语言意图被转化为控制指令，指挥灵巧机械臂完成抓取水杯、移动物体等精细动作，实现了从“想说”到“想做”的跨越。

这项突破的意义，远不止于技术指标的跃升。它首次向世界证明：声调语言并非脑机接口的“禁区”，反而因其结构紧凑、单元有限，可能成为高效解码的优势。对于全球超过十亿的汉语使用者，尤其是那些因疾病失语的患者而言，这扇重新“开口”的门，终于被推开了一道缝隙。

当然，从实验室到病床边仍有长路要走。如何提升电极的长期生物相容性？如何降低个体神经信号差异带来的适配成本？如何在保障隐私的前提下安全传输敏感的脑电数据？这些问题仍需持续攻关。但正如研究者所言，他们迈出的这一步，不是终点，而是中文脑机接口时代的真正起点。

在人类试图弥合意识与表达之间鸿沟的漫长征途中，这一次，我们不再借用他者的语言框架，而是用自己的声音，讲述自己的故事。当沉默的思绪终于能化作清晰的汉字流淌而出，那不仅是技术的胜利，更是对人类语言尊严的一次深情守护——从此，即便声带沉寂，思想依然可以被听见。

来源 ：中国科学院上海微系统与信息技术研究所 《Science Advances》

编辑：杜勇

审核：雷建树