中國非侵入式 BCI：政策、應用與技術治理限制

「中國非侵入式腦機介面（BCI）市場爆發」把幾個不同訊號混成了一句話：政策支持、研究進展、標準化、臨床轉譯、消費產品與實際營收，並不是同一件事。比較準確的說法是，中國正在加速腦機介面相關的產業規劃與應用探索，而非侵入式路線因不需要手術、可穿戴性較高，特別受到復健、人機互動、教育娛樂、智能生活與部分工業場景關注。它是否能長期形成可持續市場，仍取決於信號品質、使用者價值、安全、隱私、法規與真實部署成果。

本文整理公開政策與技術資料，說明非侵入式 BCI 可以做什麼、目前不能保證什麼，以及看待市場消息時應檢查哪些證據。本文不提供醫療、心理健康、投資或產品購買建議。

非侵入式 BCI 是什麼？

腦機介面是把神經訊號轉為可供外部系統使用的控制、回饋或互動資訊的技術。非侵入式 BCI 通常以頭皮電極量測腦電（EEG），或結合其他外部感測方式，不需要把電極植入腦組織。相對於侵入式方案，它降低了手術相關門檻，也較容易做成可穿戴裝置；相對地，從頭皮量到的訊號更容易受肌肉活動、眨眼、移動、接觸品質與環境雜訊影響。

訊號特性決定了使用邊界。OECD 的 BCI 治理報告指出，EEG 是最常見的 BCI 方法之一；相關神經技術資料也提醒，EEG 的時間解析度較好，但空間解析度有限。因此，非侵入式 BCI 通常較適合為明確、受限、可重複驗證的互動任務設計，而不是被描述成能精確、普遍地讀取人的想法、情緒或意圖。任何宣稱都應回到具體任務、使用者、環境、成功率與失敗條件來檢驗。

為何中國的非侵入式 BCI 值得觀察？

中國工業和信息化部等七個部門在 2025 年發布推動腦機介面產業創新發展的實施意見，提出到 2027 年在關鍵技術、技術體系、產業體系與標準體系上取得進展。這提供了研發、標準、應用場景與跨部門協作的政策訊號，但它不是單一產品的療效證明，也不是市場規模或投資報酬的承諾。

地方層面，上海的 2025–2030 腦機介面未來產業培育行動方案，明確鼓勵非侵入式 BCI 在復健訓練、教育娛樂、智能生活與生產製造等情境探索。這說明應用範圍可能很廣，但每個情境的風險與驗證標準不同：復健或醫療輔助需要更嚴格的臨床、品質與監管考量；消費互動則更需要處理誇大宣稱、資料權利、未成年人、使用者同意與安全設計。

應用機會要從可驗證的任務開始

非侵入式 BCI 的合理機會，通常不是一次解決所有人機互動，而是在界線清楚的任務中降低操作門檻或提供新的回饋方式。例如，在研究與復健支持情境中，可用於受控訓練、注意力任務或輔助互動的研究；在消費或教育情境中，可探索遊戲、虛擬互動或無障礙控制；在工業情境中，可能研究如何將感測資訊納入既有的人因與安全流程。

不過，「可以量到訊號」不等於「可以可靠推論複雜心理狀態」。產品說明應告訴使用者系統輸入了什麼、輸出了什麼、在哪些條件下表現會下降、是否需要校正、誰能看到資料，以及不該用來做哪些決定。若系統涉及健康、復健、功能改善、診療輔助或閉環回饋，其預定用途可能帶來不同的醫療器材與品質要求，必須由適用法域、專業人員與正式審查判定。

三項技術限制：雜訊、個體差異與可重現性

第一是雜訊與接觸品質。頭皮電極收集的訊號容易受到頭髮、皮膚阻抗、汗水、動作、肌電與環境電磁干擾影響。若產品只展示理想環境下的成功片段，使用者在日常場景可能得到完全不同的體驗。

第二是個體與時段差異。不同人的神經訊號特徵、疲勞程度、用藥、注意力、年齡、裝置佩戴方式與任務理解都可能不同；同一個人在不同天或不同裝置上的資料也未必穩定。模型若沒有涵蓋這些變異，可能偏向訓練資料較多的族群，或要求頻繁校正才能維持表現。

第三是可重現性與泛化。評估不能只看實驗室中的平均準確率，還要看失敗率、校正時間、使用者放棄率、長時間使用、不同硬體、不同環境與異常情況。若系統無法說明這些條件，就不應把單次示範延伸成大規模、通用的能力宣稱。

神經資料治理：同意不等於無限制使用

神經訊號、衍生特徵、模型推論、裝置識別碼、使用時間與互動紀錄，都可能形成高度敏感的資料組合。即使原始 EEG 不直接等於一段可讀文字，它仍可能被用來推測使用模式或與其他資料關聯。安全治理應在蒐集之前就決定目的與最小資料量，而不是先大量保存、再思考如何利用。

目的限制：把研究、產品改進、醫療輔助、消費互動與行銷用途分開，不能用含糊的同意一次涵蓋所有後續用途。
資料最小化：只收集完成任務所需的訊號與中繼資料，設定保留期限、刪除機制與可匯出的個人資料紀錄。
安全與權限：加密傳輸與儲存、限制管理者與合作方存取、保留可稽核日誌，並建立資料外洩與裝置遺失的通報流程。
避免不當推論：除非有充分、可重複的驗證與明確用途，不應把 BCI 輸出當成忠誠度、人格、能力、情緒或雇用適格性的判定工具。

產品驗證要把使用者保護放在效能旁邊

一個可信的非侵入式 BCI 試點，應先寫清楚任務、目標使用者、環境、成功條件與停止條件。除了平均準確率，還要分開報告校正是否成功、完成任務所需時間、誤觸發、無反應、需要重新佩戴的比例、不同使用者群組表現與長時間使用後的變化。若這些數據只在少數熟練參與者、受控實驗室或單一設備上成立，產品說明就不應把它延伸成一般使用者都能得到的效果。

介面也要讓使用者能察覺系統何時訊號品質不佳、何時正在校正、目前輸出只是低信心參考，以及如何安全地停止或改回既有輸入方式。對需要輔助技術的人而言，失效時是否能恢復控制往往比最佳表現更重要。涉及醫療、復健或功能改善的產品，更應以合格專業人員與適當的臨床、品質及法規程序驗證，不能以一般消費展示取代。

另外，驗證結果應盡可能由與開發團隊不同的人員或場域重跑，並保留原始方法、版本與負面結果。這不只是在追求更漂亮的成績，而是確認裝置、演算法與使用說明在實際情境中是否仍可被信任。

當證據不足時，最負責任的產品行為是降低自動化程度、明確呈現不確定性，並讓使用者選擇其他安全的互動方式，而不是用含糊的「腦波解碼」敘事掩蓋限制。這也是治理的起點。