专注非侵入式神经接口技术研发的「念象科技」宣布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。募集资金将主要用于产品研发、团队扩建以及本土sEMG数据集建设，为神经接口技术的产业化落地提供支撑。
成立于2025年底的念象科技，首款产品Omniband是一款腕戴式表面肌电（sEMG）神经接口设备。与传统脑机接口不同，它通过采集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，实现与手机、电脑、智能眼镜等终端的交互。这种技术路径既避免了侵入式设备对身体的损伤，也克服了非侵入式脑电信号不稳定、识别精度不足的问题。
创始人王译博士期间在新西兰奥克兰大学研究脑机接口，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。他曾在应脉医疗担任首席科学家、智元机器人任研发总监，完整参与过侵入式、非侵入式脑机接口及sEMG神经接口的研发。王译认为，脑机接口的核心目标是“翻译人的意图”，而要实现这一目标，必须找到一条技术扎实且用户愿意接受的技术路径。
传统侵入式脑机接口需要通过手术植入设备，仅适用于医疗康复等特殊场景；非侵入式EEG设备则面临信号不稳、佩戴繁琐等问题。相比之下，sEMG技术通过采集肌肉收缩产生的放大信号，既保证了无创安全，又实现了高信噪比。王译指出，肌肉收缩是天然的信号放大器，采集终端指令信号的清晰度远高于原始脑信号，因此sEMG是未来人机交互的终极方向。
过去sEMG技术难以落地的主要原因是泛化性差——不同用户的手势信号差异大，需要逐个校准。2025年，meta在《自然》杂志上发表研究称，sEMG领域同样适用大模型的Scaling Law效应：当训练数据覆盖100名以上用户时，模型泛化能力会显著提升。这一发现为“神经腕带”的产业化打开了窗口。念象科技基于小范围实验室数据训练的模型已具备基础泛化能力，但本土专属数据集仍是核心短板。
为此，团队正重点建设面向本土手部操作场景的大规模sEMG数据集，计划采集国人手部姿态、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。数据集将通过招募志愿者、开放开发者平台等方式持续扩充，驱动模型能力升级。王译比喻道：“我们要打造手部操作领域的ImageNet，补齐本土场景的数据空白。”
针对手腕处信号干扰大的问题，念象科技从硬件、算法、模型三方面系统性优化：硬件上采用差分电极和结构设计降低共模噪声；算法上自研滤波和信号分离技术，过滤运动伪影、皮肤出汗等干扰；模型层面引入多模态数据补位和交叉验证机制，提升不同用户、不同动作状态下的稳健性。目前，Omniband已能连续估计手部全部20个关节的动态角度，下一步将优化免校准、跨用户泛化和长时间佩戴稳定性。
与传统运动手环不同，Omniband依托多通道、高带宽肌电传感和AI解码模型，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。它支持标准HID蓝牙协议，可隔空操控手机、电脑等设备，实现空中手写、隐形键鼠等功能。设备采集的高精度手部运动数据还能为具身智能、物理AI提供核心数据支撑。
在实际测试中，Omniband在泛交互场景表现最为成熟，尤其是游戏、短视频操控等体验最佳。目前产品处于工程样机阶段，新用户需完成30-60秒快速校准，配合几组基础动作即可上手。团队正在推进免校准技术，目标是将使用门槛降至消费级产品水平。
商业化策略上，念象科技采用“先B后C”模式：第一阶段面向高校、大型企业提供交互定制、具身数据采集、SDK授权等服务，验证技术方案并积累多场景数据；第二阶段逐步推出面向极客群体、前沿技术爱好者的产品，最终拓展至消费级市场。公司已启动消费级产品量产筹备，将持续打磨软硬件方案和应用体验。
