專注非侵入式神經接口技術研發的「念象科技」宣布完成近千萬元天使輪融資，本輪融資由永珺星芒領投，浦東創投、一村資本跟投。募集資金將主要用于產品研發、團隊擴建以及本土sEMG數據集建設，為神經接口技術的產業化落地提供支撐。

成立于2025年底的念象科技，首款產品Omniband是一款腕戴式表面肌電（sEMG）神經接口設備。與傳統腦機接口不同，它通過采集手腕處的神經肌肉電信號，解析手部運動意圖和連續動態手勢，實現與手機、電腦、智能眼鏡等終端的交互。這種技術路徑既避免了侵入式設備對身體的損傷，也克服了非侵入式腦電信號不穩定、識別精度不足的問題。

創始人王譯博士期間在新西蘭奧克蘭大學研究腦機接口，現任國家腦機接口產業聯盟副主席，并入選上海市白玉蘭人才計劃。他曾在應脈醫療擔任首席科學家、智元機器人任研發總監，完整參與過侵入式、非侵入式腦機接口及sEMG神經接口的研發。王譯認為，腦機接口的核心目標是“翻譯人的意圖”，而要實現這一目標，必須找到一條技術扎實且用戶愿意接受的技術路徑。

傳統侵入式腦機接口需要通過手術植入設備，僅適用于醫療康復等特殊場景；非侵入式EEG設備則面臨信號不穩、佩戴繁瑣等問題。相比之下，sEMG技術通過采集肌肉收縮產生的放大信號，既保證了無創安全，又實現了高信噪比。王譯指出，肌肉收縮是天然的信號放大器，采集終端指令信號的清晰度遠高于原始腦信號，因此sEMG是未來人機交互的終極方向。

過去sEMG技術難以落地的主要原因是泛化性差——不同用戶的手勢信號差異大，需要逐個校準。2025年，meta在《自然》雜志上發表研究稱，sEMG領域同樣適用大模型的Scaling Law效應：當訓練數據覆蓋100名以上用戶時，模型泛化能力會顯著提升。這一發現為“神經腕帶”的產業化打開了窗口。念象科技基于小范圍實驗室數據訓練的模型已具備基礎泛化能力，但本土專屬數據集仍是核心短板。

為此，團隊正重點建設面向本土手部操作場景的大規模sEMG數據集，計劃采集國人手部姿態、肌肉發力、物體交互等多維度標簽，劃分交互、具身智能兩大應用方向。數據集將通過招募志愿者、開放開發者平臺等方式持續擴充，驅動模型能力升級。王譯比喻道：“我們要打造手部操作領域的ImageNet，補齊本土場景的數據空白。”

針對手腕處信號干擾大的問題，念象科技從硬件、算法、模型三方面系統性優化：硬件上采用差分電極和結構設計降低共模噪聲；算法上自研濾波和信號分離技術，過濾運動偽影、皮膚出汗等干擾；模型層面引入多模態數據補位和交叉驗證機制，提升不同用戶、不同動作狀態下的穩健性。目前，Omniband已能連續估計手部全部20個關節的動態角度，下一步將優化免校準、跨用戶泛化和長時間佩戴穩定性。

與傳統運動手環不同，Omniband依托多通道、高帶寬肌電傳感和AI解碼模型，直接捕捉用戶運動意圖，解析全手關節角度與肌肉發力力度。它支持標準HID藍牙協議，可隔空操控手機、電腦等設備，實現空中手寫、隱形鍵鼠等功能。設備采集的高精度手部運動數據還能為具身智能、物理AI提供核心數據支撐。

在實際測試中，Omniband在泛交互場景表現最為成熟，尤其是游戲、短視頻操控等體驗最佳。目前產品處于工程樣機階段，新用戶需完成30-60秒快速校準，配合幾組基礎動作即可上手。團隊正在推進免校準技術，目標是將使用門檻降至消費級產品水平。

商業化策略上，念象科技采用“先B后C”模式：第一階段面向高校、大型企業提供交互定制、具身數據采集、SDK授權等服務，驗證技術方案并積累多場景數據；第二階段逐步推出面向極客群體、前沿技術愛好者的產品，最終拓展至消費級市場。公司已啟動消費級產品量產籌備，將持續打磨軟硬件方案和應用體驗。