作者 | 乔钰杰 编辑 | 袁斯来 硬氪获悉，雪梦未来（SnowOrigin）团队获得龚虹嘉、陆奇及海外机构投资。这支北大背景团队以sEMG（表面肌电）运动神经信号解码技术为切入点，通过神经腕带、第一视角采集设备以及自研NMH（Neural Math Hybrid）AI解码模型，构建新一代面向具身智能的人类操控数据采集方案。 目前，随着具身智能和Physical AI快速发展，行业对于高质量人类操控数据的需求日益增长。然而主流的数据采集方式，无论是第一视角视频、动作捕捉还是遥操作系统，大多只能记录动作结果或空间轨迹，对于发力过程、操控意图以及细微调整等关键信息覆盖不足。 雪梦未来的神经腕带手环和全景头环等可穿戴设备，可结合肌电与运动神经信号解码技术，捕捉人类与真实世界交互过程，并将其转化为包含姿态（Pose）、力（Force）、微控制（Micro-control）的结构化数据，为机器人、世界模型及具身智能训练提供底层数据支撑（Data infra）。 互联网时代催生了大语言模型所需的海量文本数据，而Physical AI的发展则需要人类与真实世界的全模态交互数据，创始人秦旭介绍称，相比视频记录“做了什么”，肌电等神经信号能够进一步反映“为什么这样做、如何发力、过程中进行了哪些微调”，从而帮助AI理解人与物理世界交互的本质。 基于这一理念，雪梦未来通过非侵入式运动神经信号采集，结合Ego环境感知、空间定位与多模态同步技术，将真实世界中的人类操作过程转化为可用于模型训练和场景应用的数据资产，为具身智能和世界模型提供更加丰富、真实的底层数据支撑。 （图源/企业） 产品层面，雪梦未来目前已推出神经腕带手环、全景头环等可穿戴设备，并持续推进新一代数采终端研发，希望以轻量化、可规模部署的数据采集方案，构建面向Physical AI时代的人类操控数据基础设施。 （图源/企业） 秦旭介绍称，相较于依赖实验室环境的动捕手套、外骨骼或遥操作设备，可穿戴神经信号采集方案具备成本更低、佩戴更轻量、适合长期连续采集等优势，不影响正常生活、工作、学习，有望推动人类具身数据实现规模化获取。 模型层面，团队自主研发了NMH（Neural Math Hybrid）AI解码模型，可以对sEMG（表面肌电）运动神经信号进行实时解码，将人类操作过程中的意图、姿态、发力趋势、微控制以及环境上下文等信息转化为结构化数据，为具身智能数据采集提供更丰富、更高质量的数据来源。 目前，雪梦未来正同步推进两条商业化路径：一方面，为具身智能机器人、AI眼镜等终端提供更加自然的人机交互入口，降低交互门槛、提升连续交互体验；另一方面，建设面向Physical AI的人类具身数据基础设施，为机器人训练、世界模型等提供底层数据服务。 团队方面，创始人秦旭毕业于北京大学计算机学院计算机应用技术专业，来自高文院士、黄铁军院长领衔的北京大学编解码国家工程实验室团队。联合创始人王智林毕业于北京航空航天大学软件开发环境国家重点实验室，长期从事人工智能、计算机视觉方向研究，在国际顶级学术会议发表多篇论文，单篇顶级AI论文引用量2400+。 以下为硬氪与雪梦未来创始人秦旭交流节选： 硬氪：Meta的神经腕带让这项技术广受关注，国内也有企业在跟进，雪梦未来的技术壁垒体现在哪些方面？ 秦旭：很多人觉得肌电信号手环原理不复杂，但真正要把实验室的东西做成可量产、可商用的产品，难点是全方位的。 硬件层面，国内目前常见的肌电手环大多还是8通道设计，采样率只有200到250赫兹，信噪比在二十多dB。而我们现在已经做到更多通道，更高采样率，信噪比达到43以上。而且这不仅仅是堆参数的问题，高通道数意味着更复杂的信号处理、更精密的硬件设计，还要做到可穿戴设备必须的小巧、低功耗。 电极与工艺层面，金属电极要保证高导电性，还要处理各种噪声：运动噪声、传输噪声、接触噪声。而且不同人的皮肤阻抗、肌肉结构差异巨大，信号特征完全不同。我们做了千百次的定制设计与人体实验迭代，才找到平衡点。 AI解码模型方面，2023年我们就做出了控制交互模型，是国内第一个把肌电信号实时解码为手部全姿态数据的团队。戴上腕带轻动手指，模型就能还原出完整的意图和姿态，并且基于蓝牙协议与各类智能设备完成交互。硬件的参数堆上去不难，难的是算法能把信号精准地翻译成动作和意图。 所以我们目前在硬件、软件、AI解码模型，三个维度都是比较领先的。 硬氪：公司的短期定位是“人机交互入口”，长期目标是“具身智能数据基础设施”，这两方面目前的商业化进展情况如何？ 秦旭：人机交互方面，目前几家头部的AI眼镜公司都表达了强烈的合作意向。 数据采集方面，目前正在经历范式的转移，从异构传感器方案、从动捕手套、从遥操设备，转向可穿戴的神经信号采集方案。这是一个全新的范式，大家现在在