夜雨聆风七月二十三日辞职，七月二十四日入职。一天都没歇 从“防止AI失控”的岗位，跳到“把AI接进人脑”的创业公司，这位2003年出生的前OpenAI研究员，用一篇万字长文，炸开了整个科技圈。
▲ Naomi Bashkansky 在X上宣布：辞职OpenAI，加入Conduit，训练模型“非侵入地读取人类思维”。
从对齐到读脑：一次让所有人不安的跳槽
Naomi Bashkansky，美国人，2003年生，5岁下国际象棋，15岁拿到国际女子大师头衔，18岁进哈佛读计算机。读书时接触GPT-3，又啃完Bostrom的《超级智能》，她自己说，“那是一次清醒时刻。”
然后她去了OpenAI做对齐研究，就是那个专门研究“怎么让超级AI不会毁灭人类”的方向。干了大约一年半
然后她辞了
去了一家叫Conduit的旧金山创业公司，头衔是创始研究员（Founding Researcher）。这家公司在做什么？官网首页写得明明白白：
Building telepathy at scale ， where nothing is lost between what you think and what you do.大规模构建心灵感应，让你的想法与行动之间，不再有任何损耗。
翻译成大白话：你脑子里想什么，它就给你打出来。
▲ Conduit官网：左侧招募旧金山被试，右侧巨幅标题“Thought-to-text”。
地下室里的一万小时：暴力美学的数据采集
Conduit的底牌是一套近乎“蛮力”的数据采集流水线，并未依赖黑科技芯片。
2025年12月，团队发了一篇博客，标题就很朋克：《我们如何在地下室里采集了一万小时的神经，语言数据》。要点令人瞠目：
- 约6个月
，采集约1万小时数据，覆盖数千名不同被试 自称是已知最大规模的非侵入脑，语言数据集之一 被试坐进隔音舱，戴上约4磅重的多模态头盔（EEG、fNIRS、超声等传感器拆解重组、3D打印拼接），对着屏幕说话、打字、与大模型自由对话 一度每天运转20小时，通过Craigslist大量招人，自建预约系统支持动态定价与超售 每人限10次会话，避免少数“常客”把数据集变成几个人的脑电图
▲ 博客首屏展示了三组零样本解码对照：模型从未见过这些被试，仅凭脑信号给出语义相近的预测。
最让人坐直的是那个零样本解码的例子。被试脑子里的句子是*“房间似乎更冷了”（the room seemed colder），模型吐出的是“有微风，甚至一阵轻拂”（there was a breeze even a gentle gust）。字面完全不同，但语义几乎一致 而且，信号采集的是被试说话或打字之前数秒的脑活动，捕捉的是还没被编译成词的想法*。
更关键的发现是：当数据量跨过4000到5000小时之后，团队观察到一个转折，“数据量淹没了噪声”。极致的电磁屏蔽和降噪工程的边际收益急剧下降，模型开始在跨人、跨房间、跨姿势的混乱数据中，自己学到了可迁移的模式。
这正是整个故事的核心论点
苦涩的教训：当AI的暴力哲学撞上人脑
Bashkansky在长文中直接援引了强化学习之父Rich Sutton的名篇“苦涩的教训”（The Bitter Lesson）：长期有效的路径，是把更多算力和数据投入通用方法。这条定律从围棋砸到语音，从语音砸到语言模型，现在她要把它砸到脑信号上。
她的类比精准得令人不适：把脑信号想象成另一种“语言”，它嘈杂、冗余、因人而异，但如果你有足够多的数据，深度模型+语言模型先验就能“听懂”它。就像语音识别不需要你发音标准，只要数据够多，口音、噪声、方言统统可以被吞掉。
她甚至给出了一个更通俗的比喻：GPS与地图。GPS单点定位其实很不准，但叠上地图和导航路径之后，你就能被引到正确的街道上。脑信号解码也一样，单次解码充满噪声，但有了大模型的上下文和语言先验“兜底”，结果会“惊人地准确”。
▲ 长文标题：《Why I'm leaving OpenAI to build telepathy》，2026年8月4日发布。
而她对当前进度的定位，既野心勃勃又留有余地：“我们还在GPT-2时代。” 缩放律看起来不错，预测与目标的余弦相似度，随数据小时数的对数近似直线上升。但她也承认，离完美解码还很远
关键在于她接下来的那句话：不必完美解码才有用。
三段未来简史：2027、2030、2035
Bashkansky在文中描绘了三段她认为“乐观但高度可能”的场景，读起来像科幻小说的分镜：
2027年 早上戴上头带，蓝牙连电脑打开编码助手你扫一眼图表、段落、公式，这些模糊的念头被Conduit模型结合语言先验解码成可执行指令，每隔约10秒自动发给AI agent拆分子任务。整个过程无需在心里默念词句，像平常读图、冲咖啡一样自然。
2030年 AI公司开始直接对接Conduit的潜空间表征。你可以向AI传递无法用文字描述的东西，心理图像、空间感觉、模糊的直觉。团队可能同时探索侵入式“写”接口，让信息从机器回到大脑。她用了一个冷飕飕的比喻，“能控制手臂却失去本体感觉”，就是只有读、没有写的奇怪状态。
2035年 AI不再像“他者”，而像第六感与另一条肢体。思考速度因写接口与人机协同而根本性改变。
争议：兴奋、恐惧与伦理空白
帖子发出后，评论很快分成几个阵营
乐观派把它读成人类输入带宽的终极进化，打孔卡→键盘→搜索→语音→直接从脑输出。有人说自己已经几个月不打字、全靠语音指挥AI agent，因为瓶颈就是嘴巴和手指的速度。如果thought-to-text成立，最后一格就不再是笑话。
▲ 一条高赞回复的讽刺：“想象你用念头输出文字，然后模型说'抱歉，你的想法违反了安全协议'，于是你整天得压抑'非法念头'。”
恐惧派则迅速涌出有人质问：你不能只是在前面贴上“non-invasive”，就假装这件事在任何正常人标准下都不算侵入。 医学语境里“非侵入”指不开颅，但隐私语境里，“读思维”本身就是最深层的侵入。两种定义的冲突，在评论区反复爆发
更受质疑的，是伦理讨论的空白
▲ “你当然在OpenAI做过对齐！顺便说一句，全文没有一行讨论伦理影响。就用一个'非侵入😊'打发了。”
多条回复指向同一个事实：一篇万字长文，几乎不谈“做成之后对世界好不好”。从“防止AI失控”的岗位辞职的人，写了一篇关于“把AI接进人脑”的雄心壮志书，却对风险只字不提，这个反差本身就足以令人不安。
非侵入读脑，到底有多远？
暂且放下创业公司的宏大设想，学术界给出的刻度要冷静得多。
Meta的Brain2Qwerty是目前最可审计的公开标尺。2025年初的v1版本：35名志愿者在MEG下打字，平均字符错误率约32%，最佳被试可到约19%。2026年6月的v2版本提升显著：9名志愿者、每人约10小时MEG、约2.2万句训练，词准确率约61%，最佳被试约78%。而且，准确率随数据量近似对数线性上升。
▲ Meta Brain2Qwerty v2博客：非侵入、实时句解码，词准确率约61%。
这条缩放曲线与Conduit的设想方向相近。但有一个关键差异：Meta用的是超导冷却的全头MEG阵列，那是医院级别的昂贵庞然大物。Conduit选择可消费化的多模态头戴，再叠加人数与小时数的量级跃迁和闭源工程迭代。公开科学说“难，但在进步”；创业公司说“用运营把数据堆起来”
而且有一个容易被忽略的微妙之处：当评价标准从*“复现原句”变成“让下游AI做对事”*，系统可以在更低字面准确率下被宣布有用。这与语音助手早期“意图识别”取代“逐词听写”的路径如出一辙。GPS类比之所以好用，正因为导航成功不需要厘米级定位，只要落在正确的道路上。
但同样的逻辑也意味着：没有公开测试集时，“语义可用”很容易变成不可证伪的口号。
问题从技术走向权利
脑信号一旦可稳定关联到语义意图，风险也随之浮现：2小时有偿实验的同意书，和全天候佩戴工作头带的默示许可，性质相去甚远。当“每10秒自动发送念头给AI agent”变成生产力标配，谁来定义“自愿”？当神经，语言配对数据开始对广告商、保险公司、人力资源部门散发诱惑，谁来守住那条线？
从“担心AI过强”到“把AI更深地嵌入人脑”，Bashkansky的一跳浓缩了整个行业的一个结构性转折：当模型本身足够强，瓶颈就从“AI会不会”变成“人怎么更快地指挥它”。 语音、眼动、手势、AR眼镜和BCI，都在竞逐这个接口层。Conduit选了最难、也最戏剧化的一层。
至于她在长文里给Conduit估的价，“若做成通用读写公司，价值超过一万亿美元”，这当然是创始团队的主观判断。
一万亿已经够惊人，这个估值甚至可能仍然保守。