夜雨聆风
你还没张嘴，AI已经知道你要说什么了。
眼下，这已经落进现实2026年8月，一位前OpenAI对齐研究员公开宣布：辞职，去造心灵感应。她的新东家在旧金山一间地下室里，用一顶四磅重的头盔、拆掉大半键帽的键盘、以及一个疯狂到荒诞的操作，关掉整栋楼一侧的全部电源，正试图读取你还没有说出口的想法。
他们已经采集了一万小时的人类大脑数据。而这，可能只是一切的开始
▲ Naomi Bashkansky 的离职博文标题直截了当：Why I'm leaving OpenAI to build telepathy
从对齐实验室到地下室，一场蓄谋已久的出走
Naomi Bashkansky，华盛顿州长大，5岁开始下竞技国际象棋，拿过WIM（女子国际大师）头衔；哈佛计算机出身，读了Bostrom的《超级智能》后一头扎进AI安全，在OpenAI的alignment团队干了大约一年半。
然后，2026年7月23日，她辞了
次日，她以Founding Researcher的身份，走进了一家叫Conduit的创业公司。
她在个人博客上放出一篇长文，标题写得像宣战书，“我为什么离开OpenAI去造心灵感应”。文中抛出一个大胆判断：如果Conduit成为通用读写脑机接口公司，她"预期其价值可超过1万亿美元"。
一万亿一个刚入职第二天的研究员，说出了一个超过绝大多数上市科技公司市值的数字。
▲ Naomi 在 X 上正式宣布加入 Conduit
让她押上职业生涯的，是地下室里那些正在发生的事。
地下室里的疯狂：拆键盘、关电源、日均采集20小时
Conduit的官网口号简单粗暴：Thought-to-text，思想转文字。参与者戴上头盔，不开颅、不植入芯片，系统直接从头皮外的神经信号中，解码出你正打算说或正打算打的句子。
▲ Conduit 官网：Building telepathy at scale
听起来像科幻但他们的做法，比科幻朴素得多，也疯狂得多。
从2025年春天起，Conduit在旧金山的地下室里搭起了采集流水线。他们通过Craigslist招聘广告招募志愿者，没错，就是那个美国版58同城，每人来坐两小时，最高拿50美元。志愿者签同意书，走进一个用黑色吸音帘围起来的简易隔间，戴上头盔，然后开始和大语言模型自由聊天。
▲ 早期的 DIY 隔音采集间，吸音帘、显示器、一把椅子，头顶还有黑色通风管
有人打字，有人说话系统同时记录他们的脑电、近红外血红蛋白变化等多模态神经信号，并与文本和音频做毫秒级时间对齐。
但问题来了
早期志愿者有多不靠谱？有人在键盘上乱按组合键直接把软件搞崩。团队的解决方案堪称行为艺术：把机械键盘的大半键帽拆掉，只留下字母和几个功能键。
▲ Conduit 的"简化键盘"，拆掉大半键帽，防止受试者乱按搞崩系统
还有人交上来的文本全是刷屏乱码和偏执长文。首场session完成率一度不到20%。
团队一边改运营，让LLM先和受试者聊几句自我介绍，人一放松话就多了，一边疯狂压成本。到后期，首场完成率飙升到97%以上，近半数人还主动报名下一场。日均采集可以跑约20小时，预约表从清晨5点排到深夜11点。
▲ 一周预约日历，蓝色方块从清晨排到深夜
而整个流程里最魔幻的一幕，发生在电源开关上。
关掉整面墙的电，然后又打开了
非侵入式脑信号有多脆弱？用EEG（脑电）举例：建筑物的市电会在频谱上留下一根突兀的60Hz尖峰，像一把噪声刀子，直接插进你想提取的微弱信号里。
▲ Conduit 技术博文中展示的 60Hz 市电干扰与"断电"原文
Conduit团队试了三层橡胶垫，没用。换了"净化电源"适配器，效果有限改用Anker电池包给设备供直流电，有改善。
效果最明显的办法，是把整栋楼那一侧的墙电全部关掉。
代价是什么？平均每小时要搬约30磅的电池去另一侧充电，来来回回。部分头戴设备还没法完全走直流，数据丢帧约10%。
这画面你品一品：旧金山某间地下室，一群工程师拖着电池包满楼跑，就为了让脑电信号干净那么一点点。
但故事最精彩的转折在后面
当数据量跨过大约4000到5000小时的门槛时，模型突然开始跨人、跨隔间、跨硬件泛化，噪声清洗的边际收益急剧下降。团队做了一个决定：重新合上电闸
最后，数据规模压过了噪声
Naomi在博文中用了一个精准的类比：这和OpenAI训Whisper的逻辑一模一样，Whisper用68万小时弱监督音视频数据训多语言语音识别，标注不完美、环境嘈杂，但量大到一定程度，模型自己学会了在混乱中提取信号。
Conduit目前的1万小时，只是Whisper数据量的不到1.5%。
"GPT-2时刻"，他们到底读到了什么？
那现在到底能读到什么程度？看看Conduit官方展示的零样本解码对照表：
▲ Conduit 技术博文中的零样本三行对照表
请注意：这些预测来自模型从未见过的陌生人，信号窗口截取自受试者开口或打字前的几秒。
措辞不同，但意思邻近"favorite app" 变成了 "favorite robot"，"smiled faintly" 变成了 "shrugged"，主题对了，细节飘了。它离法庭级的思想笔录还很远，只能算一个粗糙但有方向感的语义罗盘。
Naomi给这个阶段取了一个让所有AI从业者都会心跳加速的名字："我们正处于GPT-2时代。"
还记得GPT-2吗？2019年，文本生成粗糙、常常跑偏，OpenAI甚至不敢开源全部权重。然后两年后GPT-3来了，再两年GPT-4来了。
▲ 有评论者指出：45%零样本语义准确率意味着GPT-2到GPT-4的跳跃"比多数人以为的更快"
如果脑解码真的能沿着同样的对数缩放曲线往上爬……
她还给了一个更通俗的比喻：GPS单独的GPS信号噪声很大，定不了精确位置。但如果叠上城市地图和导航路线，也就是用大语言模型提供的上下文先验来补偿，系统就不必"完美解码"也能足够好用。
不需要听清每个字，只要猜对你的方向。
Meta也在做，赛道不止Conduit
同行者还有Meta FAIR巴黎实验室。该实验室2025年2月公开了一项非侵入脑-语言解码工作：35名志愿者打字时同步记录MEG/EEG信号，在MEG上新句子的字符正确率可达约80%。
▲ Meta FAIR 的非侵入脑语言解码博客首屏
两条路线的差异很明显：Meta聚焦学术发表 + 医疗沟通恢复；Conduit面向创业运营 + 通用产品接口。但它们指向同一个事实：2020年代中期，非侵入脑解码 + 深度学习，已经从科幻点缀变成了认真赛道。
当恐惧与兴奋同时抵达
社交媒体上，这条消息激起了巨浪
兴奋的人看到的是未来：ALS患者、闭锁综合征患者终于可以"说话"了；打字和触屏可能成为过渡技术；人类认知带宽即将突破30万年来的上限。
▲ 科技博主 Brian Roemmele："我知道 Naomi 和 Conduit 摸到了真东西。"
恐惧的人看到的是深渊
PauseAI相关人士Maxime Fournes更直接："这是一件绝对可怕的事。你有没有停下来想过你在做什么？"
▲ Maxime Fournes："请休个假，想想如果你成功了，后果是什么。"
而Naomi自己的博文里，已经写到了比"读取"更远的地方，2030年，通用写入（General Write）。终点还包括向你的大脑写入信息她用了一个意味深长的比喻：如果你能控制手臂却失去了触觉，那条手臂的能力就打了一半折扣。只有读没有写，接口是不完整的
有人迅速把路线图翻译成了大白话：读心 + 控心，还能出什么问题？
最后一块隐私领地
让我们回到那间地下室
吸音帘围起的隔间里，志愿者戴着四磅重的头盔，和AI聊着天。头盔压在头皮上，靠不同弹力的弹簧保证干电极接触。隔壁的工程师盯着监控画面，检查信号有没有掉线、token质量够不够高、时间戳有没有漂移。楼道里可能还有人拖着电池包去充电。
这个画面不见科幻电影里光滑实验室的影子，俨然一间手工作坊：Craigslist广告、Uber司机口口相传"旧金山有个新赚钱方式"、用电池供电、键盘被拆得七零八落。
但正是这种粗粝的工业化，让它比任何论文都更具说服力。它证明，普通传感器、非开颅方案和可控预算，也能靠充足的人数、时长与野心推着这条路向前。
人类30万年来，有一样东西是绝对私有的：你没说出口的想法。 键盘记录可以泄露你打了什么，麦克风可以录下你说了什么，摄像头可以捕捉你的表情，但你脑子里闪过一念而没有外化的那个瞬间，一直是最后一道防线。
现在，有人正拿着电池包和吸音帘，试图翻过这道墙。
他们说自己还在GPT-2时代问题是，GPT-4并没有让我们等太久。
