Thủ thuật
Góc nhìn đầu tư vào Giao diện não - máy (BCI) từ chuyên gia Daotong Investment tại WAIC 2026
(giờ Việt Nam)
Tóm tắt AI
Tại WAIC 2026, Lâm Trinh Thành từ Daotong Investment đã chia sẻ khung nghiên cứu và chiến lược đầu tư vào BCI và AI for Science, tập trung vào các cơ hội đột phá tại giao điểm giữa trí tuệ nhân tạo và khoa học sự sống.
Bản dịch AI


Bối cảnh
Trong khuôn khổ Hội nghị Trí tuệ Nhân tạo Thế giới (WAIC) 2026, đối tác của Dalton Venture, ông Zhencheng Lin, đã được mời tham gia buổi livestream "WAIC 2026 Insights" của Observer Network để có gần một giờ thảo luận chuyên sâu về các công nghệ tiên phong, bao gồm giao diện não-máy (brain-computer interfaces) và AI cho Khoa học (AI for Science). Thay vì chạy theo các xu hướng công nghiệp, Dalton Venture coi đây là cơ hội để chia sẻ một khung nghiên cứu đã được phát triển từ lâu: khi trí tuệ nhân tạo tiến sâu hơn vào các lĩnh vực khoa học tiên phong, khoa học sự sống trở thành nền tảng để thấu hiểu thế hệ công nghệ chuyên sâu (hard tech) mới; và tại sao giao diện não-máy xứng đáng nhận được sự quan tâm bền bỉ như một trong những hướng đi quan trọng nhất trong làn sóng thay đổi công nghệ này.

Dưới đây là bản ghi chép đã qua biên tập của buổi phỏng vấn.
Thấu hiểu sự sống là điểm khởi đầu để thấu hiểu công nghệ chuyên sâu (hard tech)
Trong hơn một thập kỷ qua, Dalton Venture luôn bám rễ sâu vào lĩnh vực khoa học sự sống. Dù là trong các thiết bị y tế sáng tạo, sản xuất sinh học hay các công nghệ liên quan đến khoa học não bộ, chúng tôi luôn tập trung vào những đổi mới được xây dựng dựa trên các đột phá khoa học thay vì chỉ đơn thuần chạy theo các điểm nóng của ngành.
Trong những năm gần đây, khi AI thâm nhập sâu hơn vào nghiên cứu khoa học, ngày càng nhiều công nghệ chuyên sâu bắt đầu đạt đến giai đoạn công nghiệp hóa. Từ giao diện não-máy đến thiết bị y tế thông minh, từ R&D vật liệu mới dựa trên AI đến AI cho Khoa học, đổi mới công nghệ đang cho thấy xu hướng hội tụ liên ngành ngày càng rõ nét.
Dưới góc nhìn của Dalton Venture, đây không phải là sự thay đổi hướng đầu tư mà là sự mở rộng tự nhiên của năng lực nghiên cứu. Bởi vì yếu tố thực sự quyết định tương lai của các ngành công nghiệp này không chỉ là thuật toán, mà là khoa học sự sống, khoa học thần kinh, khoa học vật liệu và khoa học hệ thống phức tạp đằng sau chúng. Đối với các nhà đầu tư, thấu hiểu khoa học sự sống không chỉ có nghĩa là hiểu về bệnh tật, mà là hiểu về logic nền tảng của công nghệ chuyên sâu trong tương lai.
Giao diện não-máy chưa bao giờ là một "lựa chọn phương pháp"
Khi nhắc đến giao diện não-máy, câu hỏi phổ biến nhất trong ngành thường là: xâm lấn hay không xâm lấn?
Nhưng theo quan điểm của Dalton Venture, đây không phải là câu hỏi chọn một trong hai. Giao diện não-máy về cơ bản là một hệ thống công nghệ bao gồm các cơ chế vật lý khác nhau. Điện cực xâm lấn, cùng với các phương pháp không xâm lấn sử dụng âm thanh, ánh sáng, từ trường và điện trường — mỗi con đường đều có các phương pháp thu thập thông tin, kích thích và giới hạn vật lý riêng biệt, do đó mang lại giá trị y tế khác nhau.
Theo đó, điều mà Dalton Venture tập trung vào nội bộ không phải là "ai sẽ thắng", mà là xây dựng một khung nghiên cứu nền tảng hơn: các cơ chế vật lý khác nhau tác động lên hệ thần kinh như thế nào; và năng lực công nghệ nào phù hợp với kịch bản bệnh lý nào.
Đối với giao diện não-máy, không có phương pháp vạn năng nào có thể bao phủ tất cả các ứng dụng. Điều thực sự quan trọng là đạt được sự kết hợp tốt nhất giữa năng lực công nghệ hiện tại và nhu cầu lâm sàng.
Cơ chế vật lý khác nhau, giá trị công nghệ khác nhau
Nếu hiểu giao diện não-máy là một lĩnh vực liên ngành, thì sự khác biệt giữa các phương pháp công nghệ về cơ bản bắt nguồn từ các cơ chế vật lý khác nhau.
Điện cực xâm lấn: Hiện có độ chính xác thu thập tín hiệu cao nhất
Điện cực xâm lấn có thể ghi lại trực tiếp sự phóng điện của tế bào thần kinh, với độ phân giải thời gian ở mức mili giây và độ phân giải không gian ở mức tế bào, khiến chúng trở thành một trong những phương pháp thu thập tín hiệu có độ chính xác cao nhất hiện nay.
Vì có thể ghi lại trực tiếp sự phóng điện của tế bào thần kinh, chúng sở hữu độ phân giải thời gian ở mức mili giây và độ phân giải không gian ở mức tế bào, đặc biệt phù hợp cho các kịch bản đòi hỏi sự kiểm soát thần kinh độ chính xác cao như tái tạo chức năng vận động, phục hồi ngôn ngữ và phục hồi thị giác.
Đồng thời, phương pháp xâm lấn vẫn tiếp tục phát triển. Ví dụ, số lượng kênh điện cực đang tiến từ 1.024 kênh lên hàng chục nghìn kênh để nắm bắt các bản đồ hoạt động thần kinh rộng hơn; và các nghiên cứu tiên phong vẫn tiếp tục tạo ra những đột phá về các thách thức kỹ thuật như hiệu ứng sẹo do hấp phụ protein sau khi cấy ghép (một thách thức về tính tương thích sinh học) và sự trôi điện cực do chuyển động vi mô trong não. Từ các điện cực có số kênh cao, vật liệu linh hoạt, thuật toán giải mã thần kinh đến những cải tiến hệ thống về tính tương thích sinh học, mỗi bước tiến công nghệ đều liên tục mở rộng ranh giới trao đổi thông tin giữa con người và hệ thần kinh.
Những đột phá về vật liệu và kỹ thuật tưởng chừng như siêu nhỏ này đang thúc đẩy giao diện não-máy xâm lấn từ "chức năng" tiến tới "thực tiễn", xóa bỏ các trở ngại cho việc ứng dụng lâu dài trong các bệnh thần kinh phức tạp.
Từ trường: Một trong những công nghệ điều biến não không xâm lấn trưởng thành nhất
So với các công nghệ không xâm lấn khác, kích thích từ trường xuyên sọ (TMS) có lịch sử phát triển lâu đời hơn và hiện là một trong những công nghệ điều biến não trưởng thành nhất về mặt lâm sàng.
Từ trường có thể xuyên qua hộp sọ để kích thích các vùng não cụ thể và đã tích lũy được kinh nghiệm lâm sàng sâu rộng trong việc điều trị trầm cảm, rối loạn giấc ngủ và một số bệnh thần kinh nhất định.
Quan trọng hơn, sự phát triển của kích thích từ trường đã chứng minh một điều: việc điều biến chức năng não hiệu quả có thể đạt được mà không cần điện cực cấy ghép. Điều này không chỉ xác nhận hướng phát triển của giao diện não-máy không xâm lấn mà còn dẫn dắt toàn bộ ngành công nghiệp xem xét lại các ranh giới công nghệ của giao diện não-máy.
Tất nhiên, kích thích từ trường có những đặc điểm riêng — ví dụ, độ chính xác của kích thích vẫn còn dư địa để cải thiện, và khả năng đọc thông tin từ các mạng lưới thần kinh phức tạp còn tương đối hạn chế. Nhưng lộ trình xác nhận lâm sàng trưởng thành của nó khiến nó trở thành một cầu nối quan trọng kết nối nghiên cứu cơ bản với các ứng dụng y tế.
Siêu âm: Mở ra một cửa sổ mới để thấu hiểu toàn bộ não bộ
Trong những năm gần đây, giao diện não-máy bằng siêu âm đã trở thành một trọng tâm quan trọng trên toàn cầu, không chỉ vì đây là một công nghệ mới, mà vì nó đồng thời sở hữu một số đặc điểm kỹ thuật rất hứa hẹn.
Thứ nhất, tính không xâm lấn. Không cần mở hộp sọ và cấy ghép, nó có thể đạt được khả năng phát hiện và điều biến mô não, nghĩa là có những lợi thế tự nhiên cho việc áp dụng lâm sàng trong tương lai, sử dụng lâu dài và sự chấp nhận của bệnh nhân.
Thứ hai, khả năng "đọc" và "ghi" đồng thời. Siêu âm không chỉ có thể cảm nhận hoạt động của não mà còn có thể kích thích chính xác các vùng não cụ thể, khiến nó vừa là công cụ thu thập thông tin vừa là phương tiện tiềm năng cho sự tương tác thông tin não bộ trong tương lai.
Quan trọng hơn, siêu âm có lợi thế tự nhiên trong việc tiếp cận các vùng não sâu. So với một số phương pháp chỉ có thể bao phủ vỏ não, siêu âm có thể tác động lên các mô não sâu hơn, mang lại những khả năng mới cho việc nghiên cứu các kết nối mạng lưới giữa các vùng não khác nhau. Điều này có nghĩa là nó không chỉ có thể tập trung vào thông tin tế bào thần kinh mà còn giúp các nhà nghiên cứu hiểu cách toàn bộ mạng lưới não bộ phối hợp hoạt động.
Khi các công nghệ như siêu âm mảng, điều khiển chùm tia và thuật toán trí tuệ nhân tạo tiếp tục phát triển, độ phân giải không gian của siêu âm cũng đang cải thiện đều đặn. Nó đã đạt đến quy mô dưới milimet và dự kiến sẽ tiến gần hơn đến quy mô tế bào. Điều này có nghĩa là việc quan sát mạng lưới não bộ trong tương lai sẽ trở nên tinh vi hơn và gần hơn với trạng thái hoạt động thực tế của não.
Dưới góc nhìn của Dalton Venture, giá trị thực sự của siêu âm không chỉ nằm ở việc là một công nghệ giao diện não-máy mới, mà ở tiềm năng trở thành cơ sở hạ tầng quan trọng cho nghiên cứu khoa học não bộ, cung cấp các công cụ mới để thấu hiểu các mạng lưới não bộ phức tạp trong tương lai.
Tất nhiên, giao diện não-máy bằng siêu âm vẫn đối mặt với các thách thức kỹ thuật như suy giảm tín hiệu do tán xạ hộp sọ và độ trễ thời gian từ việc đo gián tiếp tín hiệu điện thông qua lưu lượng máu — nhưng điều này chính xác cho thấy dư địa khổng lồ cho sự đổi mới.
Đầu tư vào giao diện não-máy về cơ bản là đầu tư vào khoa học não bộ
Sự phát triển của giao diện não-máy chưa bao giờ chỉ là một công nghệ kỹ thuật. Khung nghiên cứu dài hạn này cũng được phản ánh trong việc triển khai bền bỉ của Dalton Venture trong ngành công nghiệp giao diện não-máy.
Kể từ năm ngoái, Dalton Venture đã tiến hành nghiên cứu và đầu tư có hệ thống vào các hướng khoa học não bộ và giao diện não-máy, bao phủ các phương pháp công nghệ và kịch bản ứng dụng khác nhau, bao gồm giao diện não-máy bằng siêu âm không xâm lấn và điều biến thần kinh.
Trong số đó, Gestalt Technology tập trung vào công nghệ giao diện não-máy bằng siêu âm, với Dalton Venture là một trong những nhà đầu tư sớm đồng hành cùng sự phát triển của công ty; vòng gọi vốn mới nhất của họ đã thiết lập một kỷ lục trong nước mới về quy mô tài chính cho giao diện não-máy. Ngoài ra, Dalton Venture đã đầu tư vào các công ty bao gồm Kongshan Ci, Maike Wei và Zhudong Technology, bao phủ các lĩnh vực từ thu thập tín hiệu não và điều biến thần kinh đến các ứng dụng lâm sàng của giao diện não-máy vận động, thị giác và cảm xúc.
Trong các hoạt động đầu tư này, trọng tâm của Dalton Venture không nằm ở sự cạnh tranh ngắn hạn giữa các phương pháp công nghệ đơn lẻ, mà là cách các cơ chế vật lý khác nhau có thể đẩy lùi các ranh giới hiện tại của nhận thức khoa học não bộ, và cách các công nghệ này có thể thực sự phục vụ nhu cầu lâm sàng và sức khỏe con người.
Bài viết được AI dịch và tổng hợp tự động từ elsewhere:. Liên kết bài gốc ở phía trên. Dữ liệu đồng bộ qua API công khai được ghi nguồn tại AI HOT (canonical) ↗. AIHOT.vn luôn dẫn nguồn đầy đủ — nếu bạn thấy điểm cần chỉnh sửa, hãy gửi ý kiến tại trang phản hồi.