把三个标签摆到了鲲为科技创始人刘家家面前：公开资料里，这是一家“超分辨超声影像科技企业”；他本人讲过更远的故事，要做“脑科学AGI的Infra公司”；而大量报道又直接将其归入脑机接口公司。

哪一个才是鲲为？

刘家家没有顺着任何一个标签回答。他给出的自我定义是：“准确地说，我们是一家具备商业化能力的前沿实验室（Neo Lab）。”

这句话解释了鲲为身上所有看似矛盾的地方：它持有已获批的临床设备、产生了真实订单，却坚持用一个基础科学问题统摄全部业务；它今天交付超声产品，底层能力却向更多应用开放。

据动脉网获悉，公司近期刚完成4亿元新一轮融资，新进股东XVC、红杉中国，老股东夏尔巴投资、腾讯继续加注。

资本习惯把它装入医疗设备或脑机接口的现成框架，创始人却希望先把“Neo Lab”这一身份立住。

理解这个身份，需要回到他十余年前的一个判断。

2008年，毕业于西安交通大学生物医学工程专业的刘家家进入一家超声设备公司。入职不久他就发现一个尴尬的事实：他所在的这条赛道，已经停滞了将近十年。

问题出在行业赖以运转的底层范式上。

超声成像沿用了半个世纪的技术逻辑是回声定位：探头发出声波，穿过组织，在边界处反射，设备依据回波重建图像。频率越高、波长越短，分辨率越高，衰减也越快；频率越低，穿透力越强，分辨率却随之退化。

行业因此形成一个互相锁死的“不可能三角”——频率、穿透力、分辨率难以兼得，主流解法始终是在衰减允许的范围内持续压榨频率。

刘家家提到，这条“提高频率换取性能”的范式，在超声领域约2000年前后便已触及天花板，到他2008年入行时，超声的基础性能已经十余年没有实质进步。

发现这一点并不难，困难在于敢于质疑常识本身。2009年，入行第二年的刘家家提出一个相反的判断：低频条件下同样可以构建高性能系统。在当时的行业语境里，这一想法近乎被视作永动机式的妄想。

真正让他确认这条路走得通的，是2016年AlphaGo面世。他意识到，空间感知本身也是智能的一部分，正如视力不只取决于眼睛，更取决于大脑。他把这一层概括为一句话——“对于大语言模型而言，压缩即智能；对于空间智能来说，分辨即智能。”

这套“智能”在鲲为这里被命名为“声学空间智能”。

技术路线由此分野。公司自研了一套小参数、高并发、高带宽架构。传统医学影像做的是把信号聚焦、叠加、渲染成图像；鲲为则先对空间建模，还原尺寸、位置与运动，再渲染成图像。

这样的起点，几乎预先规定了公司的形态。

它不从市场需求倒推产品，而是先回答一个学术界尚未作答的基础问题；它也不走先发论文、等待同行评议的常规路径，核心成果以商业秘密保护，由公司自己一路验证到工程落地。这是前沿实验室的研究方式。

实验室的第一个技术落点，选在刘家家深耕十余年的超声。

学界已有一种工具名为功能超声（fUS），用于观测脑部微血流，其时间与空间分辨率均优于沿用三十余年的功能磁共振（fMRI），却始终未能撼动后者的主流地位。

症结十分现实：现有功能超声基本需在开颅状态下，以高频探头观测脑内微血流。不开颅、穿不过颅骨，这道屏障将其限制在论文阶段数十年。

行业由此形成根深蒂固的认知：全脑超声成像，要么开颅，要么无解。其他超声路线的前沿团队大多选择绕开颅骨，或开颅、或植入透声材料，或以光学测量配合超声调控。

鲲为的路线是换一个思路：频率降下来保住穿透性，把“分辨率”交给算法。其自研的UP高穿探头、超快平面波与SRBF超分辨波束合成算法叠加，配合GPU计算架构，使一个探头直接贴附颅骨表面即可呈现颅内解剖结构与微血流。

目前鲲为也是全球唯一用非侵入超声穿颅读脑、实现高分辨大脑成像的公司。

产品端，鲲为已形成WE系列便携机与Rocvue H、Rocvue T系列台式机的布局，设备为通用机型，颅脑、腹部、心脏、浅表都能看。进展方面，公司2024年取得国内首张颅脑超声注册证，2025年获得欧盟CE认证，公开报道显示三张FDA注册证在获批进程中。

超声产品布局 来源：鲲为科技官网

而脑科学，是这个平台之上更晚、也更大的一个故事。

在脑科学这条线上，鲲为给自己定的角色是基础设施底座。

设备本身具备读写一体的潜力：既能成像，也可施加超声刺激，刺激后监测反应、回调参数。公司不直接做脑机接口终端，而是提供硬件设备与基础软件平台，定位近似英伟达之于AI。

去年11月，鲲为在杭州中华医学会超声年会上发布kOS科研开放平台，向第三方开放“读”的实时影像数据与“写”的脉冲、频率、声强等参数调控两层能力，面向高校、医院与研究机构开放合作。

这个开放姿态的底层，是一套关于数据的方法论。刘家家认为，脑科学与AI结合，卡在数据上。

今天的采集工具各有短板：侵入式电极信号清晰却要开颅、只能取局部；EEG便携廉价，信噪比却过低；fMRI能看全脑，又庞大昂贵、无法跟随日常；功能超声看得精细，却穿不透颅骨。

由此训练出的解码模型也难以泛化，同一受试者的信号会随时间漂移，跨个体更没有通用能力，根源在于数据量距离门槛相差约三个数量级。脑科学真正需要的，是同一个体被反复、长时间地记录，而不是一千个人各采一次。

这正是鲲为希望占据的位置：提供大规模、高质量采集颅脑数据的基础设备。

采集路径有三条：常规影像设备进入医院超声科，在临床检查中自然沉淀患者数据；与科技公司共建素材中心，由对方采购设备进行集中采集；更远期发展贴片式、可24小时佩戴的消费级超声，产品普及后以最快速度产生海量数据。

刘家家设想的数据规模为百亿小时级，并明确将其界定为长期目标，认为数据量积累到位，脑科学领域的通用智能才具备实现基础。

目前，鲲为把自己的路线划成三条曲线。

第一曲线是眼下的超声影像设备，对应一个成熟市场，先让公司自我造血。第二曲线是诊疗一体，把诊断和治疗合到一台设备上。第三曲线空间最大，把穿颅读写大脑的能力开放出来，做成脑科学的基础设施。

外界普遍为脑科学、脑机接口贴上资本过热的标签，刘家家的判断恰恰相反：行业远未过热，资金缺口巨大。脑科学需要的钱，也许比具身智能大100倍，甚至1000 倍。

他以具身智能作参照：全国众多复采中心已采集上千万小时数据，仍训练不出能够自主行动的具身AI，而后者主要要解决的只是十个手指如何运动；大脑的复杂度远高于此，仅凭几千小时神经数据便试图训练出优质模型，在他看来并不现实。

采访尾声，我们问刘家家，脑科学的工具生态还要多少年才能成熟。

他说，一年前自己的答案是二十年，今天是十年，“也许你明天再问我，可能五年”。让数字不断缩短的，是AI正在给科学研究本身提速。

这个越缩越短的时间，比任何融资消息都更能说明鲲为在赌什么。它押注的早已不是某一款产品、某一条管线，而是一个被AI重新加速的时代。

从2009年那个被视作永动机的判断，到2026年救护车上的便携成人颅脑超声，再到未来百亿小时级的脑数据愿景，鲲为始终没把哪一段讲成既得成绩。

用刘家家自己的话收束：科学是一切的源头，先有科学，再有技术，然后才有产品，最后是商业化。鲲为选择站在基础科学最前沿，先把当下的超声业务做扎实，把更长远的脑科学留给时间与数据。