看到衷华那款仿生手的新闻，第一反应不是硬件有多精巧，而是好奇他们怎么处理运动皮层信号的编码效率问题。

从信息论角度看，表面肌电信号（sEMG）或皮层脑电（ECoG）的维度极高，但有效信息熵其实很低。Shannon的噪声信道编码定理告诉我们，在有限带宽下传输神经信号，压缩率存在理论极限。目前主流的深度学习解码器虽然在功能上可行，但鲜少有人从算法信息论（Algorithmic Information Theory）层面给出鲁棒性保证。

严格来说更值得追问的是，当"意图"被量化为离散控制指令时，这种有损压缩的误差边界如何形式化验证？这关系到安全关键系统的可靠性证明。国内做脑机接口的团队往往重硬件轻理论，但信号处理的数学基础不扎实，后续协议标准化会很被动。

也许该有人去算一算，抓握动作的神经编码最小描述长度（MDL）究竟是多少。