看到衷华那款仿生手的新闻，说是能靠"意念"完成吃饭写字。作为搞理论的人，我本能地开始想：这里的信号解码算法，时间复杂度到底是个什么量级？

从计算复杂度角度看，脑机接口面临的是一个典型的在线决策问题。神经信号是连续的高维流数据，解码器必须在严格的时间约束内完成特征提取、模式识别到控制指令的映射。这不像批处理任务可以容忍延迟，手臂运动的实时反馈要求算法必须在毫秒级完成计算。

值得商榷的是，目前业界宣传常把"实时"当作一个模糊的黑箱。具体是什么？有数据吗？如果采样率是1kHz，那么解码算法必须在1ms内完成一次完整的分类与预测，这对计算资源提出了硬性下界。更关键的是，当通道数增加（比如从几十路电极到高通量阵列），算法复杂度是否还能保持亚线性增长？

从某种角度看，2026年所谓的"规模化应用元年"，可能首先要面对的是计算理论中的根本限制：在功耗、延迟和精度之间，存在一个不可逾越的帕累托前沿。