据艺恩 2025 年 12 月《「睡眠情况」社媒洞察报告》，中国超三成成年人受失眠困扰、超六成 90 后睡眠质量堪忧，推动智能床垫、睡眠监测等设备需求爆发，当前消费者对助眠产品的科学原理关注度持续提升，睡眠经济正从“被动改善”转向“主动管理”的科学化赛道。本文将从睡眠需求痛点切入，拆解主流干预产品的市场逻辑与产业链布局，为相关行业投资者、从业者、企业经营者及创业者提供系统性的参考。
图源：艺恩 2025 年 12 月《「睡眠情况」社媒洞察报告》
千亿睡眠经济风口：解锁健康睡眠商机
Ozlo: 前Bose团队创立，睡眠耳塞是下一个入口级机会?
过去十年，消费电子行业不断寻找“下一个手机级入口”。
有人押注 AI 眼镜，有人尝试智能戒指、智能家居，也有人把目光投向更高频、却长期被忽视的一个场景：睡眠。
与工作、娱乐不同，睡眠几乎不依赖用户学习成本，却直接影响情绪、效率与长期健康。全球范围内，失眠与睡眠障碍人群规模已达数亿，助眠相关支出持续增长，但真正能够被用户长期、稳定使用的消费级产品却并不多。传统方案要么停留在药物和补剂层面，要么是功能单一、体验割裂的硬件设备，始终未能形成类似手机、耳机那样的“日常必需品”。
Ozlo，正是这一趋势下的代表性公司之一。据报道，目前正处于 B 轮融资收尾阶段。Ozlo 并未创造需求，而是站在上一代 Bose Sleepbuds 留下的真实用户基础之上，通过对产品定义、功能形态与商业模式的重构，推动“睡眠耳塞”从小众配件，向具备平台潜力的睡眠系统入口演进。
IEEE TNNLS | EmT：一种用于广义跨被试EEG情绪识别的新型Transformer模型
IEEE TNNLS | EmT：一种用于广义跨被试EEG情绪识别的新型Transformer模型
该论文发表于IEEE Transactions on Neural Networks and Learning Systems（中科院一区，IF=11.1），题目为《EmT: A Novel Transformer for Generalized Cross-Subject EEG Emotion Recognition》。
南洋理工大学计算机科学与数据科学学院的丁毅博士为此论文的第一作者，关存太教授为此论文通讯作者。
ACM MM 2025 | 从EEG信号到注意力解码：DHGCN用双超图卷积网络开创AAD新范式
在嘈杂的鸡尾酒会上，人类能轻易锁定目标对话，而传统助听器却难以做到。近年来，基于脑电图（EEG）的听觉注意力检测（AAD）技术为智能助听器带来新希望。今天要介绍的DHGCN模型，通过创新的双超图卷积网络设计，在0.1秒的短决策窗口下实现了96%的检测精度，参数数量比现有模型减少50%，为实时神经导向助听器研发奠定了关键基础。
论文信息
题目：DHGCN: Dual HyperGraph Convolutional Network for EEG-Based Auditory Attention Detection
基于脑电图的听觉注意力检测的双超图卷积网络
作者：Jian Zhou、Yingjie Xie、Cunhang Fan、Huabin Wang、Zhao Lv、Liang Tao
Nature Communications | 人类大脑中条件性威胁的分布式神经表征
该论文发表于Nature Communications（中科院一区，IF=15.7），题目为《Distributed neural representations of conditioned threat in the human brain》。
德克萨斯大学休斯顿健康科学中心的温珍福研究员为此论文的第一作者，Joseph E. LeDoux教授与Mohammed R. Milad教授共同为此论文通讯作者。
关于印发《南京市推进脑机接口产业创新突破行动方案（2026-2030年）》的通知
南京市推进脑机接口产业创新突破行动方案（2026-2030年）
脑机接口技术借助神经科学、人工智能、电子信息和功能材料等多学科交叉融合发展，正逐步从实验室走向商业化应用，成为全球科技前沿领域中最受瞩目的增长点之一。为抢抓脑机接口发展机遇，打造产业创新高地，培育未来经济增长极，特制定本行动方案。
综述丨脑机接口应用于睡眠障碍的研究进展
目前非侵入式脑机接口的商业化步伐快于侵入式，而前者商业化程度最高的领域为睡眠领域。近期，复旦大学附属华山医院、路桥区中医医院、深圳市第二人民医院的联合团队回顾了脑机接口应用于睡眠障碍的研究进展，认为亟需实现“材料—算法—硬件”的深度协同，以及多模态融合，以推动BCI睡眠设备真正进化为可靠、有效的临床诊疗工具。以下为论文摘编。
随着现代社会工作与生活节奏的加快，睡眠障碍已成为一个日益普遍的问题。据世界卫生组织数据，全球睡眠障碍患病率高达 27% 。而在我国有超过 3亿人存在睡眠障碍，普通人群有临床意义的失眠患病率约为 15%。
将脑机接口技术应用于睡眠障碍的诊断与治疗具有重要的意义。BCI可以通过持续采集并分析脑电信号（electroencephalogram, EEG），实时跟踪和分析睡眠状态，从而提供更准确的睡眠评估以及更加个性化的治疗方案。
BrainOmni：脑电脑磁基础模型，实现跨设备、跨模态的通用脑信号表征
上海人工智能实验室（上海AI实验室）联合清华大学、剑桥大学等合作单位，正式发布BrainOmni——全球首个统一 脑电（EEG）与脑磁（MEG）的大脑基础模型。BrainOmni通过一种新注意力机制，模拟了脑科学中源重构算法的前向过程，并且首次利用传感器的真实物理属性（坐标、方向、类型）替代通道命名，从而实现跨设备、跨模态兼容。通过1997小时EEG和656小时MEG的大规模自监督预训练，BrainOmni在9项下游任务上超越现有基础模型与专用模型，并在未见过的设备上展现强零样本泛化能力。工作自发布以来，收到了来自牛津大学、剑桥大学、法国国家科学研究中心、荷兰Radboud大学、美国著名可穿戴脑磁图企业等的关注与合作邀请。
