神舞科技创始人郑辉在发布会上说了一句话，把整个公司的定位讲得很清楚：神舞科技不是一家单纯的脑电设备公司，而是要做NeuroAI时代的数据基础设施。

这句话如果换一个行业的人来听，可能觉得就是一句战略定位的表述。但如果你是一个做产品系统设计的工业设计总监，这句话在你脑子里引发的连锁反应，会一直延伸到产品定义、技术路线、制造策略、售后体系。

"设备公司"和"数据基础设施公司"的产品设计逻辑，从根子上就是不同的。

设备公司做的是"单边设计"。产品的核心问题是"用户怎么用这个设备"——佩戴是不是方便？信号是不是稳定？操作是不是简单？所有设计决策围绕"用户-设备"这个二元关系展开。产品的生命周期终点是"设备卖出去"，之后的事情——数据怎么存、怎么用、怎么和其他设备的数据整合——不在设计范围内。

数据基础设施公司做的是"双边设计"。产品的核心问题不是"用户怎么用这个设备"，而是"设备采集的数据怎么进入一个更大的系统，并且在这个系统里持续产生价值"。这里涉及的不只是用户和设备的关系，还有数据与数据的关系、数据与应用的关系、应用与用户的关系。设计决策要在"用户-设备-数据-应用"这个四元关系里做权衡。

这两种设计逻辑的差异，最直观地体现在一句话上：设备公司关心"这台设备采集到的信号质量怎么样"，数据基础设施公司关心"这台设备采集到的数据，能不能和1000台设备的数据在同一个时间轴上对齐"。

前一个问题，是单机设计思维。后一个问题，是系统设计思维。

在系统设计思维的框架下，很多在单机设计思维里"不重要"的参数，变成了关键指标。神舞科技ND8系列做到了一毫秒的时间同步率——在单机场景下，一个毫秒的误差没有任何影响。但在群体脑电采集场景下，如果1000台设备的时间同步误差累积到几十毫秒，不同人的脑电反应在时间轴上就错位了，群体层面的神经数据分析就失去了时间基准。这就是为什么一件"在单机设计思维里不值得投入"的事情，在系统设计思维里变成了"必须做到极致"的核心指标。

NeuroAI群体跨模态数据平台，是神舞科技"双边设计"逻辑的集中体现。这个平台支持大规模群体脑电同步采集与实时分析，并向行业开放。在功能上，它解决了"数据怎么组织、怎么复用"的问题。但在设计上，它解决了一个更根本的问题：硬件和软件的关系。

传统脑电设备的设计流程是：先做硬件，硬件定型了，再配一套软件用来查看数据。硬件是主体，软件是附属。这种设计流程下，软件能做的事情非常有限——它只能在一个已经锁定的硬件框架里做"数据展示"和"基础分析"。

但"设备+平台"的架构，要求硬件和软件在设计初期就是同步规划的。硬件的信号采集方案，要考虑到平台对数据的组织方式；平台的数据处理能力，要反过来约束硬件的通道数、采样率、传输带宽。这不是"先有硬件后有软件"，而是"硬件和软件互为设计约束"。

这种软硬件协同设计的能力，恰恰是当前脑机接口行业最稀缺的。行业里不缺做硬件的团队，也不缺做算法的团队，但能把硬件、算法、平台、场景串成一个系统的设计能力，极其稀缺。原因很简单：做硬件出身的团队，思维惯性是"把硬件参数做到极致"；做算法出身的团队，思维惯性是"把算法精度推到最高"。但系统设计需要的不是"把某一项做到极致"，而是"让每一项都在正确的位置上，发挥正确的价值"。

系统设计思维里有一个经典的概念叫"设计约束映射"——每一个设计决策，都要向上追溯它从哪个系统约束中来，向下推导它会影响哪些系统节点。这个映射如果做得好，整个产品系统是紧凑的，没有冗余，也没有薄弱环节。如果做得不好，就会出现"某个环节性能过剩、某个环节成了瓶颈、但整体系统性能上不去"的尴尬局面。

在创品的设计实践中，软硬件协同设计是团队处理复杂系统产品时的核心能力。设计团队在项目初期，会花大量时间梳理"系统约束矩阵"——把硬件的能力边界、软件的架构需求、场景的性能要求、成本的上限下限，全部摊在桌面上，找到它们之间的交叉约束点，然后在这些交叉点上做设计决策。这种工作方式不像"做外观设计"那么直观可见，但它决定了一个产品系统最终能不能被高效地制造出来，能不能在真实场景中稳定运行，能不能支撑后续的迭代升级。

回到神舞科技的案例。郑辉把公司定位为"数据基础设施"，这个定位在战略层面是清晰的，但把它落地到产品层面，需要在每一个设计决策上都回答同一个问题：这个设计选择，是在强化"设备"的属性，还是在强化"基础设施"的属性？如果是前者，那它可能让设备卖得更好，但无助于构建数据生态；如果是后者，那它可能在短期内看起来"不划算"，但长期会形成系统性的壁垒。

Scaling Law在神经数据领域尚未真正发生，不是因为数据量不够大，而是因为数据没有被组织成一个可复制的采集与复用系统。数据基础设施要解决的核心问题，就是把分散的神经数据，从"一次性的实验记录"变成"可持续增值的数据资产"。这个转变的钥匙，不在芯片里，不在算法里，在设计里。