全球神经科学实验室积累的高质量脑电数据，与AI大模型训练所需的数据量级相比，差距至少一个数量级。

这不是一个技术问题。因为脑电采集技术本身已经足够成熟——几十个通道、几千赫兹的采样率，单台设备的技术参数满足任何学术研究的需要。技术不是瓶颈，瓶颈在于"组织方式"。

神舞科技创始人郑辉在发布会上做了一件事，比发布任何一款产品都更有价值：他用1000人同时佩戴、同步采集、毫秒级对齐的现场实践，证明了"神经数据的规模化采集"是可以被设计出来的。这不是一个技术的胜利，这是一个设计管理的胜利。

为什么说这是一个设计管理问题？因为"让1000个人同时戴上设备、同时被采集、数据能对齐"这件事，拆开来看，每一个环节都不需要技术突破。设备是现成的，算法是现成的，传输协议是现成的。真正需要突破的，是把这些现成的技术要素，组织成一个能在真实场景中稳定运转的系统。

这个过程，在设计管理领域有一个精确的术语叫"流程设计"。流程设计处理的不是"某个环节能不能做到"，而是"多个环节串在一起能不能顺畅运转"。1000人佩戴设备：前端怎么发？怎么确认每个人戴对了？戴错了怎么快速纠正？采集过程中如果某台设备掉线，怎么不影响其他999台？数据汇总后，怎么快速检查时间同步是否对齐、信号质量是否达标？

这些问题，没有一个在现有的脑电实验教科书里能找到答案。因为教科书里写的是"怎么给一个人做脑电实验"，不是"怎么组织1000个人同时做脑电实验"。后者需要的不是更深的技术知识，而是更强的流程设计能力——把每一个环节的标准操作定义清楚，把每一个可能出错的节点提前设计好纠错机制，把整个流程压缩到让1000个人能在有限时间内完成。

这恰恰是工业设计在"看不见的地方"所做的事情。大众对工业设计的认知，往往停留在"产品长什么样"。但工业设计真正的核心能力，是"把复杂的事情组织成可操作的流程"。大到一条产线的布局，小到一个按钮的按压反馈，本质上都是在做"流程设计"——让正确的事情在正确的时间发生，让错误的事情在发生之前就被拦截。

回到神经数据规模化的问题。郑辉说"神经数据还停留在分散采集、各自为战的阶段"，这句话换个角度理解，就是"神经数据的采集流程还没有被标准化"。每个实验室有自己的设备、自己的协议、自己的操作规范。A实验室采集的数据，B实验室用不了，因为电极位置摆放不一样、采样率不一样、数据格式不一样。这种"各自为战"的状态，导致全球几十年的脑电研究成果，本质上是一堆互不兼容的数据孤岛。

打通数据孤岛，通常被认为是"制定统一标准"的事情。但标准的制定本身，就是一个设计问题。标准不是凭空产生的，它是在大量实践中被反复验证、被证明"这样做最有效"之后，才被提炼成标准。在标准形成之前，需要有人先走通"规模化采集"这条路，用实践证明"这套流程是可复制的"，然后这套流程中的关键参数才会被提炼成行业标准。

神舞科技的千人实践，恰恰在走这第一步。它验证了"1000人同时采集"这个流程是可行的——从设备发放、佩戴引导、信号确认、同步采集、数据汇总，这一整套流程已经被跑通了。这套流程中的关键参数——时间同步精度、佩戴成功率、信号质量一致性——就构成了未来行业标准的基础参数。

这个逻辑，在设计领域有一个对应的概念叫"原型验证"。在做一个全新的产品品类时，第一版原型不需要完美，它只需要证明"这个方向走得通"。神舞的千人发布会，就是脑电规模化采集的一个"系统原型"——它证明了群体神经数据的采集不是天方夜谭，而是可以通过系统性的流程设计来实现的。

从"原型验证"到"规模复制"，中间还有一段路要走。这段路的核心挑战，是"可复制性"。1000人发布会成功了，能不能在另一个城市、另一个场地、另一批参与者身上复现？能不能把流程简化到不需要核心团队亲自到场，而是由本地执行团队按照操作手册独立完成？能不能把成本压缩到让常规科研项目也能负担得起？

这些问题，全部落在设计管理的范畴内。可复制性不是靠技术来保证的，它靠的是"流程被设计得足够简单、足够鲁棒，以至于换一个人、换一个场地，结果依然稳定"。

在创品的设计实践中，可复制性是衡量一个设计方案是否成熟的核心标准。一个设计如果只能由原作者亲自操刀才能做出效果，那它就不是一个成熟的工业设计，它是一个"艺术品"。工业设计区别于艺术的地方，就在于它必须能被其他人、按照标准化流程、在批量制造条件下复现。这个标准同样适用于流程设计——一个流程如果只能由创始团队亲自上场才能跑通，那它就不是一个成熟的流程，它是一次"演出"。

千人发布会之后，神舞科技下一步要面对的，就是把"演出"变成"产品"——把万人发布会沉淀下来的流程经验，提炼成一套可以被他人操作的标准操作手册，让群体神经数据的采集从"特殊事件"变成"常规操作"。

这个转变一旦完成，NeuroAI才真正拥有了数据基础设施——不是一套服务器和数据库，而是一套"让数据能被规模化、标准化、持续化地采集"的流程系统。而这，才是Scaling Law在神经数据领域真正发生的前提。