DARKLO INVESTOR BP / 公司与项目定义

Darklo耳周肌电默念输入系统及设备

Ear-sEMG Subvocal Silent Input System & Device

耳周肌电默念输入属于亚语音（Subvocalization）无声语音交互技术：不读取大脑思维，而是采集言语相关肌肉的表面肌电 sEMG 信号。

人在内心默念时，下颌、舌、咽喉周边构音肌肉会产生微弱肌电变化；耳后微型电极采集这些信号，并提取不同发音对应的肌电特征图谱。

经过训练的深度学习模型，将肌电时序信号映射为文字或指令，实现不用开口说话、无明显口部动作的人机输入。

相较 EEG 脑电采集，sEMG 获取的是神经指令抵达肌肉端后的执行信号，信号更强，更接近消费级硬件可实现路径。

这是 AI 硬件交互领域的「福斯贝里」时刻。

INDUSTRY STATUS / 领域格局

耳周肌电默念输入的世界格局

Global Landscape of Ear-sEMG Subvocal Input

02

默念输入正在成为 AI 硬件的新入口：它把人与 AI 的交互从公开语音、触屏和键盘，推进到更私密、更连续、更低打扰的身体信号输入。AlterEgo 证明技术可行，OpenAI 的连续信息披露让产业方向逐渐明晰；中国仍处早期，机会在于率先完成中文耳周肌电默念输入的工程化。

SELECTED EVIDENCE / 当前证据

AlterEgo：从 MIT 实验室走向商业化落地

AlterEgo 从 MIT Media Lab 研究原型走向商业化探索，证明亚语音输入不是科幻概念，而是一条已经被顶级研究机构验证、并具备产品化想象力的人机交互路径。

01

证明方向：不发声或轻微默念时，言语相关肌电信号可以被采集并识别。

02

对 Darklo 的意义：品类可行性已有外部研究和演示支撑。

03

Darklo 差异：中文、多场景、临床验证和耳周可穿戴工程化。

**AlterEgo 早期研发截图**AlterEgo 自 2018 起的早期研发资料Provided Background

MARKET & APPLICATIONS / 市场与应用

耳周肌电默念输入的痛点与应用场景

Pain Points and Use Cases for Ear-sEMG Subvocal Input

03

语音证明了人可以用自然语言控制 AI，但它无法进入所有真实场景。Darklo 解决的是更底层的问题：如何在不发声、不占手、不暴露隐私的情况下，把人的意图连续输入给 AI。

**通过默念，向 AI 进行指令交互**AI command without speech

**结合摄像模组和默念，进行多模态交互**Multimodal interaction with vision + subvocal input

**与好友进行“心灵感应”式静默交流**Silent social communication

01 / PUBLIC AI / 公共 AI 交互

公共场合的语音输入天然暴露隐私

当前智能穿戴、AI 交互设备、车载设备和军警通讯设备仍以语音输入、触控输入为主。用户在公共空间与 AI 设备进行语音交互时，需要大声发声，容易造成社交尴尬，同时语音内容公开，存在严重隐私泄露风险。

02 / SILENT SPACE / 安静空间

图书馆、会议室等安静空间不适合语音交互

在图书馆、会议室、公共办公区等需要安静或高度克制的场景中，用户无法自由使用语音输入。耳周肌电默念输入允许用户在不发声、不打扰环境的情况下完成指令、文本和意图表达。

03 / SPECIAL TASK / 特殊任务

军警、反恐、执勤场景需要无声隐蔽指令

在战争、反恐、警用执勤等特殊场景中，人员之间需要无声、隐蔽的指令传递，传统语音与手势交互都难以满足需求。肌电默念输入为高风险环境提供贴身、低暴露的指令入口。

04 / MEDICAL / 医疗辅助沟通

无法发声的人群需要新的表达通道

围术期 ICU 病人、插管期/拆管期病人、发声困难、后天语言障碍和喉部疾病人群，无法通过常规语音方式与外界及智能设备交流。医疗场景是 Darklo 首先验证的高刚需场景，可形成临床数据、院内系统和贴片耗材路径。

05 / NOISY ENVIRONMENT / 高噪声环境

工业、工地、交通等环境会覆盖语音信号

在工业、工地、交通等高噪声环境中，环境噪音会完全覆盖语音信号，导致语音交互失效。耳周 sEMG 采集的是身体端信号，不依赖空气声波传播，能成为高噪声环境中的稳定输入补充。

06 / AI WORKFLOW & WEARABLE / AI 工作流与可穿戴

AI 工作流需要更私密、更连续的自然语言入口

Vibe coding、个人 Agent、会议记录、文档生成和 AI 眼镜/耳机等可穿戴终端，会让人与 AI 的自然语言交互频率大幅提升。用户不会长期在公共空间对设备自言自语，真正可规模化的入口需要静默、无声、高隐蔽性。

TECHNICAL DIFFERENTIATION / 技术差异

端到端肌电静默输入在中文环境的缺陷

Why English End-to-End Silent EMG Does Not Transfer to Chinese

04

现有主流路线大多围绕英文系统展开：用肌电信号对应有限音素、有限词汇或离散指令。中文和多语言环境把问题从“百级音素分类”放大为声调、同音字、分词边界、方言和个体差异共同作用的组合问题，端侧模型会迅速失控。

ENGLISH ROUTE / 英文端到端路径

英文路线能成立，是因为它把问题压缩成有限音素与有限词汇分类。

01无可见动作默念Silent articulation

02表面肌电采集sEMG capture

03滤波 / 去噪 / 标准化Signal cleanup

04MFCC 类语音特征Speech-like features

05英文基础音素序列44 phonemes

06有限词汇 / 指令分类Finite classes

英文约 44 个基础音素，且单词由空格分隔；端到端模型学习的是“音素序列 → 单词 / 指令”的有限映射。

FAILURE POINTS / 中文迁移失效点

中文不是“多训练一些词”就能解决，而是输入结构发生变化。

01

声调信息原理性缺失

中文五声调直接决定语义差异，例如“吗、妈、麻、马、骂”；英文音素模型没有独立声调参数。

02

同音字需要大规模语义消歧

一个带调音节可对应多个常用汉字；端到端若只输出音节，必须额外解决上下文消歧。

03

无天然分词边界，序列难度陡增

英文靠空格分隔单词；中文是连续字符流，模型必须同时做分词、识别和语义组合。

04

方言与个体差异无法低成本泛化

方言音系、声调数量和个体肌肉模式差异显著，单一口音模型难以迁移。

PARAMETER SCALE / 参数数量级

中文与多语言默念输入的参数规模失控

Parameter Explosion in Chinese and Multilingual End-to-End Mapping

05

英文端到端方案只需覆盖百级核心类别；普通话由于声调、同音字和分词边界进入万级；若覆盖主流方言和个体差异，类别空间可膨胀到 5 万至 10 万量级。这说明问题不是模型不够大，而是路线本身不适合中文与多语言。

PARAMETER SCALE / 参数数量级

从百级到十万级：这不是模型加大，而是端到端路线失效。

10²10³10⁴10⁵

100-200英文English

44 个基础音素 + 空格分词，端侧可做百级分类。

10k-15k普通话Mandarin

带调音节、同音字消歧、分词边界叠加后进入万级类别。

50k-100k普通话 + 主流方言Mandarin + Dialects

方言音系、声调和个体差异叠加，端到端泛化基本不可控。

CURRENT PROGRESS / 现阶段事项

Darklo 五项里程碑完成历史性卡位

Five Milestones and Strategic Positioning

06

Darklo 已完成从方向判断、方法验证、中文与多语言算法路径，到全球主权专利布局和协和医院临床研究的关键卡位，正在从技术验证进入医疗真实场景验证。

01

识别 AI 硬件交互的“福斯贝里”时刻

提前布局静默交互赛道，把耳周 sEMG 作为下一代 AI 硬件输入入口。

02

完成耳周肌电默念输入方法验证

完成耳周采集、信号处理、训练系统和基础识别链路的可行性验证。

03

发明中文与多语言默念输入唯一算法路径

针对声调、同音字、无空格分词和方言泛化，建立不同于英文端到端分类的技术路线。

04

完成覆盖算法模型、消费级硬件形态和医疗用耳周贴片的全球主权专利布局全球专利

围绕核心算法、设备结构和医疗耗材三大方向形成专利防线。

05

联合协和医院开展映射模型训练与临床研究

围绕围术期/ICU 发声困难患者辅助沟通场景，同步推进用户映射数据采集、模型训练、真实临床验证与标注数据闭环。

MAPPING MODEL / 训练系统

Darklo 自研中文/多语言肌电映射模型与耳周采集训练系统

Chinese / Multilingual EMG Mapping Model and Ear-sEMG Training System

点击进入训练系统 / Open Live System

01 / COLLECTION TARGET目标采集位置潜在相关肌肉与耳周传感器配置

02 / MAPPING METHOD核心映射方法肌电时序信号、滤波特征与中文音节/语义映射

03 / PATCH DEMO耳周肌电贴片指令映射演示贴片采集与指令映射操作演示

GLOBAL IP STRATEGY / 全球专利布局

多项全球主权专利锁定耳周肌电默念输入入口

Multiple Global Sovereign Patents Across Algorithm, Device and Medical Patch

08

Darklo 已将中文/多语言默念输入算法、消费级耳挂设备、医疗采集系统和一次性贴片结构分别纳入全球专利布局，形成从方法到硬件、从消费级到医疗场景的主权专利组合。

01

基于耳周肌电信号重建语音并利用外部大模型的中文静默输入方法及系统

耳周 sEMG 采集、语音重建、外部大模型语义理解、中文/多语言默念输入路径

保护中文与多语言默念输入的核心算法路线

02

基于耳周肌电信号的耳挂式静默交互设备

耳后采集、耳挂结构、音频反馈、触控/通信/供电等消费级可穿戴形态

覆盖 AI 耳机、眼镜、车载与专业终端的通用入口结构

03

一次性耳周肌电贴片静默输入采集系统

围术期/ICU 等医疗场景的耳周贴片采集、监护连接和辅助沟通系统

建立医疗验证、院内部署和耗材收入的系统壁垒

04

一次性耳周肌电贴片结构专利

一次性电极、皮肤接触结构、耳周贴附路径和稳定采集形态

保护医疗贴片耗材与高质量数据采集入口

MEDICAL FIRST / 医疗领域进展

医疗辅助沟通合作与训练系统

Clinical Communication Progress and Darklo Training System

09

Darklo 首先选择医疗，是因为无法发声但意识清楚的患者具有最强表达刚需，也能形成高质量标注数据。围术期辅助沟通系统可从科研合作、院内试点和一次性贴片耗材开始建立商业闭环。

420例RCT 研究方案样本量

210/组对照组 / 干预组

Riker-SAS ≥5主要终点：苏醒期躁动

医疗产品核心组成收费路径医疗肌电贴片一次性电极、皮肤接触结构、信号采集耗材收入院内辅助沟通系统采集设备、患者沟通界面、医护响应流程科研项目 / 科室年费训练与数据平台采集、标注、识别、模型训练联合研究与数据闭环

**协和医院临床伦理审查与课题合作**围术期 / ICU 意识状态监测与辅助沟通场景Darklo PDF p.13 + DOCX

ECOSYSTEM PROGRESS / 合作推进

高校、智谱大模型及 AI 耳机产业合作

University Research, Zhipu LLM and AI Earphone Ecosystem

10

Darklo 正在围绕算法验证、大模型语义层和消费级 AI 硬件生态建立协同关系，为后续产品验证、模型能力接入和产业化合作形成外部支撑。

SELECTED EVIDENCE / 当前证据

北京交通大学：脑机与时序信号验证

北交大脑机实验室相关材料用于支撑肌电信号建模、时序特征提取和跨个体泛化方向的可行性验证。

01

围绕脑机接口、时序信号建模和多模态生理信号融合能力。

02

支撑 Darklo 的耳周肌电重建算法可行性。

COMMERCIAL STRATEGY / 商业路径

先医疗验证，再进入消费级 AI 硬件

Medical Validation First, Then Consumer AI Hardware

11

商业化路径分三步：先以医疗肌电贴片和监护/沟通系统进入高价值验证场景；再将通用电极模块、模型算法和 SDK 输出给耳机/眼镜厂商；最后推出或赋能消费级耳周肌电默念输入耳机、智能眼镜和车载控制产品。

医疗先建立验证与数据

模块再输出硬件能力

消费级最后进入规模市场

阶段时间产品形态收入预期医疗验证期2026-2027医疗肌电贴片 + 监护/沟通系统500万以内到 1000万-3000万模块化输出2027-2028通用电极模块 + 模型算法 + SDK3000万-5000万规模化合作2028-2029耳机/眼镜/车载 OEM 授权5000万-1.5亿消费级生态2029-2030默念输入耳机、智能眼镜、车载控制3亿-5亿目标区间

HARDWARE EXECUTION / 硬件落地能力

硬件落地能力与产品出海经验

Hardware Execution and Global Product Experience

12

Wagii 过往产品不作为 Darklo 的主营叙事展开，而是证明团队具备消费级硬件定义、研发落地、配套 App、供应链协同、品牌表达和海外众筹/展会经验。对于 Darklo 后续进入耳机、眼镜和 AI 终端生态，这是可迁移的工程与商业化基础。

SELECTED EVIDENCE / 当前证据

硬件产品历史

Wagii 硬件产品覆盖智能摄像眼镜、全双工数字对讲机与智能户外灯，说明团队具备从概念定义、工业设计、结构工程、样机验证到产品展示的完整硬件落地经验。

Wagii 智能摄像眼镜可穿戴影像硬件产品化经验Wagii Asset + 3D Video

TEAM / 团队背景

技术背景、硬件经验与国际化视野

Technical Background, Hardware Experience and Global Perspective

13

团队具备哈工大背景、英国留学/工作经历、消费级智能硬件研发与供应链经验，同时拥有医疗合作、AI 模型合作和国际化产品视野。Darklo 需要的是能同时推进信号、硬件、临床、专利和商业化的复合团队。

王锦龙

创始人兼产品经理

哈尔滨工业大学管理学学士，辅修影视编导；英国约克大学金融管理硕士。曾任 Ogilvy PR / Intel 品牌客户主任；2012 年在英国创立 Genius At Work，后在国内连续创业，曾服务伦敦奥运会、英国大使馆、英国航空、芭莎明星慈善夜与上海国际时装周等项目。

范锐

供应链负责人

哈尔滨工业大学材料科学与工程学士，英国 Hull 大学硕士。失重餐厅联合创始人，具备现象级门店落地运营经验；消费行业投资人，曾投资 INMIIX 眼镜等项目，负责供应链与资源落地。

张弩

AI软件端负责人

世纪互联 / Teltel 高级产品经理；Xilisoft / ImTOO 产品总监；Disc Jam 联合创始人。负责 AI 软件端、移动端系统与产品体验。

王丹丹

品牌及市场负责人

中国传媒大学新闻学学士，英国约克大学电影学硕士。曾任 Ogilvy 奥美中国奢侈品组 Consultant，负责 Gucci、Furla、Swarovski Elements 及 Mercedes-Benz 等品牌在国内的品牌运营和公关；Genius At Work 联合创始人。

李文磊

硬件测试产品迭代

对外经贸大学背景，英国连续创业者。英国 Fizzback 创始合伙人，后被 NICE System 以 8000 万美元收购；Dream Plus 梦想加办公空间创始合伙人，2019 年高瓴 30 亿估值投资退出。

陆延强

模具及量产

哈尔滨工业大学材料科学与工程学士，北京航空航天大学项目管理硕士，香港大学 MBA。曾任富士康项目经理、柯达集团生产与制造总监，负责模具、制造与量产。

FINANCING PLAN / 融资规划

阶段融资规模与资金用途

Financing Stages and Use of Proceeds

14

Darklo 当前处于天使轮，本轮定位为产业方联合研发：拟引入 1000万-2000万联合研发经费，18个月内完成临床验证、工程样机、训练系统、团队构建与早期商业闭环。

STAGE PLAN / 阶段融资节奏

01

天使轮

当前阶段

1000万-2000万

产业方联合研发经费：临床验证、耳周贴片样机、训练系统、专利与初期试点。

18个月：完成关键去风险

02

Pre-A / A

2027-2028

3000万-8000万

医疗系统产品化、小批量贴片耗材、B 端 SDK/模块验证与产业合作。

20 家医院试点 + 3-5 家硬件合作

03

A+ / B

2028-2029

1亿-2亿

医疗规模部署、耗材供应链、OEM 授权、消费级参考硬件与端侧模型迭代。

医疗商业化 + 模块授权收入

04

Growth

2029-2030

产业/战略资本

百院网络、百万级设备授权、消费级生态合作和全球市场拓展。

授权 + 硬件生态放大

USE OF PROCEEDS / 资金用途

核心

临床研究与数据体系

伦理执行、联合研究、标注数据与真实场景闭环

核心

硬件工程与贴片耗材

耳周采集结构、医疗贴片、采集设备和小批量试产

核心

算法模型与训练系统

中文/多语言映射模型、端侧轻量化和在线训练系统

必要

团队构建

补充算法、嵌入式/硬件、临床项目与产品交付能力

必要

专利、合规与注册路径

全球主权专利维护、医疗合规与注册路径准备

重点

产业合作与试点交付

医院试点、AI 耳机/眼镜合作和早期项目交付