SJTU·SPEIT
当我们谈论人工智能时，很多人想到的是会聊天、会画图、会写代码的大模型。
但在更前沿的交叉领域，AI正在尝试理解一种更“安静”、也更复杂的信号——人的脑电。
▲脑电概念图
脑电信号很微弱，却藏着丰富的信息。它可能与情绪变化有关，可能帮助理解大脑如何处理语义，也可能在未来支持脑机接口、智能康复、人机交互等更多应用。只是，要让机器真正“读懂”脑电，并不容易：不同个体、不同场景、不同任务之间差异很大，传统模型往往难以泛化。
最近，上海交通大学2026届优异学士学位论文评审结果揭晓。上海交大巴黎卓越工程师学院2026届本科生潘俊宇围绕这一前沿话题完成的毕业论文《基于多模态大模型的脑电情绪、语义和视觉解码》，获评这一分量十足的荣誉，获评率仅1%。
▲上海交通大学2026届本科生毕业典礼现场
得知这个消息时，他很开心。
这不仅是一篇论文的完成，更是他本科四年科研训练的一次回响。
从大一暑假第一次走进上海交通大学仿脑计算与机器智能研究中心（BCMI），接触脑电（EEG）相关研究，到后来在微软亚洲研究院实习期间进一步聚焦课题，四年里，潘俊宇把无数次默默的文献阅读、实验复现、方向调整和论文修改，慢慢凝结成了这篇优异论文。
从脑电信号，到多模态大模型
潘俊宇高中毕业于温州育英国际实验学校。高中阶段，他接受了扎实的数学训练，并积累了数学竞赛方面的经验。来到交大巴院后，他选择了与数学密切相关的信息工程专业。随着课程学习和科研训练的深入，逐渐将兴趣聚焦。
他关注的问题，用简单的话说是：能不能借助多模态大模型的能力，让AI更好地理解脑电信号？
在本科毕业论文中，潘俊宇尝试将脑电信号与图像、语言联系起来，探索把脑电映射到统一的视觉与语言语义空间中，让模型能够支持情绪识别、语义理解、视觉重建等多种任务。
他说，这类研究未来或许可以服务于抑郁症诊断、癫痫检测、外骨骼控制等应用场景。
听起来很前沿，但他的起点并不神秘。
▲潘俊宇在2026届优异学士学位论文风采展前留影
大一暑假，第一次走进实验室
潘俊宇与脑电研究的缘分，始于大一暑假。
得益于学院丰富的科研资源和师资力量，他进入BCMI实验室，第一次正式接触脑电相关研究。刚开始时，他的理论基础和实践经验都非常有限，在郑伟龙副教授的指导下，他从基础课题做起：读文献、复现实验、分析结果、学习写论文。
▲潘俊宇和学士学位论文指导教师郑伟龙副教授合影
他的第一个研究方向，是基于脑电信号的跨场景情绪识别。
现在回头看，他觉得这项工作相对基础，却非常重要。因为正是这段经历，让他完整经历了科研的基本流程：如何发现问题，如何设计实验，如何分析结果，又如何把想法写成论文。
随着经验积累，他逐渐能独立承担科研任务，也慢慢形成了自己的研究判断。
大二暑假，潘俊宇完成了自己的第一段业界实习。那段经历让他意识到，相比偏工程落地的工作，自己或许更适合研究型实习。
契机出现在一次阅读前沿论文时。潘俊宇发现，一篇令他印象很深的论文，正是实验室一位学长在微软亚洲研究院实习期间参与完成的工作。巧合的是，他后来又得知，自己的高中同学也正在微软亚洲研究院实习。于是，在导师帮助下，他获得了内推机会。经过多轮面试，他顺利进入微软亚洲研究院。
正是在这一阶段，潘俊宇接触到更广阔的研究视角和更前沿的技术问题。研究内容从最初相对具体的脑电情绪识别，逐步延展到多场景、多任务的通用脑电基础模型研究。
在上海交大郑伟龙副教授和微软亚洲研究院王延森研究员的共同指导下，他不断调整研究问题，最终将本科毕业论文聚焦在“理解与生成一体化的通用脑电大模型”方向。
AI发展太快，科研问题也要不断重想
“AI发展迅猛，你的研究有没有受到AI的影响？”
潘俊宇的答案是肯定的，但AI带来的影响是双向的。
他说，人工智能领域发展非常迅速，新技术、新模型、新论文层出不穷。对本科生来说，挑战不只是“跟上进展”，更是要不断判断：自己的问题是否重要？方法是否还有价值？方向是否需要调整？
在论文推进过程中，他反复阅读前沿文献，也不断与实验室导师和企业导师交流。导师们的建议，帮助他逐渐理清研究框架，也让论文的重点更加清晰。
AI工具本身也参与到了他的写作过程中。
他坦言，AI工具在文献整理和初稿撰写方面提供了不少帮助，提高了效率。但真正完成一篇学术论文，仍然离不开严谨的逻辑、扎实的实验和反复修改。
“学术写作不仅是语言表达，更需要严谨的论证。”他说。为了完成论文，他反复推敲内容，核查实验结果和结论，逐字修改，最终完成了这篇本科毕业论文。
在巴院，先把基础打厚
作为交大巴院信息工程专业的学生，潘俊宇本科前期经历了大量数理课程训练。这些数理训练，在潜移默化中锻炼了他面对未知问题、拆解复杂问题和持续解决问题的能力。
他坦言，刚进入学院时，曾感到压力很大。课程多，法语课和数理课程占比高；刚刚高中毕业的他，面对突然打开、丰富多样的选择，对未来发展非常迷茫。
转折发生在他抱着试一试的心态进入实验室之后。他发现，沉下心来做事，可以让他缓解很多焦虑。
▲巴黎卓越工程师学院的课堂
在他看来，巴院本硕贯通的培养模式给了他自由的探索空间。完成课内学习任务的同时，可以没有后顾之忧地进入实验室或企业实习，在真实科研和产业场景中自由探索自己的方向。
当然，微软亚洲研究院的实习也非常灵活，允许线上开展，让他能够在学院课业和科研工作之间找到平衡。
科研从来不是一帆风顺
本科期间，潘俊宇经历过论文被拒、方向调整、实验推进不顺的时刻。刚开始时，论文被拒会让他很受挫；后来投稿次数多了，也慢慢学会调整心态。
“现在会议接受稿件的随机性也比较大，放平心态就好。”他说。
这句话听起来很轻，但背后其实是一个本科生在科研训练中逐渐建立起来的稳定感：知道失败是常态，也知道真正重要的是持续推进、持续思考。
▲巴黎卓越工程师学院实验楼和即将建成的新大楼
本科毕业后，潘俊宇将直研上海交通大学巴黎卓越工程师学院，并继续在BCMI实验室开展科研工作。接下来，他计划继续研究通用脑电基础大模型及其应用。
在他看来，当前大模型通过大规模数据预训练，已经展现出强大的表示能力。受此启发，脑电领域也正在出现一批基础脑电大模型。但脑电数据规模远小于文本和图像，这限制了模型能力的进一步提升。
因此，如何借助多模态大模型，把脑电特征接入更丰富的视觉、语言语义空间，可能会成为未来脑电理解与生成一体化研究的重要方向。
四年前，潘俊宇也没想到在本科毕业时，收获这样一份回馈。
潘俊宇的故事也说明：走进前沿，并不一定始于一个宏大的目标。
很多成长，发生的时候并不轰动。
AI与脑科学的交叉研究仍在快速发展。
毕业季即将告一段落，潘俊宇又将重新启程。
策划｜宣传与招生办
来源｜本科生教务办
文｜根据访谈整理
图｜潘俊宇、李军艳等提供
责编｜周向雨