配资知识论坛网《麻省理工科技评论》“35岁以下科技创新35人”全球入选者发布

配资知识论坛网

每年，《麻省理工科技评论》都会评选出 35 位 35 岁以下的青年研究者、科学家和企业家，他们因其在各自领域的开创性工作而入选“35 岁以下科技创新 35 人”名单。

今年的创新者们正在推动科技的前沿发展，并积极探寻其研究成果的实际应用。在这 35 位入选者中，有人开发了新型医疗方法，有人对政策制定产生了重要影响，有人发明了新的计算器件，还有一些人在领导着公司。

这些科学家和企业家凭借其早期的卓越成就以及运用自身专业技能和知识解决重大问题的能力，从全球数百位候选人中脱颖而出。

*以下排名不分先后

气候与能源领域的创新者发明了能够实现脱碳的先进技术，应用领域涵盖航运、时尚等多个行业。他们还在探索利用可持续能源的新方法，并为捕获二氧化碳开发出巧妙的新用途。

他利用地下岩石，以更环保的方式生产化学品。

化学品的生产往往伴随着巨大的耗能——生产燃料和化肥等产品的反应往往需要极高的温度和压力，这意味着需要燃烧化石燃料，而化石燃料的燃烧会产生碳污染，加剧气候变化。

32 岁的 Iwnetim Abate 正致力于通过探索地球深处来改变这一现状：他在麻省理工学院的实验室希望利用地下热能和压力生产氨（一种常见化学品）。对此，他联合创立了一家名为 Addis Energy 的公司，以推动该研究成果的商业化。

氨是化肥的关键成分，目前人们正考虑将其作为绿色燃料，类似氢气，应用于长途航运等领域。然而，生产氨的过程是高污染的，其二氧化碳排放量占全球的 1% 至 2%。

越来越多的研究人员和公司正在寻找地下天然存在的氢气。而 Abate 提出了一个新的想法：利用地球表面以下富含铁的岩石，通过加入水和催化剂来产生氢。随后，他转向氨的生产，因为氨更容易运输。

Addis Energy 目前正在寻找一个试验场地，以测试其氨的生产工艺。与此同时，Abate 的实验室将继续研究这些反应背后的化学原理。

Abate 拥有电化学背景，他还领导着钠离子电池的研究工作，其中大部分研究集中在材料开发，希望借助这种材料，在保持电池稳定性的同时，将更多能量储存在电池单元中。

Abate 表示，他与 Addis Energy 的合作可能改变采矿业的模式。这不仅意味着从地下开采有价值的元素和关键矿物，还可能利用地下资源生产有用的化学品。

她通过使用电力而非化石燃料来生产常见的化学品。

制造洗发水瓶、地板和织物等产品所需的化学原料可能对气候造成巨大影响。目前，化工行业的二氧化碳排放量约占全球排放总量的 5%。

31 岁的 Sarah Lamaison 是总部位于巴黎的初创公司 Dioxycle 的联合创始人兼首席执行官，这家公司正在探索一种利用电力生产化学品的新方法，该生产过程将产生更少的温室气体。

这项技术的关键在于电解槽，这是一个利用电力触发化学反应的装置。在 Dioxycle 的案例中，它可以将一氧化碳和二氧化碳转化为乙烯，后者可用于塑料包装、纺织品及下一代燃料。

通常，乙烯生产相当耗能，需要在炉中将烃类物质和蒸汽加热到极高温度。Lamaison 表示，Dioxycle 的方法可以通过用廉价、清洁的电力替代来自化石燃料的热能，使成本与传统乙烯生产相当，甚至更低。

然而，实现这一目标仍需更多创新。目前，该公司的电费成本占其产品预期最终成本的一半以上，因此进一步降低生产过程中的能源消耗是首要任务。而电解槽可以按需进行调整，特别是对低价能源的利用，比如在太阳能丰富的地区或者阳光充足的下午都能进行使用。

Lamaison 与联合创始人于 2021 年离开斯坦福大学创立了 Dioxycle。最初几年，团队专注于开发电解槽并实现规模化生产，从最初仅邮票大小的设备，发展到了如今体积约一辆汽车大小的商业化版本。目前，团队正与合作伙伴共同开展一项示范项目，预计在未来两年内完成，这将需要建造更多商业规模的设备。

尽管公司在研究进展和规模化方面已取得显著成就，但 Lamaison 对未来挑战仍保持着现实主义的态度：“这将是一段艰难的旅程，但我们必须坚持下去。”

他致力于为工业领域提供更清洁的碳和氢。

Gaël Gobaille-Shaw，34 岁，在攻读博士学位期间，他厌倦了自己像个高级实验室机器人的感觉。相反，他希望自己的创造力能对现实世界的气候问题提供解决方案。一天晚上，他梦到了一种特殊的膜，可以利用电荷从空气中提取二氧化碳（以碳酸根离子的形式存在）。他说：“这是我第一次做科学梦，而且在化学上是讲得通的。”

Gobaille-Shaw 很快将这个梦境变为现实。他创立了自己的第一家公司 Mission Zero，该公司研发的直接空气捕获（direct air capture，DAC）设备，可以吸取大气中的二氧化碳并将其转化为绿色碳。此后，他创立了第二家公司，并构思了第三家。每一家公司都基于他的愿景，即空气、水和可再生能源可以构建一个超越化石燃料的世界。

与许多需要燃烧化石燃料才能释放捕获碳的 DAC 系统不同，Mission Zero 采用电化学技术。其设备吸入空气，用碱性溶液吸附二氧化碳，然后通过酸性溶液和基于膜的电渗析过程释放纯二氧化碳气体。这一系统无需热能，仅需电力和水即可运行。该设备结构紧凑且模块化，可实现大规模生产并几乎能在任何地方部署。在比尔·盖茨、埃隆·马斯克和英国政府的支持下，其中一个工厂每年已能够捕获 50 吨二氧化碳用于喷气燃料；另一个工厂每年将为建筑材料提供 250 吨二氧化碳。

Gobaille-Shaw 的第二家公司 Supercritical 专注于氢能。虽然通过电解水制取的氢在理论上是清洁燃料，但传统电解技术产生的氢以低压形式存在，必须经过压缩——这一过程能耗高，且存在爆炸风险。Supercritical 的高温、高压碱性电解槽可在分解水之前先对其进行压缩。因此，产生的氢已处于加压状态。Gobaille-Shaw 表示，这一过程的能源效率接近 100%。鉴于世界上大部分粮食供应都依赖于以氢为基础的氨肥，因此这一结果尤其令人期待。

他正在开发人工智能模型，以更轻松地预测天气和气候变化。

传统气候模型主要通过运行基于大气、海洋、森林和冰盖物理定律的复杂数学方程，来预测地球对温室气体水平上升的响应。不过，这些模型通常需要大型计算机来运行。另外，我们对这些过程的有限理解和不完整的模拟能力对模型也有一定的限制。

基于这些气候模拟结果训练的人工智能模型，可以帮助研究人员以更快的速度和更少的计算资源提供类似的预测。此外，通过向人工智能模型输入广泛可用的天气数据，他们正在构建擅长短期和局部预测的系统，同时降低对地球物理过程的全面理解的依赖。

31 岁的 Aditya Grover 是加州大学洛杉矶分校的计算机科学助理教授。他利用这些技术开发了 ClimaX，该模型发布于 2023 年，能够预测世界各地的天气事件及气候变化，预测时间跨度从几天到几十年不等。

Grover 表示，这是首个用于天气和气候的基础模型，在人工智能领域这意味着它可被用于多种应用。

Grover 及其同事与微软的研究人员利用海量数据集对该工具进行训练，包括在多种情景下运行的气候模拟，以及卫星和雷达对天气模式的观测数据。他的研究团队还对 ClimaX 进行持续优化，近期发布了 Stormer 和 SeasonCast 两个模型，可以减少预测未来事件时可能出现的误差。

与其他人工智能基础模型类似，ClimaX 可以使用特定数据进行微调，以掌握特定问题的专业知识。由于该工具开源，任何人都可使用或调整它来探索自己的研究问题。

例如，多家非营利组织已对该模型进行调整，以提升作物产量预测、自然灾害损失评估以及森林砍伐预测的准确性。

Grover 也在持续优化该技术，特别是生成更高分辨率的区域性结果，比如他长大的国家——印度，该国正面临着气候变化带来的一些极具破坏性的后果。

她的初创公司开发了一种全新的纺织品制造方法——直接从空气中提取原料。

作为女性服装品牌 Bebe 背后的家族成员，Neeka Mashouf 从小就感受到了时尚的魅力，同时也意识到了时尚产业对环境的影响。时尚产业不仅是除农业外用水量最大的行业，还是砍伐森林的主要因素之一，其温室气体排放量占全球总排放量的 8%。

现年 28 岁的 Mashouf，找到了帮助时尚行业改善环保情况的方法。她位于加利福尼亚州的初创公司 Rubi Laboratories 开发了一种直接从大气中提取二氧化碳来制造纺织品的工艺。Mashouf 表示，这个概念听起来可能有些天马行空，但实际上是在模仿植物的自然行为。

受旧金山湾区的巨型红木树的启发，她和双胞胎姐姐 Leila 共同创立了公司 Rubi。和其他树木一样，红木通过吸收二氧化碳，利用酶将其转化为纤维素，这是树叶和枝干的主要成分。一些半合成纤维，如人造丝（Rayon）和莱赛尔（Lyocell），就是用木浆中提取的纤维素为原料制成。Rubi 的目标是无需砍伐任何树木即可复制这些材料。

实现这一目标需要对酶进行大量调试，酶是加速化学反应的蛋白质。通过结合天然存在的酶和在实验室中利用人工智能合成的酶，Mashouf 及其团队开发了一种高产、节能的二氧化碳转化为纤维素纺织品的制造工艺，他们表示该工艺最终将在工业规模上具有成本效益。目前，Rubi 已为沃尔玛、HM 和 Patagonia 等时尚品牌生产了试验性面料，其中一些面料是用从工业过程中捕获的二氧化碳制成。

据 Mashouf 介绍，采用 Rubi 材料制成的服装最早可能于 2026 年初进入市场。目前尚不清楚这类产品与传统面料制成的商品在成本竞争力方面如何。不过，Mashouf 认为 Rubi 的概念未来有望为建筑材料、包装及食品等多个领域带来更环保的制造方式。

他正在开发从船只中捕获二氧化碳，并将其封存于海洋的应用系统。

跨洋运输货物是气候变化的主要原因之一，每年产生的温室气体排放量约占全球总排放量的 3%。由于电池目前仍无法驱动大型船只航行数千公里，因此航运业也是最难实现清洁化的领域之一。

30 岁的 Pierre Forin 最初在法国能源巨头道达尔能源（Total Energies）的研究部门从事相关研究。2021 年他转至加州理工学院，与该校及南加州大学的两位教授合作，开发实验室规模的反应器，以测试和优化一套捕获并储存船只二氧化碳污排放的系统。

次年，三人筹集了 350 万美元共同创立了 Calcarea 公司，这家孵化于加州理工学院的公司以一种海洋海绵命名，寓意其技术具备吸收二氧化碳排放的能力。

该公司的技术将船只产生的废气导入海水中，形成碳酸。随后，这种混合物流经石灰石床层，生成碳酸氢根离子，这是模拟了海洋中已存在的锁住碳的化学过程。

任公司首席技术官的 Forin 表示，处理后的水可在航行过程中安全地排放到海洋中。这避免了压缩和储存二氧化碳所需的大量能耗和成本，而其他捕获和封存温室气体的方法则依赖于此。

此外，该公司还在探索利用相同技术捕获并处理陆地工厂（如沿海水泥厂）排放的二氧化碳的可能性。

Calcarea 计划于明年在商用船只上安装首个试点装置，并希望在 2027 或 2028 年开始销售其技术。这与联合国国际海事组织计划实施航运业排放限制并设定碳价的时间大致相同。

该公司的系统无法捕获船只产生的全部气体排放。虽然目前尚不清楚航运业的各类清洁方案中，哪一种将获得长期且最大的支持，但 Calcarea 开发的产品，其市场化时机恰逢行业监管开始推动变革之际，这将帮助航运公司在大洋间穿梭时逐步减少污染。

人工智能（AI）领域的创新者，不仅有在硅谷大型科技公司中主导模型开发的人员，还有开发新方法以提升 AI 性能的学术研究人员。

他致力于打开人工智能模型的“黑箱”，以理解其为何会完成特定输出。

人工智能模型在做出决策时，我们往往不能完全理解其背后的原因。因此，人工智能模型常被视为“黑箱”——数据输入后，输出的是文本、图像或视频等内容。

但如果研究人员无法理解模型为何会做出特定行为，当模型生成错误或无用信息时，就难以对其进行修正。这就是 26 岁的 Neel Nanda 所专注的研究领域。

“我认为我的工作是：开展研究，以确保我们开发出相当于人类水平的人工智能时，对世界是安全且有益的。”

Nanda 领导着 Google DeepMind 的一个团队，专注于人工智能安全的子领域——机制可解释性（mechanistic interpretability，通常简称为“mech interp”）的研究，该领域通过数学知识深入理解人工智能模型内部的运作机制。

常见的方法是将人工智能模型分解为计算层，并利用稀疏自编码器（sparse autoencoders）等工具提取模型在各层中内隐学习的特征与概念。去年，Nanda 和其他研究人员共同发布了 Gemma Scope，这是一组包含超过 400 个稀疏自编码器的集合。每个模型都是在 Google 的 Gemma 2 模型上训练的，以表示 Gemma 在文本片段中解释的独特概念。这个公开的数据集合可以在线演示，使研究人员能够以透视视角，深入了解 Gemma 模型的行为，揭示模型完全自主建立的关联。

Nanda 投身人工智能领域，源于他对通用人工智能（AGI）可能迅速到来的日益担忧——他认为若不能完全理解如何确保其安全性，AGI 便可能会带来重大风险。他认为，让更多人参与该领域至关重要，这样才能确保人们在构建 AGI 之前先理解其本质。为此，Nanda 撰写关于机械可解释性的科普文章，制作 YouTube 视频，并在机器学习对齐与理论学者项目（MATS Program）中担任导师。

Nanda 认为，这些推广活动有助于普及机械可解释性这一领域。“我看到教授们在 X（推特）上抱怨，太多博士申请者想研究机械解释性，”他说，“我为自己对他们有所帮助感到高兴。”

从生成图像到编写代码，他正在训练人工智能模型新的技能。

ChatGPT 能够流畅地处理文本、音频和图像，能够接受一种格式的提示并生成另一种格式的结果。这种流畅性很大程度上要归功于 Mark Chen，他今年 34 岁，目前担任 OpenAI 的首席研究官。

自 2018 年加入该公司以来，Chen 带领团队开创了许多领先人工智能模型用于处理和生成视觉数据的技术。值得一提的是，他弄清楚了如何调整 Transformer 架构（研究人员此前已成功将其用于生成自然语言）来图像处理。事实证明，构成图像的像素可以被编码为一系列 token，类似于句子中的单词。

“一旦你有了将图像视为特殊语言的表示方式，就可以在 Transformer 中使用它了。” Chen 表示。该团队首先将这一方法应用于 2020 年发布的 ImageGPT，随后又推出了 DALL·E 系列。目前，他们已将此技术部署到了 GPT-5 中。

除了在图像方面的工作，Chen 还主导了 OpenAI Codex 模型的开发，该模型能够根据提示生成计算机代码。尽管代码以文本形式编写，但生成代码的模型与其它语言模型有着不同的标准——因为生成的代码在执行时必须能够实现预期功能，而不仅仅是听起来正确。

现在，Chen 正领导 OpenAI 团队创建一个比早期版本更具复杂推理能力的模型。该公司的策略是让模型放慢速度，将提示分解为步骤，即所谓的“思维链”，OpenAI 在 2024 年发布其 o1 模型时首次展示了这一技术。Chen 的目标是尽快构建能够长期自主运行的模型，以生成更细致的输出，例如制定科学实验的研究计划。

在其新职位上，Chen 还负责产品安全。他认为，安全的人工智能模型应能按照用户意愿行事，且不会“失控”，例如在未经用户同意的情况下向他人发送邮件。他还需应对公司模型因表现出的文化和政治偏见而受到的批评，以及关于其训练数据中存在的知识产权侵权的诉讼问题。

他正在训练能够在你入睡后继续工作的人工智能。

今年 3 月，季逸超出现在一段迅速走红的发布视频中。这位 32 岁的年轻人用流利的英语介绍了由中国初创公司 Butterfly Effect（蝴蝶效应）开发的 AI Agent Manus。该 Agent 基于多种模型构建，包括 Anthropic 的 Claude。

“这不仅仅是一个聊天机器人或工作流程，”季逸超在视频中说道，“它是一个真正自主的 Agent，架起了从构思到执行的桥梁。”

随着人工智能 Agent 成为硅谷的最新热潮，Manus 的独特之处在于其真正自主性的承诺。大多数 Agent 需要持续监督，但 Manus 被设计为独立运行——能够自主完成任务、在过程中适应变化，甚至无需重启即可响应新指令。用户可以关闭笔记本电脑，但回来时工作便已完成。

发布一周内，Manus 就吸引了多达两百万申请用户。这种热潮迅速转化为资金：一轮 7500 万美元的融资使该公司估值达到约 5 亿美元。此次发布为中国的创业氛围注入了活力，并引起了人们对中国涌现出的人工智能应用的关注。

多年以来，季逸超致力于构建结合技术深度和实际应用的工具。作为长期开源贡献者和产品狂热者，他自高中起便开始发布软件——其中最有名的是 Mammoth，一款曾短暂成为中国同类应用中下载量最高的 iPhone 浏览器。20 多岁时，他获得红杉资本和真格基金的投资，创立 Peak Labs，并开发了基于定制语言模型驱动的知识搜索引擎 Magi。该引擎受前沿人工智能研究启发，构建知识图谱——一张展示知识互联关系的“思维导图”。

但季逸超的独特之处不仅在于其产品，更在于他所代表的群体：新一代中国科技人才，他们具备全球视野、深受开源文化影响，并且在技术架构与产品愿景方面均游刃有余。

目前定居新加坡的季逸超，是新一代打造世界级人工智能的创始人代表。Manus 本身也是全球流动性的产物——由中国团队开发，基于美国模型，为全球用户设计。

她帮助人工智能理解真实世界。

大型语言模型在处理文字方面表现出色，这在一定程度上得益于它们所处理的海量文本数据。然而，人工智能的前沿研究在于构建能够超越文本理解、感知周围世界——即具备视觉、听觉和复杂情境响应能力。这是一个巨大的飞跃，也是该领域面临的最大挑战之一。美国西北大学的 33 岁研究员李曼玲，正致力于推动这一前沿领域的发展。

李曼玲的研究专注于人工智能领域的核心挑战：将语言转化为现实世界中的行动。传统人工智能系统专注于单一类型的数据输入，如文本，而李曼玲开发的系统则整合了感知、推理和行动。她创建了一个框架，使人工智能可以从多媒体信息（如图像、音频、视频和文本）中拼凑出正在发生的事件。这种能够“感知”多种数据格式的能力对于构建在现实世界中做出更全面判断的人工智能至关重要。

李曼玲的工作不仅帮助人工智能系统识别周围环境中发生的事情，还帮助系统“理解”事情发生的原因以及它们之间的联系。除了识别视频中的物体或从句子中提取关键词，该系统还能跟踪事件发展、分析不同行为之间的关联，并解释事情发生的原因。随着人工智能系统越来越多地参与我们的日常生活中的重大决策，这种透明性变得越来越重要。

她的研究成果已不仅仅局限于实验室，包括美国国防高级研究计划局（DARPA）在内的政府机构已经采用了她的系统。通过开源工具，她还将这项先进的人工智能技术进行了更广泛的推广。此外，她还创建了新的基准，用于评估人工智能在现实世界环境中的表现，例如在物理环境中导航以及回答视频中正在发生的事情等复杂问题。

随着人工智能被嵌入到从智能助手到自动驾驶汽车的各个领域，李曼玲的研究确保了这些系统在变强大的同时，变得更加可靠、更加透明。

他是 OpenAI 的视频生成模型 Sora 的共同发明者。

2022 年 12 月，Tim Brooks 在加州大学伯克利分校完成人工智能博士研究时，他意识到，现在正是他在人工智能视频生成领域留下自己印迹的时机。就在一个月前，ChatGPT 的发布让生成式人工智能迎来了它的时刻。通过简单的提示，用户可以与聊天机器人进行流畅的对话——而一些这样的系统甚至还能生成高分辨率、逼真的图像。然而，人工智能对于视频的生成仍然无法真正实现。早期模型在模拟特定场景或赋予静态图像些许动态方面取得了一些进展，但高质量、通用的模型仍难以实现。

31 岁的 Brooks 加入 OpenAI 后，一场竞赛就此展开：他与在伯克利的同事 Bill Peebles 合作，着手开发一款能够生成长达一分钟高清视频片段的模型。他们的策略涉及一种创新的方法，可以将图像和视频分解成更小的信息片段，这使得他们能够在广泛的视觉数据上训练模型。他们还采用了与大多数聊天机器人底层架构相似的 Transfomer 架构，使其模型在扩展过程中能够不断优化。最终成果便是 Sora，一款突破性的人工智能视频生成器，于 2024 年 12 月公开发布。

与谷歌、Meta 等公司推出的类似产品一样，Sora 既引起了大家的惊叹，也引发了担忧。一些批评者担心这些模型将导致广告、电影等创意产业的就业岗位流失；而且，由于深度伪造技术（deepfakes）和虚假信息的传播，大多数 Sora 用户被禁止制作涉及真实人物的视频。此外，人们还担心这将导致更多“AI 垃圾内容”（AI slop）的产生，即大量低质量内容在网上泛滥。

但 Brooks 相信，这些工具将为数字创作者开辟新的可能性。作为 Google DeepMind 的研究科学，他的目标是构建一个更广泛的“世界模型”，以帮助人工智能更好地理解我们的物理环境，并更接近人类大脑的功能。

她利用数据存储来减少人工智能的幻觉。

生成式人工智能模型会犯错——它们可能会自信地陈述错误事实，或者将真实的片段拼凑成毫无意义的内容。即使用大量真实的数据对人工智能模型进行训练，这些所谓的“幻觉”也会发生。

对于 30 岁的 Akari Asai 来说，这是一个大问题，尤其是在事实至关重要的情况下，例如科学研究或软件开发。她认为，解决方案是停止专注于构建越来越大的模型，这些模型只是对提示做出回应并输出答案。“我们需要从单纯扩展单一语言模型转向开发增强型语言模型，”她解释道，这意味着模型能够与其他实体互动，并分析自身输出和行为。

Akari Asai 从事检索增强生成（RAG）技术的研究，该技术使语言模型在生成响应前先查阅存储的参考资料（即数据集）。查阅数据集可帮助模型识别即将生成虚假信息的情况，随后利用检索到的信息修正响应。

Self-RAG 是 Asai 与合作者于 2023 年提出的一个行为框架，在此基础上更进一步，让模型并行处理数据存储的不同部分以确定最相关的内容。Self-RAG 无法完全防止幻觉，但它试图限制幻觉，同时确保机器听起来不是在朗读百科全书。根据其团队的测试，基于 Meta Llama 训练的 Self-RAG 在回答简短问题时，比仅使用普通 RAG 的 Llama，准确率高出 10-25%，具体准确率取决于问题类型；与未采用 RAG 的 Llama 相比，提升幅度更为显著。

Asai 刚刚在华盛顿大学完成博士研究，将于 2026 年开始在卡耐基梅隆大学担任教授，她还在构建定制数据存储库，这可能比维基百科等通用数据库提供更好的事实核查结果。目前，她和同事已构建了科学文献数据集（含 4500 万篇论文）和编程数据集（含 2500 万份文档）。她还计划探索该方法用于处理敏感生物医学数据的应用可能性。

她致力于开发更安全且更具全球适用性的生成式人工智能。

英语仅被全球不到 20% 的人口使用，但有专家估计，用于构建大型语言模型训练数据的 90% 以上是英语。结果导致，这些人工智能模型在全球大约 7000 种非英语语言中的表现较差，强化了英语数据中所体现的文化规范和价值观，并造成了难以察觉的危害。

作为 Google Research 的高级研究科学家，32 岁的 Sunipa Dev 正试图通过使用更具包容性、多语言和多元文化的数据集来训练和评估人工智能，以改变这一现状。

自 2023 年起，Dev 及其团队发表了两篇关于 SeeGULL 的论文，这是一个多语言、多区域刻板印象数据集，是当时同类中规模最大的。他们采用合成数据与社区贡献数据相结合的方法，涵盖了 178 个英语国家以及 23 个地区的 20 种非英语语言的示例。

为确保生成式人工智能的输出结果与本地用户相关，她的团队与全球各地（包括中东地区）的个人数据标注员展开合作。在一些代表性不足的地区，如印度、拉丁美洲和撒哈拉以南非洲，他们与当地非营利组织、用户体验设计师等合作，以吸纳更多见解。

Google 目前已开始使用 SeeGULL 数据集来评估其大语言模型避免复现有害刻板印象的能力。该数据集也已公开发布，供更广泛的人工智能安全评估使用。鉴于 SeeGULL 的开源特性，Dev 与同行们希望通过这一工具，确保非西方社区的担忧能被纳入人工智能的安全测试中。

Dev 希望通过建立一个志同道合的人工智能从业者社区来扩大这一使命的影响力。她表示，其最终的愿景是，在未来五年内，全球主要语言的 90% 使用者能够获得连贯、相关、安全且最终有益的人工智能；并且有一天，这一比例将逐步覆盖所有人。“人工智能必须具备全球智能，” Dev 说，“而不仅仅是在某些特定情境下表现得很聪明。”

她开发了一个人工智能平台，旨在简化金融研究流程。

2020 年代初，当支持 ChatGPT 和其他聊天机器人的大型语言模型（LLMs）正在硅谷研发时，Maithra Raghu 已经开始展望更远的未来。作为 Google 的一名人工智能研究科学家，34 岁的 Raghu 看到了利用这些模型创建能够进行类人对话的平台的潜力。但她最兴奋的是这项技术让更多研究密集型任务实现自动化的可能性，例如支持金融领域的基础数据收集和分析工作。

然而，ChatGPT 和其他通用型大语言模型在处理专业化、实时信息方面表现不佳。因此，在金融界朋友的鼓励下，Raghu 决定自主研发模型：她的初创公司 Samaya AI 于 2022 年正式成立。

该公司首个由人工智能驱动的工具，功能与个人研究助理类似：它会搜索网络和用户内部数据，提供研究与分析结果，并且可输出多种格式，包括报告和演示文稿。目前该工具已经在包括摩根士丹利在内的多家金融机构投入使用。

与大多数依赖单一大语言模型的通用聊天机器人不同，Samaya 使用多个内部开发的专用小型模型。这些模型经过特殊训练，能够协同优化，从而提升其检索高质量信息、从中提取见解并将所有内容置于上下文中的能力。Raghu 表示，这种方法使工具能够更准确地处理海量数据，从而最大限度地降低“幻觉”（即提供虚假信息）的风险。

目前，Samaya 的技术主要被研究分析师使用：它能够在海量文档中精准定位单一数据点，分析比人类分析师能够处理的更多来源，或者跟踪实时信息。早期测试表明，这些模型也可能用于自动预测公司或更广泛的经济领域的业绩表现。

生物技术领域的创新者致力于开发新型避孕措施和生育治疗方案，同时在神经科学领域取得突破性进展。他们还倡导让前沿医疗技术惠及更多人。

他开发的人工卵巢技术已帮助一名女性成功怀孕。

2018 年 Christian Kramme 进入哈佛医学院实验室时的第一个研究项目可谓极具前瞻性：利用基因工程将皮肤细胞转化为人类卵子。但制造功能性人类卵子难度极高——至今无人成功。更令他担忧的是，实验室制造的卵子可能因争议过大而永远无法投入使用。

于是 29 岁的 Christian Kramme 转向研究卵泡中的其他细胞——这类细胞通过释放激素支持卵子成熟。这些细胞更易于培养，如今担任哈佛大学衍生公司 Gameto 首席科学官的他，正迅速推进这些细胞的新应用开发。

Gameto 的首个构想是帮助试管婴儿（IVF）患者。该公司正在测试一款产品，即将患者自身的卵子置于“人工卵巢”中进行成熟培育，实际上只是让卵子在水滴中与实验室培育的卵巢细胞接触，而这些细胞有助于协调卵子的发育。在实验室而非人体内使卵子完全成熟，意味着试管婴儿过程所需的激素注射次数减少，患者承受的压力也随之降低。

Kramme 已构思出下一个产品计划。今年，Gameto 从美国女性健康计划中获得 1000 万美元资助，旨在利用其实验室制造的卵巢细胞治疗更年期症状。其目标是制造一个含数千万细胞的生物相容性植入物。一旦将这个“人工卵巢”植入人体皮下，将在数年内持续分泌雌二醇和孕酮等激素，成为激素替代疗法的长效替代方案。

2024 年 12 月，秘鲁诞生了全球首例采用 Gameto 技术的试管婴儿。此后该公司获准在美国生育诊所开展大规模临床研究，该项目已于今夏启动。Kramme 表示：“见证一位女性首次接受我的疗法、成功怀孕并生下宝宝，这是我做过最酷的事。”

他的公司正在测试新的男性避孕方案。

男性与女性发生性行为时，预防怀孕的方式寥寥无几：使用避孕套或接受输精管结扎术。但避孕套的有效率仅约 87%，而输精管结扎术不建议用于未来可能想要孩子的男性。

32 岁的 Kevin Eisenfrats 自高中时便开始思考这个问题——当时他看了 MTV 一个名为《16 岁孕妇》（16 and Pregnant）的节目。他想，如果男性有更有效的避孕方式，或许会有更多人使用，从而减少意外怀孕的发生。

在弗吉尼亚大学读书期间，他师从已故教授 John Herr，该教授实验室部分研究方向正是探索新型避孕方案。2015 年，毕业前数月，Kevin Eisenfrats 创立了自己的公司 Contraline。其首款产品名为 ADAM，这是一种长效水凝胶，可注入输精管（精子从睾丸流向阴茎的通道）以阻止精子外泄。

目前，该产品已在澳大利亚进行了一项小型人体试验，以测试其安全性和有效性，并在三名男性身上证明其可在长达两年内有效阻断精子。Contraline 即将在澳大利亚开启一项规模更大的二期临床试验，主要验证该凝胶能否轻松移除，并且在移除后能否迅速恢复生育能力。

与此同时，Eisenfrats 正在拓展 Contraline 的产品线。一年前，其公司与专注生殖健康领域的非营利研究机构“人口委员会”（Population Council）签署独家授权协议，获得了开发并推广另一款男性避孕产品 NES/T 的权利。该产品为激素凝胶，男性每日涂抹于肩部即可显著降低精子产量，从而达到避孕效果。在人口委员会的领导以及美国国立卫生研究院的支持下，NES/T 已在数百名患者中进行了临床试验。Contraline 计划将于明年启动三期临床试验——这是申请 FDA 批准前的最后一步。

Eisenfrats 目前正从投资者手中筹集 6500 万美元资金，希望扩大其约 20 人的团队。若进展顺利，他预计两款产品均可在 2030 年前上市。

他曾接受脑部植入手术——如今成为患者权益倡导者。

Ian Burkhart 19 岁时在北卡罗来纳州海滩潜水时意外导致四肢瘫痪，手臂仅存部分活动能力，双手完全丧失功能，他的生活就此改变。他未曾料到，2014 年接受实验性脑机接口植入后，人生将再度翻转。

此后七年半时间里，Ian Burkhart 通过植入体——这套由 96 个电极组成的微型阵列能监测其运动皮层神经元活动——来操控手臂上的电子套筒。当他意念传递时，这种“神经旁路”会向肌肉发送电脉冲，促使手掌闭合。随着训练深入，他甚至能玩《吉他英雄》游戏。

Ian Burkhart 仅在实验室使用该设备，作为研究团队成员探索脑植入物如何恢复运动功能。然而当团队资金枯竭，且感染迫使医生移除接口时，他遭遇了又一次挫折。

但现年 34 岁的 Ian Burkhart 并未放弃——他转而成为脑植入患者的倡导者，并以独立研究者身份继续探索。作为 BCI Pioneers Coalition 创始人，他不仅担任美国食品药品监督管理局顾问，去年更以第二作者身份在《自然·生物工程学评论》发表了脑植入技术发展史的权威综述。

“我希望更多人能获得这项技术——这是我的个人愿望，”Ian Burkhart 表示，“用户发声至关重要。我强烈渴望尽可能地分享自身经历，让更多人受益于这项技术。”

他会再次接受植入吗？埃隆·马斯克的 Neuralink 公司正在测试新一代设备。Ian Burkhart 表示对此持开放态度。

她设计了全球最快全基因组测序背后的计算模型。

新生儿重症监护室中高达 50% 的婴儿死亡与遗传性疾病相关。在多数病例中，婴儿入院时医生和父母都未察觉该疾病。确诊过程可能长达七周，导致治疗延误。

普林斯顿大学电气与计算机工程系助理教授 Sneha Goenka 通过加速基因组分析的计算步骤，显著缩短了这一流程。得益于她的研究，医生现在能在不到八小时内完成患者基因组测序并诊断遗传疾病——这项突破有望彻底改变医疗护理模式。

Sneha Goenka 最初采用 Oxford Nanopore Technologies（牛津纳米孔技术公司）的长读长测序工具，该设备通过 48 个并行测序单元可在 90 分钟内提供原始基因数据。遗憾的是，现有软件系统难以处理如此海量数据，因此分析识别突变通常需额外耗时 21 小时。

Sneha Goenka 与斯坦福大学的同事们通过开发自动上传数据至云端服务器的方案解决了这一难题。该方案能在原始数据生成过程中同步进行分析，同时最大限度减少设备间的通信延迟。通过将生成的基因序列与参考基因组进行比对，系统可在 1.5 小时内自动识别突变。

该技术已应用于 26 名患者，其中多数在斯坦福儿童医院接受治疗。

如今 Sneha Goenka 正通过联合创立公司推动技术普及，旨在为全球医院提供快速测序技术与数据分析服务。与此同时，她希望通过正在进行的研究解决一个重大局限性：用于比对序列的参考基因组偏向于欧洲血统的人群。随着更多样化的基因组数据的可用性不断提高，将这些数据纳入她的筛选系统，将能够优先考虑在特定人群中更常见的突变，从而提高所有人的诊断准确性。

她研发的微型可降解起搏器有望减轻心脏手术后的恢复负担。

临时起搏器能在术后帮助心脏维持稳定节律，但存在显著缺陷。这类由心脏刺激电极和电源组成的装置体积笨重——植入时需将导线穿过静脉或胸壁。由于人体会在异物周围形成瘢痕组织，移除不再需要的导线时存在风险，可能导致心脏撕裂或引发感染。

32 岁的张亚敏发明了一种侵入性极低的新型起搏器。她在西北大学博士后研究期间开发的这款无线自供电装置可直接贴附于心脏，并在体内自然降解。

该装置兼具电刺激器与电池功能：其电极由钼、镁和/或锌等生物可吸收金属制成，通过心脏自身液体（作为电池电解质）传导电流。这枚芝麻粒大小的起搏器可通过贴附于患者胸部的光源实现开关控制。其体积小巧可经注射植入体内，尤其适合易受传统设备并发症影响的幼儿群体。

张亚敏博士的设计方案详载于 2025 年《自然》期刊论文，已在多种哺乳动物及器官捐献者的人类心脏上完成测试。下一步将开展人体临床试验。除重塑起搏器设计外，她在自供电电刺激领域的突破还可用于阻断疼痛、促进创面愈合及烧伤后组织再生。

她追踪 DNA 损伤以改进癌症治疗并拯救珊瑚。

我们无法确切预测闪电会击中何处。闪电的发生具有一定的随机性，其发生地点会因具体情况而异：比如田野里的一棵树可能容易成为雷击目标，但在高楼林立的城市里，同样的那棵树可能就相对安全一些。

34 岁的 Kim de Luca 指出，DNA 损伤具有相似特性。她长期研究 DNA 受损机制，探究特定区域是否更易受损及其成因。这些问题至关重要——人类基因组在生命历程中持续累积损伤，这些损伤可能引发癌症及神经退行性疾病等病症。

Kim de Luca 强调，仅知晓受影响基因远远不够。细胞结构存在差异：要全面掌握 DNA 损伤的发生位置与机制，必须观察数千个独立细胞中的具体情况。“我痴迷于细节，”Kim de Luca 坦言，“越微观越好。”

为此，Kim de Luca 团队通过基因工程改造人类细胞，使其携带可追踪的“损伤传感器”网络。具体方法是将分子标记附着于细胞产生的 DNA 修复蛋白上。

该标记由一系列人类 DNA 中不存在的碱基序列构成。当 Kim de Luca 团队需要检测 DNA 损伤时，可使用特定酶只在标记存在处切割 DNA。随后通过另一项检测统计被切断的 DNA 片段数量，从而深入观察基因组的特定区域。

该方法不仅能帮助科学家和肿瘤学家更深入理解人体细胞对现有癌症治疗的反应机制，还能推动更有效疗法的研发。

该技术同样适用于追踪 DNA 随时间的演变。Kim de Luca 正运用相同工具研究珊瑚。“某些珊瑚已存活数千年，”她指出，“其长寿机制至今未解。”其团队正通过解析珊瑚 DNA 突变机制，探究这些生物的进化历程及其应对未来气候变化的适应能力。

他正在改变科学家对血脑屏障的认知。

作为加州大学旧金山分校和格拉德斯通研究所的神经科学家，Andrew Yang 研究着滋养大脑的独特血管。与身体其他部位的血管相比，大脑血管内壁覆盖着更密集的细胞层。这些屏障被称为血脑屏障，因其能阻隔毒素、病原体及大多数分子进入大脑而得名。

但 Yang 的研究发现，血脑屏障的渗透性远超以往认知。他的工作证实，已有上百种蛋白质（且数量仍在增加）能进入健康小鼠大脑维持其功能。这些蛋白质通过与血管壁上的受体分子结合进入大脑。这一结合触发特定机制，最终使蛋白质穿过血管壁进入大脑。

34 岁的 Andrew Yang 不再将血脑屏障视为坚不可摧的边界，而是将其比作房屋：大脑固然有墙壁，但同样设有门窗以输送营养并排出废物。

如今，Yang 的实验室正致力于对这些蛋白质进行分类，以确定它们得以进入大脑的关键受体。这项工作为将药物直接送达大脑开辟了新的可能性，长期以来，这一目标一直难以实现，因为生物医学研究人员并不清楚如何让大多数分子穿过血脑屏障。基于 Yang 的研究成果，研究人员可以设计并合成与这些受体结合的抗体，使抗体能够穿过血脑屏障，并针对大脑中的特定部位和细胞类型（如癌细胞）进行靶向治疗。

Yang 研究大脑的个人动机来自于他希望找到治疗痴呆症的方法。他的父亲在 50 多岁时被诊断出患有这种疾病，之后他决定研究神经科学。“我可以用我的余生来研究脑老化和痴呆症，”Yang 说，“即便失败——假设我毫无建树——我仍会认为这是值得奉献的一生。”

计算需求正处于历史最高水平，这些创新者正以新型人工智能芯片和专用数据集迎接这一时刻，同时，他们还提出了评估先进系统安全性的智慧方案。

他开创了一项自动驾驶人工智能技术，以挑战特斯拉和 Waymo。

33 岁的 Alex Kendall 提出了一个全新的自动驾驶技术方案，该方案有望大幅促进自动驾驶技术的普及。他的方法是利用人工智能来教导汽车驾驶，从零基础开始，无需任何先前的知识或硬编码的规则。一旦完成训练，采用他所研发技术的汽车就能像人类一样在它们从未遇到过的道路上行驶。

“八年前创立公司时，自动驾驶行业完全是另一条路。” Alex Kendall 表示。他于 2017 年在英国剑桥联合创立初创公司 Wayve。当时的自动驾驶系统需要多个神经网络，需分别训练后再人工编码整合。环境感知、决策制定和车辆控制各自独立运行。这类系统高度依赖实时更新的高精度地图，且需对所有潜在行驶道路进行预训练。

Wayve 的方案则从零开始：直接采集由人类驾驶的车队中摄像头及其他车载传感器的原始数据，通过深度学习模型自主解析道路规则，并学会如何操控特定车辆。Alex Kendall 指出，由此 Wayve 能快速适配新车型、新环境及新硬件。

例如当 Alex Kendall 团队将测试范围从英国扩展至美国时，搭载 Wayve 技术的车辆仅需额外 500 小时训练，便能同样出色地适应对向车道行驶。

与特斯拉不同，Wayve 向其他汽车公司授权技术，并能适配不同硬件平台——无论是摄像头、激光雷达还是其他传感器组合。Alex Kendall 指出，由于采用通用化方案，其核心技术可拓展至智能工厂机器人控制、飞机及无人机操作等领域。

其他企业似乎已注意到这一趋势。Waymo 仍沿用传统技术路线，而特斯拉则在 2023 年转向类似 Wayve 的端到端学习模型。已获约 13 亿美元投资的 Wayve 宣布了首个商业合作：日产汽车将于 2027 年起在驾驶辅助系统中采用其技术。

他开发了一款人工智能芯片，与英伟达竞争。

23 岁的 Gavin Uberti 共同设计了一款名为 Sohu 的芯片，他表示，这款芯片在处理生成式人工智能应用（如 ChatGPT）中使用的一种计算类型时，能够达到英伟达顶级芯片 10 倍的吞吐量。这样的改进将帮助科技巨头推动改进大型语言模型的性能，并可能推动机器人技术、计算机视觉、分子生物学等领域的进步。

Uberti 的方法在概念上很简单。与英伟达销售的 H100 和其他领先的图形处理单元（GPU）不同，Sohu 无法处理多种不同的任务，相反，只能完成一项任务，但可以完成得极为出色。作为一款专用集成电路（ASIC），Sohu 的硬件专注于矩阵数学计算，这是 Transformer 人工智能架构的核心。

“早在 2022 年，我们就下了一个赌注，” Uberti 说，人工智能市场将围绕 Transformer 进行整合。“当时，这是一个冒险的赌注，”他补充说，因为 Transformer 与其他许多架构（如卷积神经网络和长短期记忆网络）竞争，每一种都有自己的应用类型。

在过去的两年里，Uberti 的预测逐步成为现实，因为 Transformer 已经超越了其他人工智能架构。现在他加倍下注，从哈佛大学退学，并共同创立了一家名为 Etched 的初创公司来生产这款芯片。如果人工智能行业不再使用 Transformer，Etched 将陷入困境。但如果他是对的，Etched 有可能成为——或者被收购为——世界上最大的企业之一。在 A 轮融资后，Etched 获得了 1.2 亿美元的资金，并与芯片巨头台积电合作，用他们的 4 纳米工艺生产芯片。现在，Uberti 专注于尽快进入市场并扩大规模。

在加密货币领域也有一个类似的故事可以作为佐证：比特币计算的早期阶段主要依靠的是通用型 GPU；而如今，已完全被经过专门优化、能耗极低的专用集成电路所取代。Uberti 认为，这一模式或许将在人工智能领域重演。

他开发了一种多色激光器，用于取代数据中心和人工智能系统中的铜线。

34 岁的 Maxim Karpov 开发了一种用于数据中心内部高带宽光纤通信的多色激光系统，以加速人工智能和其他应用。该独特的梳状激光器，或称“梳子”（combs），有潜力通过取代铜线来极大地提高服务器内部及服务器之间通信的速度。

据他所说，铜线已经成为数据中心的瓶颈问题，原因在于其带宽有限、传输距离短且功耗高。然而，作为铜线的主要竞争对手，最先进的光纤系统价格昂贵，组装复杂。为了达到最佳性能，它们需要多种不同颜色的激光器同步发射。

Maxim Karpov 的技术解决了这一问题。他的一个多彩“梳子”就可以取代 16 个单独颜色的激光器，并且有潜力扩展到 100 个以上。这不仅加快了数据传输速度，还提高了能效，同时有望降低制造和安装成本。

梳状激光器已经存在了几十年，其工作原理是将激光器安装在一个名为光学谐振器的部件上，激光器激发谐振器输出多种颜色。直到现在，梳状激光器”还存在体积大、价格高、需要定制化设计以及仅限于少数工业用途等问题。

Maxim Karpov 的突破在于创造了一种微型化的硅基谐振器，它可以在用于制造计算机芯片的同一光刻机上进行打印。“核心部件可以放在你的指甲上，”他说，“它只有几平方毫米大小。”

2021 年，他共同创立了一家名为 Enlightra 的初创公司，将这项技术推向市场。该公司已经在销售一种可以安装在服务器机架中的开发套件。未来几年，Karpov 计划大规模生产微型化、模块化的梳状激光器，它们可以直接集成到英伟达等公司销售的图形处理单元板中。

“行业将需要数千万个这样的产品——这是一个巨大的市场，”他说，“因此我们需要让它们尽可能小，尽可能节能，并尽可能降低成本。”

他致力于让机器人适应所有人的家居环境。

当前，机器人在生产线或仓库中重复执行单一任务方面表现相当出色。但若想让它们进入家庭协助工作，就必须让其具备在陌生环境中处理多样化任务的能力。

这无疑是一个巨大的技术挑战，主要原因在于缺乏足够的数据来训练机器人应对家庭环境中杂乱无章、不断变化的场景。毕竟人们很少会发布自己洗碗或整理凌乱衣物抽屉的视频。

27 岁的 Nur Muhammad "Mahi" Shafiullah 在纽约大学攻读博士期间，就始终关注着这一数据鸿沟问题。

当时他所在的团队提出了一种智能可扩展的数据采集方案，来记录人们完成家务的动作数据，并将其整理为可用于训练人工智能模型以及机器人的数据集。具体方法包括：将 iPhone 固定在抓取杆上，拍摄人们打开橱柜门或抽屉、拿取餐巾纸或纸袋、整理散落物品的视频。该数据集已被英伟达、微软、Google 等企业采用。

Nur Muhammad "Mahi" Shafiullah 还参与了一个跨机构合作项目，共同构建了包含 527 种不同机器人技能的数据集，涵盖图像、视频、动作及文本指令，以帮助机器执行从未接触过的操作，例如在厨房移动玩具蔬果、展开皱褶毛巾、整理鞋和杯子等。“该数据集为机器人实现更通用的行为奠定了基础，比如抓取任意手持物体，或在未见过的家庭环境中重新布置物品，” Nur Muhammad "Mahi" Shafiullah 解释道。

如今作为 Meta 基础人工智能研究团队（FAIR）的博士后研究员，他专注于探索利用增强现实智能眼镜和头戴设备等新型硬件采集视频来训练机器人。此外，Nur Muhammad "Mahi" Shafiullah 还致力于开发让机器人自主执行任务更长时间的方法，为实现机器人在家庭环境中无需监督的可靠运作铺路。他承认这是个复杂且艰巨的课题——但充满趣味。

她正在开创将人类体验融入技术设计的新途径。

在马里兰大学攻读计算机科学博士学位时，Elissa Redmiles 便注意到，数字安全领域的研究存在一个关键空白：很少有学者真正思考过不同的身份或生活经历将如何影响个人对安全保障的看法。尽管不少研究探讨了人类能力或行为如何影响技术设计，但她指出，这些研究大多基于一种家长式的假设，即人们根本不了解安全风险，因此专家需要为他们提供教育或做出决策。

30 岁的 Redmiles 开始研究后，却反复听到不同的声音：人们，包括那些生活不稳定的人，其实都明白，但有时不得不在数字安全与他们认为的更大威胁之间做出权衡。例如，欧洲的性工作者告诉她，他们无法使用加密应用程序，因为客户不愿意。

如今，作为乔治城大学计算机科学系的助理教授，Redmiles 正在此研究的基础上进行拓展，开创了将用户参与融入计算机科学与安全领域的新方法。她结合社会科学、经济学和计算方法，使开发人员能够根据不同的使用场景，优先考虑影响安全决策的不同因素。

在疫情期间，她开展了研究，以更好地了解人们对新冠肺炎接触者追踪应用程序的看法，并根据研究结果为美国七个州和其他国家采用此类应用程序提供了有实证支持的指导。

最近，Redmiles 致力于打击基于图像的性虐待。她是 SafeDigitalIntimacy.org 的创始人之一，这是一个为政府和科技公司的政策制定者提供数据和工具的研究集体，旨在遏制私密图像的非自愿传播。她还共同撰写了《IBSA 原则》（IBSA Principles），为政府和平台从一开始就打击基于图像的性虐待提供指导方针。该计划于去年由时任总统 Joe Biden 宣布，并由包括微软和 Facebook 在内的 10 家主要科技平台共同签署。

Redmiles 希望，所有这些工作最终将改变技术的开发方式：让技术专长与个人的实际生活体验相平衡，从而更好地检测生成式人工智能的不安全输出，确定应用程序中的隐私保护措施，或决定部署哪些工具来保护数字交互的私密性。

她为可穿戴和康复设备创建了一个统一的人体运动模型。

尽管机器人拥有比肌肉更耐用的电机，以及比神经元速度更快的电路系统，但人类在行走方面仍更胜一筹，特别是在新环境中。我们如此擅长这些活动的原因仍是个谜，部分原因是用于理解人类运动的计算机模型被分成了单独的组件，用于反馈控制和学习，以及能源效率。

34 岁的 Nidhi Seethapathi 通过创建一个统一的模型来解决这个谜题，该模型可以准确预测我们如何在日常生活中移动、学习新任务和在新环境中活动。

Seethapathi 说，一个人如何优先考虑下一步行动，“这个问题有两个主要观点，一个是尽量减少运动的代谢能量消耗，另一个是以稳定、安全且无误差的方式行动。”

Seethapathi 的目标是弄清楚这些有时相互制约的条件是如何相互作用以保持人类行为稳定的。她将从现实世界的自然运动中获得的数据集与在跑步机上运动者的视频分析相结合（这些运动者既包括无阻碍运动的，也包括偶尔使用弹性绳拉的），并收集了传感器的测量数据。然后，她分析了我们在跑步行走时或在不同地面上调整步态时，我们的身体消耗了多少能量。

最终结果是创建了一个新的人体运动计算机模型，Seethapathi 希望这项成果可以推动外骨骼装备、用于中风康复的分带式跑步机和假肢等设备的发展。另外，它还可以激发针对特定运动或医疗条件的新型运动方式。

她正在研究人工智能武器系统的安全性。

人工智能系统总是会出错。如果你用它来写电子邮件，这可能没什么关系。但如果是在收集军事目标的情报或部署武器方面，风险要高得多。

除了易出错，大型语言模型还存在另一个大问题：它们容易受到攻击，这可能会让对手操纵系统，并影响军事决策。

尽管存在这些众所周知的问题，全球军队仍在不断推进人工智能的应用——这一令人不安的事实，促使 Heidy Khlaaf 展开了相关工作。

34 岁的 Khlaaf 曾在核电站和自动驾驶汽车领域从事传统的安全工程工作，后加入 OpenAI，在这里她开发了一种评估 Codex（ChatGPT 的前身）安全性的方法，分析和预测可能发生的风险类型以及如何避免这些风险。目前，该方法已被全球范围内的人工智能实验室所采用。

Khlaaf 目前担任 AI Now Institute 的首席人工智能科学家，专注于评估人工智能在自主武器系统中的安全性。她研究过的每一种武器都低于为常规武器或作战行动设定的风险阈值。例如，虽然国防系统的可靠性预计在 90% 到 99% 之间，但美国试验过的一些人工智能驱动的目标识别程序的准确率低至 25%。

基于此，Khlaaf 最近发表了一篇论文，分析了部署在加沙的人工智能系统是如何导致平民死亡人数上升的。更广泛地说，她现在呼吁军方停止使用所有商业人工智能模型，因为它们的准确率和可靠性较低，并且对国家安全构成威胁。

她说：“不幸的是，现在做这些防御评估的人其实是在进行自我评估，我希望通过自己的工作，以公开的方式将这些风险呈现出来，让人们对此有更多的了解。”

她对影响人们日常生活的公共部门算法展开研究。

几年前，Soizic Pénicaud 还在为法国政府工作，记录哪些机构正在部署算法以及出于何种目的，并创建资源来帮助居民了解政府是如何使用人工智能的。现在，她呼吁人们关注这项技术可能被滥用的问题。

31 岁的 Pénicaud 对一些算法免于公众评估感到沮丧，包括她认为威胁最大的算法，如被警察和福利管理机构使用的算法。她说：“我觉得即使我们在努力提高透明度，但依然没有解决危害问题。”

她于 2021 年离开政府部门，成为了一名独立研究员和人工智能政策专家。2023 年，她与非营利新闻机构 Lighthouse Reports 合作，调查法国社会保障局运行的算法，以评估福利受助人实施欺诈的可能性。通过获取和检查三个相关模型的源代码，Pénicaud 及其合作者表明，该系统对单亲父母和残疾人是不公平的。他们的发现引发了 15 个非政府组织对该机构的诉讼。

她的最新项目是建立一个公共数据库，用于记录法国政府所采用的算法。该项目于去年 11 月启动，详细介绍了 72 个相关项目，包括一个根据网络评价标记需进行卫生检查的餐馆的系统，一个医院用于确定心脏移植患者优先顺序的系统，以及由福利和执法机构部署的若干系统。她还了解到至少还有 50 个此类项目。

如今，Pénicaud 的工作也已不再局限于法国范围之内——她与总部位于西班牙的非营利联盟合作，还参与了一个由 15 个政府代表组成的非正式小组的活动，该小组定期举行会议以探讨人工智能治理问题。

Pénicaud 确实看到了人工智能在政府工作中的作用——更有效地分配资源（如能源），或改进城市规划——但她认为，证明这些系统按预期工作是公职人员的责任，而且他们需要保证在这个过程中人工智能不会对公众产生伤害。

新型材料具有广泛的科学应用潜力，以下创新者的研究结果可能用于手机屏幕制造，也可能用于月球研究。

他使用色素分子让小鼠变得透明可观察。

X 射线、超声和其他形式的医学成像技术可以帮助我们在不开刀的情况下观察到人体内部，但 32 岁的 Zihao Ou 却采取了一种更为激进的方法：让皮肤、肌肉和结缔组织变得透明，从而使科学家能够看到小鼠体内的器官。

在早期初期，作为生物物理学家的 Ou 对电磁波（如可见光和紫外线）与人体内的纳米颗粒和分子之间的相互作用颇感兴趣。

当光波照射到表面时，会产生散射效应。光波会从一杯汽水的气泡中反射，使水呈现乳白色、不透明的外观。同样，光波照射到人体内的脂质、蛋白质和脂肪上，也会使其变得不透明。

Ou 意识到，或许可以减少这种散射效应。如果引入一种能够吸收特定波长的光的分子，那么光就可以在不向其他方向偏转的情况下沿直线传播。

随着理论的建立，Ou 和同事们便开始寻找这样的分子。这种分子必须有效，仅需少量便能实现强大的光吸收（类似于形成一个强大的颜色），而且它也必须是安全的。

Ou 向一家生产食品色素和调味剂的公司发了一封电子邮件，希望对方提供一些样品，以便在鸡胸肉上进行测试。其中一种常用于薯片、谷物食品和软饮料中的黄色色素的样品，效果显著：它能够吸收光线，减少散射。使用后的几分钟内，它似乎让鸡胸肉变得透明了。研究团队将斯坦福大学的校徽（该研究在此进行）置于鸡胸肉下方，看着它逐渐变得清晰可见。

接下来是活体小鼠。Ou 和同事们将含有这种色素的乳膏涂抹在小鼠的腹部上，他说，小鼠的内脏器官在“几分钟内”就开始变得清晰可见。“你可以看到肠道、肝脏，有时还能看到膀胱。”他补充道。

Ou 的下一个挑战是找到一种让人类皮肤（其厚度远超小鼠皮肤）变得透明的方法。为此，他需要找到能够吸收更多光的分子。Ou 及其同事也在探索改进医学成像的方法。“我们真的希望在未来五到十年内，能够将这项技术用到患者身上。”他说。

他研发的健康感知织物可用于智能瑜伽垫或太空服。

去任何一家医院或康复中心，你都会看到病人身上连接着各种笨重的医疗可穿戴设备，比如心率监测仪、体温计和电极片，这些设备把数据传输到附近的机器上。遗憾的是，一般这些设备佩戴起来很不舒适，而且对家庭使用来说价格高昂。

31 岁的 Irmandy Wicaksono 发明了原型织物，能够测量压力点、呼吸和心率，并实时识别人类活动。重要的是，他设计的这些织物可以使用工业针织机进行生产，且足够耐用，适合日常使用。它们还能经受洗涤，甚至可能承受作为太空服的一部分考验。

Wicaksono 的织物之所以独特，是因为传感器、导体和通信通道被直接编进了织物的纱线中。由于该织物是用热塑性塑料（在生产过程中加热尼龙纱线以创造出复杂的轮廓和形状）模塑而成，所以可以根据舒适度和时尚风格进行定制。

在一个项目中，Wicaksono 设计了一款衬衫，能够感知跑步者的心率、呼吸模式和身体动作，并输出数据，实时显示其皮肤温度的热图。在另一个项目中，他制作了一只鞋子，用于分析足球运动员调整步态和平衡的时间。此外，他还展示了一只袜子和一个瑜伽垫，能够以大约 99% 的准确度推断出穿戴者的姿态和动作。

他近期的工作成果是一款太空服，通过将其感知织物与气动袖套相结合，能够根据需要自动施加压力，以减轻长期太空飞行带来的心血管方面的风险。

他希望这类原型产品，以及添加到家具和地毯中的智能织物，最终能够在无需侵入性检查或难以安排预约的情况下，用于在家中监测患者的医疗和康复状况。一旦织物监测到异常数据或记录了一次锻炼，医生或护士可以随时收到警报。

他发明了 3D 打印工艺，以加快小规模增材制造的速度，并助力核聚变的发展。

34 岁的 Xiaoxing Xia 改进了 3D 打印工艺，极大地加速了量子计算机组件和其他先进电子产品的制造，并实现了核聚变燃料舱的大规模生产。

传统的 3D 打印机是通过逐层铺设薄膜材料（通常是塑料）来制造物体的，而 Xia 使用的是双光子聚合打印机。这种技术已经存在了几十年，其工作原理是将光线射入一种树脂材料中，该材料仅在光线照射处发生反应，从而从内部形成微小尺寸的硬化物体。

该技术的打印分辨率可达到约 100 纳米，即一根头发直径的千分之一。Xia 说：“它可以创造出具有独特属性的精美结构。”比如用于量子计算机的部件，或者全新的材料。但由于这个过程速度缓慢，双光子聚合打印技术在实验室外的应用范围有限。“这就像一支非常细的笔，”他说，“要填满一个较大的空间极其困难。”

为了解决这个问题，Xia 参与开发了一个元透镜阵列——一个能够使双光子打印机同时瞄准多达 10 万个焦点的小型过滤器。他表示，“这意味着打印速度提高了 1000 倍。”而且，Xia 现在可以打印出直径达一英寸的物体，而不再是掉到地上都难以找到的微小尺寸。

他的工作还可能有助于我们向实现核聚变能源的梦想迈进一步。迄今为止，惯性聚变中使用的小型中空燃料舱可能需要几个月的时间来制造和加载反应所需的氘和氚（DT）原子。这是一个问题，因为一个全尺寸的反应堆每天可能会消耗 50 万个或更多的太空舱。Xia 和他的团队现在可以在一天内以低成本打印并填装太空舱。

“这是目前为止使用双光子打印技术的最佳方式。” Xia 说。

他建立了一个人工智能模型来生成新的材料。

从青铜时代到如今以硅为动力的智能手机，几乎每一次技术的巨大飞跃都离不开材料领域的突破。但要找到适合特定应用的材料并非易事。32 岁的谢天表示，传统的筛选方法必须从数百万的选项中，筛选出少数可供测试的材料，这就像“大海捞针”。

作为微软研究院科学智能中心（Microsoft research AI for Science）的首席研发经理，他提出了这样一个疑问：与其在已知材料的数据库中进行筛选，科学家们为什么不直接告诉人工智能模型他们的需求，然后让模型去找到或者创造出完美的候选材料呢？

他开发的 MatterGen 正试图做到这一点。该模型基于超过 60 万种稳定的材料以及从两个大型数据库中提取的相关量子化学信息进行训练。科学家们可以通过 MatterGen 指定他们所需的化学、机械、电子或磁性属性。就像将视觉噪声转换为相干图像的图像生成器一样，MatterGen 是一个从随机原子结构开始的扩散模型，通过调整原子类型、位置和晶格模式，逐步优化“原子单元”（材料中最小的重复单元），最后生成符合所需标准的稳定材料配方。

由于其庞大的训练样本库以及能够识别某些材料在特定方面“优良”特质的能力，MatterGen 在设计具有极端特性的材料（如高磁密度或超硬度）方面表现尤为出色。但现在面临着一个关键挑战。谢天和他的团队需要跳出数字化的范畴，证明他们能够在实验室中真正制造出 MatterGen 创造的材料，并且所得到的材料能够达到预期效果。许多其他负责设计新材料的人工智能模型虽然提出了许多假设性的可能，但却难以产生有用的结果。

初步测试结果令人鼓舞。MatterGen 提出的一种材料在抗压性方面与模型预测值的偏差仅为 20% 左右，谢天表示，这个误差范围被认为是实验验证中的良好结果。目前，该团队正与合作伙伴一起，在实际环境中对 MatterGen 的更多产品进行合成和测试。

谢天认为，这个开源项目能够极大地促进材料研发，比如为电动汽车开发更好的电池，或为可持续能源存储制造燃料电池。研究人员或许不再需要寻找下一个突破点，而是能够按需进行材料设计。

她的生物发光壁纸可以帮助保证宇航员的安全。

人类最快将于 2027 年重返月球，届时宇航员面临的最大危险之一就是辐射。由于月球上没有磁场保护层，也没有类似地球的大气层，因此月球表面主要来自太阳和深空的平均辐射量大约是地球的 200 倍。这样高的辐射量可能会增加患癌风险，对于可能的长期居住来说也是一个问题。

正常情况下，宇航员在墙壁厚度至少为 50 厘米的月球基地内是相对安全的，但在周期性的太阳风暴期间，辐射会激增。如果月球基地的结构被一种名为微陨石的微小颗粒损坏，辐射也会渗入。这种微陨石会不断撞击月球表面。

22 岁的 Victoria de León 开发了一种材料，可以在危险来临时发出警告，让宇航员有时间转移到掩体或附近的飞船上。她设计的壁纸可以装饰月球居住舱的内壁，当辐射水平升高时会发光，从而发出撤离信号。墙纸的部分材料可以来自月球土壤。不过，它真正神奇的成分是从昆虫的外骨骼中提取的粉末。

Victoria de León 最初选择昆虫做实验，是因为未来它们可能会在月球上繁殖，甚至有可能成为一种食物来源，而且她猜想从昆虫身上提取的材料可以使她的壁纸更加柔韧。但有一天在实验室里，她把从蟋蟀身上提取的粉末放在紫外灯下，令她惊讶的是，粉末发光了。她说：“那是一个神奇的时刻。我本以为需要另一种材料来作为辐射传感器，但我发现这个材料本身就可以发挥作用。”

Victoria de León 的发明原型是用月球土壤的复制品制作的，将于 2026 年被送往国际空间站，在那里进行为期 6 个月的高辐射环境测试。她希望自己的设计能够帮助人类实现在月球上的长期居住。

她在发光二极管方面的创新有望带来新一代的显示技术。

34 岁的赵保丹克服了诸多障碍，探索了新型半导体材料“钙钛矿”的发光二极管（LED）应用并实现突破。她的工作有望带来更明亮、色彩更纯正、价格更低的屏幕——同时还能提高能量利用效率。

“钙钛矿具有出色的发光特性，比如色彩可调性和色彩纯度，”她说道，“它还可以通过溶液进行加工，用于柔性电子设备。”而且由于钙钛矿原材料的成本比传统半导体更低，如转化为产品将具有成本优势。

最早的钙钛矿发光二极管于 2014 年由剑桥大学报道，当时的器件亮度低、寿命短且效率低。

赵保丹的首次突破之一是在剑桥大学攻读博士期间，通过在准二维钙钛矿中引入高分子聚合物，将钙钛矿 LED 的效率从当时的 10% 左右提高到 20%。这一成果作为封面论文发表在《自然·光子学》上。接下来，在回到祖国中国、加入浙江大学后，她和团队人员解决了钙钛矿 LED 领域的 “最大挑战”：在国际上率先实现了超长寿命的钙钛矿 LED。为此，他们在钙钛矿晶界处引入了一种分子稳定剂，阻止离子在电场下的移动以防止钙钛矿 LED 的性能退化。

2024 年，赵保丹与团队实现了钙钛矿半导体的可控 p/n 型掺杂，基于这种技术的绿光钙钛矿 LED 峰值亮度达到了 116 万尼特的新纪录。相比之下，大多数笔记本电脑屏幕的最高亮度约为 1000 尼特。

赵保丹目前正在着手研究钙钛矿 LED 的微型化、阵列化和集成化，同时不影响其效率，而这正是目前的显示技术所难以实现的。在今年 3 月发表的《自然》论文中，她和团队人员制造的钙钛矿 LED 的最小像素尺寸，只有过去世界上最小 LED 的五分之一。

配资知识论坛网