每年，《麻省理工科技評論》都會評選出 35 位 35 歲以下的青年研究者、科學家和企業家，他們因其在各自領域的開創性工作而入選“35 歲以下科技創新 35 人”名單。

今年的創新者們正在推動科技的前沿發展，并積極探尋其研究成果的實際應用。在這 35 位入選者中，有人開發了新型醫療方法，有人對政策制定產生了重要影響，有人發明了新的計算器件，還有一些人在領導著公司。

這些科學家和企業家憑借其早期的卓越成就以及運用自身專業技能和知識解決重大問題的能力，從全球數百位候選人中脫穎而出。

*以下排名不分先后

氣候與能源領域的創新者發明了能夠實現脫碳的先進技術，應用領域涵蓋航運、時尚等多個行業。他們還在探索利用可持續能源的新方法，并為捕獲二氧化碳開發出巧妙的新用途。

他利用地下巖石，以更環保的方式生產化學品。

化學品的生產往往伴隨著巨大的耗能——生產燃料和化肥等產品的反應往往需要極高的溫度和壓力，這意味著需要燃燒化石燃料，而化石燃料的燃燒會產生碳污染，加劇氣候變化。

32 歲的 Iwnetim Abate 正致力于通過探索地球深處來改變這一現狀：他在麻省理工學院的實驗室希望利用地下熱能和壓力生產氨（一種常見化學品）。對此，他聯合創立了一家名為 Addis Energy 的公司，以推動該研究成果的商業化。

氨是化肥的關鍵成分，目前人們正考慮將其作為綠色燃料，類似氫氣，應用于長途航運等領域。然而，生產氨的過程是高污染的，其二氧化碳排放量占全球的 1% 至 2%。

越來越多的研究人員和公司正在尋找地下天然存在的氫氣。而 Abate 提出了一個新的想法：利用地球表面以下富含鐵的巖石，通過加入水和催化劑來產生氫。隨后，他轉向氨的生產，因為氨更容易運輸。

Addis Energy 目前正在尋找一個試驗場地，以測試其氨的生產工藝。與此同時，Abate 的實驗室將繼續研究這些反應背后的化學原理。

Abate 擁有電化學背景，他還領導著鈉離子電池的研究工作，其中大部分研究集中在材料開發，希望借助這種材料，在保持電池穩定性的同時，將更多能量儲存在電池單元中。

Abate 表示，他與 Addis Energy 的合作可能改變采礦業的模式。這不僅意味著從地下開采有價值的元素和關鍵礦物，還可能利用地下資源生產有用的化學品。

她通過使用電力而非化石燃料來生產常見的化學品。

制造洗發水瓶、地板和織物等產品所需的化學原料可能對氣候造成巨大影響。目前，化工行業的二氧化碳排放量約占全球排放總量的 5%。

31 歲的 Sarah Lamaison 是總部位于巴黎的初創公司 Dioxycle 的聯合創始人兼首席執行官，這家公司正在探索一種利用電力生產化學品的新方法，該生產過程將產生更少的溫室氣體。

這項技術的關鍵在于電解槽，這是一個利用電力觸發化學反應的裝置。在 Dioxycle 的案例中，它可以將一氧化碳和二氧化碳轉化為乙烯，后者可用于塑料包裝、紡織品及下一代燃料。

通常，乙烯生產相當耗能，需要在爐中將烴類物質和蒸汽加熱到極高溫度。Lamaison 表示，Dioxycle 的方法可以通過用廉價、清潔的電力替代來自化石燃料的熱能，使成本與傳統乙烯生產相當，甚至更低。

然而，實現這一目標仍需更多創新。目前，該公司的電費成本占其產品預期最終成本的一半以上，因此進一步降低生產過程中的能源消耗是首要任務。而電解槽可以按需進行調整，特別是對低價能源的利用，比如在太陽能豐富的地區或者陽光充足的下午都能進行使用。

Lamaison 與聯合創始人于 2021 年離開斯坦福大學創立了 Dioxycle。最初幾年，團隊專注于開發電解槽并實現規模化生產，從最初僅郵票大小的設備，發展到了如今體積約一輛汽車大小的商業化版本。目前，團隊正與合作伙伴共同開展一項示范項目，預計在未來兩年內完成，這將需要建造更多商業規模的設備。

盡管公司在研究進展和規模化方面已取得顯著成就，但 Lamaison 對未來挑戰仍保持著現實主義的態度：“這將是一段艱難的旅程，但我們必須堅持下去。”

他致力于為工業領域提供更清潔的碳和氫。

Ga?l Gobaille-Shaw，34 歲，在攻讀博士學位期間，他厭倦了自己像個高級實驗室機器人的感覺。相反，他希望自己的創造力能對現實世界的氣候問題提供解決方案。一天晚上，他夢到了一種特殊的膜，可以利用電荷從空氣中提取二氧化碳（以碳酸根離子的形式存在）。他說：“這是我第一次做科學夢，而且在化學上是講得通的。”

Gobaille-Shaw 很快將這個夢境變為現實。他創立了自己的第一家公司 Mission Zero，該公司研發的直接空氣捕獲（direct air capture，DAC）設備，可以吸取大氣中的二氧化碳并將其轉化為綠色碳。此后，他創立了第二家公司，并構思了第三家。每一家公司都基于他的愿景，即空氣、水和可再生能源可以構建一個超越化石燃料的世界。

與許多需要燃燒化石燃料才能釋放捕獲碳的 DAC 系統不同，Mission Zero 采用電化學技術。其設備吸入空氣，用堿性溶液吸附二氧化碳，然后通過酸性溶液和基于膜的電滲析過程釋放純二氧化碳氣體。這一系統無需熱能，僅需電力和水即可運行。該設備結構緊湊且模塊化，可實現大規模生產并幾乎能在任何地方部署。在比爾·蓋茨、埃隆·馬斯克和英國政府的支持下，其中一個工廠每年已能夠捕獲 50 噸二氧化碳用于噴氣燃料；另一個工廠每年將為建筑材料提供 250 噸二氧化碳。

Gobaille-Shaw 的第二家公司 Supercritical 專注于氫能。雖然通過電解水制取的氫在理論上是清潔燃料，但傳統電解技術產生的氫以低壓形式存在，必須經過壓縮——這一過程能耗高，且存在爆炸風險。Supercritical 的高溫、高壓堿性電解槽可在分解水之前先對其進行壓縮。因此，產生的氫已處于加壓狀態。Gobaille-Shaw 表示，這一過程的能源效率接近 100%。鑒于世界上大部分糧食供應都依賴于以氫為基礎的氨肥，因此這一結果尤其令人期待。

他正在開發人工智能模型，以更輕松地預測天氣和氣候變化。

傳統氣候模型主要通過運行基于大氣、海洋、森林和冰蓋物理定律的復雜數學方程，來預測地球對溫室氣體水平上升的響應。不過，這些模型通常需要大型計算機來運行。另外，我們對這些過程的有限理解和不完整的模擬能力對模型也有一定的限制。

基于這些氣候模擬結果訓練的人工智能模型，可以幫助研究人員以更快的速度和更少的計算資源提供類似的預測。此外，通過向人工智能模型輸入廣泛可用的天氣數據，他們正在構建擅長短期和局部預測的系統，同時降低對地球物理過程的全面理解的依賴。

31 歲的 Aditya Grover 是加州大學洛杉磯分校的計算機科學助理教授。他利用這些技術開發了 ClimaX，該模型發布于 2023 年，能夠預測世界各地的天氣事件及氣候變化，預測時間跨度從幾天到幾十年不等。

Grover 表示，這是首個用于天氣和氣候的基礎模型，在人工智能領域這意味著它可被用于多種應用。

Grover 及其同事與微軟的研究人員利用海量數據集對該工具進行訓練，包括在多種情景下運行的氣候模擬，以及衛星和雷達對天氣模式的觀測數據。他的研究團隊還對 ClimaX 進行持續優化，近期發布了 Stormer 和 SeasonCast 兩個模型，可以減少預測未來事件時可能出現的誤差。

與其他人工智能基礎模型類似，ClimaX 可以使用特定數據進行微調，以掌握特定問題的專業知識。由于該工具開源，任何人都可使用或調整它來探索自己的研究問題。

例如，多家非營利組織已對該模型進行調整，以提升作物產量預測、自然災害損失評估以及森林砍伐預測的準確性。

Grover 也在持續優化該技術，特別是生成更高分辨率的區域性結果，比如他長大的國家——印度，該國正面臨著氣候變化帶來的一些極具破壞性的后果。

她的初創公司開發了一種全新的紡織品制造方法——直接從空氣中提取原料。

作為女性服裝品牌 Bebe 背后的家族成員，Neeka Mashouf 從小就感受到了時尚的魅力，同時也意識到了時尚產業對環境的影響。時尚產業不僅是除農業外用水量最大的行業，還是砍伐森林的主要因素之一，其溫室氣體排放量占全球總排放量的 8%。

現年 28 歲的 Mashouf，找到了幫助時尚行業改善環保情況的方法。她位于加利福尼亞州的初創公司 Rubi Laboratories 開發了一種直接從大氣中提取二氧化碳來制造紡織品的工藝。Mashouf 表示，這個概念聽起來可能有些天馬行空，但實際上是在模仿植物的自然行為。

受舊金山灣區的巨型紅木樹的啟發，她和雙胞胎姐姐 Leila 共同創立了公司 Rubi。和其他樹木一樣，紅木通過吸收二氧化碳，利用酶將其轉化為纖維素，這是樹葉和枝干的主要成分。一些半合成纖維，如人造絲（Rayon）和萊賽爾（Lyocell），就是用木漿中提取的纖維素為原料制成。Rubi 的目標是無需砍伐任何樹木即可復制這些材料。

實現這一目標需要對酶進行大量調試，酶是加速化學反應的蛋白質。通過結合天然存在的酶和在實驗室中利用人工智能合成的酶，Mashouf 及其團隊開發了一種高產、節能的二氧化碳轉化為纖維素紡織品的制造工藝，他們表示該工藝最終將在工業規模上具有成本效益。目前，Rubi 已為沃爾瑪、H&M 和 Patagonia 等時尚品牌生產了試驗性面料，其中一些面料是用從工業過程中捕獲的二氧化碳制成。

據 Mashouf 介紹，采用 Rubi 材料制成的服裝最早可能于 2026 年初進入市場。目前尚不清楚這類產品與傳統面料制成的商品在成本競爭力方面如何。不過，Mashouf 認為 Rubi 的概念未來有望為建筑材料、包裝及食品等多個領域帶來更環保的制造方式。

他正在開發從船只中捕獲二氧化碳，并將其封存于海洋的應用系統。

跨洋運輸貨物是氣候變化的主要原因之一，每年產生的溫室氣體排放量約占全球總排放量的 3%。由于電池目前仍無法驅動大型船只航行數千公里，因此航運業也是最難實現清潔化的領域之一。

30 歲的 Pierre Forin 最初在法國能源巨頭道達爾能源（Total Energies）的研究部門從事相關研究。2021 年他轉至加州理工學院，與該校及南加州大學的兩位教授合作，開發實驗室規模的反應器，以測試和優化一套捕獲并儲存船只二氧化碳污排放的系統。

次年，三人籌集了 350 萬美元共同創立了 Calcarea 公司，這家孵化于加州理工學院的公司以一種海洋海綿命名，寓意其技術具備吸收二氧化碳排放的能力。

該公司的技術將船只產生的廢氣導入海水中，形成碳酸。隨后，這種混合物流經石灰石床層，生成碳酸氫根離子，這是模擬了海洋中已存在的鎖住碳的化學過程。

任公司首席技術官的 Forin 表示，處理后的水可在航行過程中安全地排放到海洋中。這避免了壓縮和儲存二氧化碳所需的大量能耗和成本，而其他捕獲和封存溫室氣體的方法則依賴于此。

此外，該公司還在探索利用相同技術捕獲并處理陸地工廠（如沿海水泥廠）排放的二氧化碳的可能性。

Calcarea 計劃于明年在商用船只上安裝首個試點裝置，并希望在 2027 或 2028 年開始銷售其技術。這與聯合國國際海事組織計劃實施航運業排放限制并設定碳價的時間大致相同。

該公司的系統無法捕獲船只產生的全部氣體排放。雖然目前尚不清楚航運業的各類清潔方案中，哪一種將獲得長期且最大的支持，但 Calcarea 開發的產品，其市場化時機恰逢行業監管開始推動變革之際，這將幫助航運公司在大洋間穿梭時逐步減少污染。

人工智能（AI）領域的創新者，不僅有在硅谷大型科技公司中主導模型開發的人員，還有開發新方法以提升 AI 性能的學術研究人員。

他致力于打開人工智能模型的“黑箱”，以理解其為何會完成特定輸出。

人工智能模型在做出決策時，我們往往不能完全理解其背后的原因。因此，人工智能模型常被視為“黑箱”——數據輸入后，輸出的是文本、圖像或視頻等內容。

但如果研究人員無法理解模型為何會做出特定行為，當模型生成錯誤或無用信息時，就難以對其進行修正。這就是 26 歲的 Neel Nanda 所專注的研究領域。

“我認為我的工作是：開展研究，以確保我們開發出相當于人類水平的人工智能時，對世界是安全且有益的?！?/p>

Nanda 領導著 Google DeepMind 的一個團隊，專注于人工智能安全的子領域——機制可解釋性（mechanistic interpretability，通常簡稱為“mech interp”）的研究，該領域通過數學知識深入理解人工智能模型內部的運作機制。

常見的方法是將人工智能模型分解為計算層，并利用稀疏自編碼器（sparse autoencoders）等工具提取模型在各層中內隱學習的特征與概念。去年，Nanda 和其他研究人員共同發布了 Gemma Scope，這是一組包含超過 400 個稀疏自編碼器的集合。每個模型都是在 Google 的 Gemma 2 模型上訓練的，以表示 Gemma 在文本片段中解釋的獨特概念。這個公開的數據集合可以在線演示，使研究人員能夠以透視視角，深入了解 Gemma 模型的行為，揭示模型完全自主建立的關聯。

Nanda 投身人工智能領域，源于他對通用人工智能（AGI）可能迅速到來的日益擔憂——他認為若不能完全理解如何確保其安全性，AGI 便可能會帶來重大風險。他認為，讓更多人參與該領域至關重要，這樣才能確保人們在構建 AGI 之前先理解其本質。為此，Nanda 撰寫關于機械可解釋性的科普文章，制作 YouTube 視頻，并在機器學習對齊與理論學者項目（MATS Program）中擔任導師。

Nanda 認為，這些推廣活動有助于普及機械可解釋性這一領域?！拔铱吹浇淌趥冊?X（推特）上抱怨，太多博士申請者想研究機械解釋性，”他說，“我為自己對他們有所幫助感到高興。”

從生成圖像到編寫代碼，他正在訓練人工智能模型新的技能。

ChatGPT 能夠流暢地處理文本、音頻和圖像，能夠接受一種格式的提示并生成另一種格式的結果。這種流暢性很大程度上要歸功于 Mark Chen，他今年 34 歲，目前擔任 OpenAI 的首席研究官。

自 2018 年加入該公司以來，Chen 帶領團隊開創了許多領先人工智能模型用于處理和生成視覺數據的技術。值得一提的是，他弄清楚了如何調整 Transformer 架構（研究人員此前已成功將其用于生成自然語言）來圖像處理。事實證明，構成圖像的像素可以被編碼為一系列 token，類似于句子中的單詞。

“一旦你有了將圖像視為特殊語言的表示方式，就可以在 Transformer 中使用它了。” Chen 表示。該團隊首先將這一方法應用于 2020 年發布的 ImageGPT，隨后又推出了 DALL·E 系列。目前，他們已將此技術部署到了 GPT-5 中。

除了在圖像方面的工作，Chen 還主導了 OpenAI Codex 模型的開發，該模型能夠根據提示生成計算機代碼。盡管代碼以文本形式編寫，但生成代碼的模型與其它語言模型有著不同的標準——因為生成的代碼在執行時必須能夠實現預期功能，而不僅僅是聽起來正確。

現在，Chen 正領導 OpenAI 團隊創建一個比早期版本更具復雜推理能力的模型。該公司的策略是讓模型放慢速度，將提示分解為步驟，即所謂的“思維鏈”，OpenAI 在 2024 年發布其 o1 模型時首次展示了這一技術。Chen 的目標是盡快構建能夠長期自主運行的模型，以生成更細致的輸出，例如制定科學實驗的研究計劃。

在其新職位上，Chen 還負責產品安全。他認為，安全的人工智能模型應能按照用戶意愿行事，且不會“失控”，例如在未經用戶同意的情況下向他人發送郵件。他還需應對公司模型因表現出的文化和政治偏見而受到的批評，以及關于其訓練數據中存在的知識產權侵權的訴訟問題。

他正在訓練能夠在你入睡后繼續工作的人工智能。

今年 3 月，季逸超出現在一段迅速走紅的發布視頻中。這位 32 歲的年輕人用流利的英語介紹了由中國初創公司 Butterfly Effect（蝴蝶效應）開發的 AI Agent Manus。該 Agent 基于多種模型構建，包括 Anthropic 的 Claude。

“這不僅僅是一個聊天機器人或工作流程，”季逸超在視頻中說道，“它是一個真正自主的 Agent，架起了從構思到執行的橋梁?！?/p>

隨著人工智能 Agent 成為硅谷的最新熱潮，Manus 的獨特之處在于其真正自主性的承諾。大多數 Agent 需要持續監督，但 Manus 被設計為獨立運行——能夠自主完成任務、在過程中適應變化，甚至無需重啟即可響應新指令。用戶可以關閉筆記本電腦，但回來時工作便已完成。

發布一周內，Manus 就吸引了多達兩百萬申請用戶。這種熱潮迅速轉化為資金：一輪 7500 萬美元的融資使該公司估值達到約 5 億美元。此次發布為中國的創業氛圍注入了活力，并引起了人們對中國涌現出的人工智能應用的關注。

多年以來，季逸超致力于構建結合技術深度和實際應用的工具。作為長期開源貢獻者和產品狂熱者，他自高中起便開始發布軟件——其中最有名的是 Mammoth，一款曾短暫成為中國同類應用中下載量最高的 iPhone 瀏覽器。20 多歲時，他獲得紅杉資本和真格基金的投資，創立 Peak Labs，并開發了基于定制語言模型驅動的知識搜索引擎 Magi。該引擎受前沿人工智能研究啟發，構建知識圖譜——一張展示知識互聯關系的“思維導圖”。

但季逸超的獨特之處不僅在于其產品，更在于他所代表的群體：新一代中國科技人才，他們具備全球視野、深受開源文化影響，并且在技術架構與產品愿景方面均游刃有余。

目前定居新加坡的季逸超，是新一代打造世界級人工智能的創始人代表。Manus 本身也是全球流動性的產物——由中國團隊開發，基于美國模型，為全球用戶設計。

她幫助人工智能理解真實世界。

大型語言模型在處理文字方面表現出色，這在一定程度上得益于它們所處理的海量文本數據。然而，人工智能的前沿研究在于構建能夠超越文本理解、感知周圍世界——即具備視覺、聽覺和復雜情境響應能力。這是一個巨大的飛躍，也是該領域面臨的最大挑戰之一。美國西北大學的 33 歲研究員李曼玲，正致力于推動這一前沿領域的發展。

李曼玲的研究專注于人工智能領域的核心挑戰：將語言轉化為現實世界中的行動。傳統人工智能系統專注于單一類型的數據輸入，如文本，而李曼玲開發的系統則整合了感知、推理和行動。她創建了一個框架，使人工智能可以從多媒體信息（如圖像、音頻、視頻和文本）中拼湊出正在發生的事件。這種能夠“感知”多種數據格式的能力對于構建在現實世界中做出更全面判斷的人工智能至關重要。

李曼玲的工作不僅幫助人工智能系統識別周圍環境中發生的事情，還幫助系統“理解”事情發生的原因以及它們之間的聯系。除了識別視頻中的物體或從句子中提取關鍵詞，該系統還能跟蹤事件發展、分析不同行為之間的關聯，并解釋事情發生的原因。隨著人工智能系統越來越多地參與我們的日常生活中的重大決策，這種透明性變得越來越重要。

她的研究成果已不僅僅局限于實驗室，包括美國國防高級研究計劃局（DARPA）在內的政府機構已經采用了她的系統。通過開源工具，她還將這項先進的人工智能技術進行了更廣泛的推廣。此外，她還創建了新的基準，用于評估人工智能在現實世界環境中的表現，例如在物理環境中導航以及回答視頻中正在發生的事情等復雜問題。

隨著人工智能被嵌入到從智能助手到自動駕駛汽車的各個領域，李曼玲的研究確保了這些系統在變強大的同時，變得更加可靠、更加透明。

他是 OpenAI 的視頻生成模型 Sora 的共同發明者。

2022 年 12 月，Tim Brooks 在加州大學伯克利分校完成人工智能博士研究時，他意識到，現在正是他在人工智能視頻生成領域留下自己印跡的時機。就在一個月前，ChatGPT 的發布讓生成式人工智能迎來了它的時刻。通過簡單的提示，用戶可以與聊天機器人進行流暢的對話——而一些這樣的系統甚至還能生成高分辨率、逼真的圖像。然而，人工智能對于視頻的生成仍然無法真正實現。早期模型在模擬特定場景或賦予靜態圖像些許動態方面取得了一些進展，但高質量、通用的模型仍難以實現。

31 歲的 Brooks 加入 OpenAI 后，一場競賽就此展開：他與在伯克利的同事 Bill Peebles 合作，著手開發一款能夠生成長達一分鐘高清視頻片段的模型。他們的策略涉及一種創新的方法，可以將圖像和視頻分解成更小的信息片段，這使得他們能夠在廣泛的視覺數據上訓練模型。他們還采用了與大多數聊天機器人底層架構相似的 Transfomer 架構，使其模型在擴展過程中能夠不斷優化。最終成果便是 Sora，一款突破性的人工智能視頻生成器，于 2024 年 12 月公開發布。

與谷歌、meta 等公司推出的類似產品一樣，Sora 既引起了大家的驚嘆，也引發了擔憂。一些批評者擔心這些模型將導致廣告、電影等創意產業的就業崗位流失；而且，由于深度偽造技術（deepfakes）和虛假信息的傳播，大多數 Sora 用戶被禁止制作涉及真實人物的視頻。此外，人們還擔心這將導致更多“AI 垃圾內容”（AI slop）的產生，即大量低質量內容在網上泛濫。

但 Brooks 相信，這些工具將為數字創作者開辟新的可能性。作為 Google DeepMind 的研究科學，他的目標是構建一個更廣泛的“世界模型”，以幫助人工智能更好地理解我們的物理環境，并更接近人類大腦的功能。

她利用數據存儲來減少人工智能的幻覺。

生成式人工智能模型會犯錯——它們可能會自信地陳述錯誤事實，或者將真實的片段拼湊成毫無意義的內容。即使用大量真實的數據對人工智能模型進行訓練，這些所謂的“幻覺”也會發生。

對于 30 歲的 Akari Asai 來說，這是一個大問題，尤其是在事實至關重要的情況下，例如科學研究或軟件開發。她認為，解決方案是停止專注于構建越來越大的模型，這些模型只是對提示做出回應并輸出答案。“我們需要從單純擴展單一語言模型轉向開發增強型語言模型，”她解釋道，這意味著模型能夠與其他實體互動，并分析自身輸出和行為。

Akari Asai 從事檢索增強生成（RAG）技術的研究，該技術使語言模型在生成響應前先查閱存儲的參考資料（即數據集）。查閱數據集可幫助模型識別即將生成虛假信息的情況，隨后利用檢索到的信息修正響應。

Self-RAG 是 Asai 與合作者于 2023 年提出的一個行為框架，在此基礎上更進一步，讓模型并行處理數據存儲的不同部分以確定最相關的內容。Self-RAG 無法完全防止幻覺，但它試圖限制幻覺，同時確保機器聽起來不是在朗讀百科全書。根據其團隊的測試，基于 meta Llama 訓練的 Self-RAG 在回答簡短問題時，比僅使用普通 RAG 的 Llama，準確率高出 10-25%，具體準確率取決于問題類型；與未采用 RAG 的 Llama 相比，提升幅度更為顯著。

Asai 剛剛在華盛頓大學完成博士研究，將于 2026 年開始在卡耐基梅隆大學擔任教授，她還在構建定制數據存儲庫，這可能比維基百科等通用數據庫提供更好的事實核查結果。目前，她和同事已構建了科學文獻數據集（含 4500 萬篇論文）和編程數據集（含 2500 萬份文檔）。她還計劃探索該方法用于處理敏感生物醫學數據的應用可能性。

她致力于開發更安全且更具全球適用性的生成式人工智能。

英語僅被全球不到 20% 的人口使用，但有專家估計，用于構建大型語言模型訓練數據的 90% 以上是英語。結果導致，這些人工智能模型在全球大約 7000 種非英語語言中的表現較差，強化了英語數據中所體現的文化規范和價值觀，并造成了難以察覺的危害。

作為 Google Research 的高級研究科學家，32 歲的 Sunipa Dev 正試圖通過使用更具包容性、多語言和多元文化的數據集來訓練和評估人工智能，以改變這一現狀。

自 2023 年起，Dev 及其團隊發表了兩篇關于 SeeGULL 的論文，這是一個多語言、多區域刻板印象數據集，是當時同類中規模最大的。他們采用合成數據與社區貢獻數據相結合的方法，涵蓋了 178 個英語國家以及 23 個地區的 20 種非英語語言的示例。

為確保生成式人工智能的輸出結果與本地用戶相關，她的團隊與全球各地（包括中東地區）的個人數據標注員展開合作。在一些代表性不足的地區，如印度、拉丁美洲和撒哈拉以南非洲，他們與當地非營利組織、用戶體驗設計師等合作，以吸納更多見解。

Google 目前已開始使用 SeeGULL 數據集來評估其大語言模型避免復現有害刻板印象的能力。該數據集也已公開發布，供更廣泛的人工智能安全評估使用。鑒于 SeeGULL 的開源特性，Dev 與同行們希望通過這一工具，確保非西方社區的擔憂能被納入人工智能的安全測試中。

Dev 希望通過建立一個志同道合的人工智能從業者社區來擴大這一使命的影響力。她表示，其最終的愿景是，在未來五年內，全球主要語言的 90% 使用者能夠獲得連貫、相關、安全且最終有益的人工智能；并且有一天，這一比例將逐步覆蓋所有人?！叭斯ぶ悄鼙仨毦邆淙蛑悄?，” Dev 說，“而不僅僅是在某些特定情境下表現得很聰明?！?/p>

她開發了一個人工智能平臺，旨在簡化金融研究流程。

2020 年代初，當支持 ChatGPT 和其他聊天機器人的大型語言模型（LLMs）正在硅谷研發時，Maithra Raghu 已經開始展望更遠的未來。作為 Google 的一名人工智能研究科學家，34 歲的 Raghu 看到了利用這些模型創建能夠進行類人對話的平臺的潛力。但她最興奮的是這項技術讓更多研究密集型任務實現自動化的可能性，例如支持金融領域的基礎數據收集和分析工作。

然而，ChatGPT 和其他通用型大語言模型在處理專業化、實時信息方面表現不佳。因此，在金融界朋友的鼓勵下，Raghu 決定自主研發模型：她的初創公司 Samaya AI 于 2022 年正式成立。

該公司首個由人工智能驅動的工具，功能與個人研究助理類似：它會搜索網絡和用戶內部數據，提供研究與分析結果，并且可輸出多種格式，包括報告和演示文稿。目前該工具已經在包括摩根士丹利在內的多家金融機構投入使用。

與大多數依賴單一大語言模型的通用聊天機器人不同，Samaya 使用多個內部開發的專用小型模型。這些模型經過特殊訓練，能夠協同優化，從而提升其檢索高質量信息、從中提取見解并將所有內容置于上下文中的能力。Raghu 表示，這種方法使工具能夠更準確地處理海量數據，從而最大限度地降低“幻覺”（即提供虛假信息）的風險。

目前，Samaya 的技術主要被研究分析師使用：它能夠在海量文檔中精準定位單一數據點，分析比人類分析師能夠處理的更多來源，或者跟蹤實時信息。早期測試表明，這些模型也可能用于自動預測公司或更廣泛的經濟領域的業績表現。

生物技術領域的創新者致力于開發新型避孕措施和生育治療方案，同時在神經科學領域取得突破性進展。他們還倡導讓前沿醫療技術惠及更多人。

他開發的人工卵巢技術已幫助一名女性成功懷孕。

2018 年 Christian Kramme 進入哈佛醫學院實驗室時的第一個研究項目可謂極具前瞻性：利用基因工程將皮膚細胞轉化為人類卵子。但制造功能性人類卵子難度極高——至今無人成功。更令他擔憂的是，實驗室制造的卵子可能因爭議過大而永遠無法投入使用。

于是 29 歲的 Christian Kramme 轉向研究卵泡中的其他細胞——這類細胞通過釋放激素支持卵子成熟。這些細胞更易于培養，如今擔任哈佛大學衍生公司 Gameto 首席科學官的他，正迅速推進這些細胞的新應用開發。

Gameto 的首個構想是幫助試管嬰兒（IVF）患者。該公司正在測試一款產品，即將患者自身的卵子置于“人工卵巢”中進行成熟培育，實際上只是讓卵子在水滴中與實驗室培育的卵巢細胞接觸，而這些細胞有助于協調卵子的發育。在實驗室而非人體內使卵子完全成熟，意味著試管嬰兒過程所需的激素注射次數減少，患者承受的壓力也隨之降低。

Kramme 已構思出下一個產品計劃。今年，Gameto 從美國女性健康計劃中獲得 1000 萬美元資助，旨在利用其實驗室制造的卵巢細胞治療更年期癥狀。其目標是制造一個含數千萬細胞的生物相容性植入物。一旦將這個“人工卵巢”植入人體皮下，將在數年內持續分泌雌二醇和孕酮等激素，成為激素替代療法的長效替代方案。

2024 年 12 月，秘魯誕生了全球首例采用 Gameto 技術的試管嬰兒。此后該公司獲準在美國生育診所開展大規模臨床研究，該項目已于今夏啟動。Kramme 表示：“見證一位女性首次接受我的療法、成功懷孕并生下寶寶，這是我做過最酷的事。”

他的公司正在測試新的男性避孕方案。

男性與女性發生性行為時，預防懷孕的方式寥寥無幾：使用避孕套或接受輸精管結扎術。但避孕套的有效率僅約 87%，而輸精管結扎術不建議用于未來可能想要孩子的男性。

32 歲的 Kevin Eisenfrats 自高中時便開始思考這個問題——當時他看了 MTV 一個名為《16 歲孕婦》（16 and Pregnant）的節目。他想，如果男性有更有效的避孕方式，或許會有更多人使用，從而減少意外懷孕的發生。

在弗吉尼亞大學讀書期間，他師從已故教授 John Herr，該教授實驗室部分研究方向正是探索新型避孕方案。2015 年，畢業前數月，Kevin Eisenfrats 創立了自己的公司 Contraline。其首款產品名為 ADAM，這是一種長效水凝膠，可注入輸精管（精子從睪丸流向陰莖的通道）以阻止精子外泄。

目前，該產品已在澳大利亞進行了一項小型人體試驗，以測試其安全性和有效性，并在三名男性身上證明其可在長達兩年內有效阻斷精子。Contraline 即將在澳大利亞開啟一項規模更大的二期臨床試驗，主要驗證該凝膠能否輕松移除，并且在移除后能否迅速恢復生育能力。

與此同時，Eisenfrats 正在拓展 Contraline 的產品線。一年前，其公司與專注生殖健康領域的非營利研究機構“人口委員會”（Population Council）簽署獨家授權協議，獲得了開發并推廣另一款男性避孕產品 NES/T 的權利。該產品為激素凝膠，男性每日涂抹于肩部即可顯著降低精子產量，從而達到避孕效果。在人口委員會的領導以及美國國立衛生研究院的支持下，NES/T 已在數百名患者中進行了臨床試驗。Contraline 計劃將于明年啟動三期臨床試驗——這是申請 FDA 批準前的最后一步。

Eisenfrats 目前正從投資者手中籌集 6500 萬美元資金，希望擴大其約 20 人的團隊。若進展順利，他預計兩款產品均可在 2030 年前上市。

他曾接受腦部植入手術——如今成為患者權益倡導者。

Ian Burkhart 19 歲時在北卡羅來納州海灘潛水時意外導致四肢癱瘓，手臂僅存部分活動能力，雙手完全喪失功能，他的生活就此改變。他未曾料到，2014 年接受實驗性腦機接口植入后，人生將再度翻轉。

此后七年半時間里，Ian Burkhart 通過植入體——這套由 96 個電極組成的微型陣列能監測其運動皮層神經元活動——來操控手臂上的電子套筒。當他意念傳遞時，這種“神經旁路”會向肌肉發送電脈沖，促使手掌閉合。隨著訓練深入，他甚至能玩《吉他英雄》游戲。

Ian Burkhart 僅在實驗室使用該設備，作為研究團隊成員探索腦植入物如何恢復運動功能。然而當團隊資金枯竭，且感染迫使醫生移除接口時，他遭遇了又一次挫折。

但現年 34 歲的 Ian Burkhart 并未放棄——他轉而成為腦植入患者的倡導者，并以獨立研究者身份繼續探索。作為 BCI Pioneers Coalition 創始人，他不僅擔任美國食品藥品監督管理局顧問，去年更以第二作者身份在《自然·生物工程學評論》發表了腦植入技術發展史的權威綜述。

“我希望更多人能獲得這項技術——這是我的個人愿望，”Ian Burkhart 表示，“用戶發聲至關重要。我強烈渴望盡可能地分享自身經歷，讓更多人受益于這項技術?！?/p>

他會再次接受植入嗎？埃隆·馬斯克的 Neuralink 公司正在測試新一代設備。Ian Burkhart 表示對此持開放態度。

她設計了全球最快全基因組測序背后的計算模型。

新生兒重癥監護室中高達 50% 的嬰兒死亡與遺傳性疾病相關。在多數病例中，嬰兒入院時醫生和父母都未察覺該疾病。確診過程可能長達七周，導致治療延誤。

普林斯頓大學電氣與計算機工程系助理教授 Sneha Goenka 通過加速基因組分析的計算步驟，顯著縮短了這一流程。得益于她的研究，醫生現在能在不到八小時內完成患者基因組測序并診斷遺傳疾病——這項突破有望徹底改變醫療護理模式。

Sneha Goenka 最初采用 Oxford Nanopore Technologies（牛津納米孔技術公司）的長讀長測序工具，該設備通過 48 個并行測序單元可在 90 分鐘內提供原始基因數據。遺憾的是，現有軟件系統難以處理如此海量數據，因此分析識別突變通常需額外耗時 21 小時。

Sneha Goenka 與斯坦福大學的同事們通過開發自動上傳數據至云端服務器的方案解決了這一難題。該方案能在原始數據生成過程中同步進行分析，同時最大限度減少設備間的通信延遲。通過將生成的基因序列與參考基因組進行比對，系統可在 1.5 小時內自動識別突變。

該技術已應用于 26 名患者，其中多數在斯坦福兒童醫院接受治療。

如今 Sneha Goenka 正通過聯合創立公司推動技術普及，旨在為全球醫院提供快速測序技術與數據分析服務。與此同時，她希望通過正在進行的研究解決一個重大局限性：用于比對序列的參考基因組偏向于歐洲血統的人群。隨著更多樣化的基因組數據的可用性不斷提高，將這些數據納入她的篩選系統，將能夠優先考慮在特定人群中更常見的突變，從而提高所有人的診斷準確性。

她研發的微型可降解起搏器有望減輕心臟手術后的恢復負擔。

臨時起搏器能在術后幫助心臟維持穩定節律，但存在顯著缺陷。這類由心臟刺激電極和電源組成的裝置體積笨重——植入時需將導線穿過靜脈或胸壁。由于人體會在異物周圍形成瘢痕組織，移除不再需要的導線時存在風險，可能導致心臟撕裂或引發感染。

32 歲的張亞敏發明了一種侵入性極低的新型起搏器。她在西北大學博士后研究期間開發的這款無線自供電裝置可直接貼附于心臟，并在體內自然降解。

該裝置兼具電刺激器與電池功能：其電極由鉬、鎂和/或鋅等生物可吸收金屬制成，通過心臟自身液體（作為電池電解質）傳導電流。這枚芝麻粒大小的起搏器可通過貼附于患者胸部的光源實現開關控制。其體積小巧可經注射植入體內，尤其適合易受傳統設備并發癥影響的幼兒群體。

張亞敏博士的設計方案詳載于 2025 年《自然》期刊論文，已在多種哺乳動物及器官捐獻者的人類心臟上完成測試。下一步將開展人體臨床試驗。除重塑起搏器設計外，她在自供電電刺激領域的突破還可用于阻斷疼痛、促進創面愈合及燒傷后組織再生。

她追蹤 DNA 損傷以改進癌癥治療并拯救珊瑚。

我們無法確切預測閃電會擊中何處。閃電的發生具有一定的隨機性，其發生地點會因具體情況而異：比如田野里的一棵樹可能容易成為雷擊目標，但在高樓林立的城市里，同樣的那棵樹可能就相對安全一些。

34 歲 的 Kim de Luca 指出，DNA 損傷具有相似特性。她長期研究 DNA 受損機制，探究特定區域是否更易受損及其成因。這些問題至關重要——人類基因組在生命歷程中持續累積損傷，這些損傷可能引發癌癥及神經退行性疾病等病癥。

Kim de Luca 強調，僅知曉受影響基因遠遠不夠。細胞結構存在差異：要全面掌握 DNA 損傷的發生位置與機制，必須觀察數千個獨立細胞中的具體情況?！拔野V迷于細節，”Kim de Luca 坦言，“越微觀越好?！?/p>

為此，Kim de Luca 團隊通過基因工程改造人類細胞，使其攜帶可追蹤的“損傷傳感器”網絡。具體方法是將分子標記附著于細胞產生的 DNA 修復蛋白上。

該標記由一系列人類 DNA 中不存在的堿基序列構成。當 Kim de Luca 團隊需要檢測 DNA 損傷時，可使用特定酶只在標記存在處切割 DNA。隨后通過另一項檢測統計被切斷的 DNA 片段數量，從而深入觀察基因組的特定區域。

該方法不僅能幫助科學家和腫瘤學家更深入理解人體細胞對現有癌癥治療的反應機制，還能推動更有效療法的研發。

該技術同樣適用于追蹤 DNA 隨時間的演變。Kim de Luca 正運用相同工具研究珊瑚?！澳承┥汉饕汛婊顢登辏彼赋觯捌溟L壽機制至今未解。”其團隊正通過解析珊瑚 DNA 突變機制，探究這些生物的進化歷程及其應對未來氣候變化的適應能力。

他正在改變科學家對血腦屏障的認知。

作為加州大學舊金山分校和格拉德斯通研究所的神經科學家，Andrew Yang 研究著滋養大腦的獨特血管。與身體其他部位的血管相比，大腦血管內壁覆蓋著更密集的細胞層。這些屏障被稱為血腦屏障，因其能阻隔毒素、病原體及大多數分子進入大腦而得名。

但 Yang 的研究發現，血腦屏障的滲透性遠超以往認知。他的工作證實，已有上百種蛋白質（且數量仍在增加）能進入健康小鼠大腦維持其功能。這些蛋白質通過與血管壁上的受體分子結合進入大腦。這一結合觸發特定機制，最終使蛋白質穿過血管壁進入大腦。

34 歲的 Andrew Yang 不再將血腦屏障視為堅不可摧的邊界，而是將其比作房屋：大腦固然有墻壁，但同樣設有門窗以輸送營養并排出廢物。

如今，Yang 的實驗室正致力于對這些蛋白質進行分類，以確定它們得以進入大腦的關鍵受體。這項工作為將藥物直接送達大腦開辟了新的可能性，長期以來，這一目標一直難以實現，因為生物醫學研究人員并不清楚如何讓大多數分子穿過血腦屏障?；?Yang 的研究成果，研究人員可以設計并合成與這些受體結合的抗體，使抗體能夠穿過血腦屏障，并針對大腦中的特定部位和細胞類型（如癌細胞）進行靶向治療。

Yang 研究大腦的個人動機來自于他希望找到治療癡呆癥的方法。他的父親在 50 多歲時被診斷出患有這種疾病，之后他決定研究神經科學。“我可以用我的余生來研究腦老化和癡呆癥，”Yang 說，“即便失敗——假設我毫無建樹——我仍會認為這是值得奉獻的一生?！?/p>

計算需求正處于歷史最高水平，這些創新者正以新型人工智能芯片和專用數據集迎接這一時刻，同時，他們還提出了評估先進系統安全性的智慧方案。

他開創了一項自動駕駛人工智能技術，以挑戰特斯拉和 Waymo。

33 歲的 Alex Kendall 提出了一個全新的自動駕駛技術方案，該方案有望大幅促進自動駕駛技術的普及。他的方法是利用人工智能來教導汽車駕駛，從零基礎開始，無需任何先前的知識或硬編碼的規則。一旦完成訓練，采用他所研發技術的汽車就能像人類一樣在它們從未遇到過的道路上行駛。

“八年前創立公司時，自動駕駛行業完全是另一條路。” Alex Kendall 表示。他于 2017 年在英國劍橋聯合創立初創公司 Wayve。當時的自動駕駛系統需要多個神經網絡，需分別訓練后再人工編碼整合。環境感知、決策制定和車輛控制各自獨立運行。這類系統高度依賴實時更新的高精度地圖，且需對所有潛在行駛道路進行預訓練。

Wayve 的方案則從零開始：直接采集由人類駕駛的車隊中攝像頭及其他車載傳感器的原始數據，通過深度學習模型自主解析道路規則，并學會如何操控特定車輛。Alex Kendall 指出，由此 Wayve 能快速適配新車型、新環境及新硬件。

例如當 Alex Kendall 團隊將測試范圍從英國擴展至美國時，搭載 Wayve 技術的車輛僅需額外 500 小時訓練，便能同樣出色地適應對向車道行駛。

與特斯拉不同，Wayve 向其他汽車公司授權技術，并能適配不同硬件平臺——無論是攝像頭、激光雷達還是其他傳感器組合。Alex Kendall 指出，由于采用通用化方案，其核心技術可拓展至智能工廠機器人控制、飛機及無人機操作等領域。

其他企業似乎已注意到這一趨勢。Waymo 仍沿用傳統技術路線，而特斯拉則在 2023 年轉向類似 Wayve 的端到端學習模型。已獲約 13 億美元投資的 Wayve 宣布了首個商業合作：日產汽車將于 2027 年起在駕駛輔助系統中采用其技術。

他開發了一款人工智能芯片，與英偉達競爭。

23 歲的 Gavin Uberti 共同設計了一款名為 Sohu 的芯片，他表示，這款芯片在處理生成式人工智能應用（如 ChatGPT）中使用的一種計算類型時，能夠達到英偉達頂級芯片 10 倍的吞吐量。這樣的改進將幫助科技巨頭推動改進大型語言模型的性能，并可能推動機器人技術、計算機視覺、分子生物學等領域的進步。

Uberti 的方法在概念上很簡單。與英偉達銷售的 H100 和其他領先的圖形處理單元（GPU）不同，Sohu 無法處理多種不同的任務，相反，只能完成一項任務，但可以完成得極為出色。作為一款專用集成電路（ASIC），Sohu 的硬件專注于矩陣數學計算，這是 Transformer 人工智能架構的核心。

“早在 2022 年，我們就下了一個賭注，” Uberti 說，人工智能市場將圍繞 Transformer 進行整合?！爱敃r，這是一個冒險的賭注，”他補充說，因為 Transformer 與其他許多架構（如卷積神經網絡和長短期記憶網絡）競爭，每一種都有自己的應用類型。

在過去的兩年里，Uberti 的預測逐步成為現實，因為 Transformer 已經超越了其他人工智能架構?，F在他加倍下注，從哈佛大學退學，并共同創立了一家名為 Etched 的初創公司來生產這款芯片。如果人工智能行業不再使用 Transformer，Etched 將陷入困境。但如果他是對的，Etched 有可能成為——或者被收購為——世界上最大的企業之一。在 A 輪融資后，Etched 獲得了 1.2 億美元的資金，并與芯片巨頭臺積電合作，用他們的 4 納米工藝生產芯片?，F在，Uberti 專注于盡快進入市場并擴大規模。

在加密貨幣領域也有一個類似的故事可以作為佐證：比特幣計算的早期階段主要依靠的是通用型 GPU；而如今，已完全被經過專門優化、能耗極低的專用集成電路所取代。Uberti 認為，這一模式或許將在人工智能領域重演。

他開發了一種多色激光器，用于取代數據中心和人工智能系統中的銅線。

34 歲的 Maxim Karpov 開發了一種用于數據中心內部高帶寬光纖通信的多色激光系統，以加速人工智能和其他應用。該獨特的梳狀激光器，或稱“梳子”（combs），有潛力通過取代銅線來極大地提高服務器內部及服務器之間通信的速度。

據他所說，銅線已經成為數據中心的瓶頸問題，原因在于其帶寬有限、傳輸距離短且功耗高。然而，作為銅線的主要競爭對手，最先進的光纖系統價格昂貴，組裝復雜。為了達到最佳性能，它們需要多種不同顏色的激光器同步發射。

Maxim Karpov 的技術解決了這一問題。他的一個多彩“梳子”就可以取代 16 個單獨顏色的激光器，并且有潛力擴展到 100 個以上。這不僅加快了數據傳輸速度，還提高了能效，同時有望降低制造和安裝成本。

梳狀激光器已經存在了幾十年，其工作原理是將激光器安裝在一個名為光學諧振器的部件上，激光器激發諧振器輸出多種顏色。直到現在，梳狀激光器”還存在體積大、價格高、需要定制化設計以及僅限于少數工業用途等問題。

Maxim Karpov 的突破在于創造了一種微型化的硅基諧振器，它可以在用于制造計算機芯片的同一光刻機上進行打印?！昂诵牟考梢苑旁谀愕闹讣咨?，”他說，“它只有幾平方毫米大小。”

2021 年，他共同創立了一家名為 Enlightra 的初創公司，將這項技術推向市場。該公司已經在銷售一種可以安裝在服務器機架中的開發套件。未來幾年，Karpov 計劃大規模生產微型化、模塊化的梳狀激光器，它們可以直接集成到英偉達等公司銷售的圖形處理單元板中。

“行業將需要數千萬個這樣的產品——這是一個巨大的市場，”他說，“因此我們需要讓它們盡可能小，盡可能節能，并盡可能降低成本。”

他致力于讓機器人適應所有人的家居環境。

當前，機器人在生產線或倉庫中重復執行單一任務方面表現相當出色。但若想讓它們進入家庭協助工作，就必須讓其具備在陌生環境中處理多樣化任務的能力。

這無疑是一個巨大的技術挑戰，主要原因在于缺乏足夠的數據來訓練機器人應對家庭環境中雜亂無章、不斷變化的場景。畢竟人們很少會發布自己洗碗或整理凌亂衣物抽屜的視頻。

27 歲的 Nur Muhammad "Mahi" Shafiullah 在紐約大學攻讀博士期間，就始終關注著這一數據鴻溝問題。

當時他所在的團隊提出了一種智能可擴展的數據采集方案，來記錄人們完成家務的動作數據，并將其整理為可用于訓練人工智能模型以及機器人的數據集。具體方法包括：將 iPhone 固定在抓取桿上，拍攝人們打開櫥柜門或抽屜、拿取餐巾紙或紙袋、整理散落物品的視頻。該數據集已被英偉達、微軟、Google 等企業采用。

Nur Muhammad "Mahi" Shafiullah 還參與了一個跨機構合作項目，共同構建了包含 527 種不同機器人技能的數據集，涵蓋圖像、視頻、動作及文本指令，以幫助機器執行從未接觸過的操作，例如在廚房移動玩具蔬果、展開皺褶毛巾、整理鞋和杯子等?！霸摂祿癁闄C器人實現更通用的行為奠定了基礎，比如抓取任意手持物體，或在未見過的家庭環境中重新布置物品，” Nur Muhammad "Mahi" Shafiullah 解釋道。

如今作為 meta 基礎人工智能研究團隊（FAIR）的博士后研究員，他專注于探索利用增強現實智能眼鏡和頭戴設備等新型硬件采集視頻來訓練機器人。此外，Nur Muhammad "Mahi" Shafiullah 還致力于開發讓機器人自主執行任務更長時間的方法，為實現機器人在家庭環境中無需監督的可靠運作鋪路。他承認這是個復雜且艱巨的課題——但充滿趣味。

她正在開創將人類體驗融入技術設計的新途徑。

在馬里蘭大學攻讀計算機科學博士學位時，Elissa Redmiles 便注意到，數字安全領域的研究存在一個關鍵空白：很少有學者真正思考過不同的身份或生活經歷將如何影響個人對安全保障的看法。盡管不少研究探討了人類能力或行為如何影響技術設計，但她指出，這些研究大多基于一種家長式的假設，即人們根本不了解安全風險，因此專家需要為他們提供教育或做出決策。

30 歲的 Redmiles 開始研究后，卻反復聽到不同的聲音：人們，包括那些生活不穩定的人，其實都明白，但有時不得不在數字安全與他們認為的更大威脅之間做出權衡。例如，歐洲的性工作者告訴她，他們無法使用加密應用程序，因為客戶不愿意。

如今，作為喬治城大學計算機科學系的助理教授，Redmiles 正在此研究的基礎上進行拓展，開創了將用戶參與融入計算機科學與安全領域的新方法。她結合社會科學、經濟學和計算方法，使開發人員能夠根據不同的使用場景，優先考慮影響安全決策的不同因素。

在疫情期間，她開展了研究，以更好地了解人們對新冠肺炎接觸者追蹤應用程序的看法，并根據研究結果為美國七個州和其他國家采用此類應用程序提供了有實證支持的指導。

最近，Redmiles 致力于打擊基于圖像的性虐待。她是 SafeDigitalIntimacy.org 的創始人之一，這是一個為政府和科技公司的政策制定者提供數據和工具的研究集體，旨在遏制私密圖像的非自愿傳播。她還共同撰寫了《IBSA 原則》（IBSA Principles），為政府和平臺從一開始就打擊基于圖像的性虐待提供指導方針。該計劃于去年由時任總統 Joe Biden 宣布，并由包括微軟和 Facebook 在內的 10 家主要科技平臺共同簽署。

Redmiles 希望，所有這些工作最終將改變技術的開發方式：讓技術專長與個人的實際生活體驗相平衡，從而更好地檢測生成式人工智能的不安全輸出，確定應用程序中的隱私保護措施，或決定部署哪些工具來保護數字交互的私密性。

她為可穿戴和康復設備創建了一個統一的人體運動模型。

盡管機器人擁有比肌肉更耐用的電機，以及比神經元速度更快的電路系統，但人類在行走方面仍更勝一籌，特別是在新環境中。我們如此擅長這些活動的原因仍是個謎，部分原因是用于理解人類運動的計算機模型被分成了單獨的組件，用于反饋控制和學習，以及能源效率。

34 歲 的 Nidhi Seethapathi 通過創建一個統一的模型來解決這個謎題，該模型可以準確預測我們如何在日常生活中移動、學習新任務和在新環境中活動。

Seethapathi 說，一個人如何優先考慮下一步行動，“這個問題有兩個主要觀點，一個是盡量減少運動的代謝能量消耗，另一個是以穩定、安全且無誤差的方式行動。”

Seethapathi 的目標是弄清楚這些有時相互制約的條件是如何相互作用以保持人類行為穩定的。她將從現實世界的自然運動中獲得的數據集與在跑步機上運動者的視頻分析相結合（這些運動者既包括無阻礙運動的，也包括偶爾使用彈性繩拉的），并收集了傳感器的測量數據。然后，她分析了我們在跑步行走時或在不同地面上調整步態時，我們的身體消耗了多少能量。

最終結果是創建了一個新的人體運動計算機模型，Seethapathi 希望這項成果可以推動外骨骼裝備、用于中風康復的分帶式跑步機和假肢等設備的發展。另外，它還可以激發針對特定運動或醫療條件的新型運動方式。

她正在研究人工智能武器系統的安全性。

人工智能系統總是會出錯。如果你用它來寫電子郵件，這可能沒什么關系。但如果是在收集軍事目標的情報或部署武器方面，風險要高得多。

除了易出錯，大型語言模型還存在另一個大問題：它們容易受到攻擊，這可能會讓對手操縱系統，并影響軍事決策。

盡管存在這些眾所周知的問題，全球軍隊仍在不斷推進人工智能的應用——這一令人不安的事實，促使 Heidy Khlaaf 展開了相關工作。

34 歲的 Khlaaf 曾在核電站和自動駕駛汽車領域從事傳統的安全工程工作，后加入 OpenAI，在這里她開發了一種評估 Codex（ChatGPT 的前身）安全性的方法，分析和預測可能發生的風險類型以及如何避免這些風險。目前，該方法已被全球范圍內的人工智能實驗室所采用。

Khlaaf 目前擔任 AI Now Institute 的首席人工智能科學家，專注于評估人工智能在自主武器系統中的安全性。她研究過的每一種武器都低于為常規武器或作戰行動設定的風險閾值。例如，雖然國防系統的可靠性預計在 90% 到 99% 之間，但美國試驗過的一些人工智能驅動的目標識別程序的準確率低至 25%。

基于此，Khlaaf 最近發表了一篇論文，分析了部署在加沙的人工智能系統是如何導致平民死亡人數上升的。更廣泛地說，她現在呼吁軍方停止使用所有商業人工智能模型，因為它們的準確率和可靠性較低，并且對國家安全構成威脅。

她說：“不幸的是，現在做這些防御評估的人其實是在進行自我評估，我希望通過自己的工作，以公開的方式將這些風險呈現出來，讓人們對此有更多的了解?！?/p>

她對影響人們日常生活的公共部門算法展開研究。

幾年前，Soizic Pénicaud 還在為法國政府工作，記錄哪些機構正在部署算法以及出于何種目的，并創建資源來幫助居民了解政府是如何使用人工智能的?，F在，她呼吁人們關注這項技術可能被濫用的問題。

31 歲的 Pénicaud 對一些算法免于公眾評估感到沮喪，包括她認為威脅最大的算法，如被警察和福利管理機構使用的算法。她說：“我覺得即使我們在努力提高透明度，但依然沒有解決危害問題?！?/p>

她于 2021 年離開政府部門，成為了一名獨立研究員和人工智能政策專家。2023 年，她與非營利新聞機構 Lighthouse Reports 合作，調查法國社會保障局運行的算法，以評估福利受助人實施欺詐的可能性。通過獲取和檢查三個相關模型的源代碼，Pénicaud 及其合作者表明，該系統對單親父母和殘疾人是不公平的。他們的發現引發了 15 個非政府組織對該機構的訴訟。

她的最新項目是建立一個公共數據庫，用于記錄法國政府所采用的算法。該項目于去年 11 月啟動，詳細介紹了 72 個相關項目，包括一個根據網絡評價標記需進行衛生檢查的餐館的系統，一個醫院用于確定心臟移植患者優先順序的系統，以及由福利和執法機構部署的若干系統。她還了解到至少還有 50 個此類項目。

如今，Pénicaud 的工作也已不再局限于法國范圍之內——她與總部位于西班牙的非營利聯盟合作，還參與了一個由 15 個政府代表組成的非正式小組的活動，該小組定期舉行會議以探討人工智能治理問題。

Pénicaud 確實看到了人工智能在政府工作中的作用——更有效地分配資源（如能源），或改進城市規劃——但她認為，證明這些系統按預期工作是公職人員的責任，而且他們需要保證在這個過程中人工智能不會對公眾產生傷害。

新型材料具有廣泛的科學應用潛力，以下創新者的研究結果可能用于手機屏幕制造，也可能用于月球研究。

他使用色素分子讓小鼠變得透明可觀察。

X 射線、超聲和其他形式的醫學成像技術可以幫助我們在不開刀的情況下觀察到人體內部，但 32 歲的 Zihao Ou 卻采取了一種更為激進的方法：讓皮膚、肌肉和結締組織變得透明，從而使科學家能夠看到小鼠體內的器官。

在早期初期，作為生物物理學家的 Ou 對電磁波（如可見光和紫外線）與人體內的納米顆粒和分子之間的相互作用頗感興趣。

當光波照射到表面時，會產生散射效應。光波會從一杯汽水的氣泡中反射，使水呈現乳白色、不透明的外觀。同樣，光波照射到人體內的脂質、蛋白質和脂肪上，也會使其變得不透明。

Ou 意識到，或許可以減少這種散射效應。如果引入一種能夠吸收特定波長的光的分子，那么光就可以在不向其他方向偏轉的情況下沿直線傳播。

隨著理論的建立，Ou 和同事們便開始尋找這樣的分子。這種分子必須有效，僅需少量便能實現強大的光吸收（類似于形成一個強大的顏色），而且它也必須是安全的。

Ou 向一家生產食品色素和調味劑的公司發了一封電子郵件，希望對方提供一些樣品，以便在雞胸肉上進行測試。其中一種常用于薯片、谷物食品和軟飲料中的黃色色素的樣品，效果顯著：它能夠吸收光線，減少散射。使用后的幾分鐘內，它似乎讓雞胸肉變得透明了。研究團隊將斯坦福大學的?；眨ㄔ撗芯吭诖诉M行）置于雞胸肉下方，看著它逐漸變得清晰可見。

接下來是活體小鼠。Ou 和同事們將含有這種色素的乳膏涂抹在小鼠的腹部上，他說，小鼠的內臟器官在“幾分鐘內”就開始變得清晰可見。“你可以看到腸道、肝臟，有時還能看到膀胱?！彼a充道。

Ou 的下一個挑戰是找到一種讓人類皮膚（其厚度遠超小鼠皮膚）變得透明的方法。為此，他需要找到能夠吸收更多光的分子。Ou 及其同事也在探索改進醫學成像的方法。“我們真的希望在未來五到十年內，能夠將這項技術用到患者身上?！彼f。

他研發的健康感知織物可用于智能瑜伽墊或太空服。

去任何一家醫院或康復中心，你都會看到病人身上連接著各種笨重的醫療可穿戴設備，比如心率監測儀、體溫計和電極片，這些設備把數據傳輸到附近的機器上。遺憾的是，一般這些設備佩戴起來很不舒適，而且對家庭使用來說價格高昂。

31 歲的 Irmandy Wicaksono 發明了原型織物，能夠測量壓力點、呼吸和心率，并實時識別人類活動。重要的是，他設計的這些織物可以使用工業針織機進行生產，且足夠耐用，適合日常使用。它們還能經受洗滌，甚至可能承受作為太空服的一部分考驗。

Wicaksono 的織物之所以獨特，是因為傳感器、導體和通信通道被直接編進了織物的紗線中。由于該織物是用熱塑性塑料（在生產過程中加熱尼龍紗線以創造出復雜的輪廓和形狀）模塑而成，所以可以根據舒適度和時尚風格進行定制。

在一個項目中，Wicaksono 設計了一款襯衫，能夠感知跑步者的心率、呼吸模式和身體動作，并輸出數據，實時顯示其皮膚溫度的熱圖。在另一個項目中，他制作了一只鞋子，用于分析足球運動員調整步態和平衡的時間。此外，他還展示了一只襪子和一個瑜伽墊，能夠以大約 99% 的準確度推斷出穿戴者的姿態和動作。

他近期的工作成果是一款太空服，通過將其感知織物與氣動袖套相結合，能夠根據需要自動施加壓力，以減輕長期太空飛行帶來的心血管方面的風險。

他希望這類原型產品，以及添加到家具和地毯中的智能織物，最終能夠在無需侵入性檢查或難以安排預約的情況下，用于在家中監測患者的醫療和康復狀況。一旦織物監測到異常數據或記錄了一次鍛煉，醫生或護士可以隨時收到警報。

他發明了 3D 打印工藝，以加快小規模增材制造的速度，并助力核聚變的發展。

34 歲的 Xiaoxing Xia 改進了 3D 打印工藝，極大地加速了量子計算機組件和其他先進電子產品的制造，并實現了核聚變燃料艙的大規模生產。

傳統的 3D 打印機是通過逐層鋪設薄膜材料（通常是塑料）來制造物體的，而 Xia 使用的是雙光子聚合打印機。這種技術已經存在了幾十年，其工作原理是將光線射入一種樹脂材料中，該材料僅在光線照射處發生反應，從而從內部形成微小尺寸的硬化物體。

該技術的打印分辨率可達到約 100 納米，即一根頭發直徑的千分之一。Xia 說：“它可以創造出具有獨特屬性的精美結構。”比如用于量子計算機的部件，或者全新的材料。但由于這個過程速度緩慢，雙光子聚合打印技術在實驗室外的應用范圍有限。“這就像一支非常細的筆，”他說，“要填滿一個較大的空間極其困難?！?/p>

為了解決這個問題，Xia 參與開發了一個元透鏡陣列——一個能夠使雙光子打印機同時瞄準多達 10 萬個焦點的小型過濾器。他表示，“這意味著打印速度提高了 1000 倍。”而且，Xia 現在可以打印出直徑達一英寸的物體，而不再是掉到地上都難以找到的微小尺寸。

他的工作還可能有助于我們向實現核聚變能源的夢想邁進一步。迄今為止，慣性聚變中使用的小型中空燃料艙可能需要幾個月的時間來制造和加載反應所需的氘和氚（DT）原子。這是一個問題，因為一個全尺寸的反應堆每天可能會消耗 50 萬個或更多的太空艙。Xia 和他的團隊現在可以在一天內以低成本打印并填裝太空艙。

“這是目前為止使用雙光子打印技術的最佳方式?！?Xia 說。

他建立了一個人工智能模型來生成新的材料。

從青銅時代到如今以硅為動力的智能手機，幾乎每一次技術的巨大飛躍都離不開材料領域的突破。但要找到適合特定應用的材料并非易事。32 歲的謝天表示，傳統的篩選方法必須從數百萬的選項中，篩選出少數可供測試的材料，這就像“大海撈針”。

作為微軟研究院科學智能中心（Microsoft research AI for Science）的首席研發經理，他提出了這樣一個疑問：與其在已知材料的數據庫中進行篩選，科學家們為什么不直接告訴人工智能模型他們的需求，然后讓模型去找到或者創造出完美的候選材料呢？

他開發的 MatterGen 正試圖做到這一點。該模型基于超過 60 萬種穩定的材料以及從兩個大型數據庫中提取的相關量子化學信息進行訓練?？茖W家們可以通過 MatterGen 指定他們所需的化學、機械、電子或磁性屬性。就像將視覺噪聲轉換為相干圖像的圖像生成器一樣，MatterGen 是一個從隨機原子結構開始的擴散模型，通過調整原子類型、位置和晶格模式，逐步優化“原子單元”（材料中最小的重復單元），最后生成符合所需標準的穩定材料配方。

由于其龐大的訓練樣本庫以及能夠識別某些材料在特定方面“優良”特質的能力，MatterGen 在設計具有極端特性的材料（如高磁密度或超硬度）方面表現尤為出色。但現在面臨著一個關鍵挑戰。謝天和他的團隊需要跳出數字化的范疇，證明他們能夠在實驗室中真正制造出 MatterGen 創造的材料，并且所得到的材料能夠達到預期效果。許多其他負責設計新材料的人工智能模型雖然提出了許多假設性的可能，但卻難以產生有用的結果。

初步測試結果令人鼓舞。MatterGen 提出的一種材料在抗壓性方面與模型預測值的偏差僅為 20% 左右，謝天表示，這個誤差范圍被認為是實驗驗證中的良好結果。目前，該團隊正與合作伙伴一起，在實際環境中對 MatterGen 的更多產品進行合成和測試。

謝天認為，這個開源項目能夠極大地促進材料研發，比如為電動汽車開發更好的電池，或為可持續能源存儲制造燃料電池。研究人員或許不再需要尋找下一個突破點，而是能夠按需進行材料設計。

她的生物發光壁紙可以幫助保證宇航員的安全。

人類最快將于 2027 年重返月球，屆時宇航員面臨的最大危險之一就是輻射。由于月球上沒有磁場保護層，也沒有類似地球的大氣層，因此月球表面主要來自太陽和深空的平均輻射量大約是地球的 200 倍。這樣高的輻射量可能會增加患癌風險，對于可能的長期居住來說也是一個問題。

正常情況下，宇航員在墻壁厚度至少為 50 厘米的月球基地內是相對安全的，但在周期性的太陽風暴期間，輻射會激增。如果月球基地的結構被一種名為微隕石的微小顆粒損壞，輻射也會滲入。這種微隕石會不斷撞擊月球表面。

22 歲的 Victoria de León 開發了一種材料，可以在危險來臨時發出警告，讓宇航員有時間轉移到掩體或附近的飛船上。她設計的壁紙可以裝飾月球居住艙的內壁，當輻射水平升高時會發光，從而發出撤離信號。墻紙的部分材料可以來自月球土壤。不過，它真正神奇的成分是從昆蟲的外骨骼中提取的粉末。

Victoria de León 最初選擇昆蟲做實驗，是因為未來它們可能會在月球上繁殖，甚至有可能成為一種食物來源，而且她猜想從昆蟲身上提取的材料可以使她的壁紙更加柔韌。但有一天在實驗室里，她把從蟋蟀身上提取的粉末放在紫外燈下，令她驚訝的是，粉末發光了。她說：“那是一個神奇的時刻。我本以為需要另一種材料來作為輻射傳感器，但我發現這個材料本身就可以發揮作用?！?/p>

Victoria de León 的發明原型是用月球土壤的復制品制作的，將于 2026 年被送往國際空間站，在那里進行為期 6 個月的高輻射環境測試。她希望自己的設計能夠幫助人類實現在月球上的長期居住。

她在發光二極管方面的創新有望帶來新一代的顯示技術。

34 歲的趙保丹克服了諸多障礙，探索了新型半導體材料“鈣鈦礦”的發光二極管（LED）應用并實現突破。她的工作有望帶來更明亮、色彩更純正、價格更低的屏幕——同時還能提高能量利用效率。

“鈣鈦礦具有出色的發光特性，比如色彩可調性和色彩純度，”她說道，“它還可以通過溶液進行加工，用于柔性電子設備?！倍矣捎阝}鈦礦原材料的成本比傳統半導體更低，如轉化為產品將具有成本優勢。

最早的鈣鈦礦發光二極管于 2014 年由劍橋大學報道，當時的器件亮度低、壽命短且效率低。

趙保丹的首次突破之一是在劍橋大學攻讀博士期間，通過在準二維鈣鈦礦中引入高分子聚合物，將鈣鈦礦 LED 的效率從當時的 10% 左右提高到 20%。這一成果作為封面論文發表在《自然·光子學》上。接下來，在回到祖國中國、加入浙江大學后，她和團隊人員解決了鈣鈦礦 LED 領域的 “最大挑戰”：在國際上率先實現了超長壽命的鈣鈦礦 LED。為此，他們在鈣鈦礦晶界處引入了一種分子穩定劑，阻止離子在電場下的移動以防止鈣鈦礦 LED 的性能退化。

2024 年，趙保丹與團隊實現了鈣鈦礦半導體的可控 p/n 型摻雜，基于這種技術的綠光鈣鈦礦 LED 峰值亮度達到了 116 萬尼特的新紀錄。相比之下，大多數筆記本電腦屏幕的最高亮度約為 1000 尼特。

趙保丹目前正在著手研究鈣鈦礦 LED 的微型化、陣列化和集成化，同時不影響其效率，而這正是目前的顯示技術所難以實現的。在今年 3 月發表的《自然》論文中，她和團隊人員制造的鈣鈦礦 LED 的最小像素尺寸，只有過去世界上最小 LED 的五分之一。