《麻省理工科技评论》2020年度全球科技创新英雄榜发布5位华人上榜

美国东部时间 6 月 17 日，《麻省理工科技评论》公布了第 20 届 Innovators Under 35 评选结果，即 2020 年度 全球 "35 岁以下科技创新 35 人"榜单。

在此次的 35 名上榜者中，共有 5 位华人，他们分别是香侬科技创始人兼 CEO 李纪为、芝加哥大学分子工程学院助理教授王思泓、伊利诺伊大学厄巴纳-香槟分校机械科学与工程系助理教授蔡丽丽、伊利诺伊大学厄巴纳-香槟分校计算机科学系助理教授李博，以及 Modern Electron 联合创始人兼 CEO 潘世昂。

在当下这个略显混乱的时代，看到如此多的青年才俊仍在努力让世界变得更加美好，着实令人内心充满勇气。

这对于那些抗击病毒大流行的医务人员和为社会正义而战的普通公民而言，以及对那些致力于通过技术来解决这些问题和许多其他问题的人们来说，都是真真切切的精神鼓舞。

榜单中的 35 位年轻创新者并不都在努力抗击新冠病毒大流行，也并非都在寻求社会不公的补救策略。尽管他们没有具体解决这些问题，但却都在努力寻求用科技帮助世人的最新方法。他们试图解决我们的气候危机，找到帕金森氏症的治疗方法，亦或是为那些迫切需要的人提供饮用水。

这份榜单的评选每年都会产生 500 多个提名，编辑们的首要任务是筛选出 100 名入围候选人，提交给 25 位评委专家，评委们在人工智能、生物技术、软件、能源、材料等多个领域各有专长，基于专家评审的宝贵帮助，我们最终遴选出 35 位获奖者。

Innovators Under 35 评选开始于 1999 年，最初名为 TR100，并于 2011 年开始创建区域性评选。作为只甄选科技领域 35 岁以下青年才俊的榜单，Innovators Under 35 每年所挖掘的新人及其项目都极富创新性，其中不少人后来都成为了风云人物。各位精英在影响力、创新能力、进取精神、未来发展潜力、沟通能力以及领导力方面都表现卓越。从初创公司到研发机构再到科技巨头，他们在不同的平台上大展拳脚并取得了突破性成就。

该榜单分为五个类别，有发明新技术、为解决问题的方法赋予新的想象力的发明家（Inventors），有拓展人类科学知识边界的先锋者（Pioneers），有将原有技术赋予创新活力的远见者（Visionaries），有在科学技术中发现商业机会、扩大市场甚至创造市场的创业家（Entrepreneurs），还有利用科技手段改善人类生活环境、甚至用科技解决人类生存问题的人文关怀者（Humanitarians）。

目前，《麻省理工科技评论》"35 岁以下科技创新 35 人"2020 中国区榜单报名正在进行中。

中国区榜单目前汇集了 40 余位海内外的重磅专家评委，专注于以全球视野发掘中国籍的最有创新能力的科技青年。参选者将有机会向全球权威科学界及产业界人士展示自己的科技成果和创新能力，最终的获奖者将受邀出席在北京举办的颁奖典礼，并加入"35 岁以下科技创新 35 人"全球社区，参加全球范围内的创新交流活动。报名截止日期为 6 月 30 日，我们在此欢迎青年人才进行报名参与榜单的评选！如果您身边有符合条件的人选，也可以点击"阅读原文"进行提名。

以下为本届全球榜单的详细内容：

—— 发明家 ——

他们的创新指向了新型电池、太阳能板和微芯片的未来。

Omar Abudayyeh，30 岁

麻省理工学院

出生地: 美国

上榜理由：基于 CRISPR，他正在开发消费者在家就能使用的新冠检测产品。

CRISPR 因其改变生物医学研究和遗传疾病治疗的潜力而被称为本世纪的重大发现。

Omar Abudayyeh 则正尝试将这种基因编辑工具制作成新冠检测工具，此举或有助于减缓新冠大流行的速度。

2016 年，利用其中精确的基因发现机制，Abudayyeh 与 Jonathan Gootenberg 以及麻省理工学院的其他团队一起，将 CRISPR 改造成了一种工具，用以发现癌症突变、细菌和经由蚊子传播的病毒，例如寨卡病毒。很快，他们成立了一家名为 Sherlock Biosciences 的基因诊断创业公司，并获得了 4,900 万美元融资，CRISPR 的 "新功能" 也因此见于报端。

未料到新冠疫情暴发。在美国，用于新病毒检测的常规方法日益吃力。疫情暴发三个月后的 5 月初，仅约 2％ 的美国人接受了新冠病毒的检测。一些经济学家表示，该国需要每天测试更多人才能支撑恢复开放。

因此，自 1 月份以来，Abudayyeh 和他的同事一直在努力让 CRISPR 介入到家庭场景的病毒检测中。他们认为，其中涉及的基本化学反应并不复杂，可以创建一种更易于使用的测试，让居民可以在上班前进行自我测试，或者在搭乘飞机之前在机场登机口进行测试。

如果他们成功了，那么病毒测试就可以在任何地方、任何时间进行，并且这也将是基因编辑革命首次直接进入人们的家庭和生活。

CRISPR 于 20 世纪初期被科学家们发现，即使用一种名为 CRISPR/Cas9 的特殊 DNA 剪切酶来搜索、剪切并替换 DNA 的特定序列。

事实证明，该工具易于使用，并且可以在多个物种中起效。不少生物技术初创公司开始竞相使用这种技术治疗人类遗传病。

Abudayyeh 称这个阶段是"Cas9 狂潮期"。期间，Abudayyeh 投入到一个更为小众的研究方向：发现和表征新型 CRISPR 酶。

很快，这个方向的成果越来越多了，Abudayyeh 和他的同事们正在展示新的 CRISPR 相关酶可以做什么，例如 Cpf1（也称为 Cas12a）、Cas12b，还有 Cas13 也很特别，它实际上是在我们的鼻子下面发现的（是人类口腔细菌 Leptotrichia shahii 的一部分）。Cas13 不切割 DNA，而是可以靶向 RNA。

RNA 是细胞内部的遗传信使分子，也是许多病毒的主要遗传物质，包括冠状病毒。

这是一种全新的编辑方式。值得一提的是，在发现新的编辑手段的过程中，一直没有改变的是 Abudayyeh 与其同事 Jonathan Gootenberg 的密切合作。

两人首先在麻省理工学院本科阶段就认识，然后在著名研究机构 Broad Institute 中，于 CRISPR 先驱者张锋（2013 年入选《麻省理工科技评论》"35 岁以下科技创新 35 人"）的实验室里一起工作。他们共同撰写了 28 篇论文，并于 2017 年受雇于麻省理工学院麦戈文研究所（MIT McGovern Institute），建立了联合实验室，命名为" AbuGoot 实验室"。

"我们开玩笑说，这是一段持续不灭的科学'基情'（bro- mance），"Abudayyeh 说道，他认为他是两人中的实验派，而 Gootenberg 则更倾向于数学， "我们的大脑还没有完全融合，但是已经接近了。"

两个顶尖头脑正在合作以理解上文提到的新的 RNA 编辑器——Cas13。研究证明，这种酶具有奇怪的"附带作用"，它不仅会切割特定的 RNA 链，而且一旦切开，它就会疯狂切碎并降解其路径中的任何 RNA。

"这种机制是疯狂的，并且非常令人困惑，" Abudayyeh 说。"我们认为这是细胞自杀机制的一部分"，这是一种被病毒攻击的细菌的天然自毁装置。"当它激活时，它将使细胞中的一切停止运转。"

不加选择的剪辑意味着 Cas13 本身并不是一个出色的编辑器。

"这令人失望，但是我们来自工程学背景，所以我们会思考，这是不是也有什么好处，" Abudayyeh 说。也许可以用来炸毁癌细胞中的 RNA，使其停止运转？这种附带损害的效应可能使这种 CRISPR 方法成为一种实验室诊断手段。

不过，该想法率先由竞争对手、加利福尼亚大学伯克利分校珍妮弗 · 杜德纳实验室提出，他们认为，这种效应可以作为一种检测机制。简而言之，如果该酶在试管中找到了匹配物（例如属于病毒的一部分 RNA），则可以使用附带的切割来切断特殊的 RNA，当该 RNA 断裂时会发出可见的荧光信号。

这个主意其实不错，但就其本身而言，Cas13 还不够灵敏，所以无法直接创建测试。为此，Abudayyeh 和 Gootenberg 获得了麻省理工学院教授 Jim Collins 的帮助，实现了在流程中添加了新的步骤或在进行匹配测试之前复制和繁殖 RNA。到 2017 年，该研究小组展示了一个名为 Sherlock 的完整 CRISPR 诊断系统，该系统可以定位导致癌症或标记某些细菌、病毒存在的独特突变。而且非常准确，大概是从 1 亿个地球人中识别出一个人的脸的程度，Sherlock 可以对 RNA 进行精确分选。

当然，伯克利团队也在竞争此类应用，该团队成立了自己的 CRISPR 诊断公司 Mammoth Biosciences。预料其中的诊断专利纠葛还将旷日持久，不禁让人想起了 MIT 和伯克利两家机构在 CRISPR 发明上的曲折斗争。

对此，Abudayyeh 耸了耸肩："当有多个玩家参与时，这会更加令人兴奋。不止一家公司在推广 CRISPR 诊断，是一个好消息。"

他说的没错，毕竟技术进入市场是有其困难。因为诊断测试现在主要依赖大型公司，以及大型设备和实验室。开发售价 45 美元的测试工具可能需要 1 亿美元的研发成本。风险投资家 Bruce Booth 曾经这样形容该领域："绝对不为胆小鬼所开发"。

2019 年末，Abudayyeh 创立的公司仍在努力将基于 CRISPR 的 Sherlock 测试推向市场。

但是随后，新冠疫情的暴发改变了一切节奏。当美国的检测短缺现象愈发凸显，美国食品药品监督管理局（FDA）开始紧急批准数十种检测剂的生产商，使它们立即进入市场。今年五月，Sherlock Biosciences 获得了美国授权，可以在实验室中进行 CRISPR 测试，尽管在我们发稿时尚无人在患者身上使用它。

不过，对于没有经过培训的人来说，这使用起来并不容易。

Abudayyeh、Gootenberg 和张锋又开始着手简化这项技术。他们认为，如果可以消除一些将流体混合的步骤，该测试可以在工作场所、药房甚至家庭中使用，而不需要重复加热和冷却，就像 PCR 检测法一样。而且读数也会更容易理解：类似验孕纸条上的彩色条信号。

"我们的愿景是打造可以在家中完成的测试，" Abudayyeh 说。"那么，我们如何推广它，从而减少步骤，让它简单又便宜？"

现在也有一些针对新冠病毒的诊断测试，但是它们往往需要在数千美元的机器上运行。

由雅培出售的一种设备 ID NOW，可在 15 分钟内返回冠状病毒检测结果，白宫用它来筛查与特朗普总统会面的访客。但是处理测试的机器要花费数千美元才能买到。Abudayyeh 说，用 CRISPR 家庭测试产品，每个可能只花费 6 美元，并且设备也不复杂。

今年 5 月，研究人员们创建出了一个简化版本，并开通了网站以分享新的方法，他们表示可以在患者拭子中发现冠状病毒。

现在，他们正在与一家设计公司合作，以创建塑料盒样式的原型，用来容纳和混合测试成分。

那么，Abudayyeh 是否进行了自我测试？他还没有。"在管子吐唾沫不难，但这也是一件可怕的事情"，他说。

另外，现阶段的工作也还"不是最终的"，Abudayyeh 说。

"最终版是方便插入的简单设备。我认为我们现在的目标是为秋季做好准备，即当第二波疫情浪潮来临时。"

Anastasia Volkova，28 岁

Flurosat

出生地: 乌克兰

上榜理由：她的平台使用遥感技术和其他技术来监视作物健康，从而帮助农民将工作重点放在最需要的地方。

如果有一件事使 Anastasia Volkova 感到沮丧，那就是低效率。

因此，当她意识到可将遥感数据与科学模型结合起来，以提高农作物产量、减少农用化学品的使用并更好地利用水的时候，她知道找到了可从事一生的工作。

仍然在悉尼大学攻读航空博士学位，需要单枪匹马筹集超过 500 万美元的启动资金，这对她来说都不是问题：Volkova 是一位自学成才的植物学家的女儿，她想解决她所看到的大规模农业存在的误区。

她参与创办的公司 Flurosat 使用卫星、飞机和无人机上的成像传感器，在肉眼无法分辨出农作物受灾之前，就能监测农作物的健康状态。像人类一样，植物生病时会发烧。它们还会因有害生物或没有获得所需的营养或水而发热。

Flurosat 使用多光谱和热像仪记录这些变化，并使用 AI 校准作物模型。然后，将真正的农作物与其数字孪生体进行比较，Volkova 和她的团队能够实时向农艺师和农场管理者提出建议。

这种农作物监控方法还可以减少氮、农药和除草剂的过度使用并优化灌溉。

Leila Pirhaji，34 岁

ReviveMed

出生地：伊朗

上榜理由：她开发了一种基于 AI 的系统，相较以往方法，该系统可更快地识别患者体内的多种小分子。

Leila Pirhaji 构建了一种基于 AI 的工具，用于检测体内的各种微小分子，我们可称之为人体代谢产物的测量工具，这项工作可以帮助我们更好地检测和治疗疾病。

"人体中有 100,000 种代谢物"，她说， "这些物质参与到我们的新陈代谢并位于 DNA 的下游，因此可以显示基因和生活方式对人体的影响。"

她提到的这些代谢产物，包含血糖、胆固醇等，以及只有在人患某些疾病时才会大量出现的特殊分子。

问题在于，检测和鉴定这些代谢产物既昂贵又费时，且一个病患体内，可用常见技术完成识别的代谢产物不到 5％。

因此，Pirhaji 开发了一个平台，使用机器学习来更快地完成识别。

首先，她建立了一个庞大的数据库，涵盖了已知的代谢物以及它们如何与各种蛋白质或其他分子相互作用的全部信息。

然后，团队从患者处收集相应的组织和血液样本，以进行代谢产物监测。

这一平台能够进行数据分析，了解疾病和代谢产物之间的复杂联系，并基于这些信息来研发新药。攻读博士学位期间，她曾用患有亨廷顿病的小鼠进行测试，团队发现了该疾病的新机制，并找到潜在的治疗方法。

作为 ReviveMed 的首席执行官，Pirhaji 专注于肝脏健康、免疫系统、炎症以及其他的一些疾病。基于上述的机器学习平台，她的创业公司在与大型制药公司合作，使现有药物与新疗法匹配，并继续为未来的药物寻找新的靶点。

Manuel Le Gallo，34 岁

IBM RESEARCH

出生地: 加拿大

上榜理由：他使用新颖的计算机设计来降低人工智能的功耗。

训练一个代表性自然语言处理模型需要非常多的计算能力，以至于它排放的碳量甚至相当于五辆美国产汽车全生命周期所带来的碳排放。

训练一个图像识别模型所带来的排放，则可能相当于一个普通家庭两周内的排放量。

而这正是诸多大型科技公司在一天之中会进行多次的事情。现代计算中的大部分能耗来自这样一个事实：数据需要在内存和处理器之间不断地来回传输。

而 Manuel Le Gallo 正在与 IBM 的一个研究团队合作开发新的计算机体系结构，其目标是更快、更节能，且仍然很准确。

Le Gallo 的团队开发了一个系统，该系统使用内存本身来处理数据。团队的早期工作表明，它们可以同时实现精确性和巨大的能源节约。这个团队最近演示的一个案例，与用传统方法执行相同的过程相比，只耗费 1% 的能量。

随着从金融领域到生命科学领域越来越多公司训练人工智能模型，其能源需求将会激增。"我们将改变的是，让模型更快、更高效，这必将减少碳足迹和训练这些模型所花费的能源"，Le Gallo 说。

Christina Boville，32 岁

Aralez Bio

出生地: 美国

上榜理由：她通过修饰酶以生产可用于工业的新化合物。

Christina Boville 帮助设计了改进生物学控制化学反应的方法。她从天然酶（使活细胞发生化学反应的蛋白质）开始，然后对其进行工程改造，以生产出自然界中不存在的有用化学物质。

该方法可以将制药业所需化合物的制造时间从数月缩短至数天，减少多达 99％的浪费，并将能耗降低一半。

2019 年，Boville 与 David Romney、Frances Arnold 共同创立了 Aralez Bio 公司。值得一提的是，Frances Arnold 因实现了酶的定向演化而获得了 2018 年诺贝尔奖。

Boville 的工艺可以生产被称为非天然氨基酸（ncAAs）的化学物质，200 种最畅销药物（包括偏头痛和糖尿病的药物）中的 12％都需要用到这种物质，另外它也被用于农业中。

她说："自然界存在 20 种氨基酸，现在我们的酶可以产生数百种氨基酸。"她补充说，药物成分"通常需要五到十个步骤才能完成，但我们可以一步完成。"

最近，一家制药公司正和 Aralez Bio 接触，探索生产 ncAA 的新方法。按常规方法，该公司需要 9 个月才能有所收获，但 Boville 的酶现可以在一夜之间造出相同的化合物。

Nadya Peek，34 岁

华盛顿大学

出生地：美国

上榜理由：她打造的新型模块化机器人，几乎可以完成任何你能想象的事情。

这些都源于她的某种坚持，甚至是固执。

在本科阶段，Nadya Peek 曾和一位艺术家合作制作一套装置，过程中常常会受到已有工具和设备的限制。她并没有就此作罢， 而是直接破解了整个机器，最终做出了预期的作品。这让她开始思考，为什么机器不能灵活一点呢？

不要因为机器、设备的限制而改变想法，而是要改变工具来适应你的想法。于是，她开始开发特定应用的机器，期望能帮助人们完成任何事情。

Peek 目前在华盛顿大学担任助理教授，仍在坚持这个愿景。她采取模块化设计，打造出来的马达、机械臂、材料切割机等部件可以以各种方式灵活组装，再对其进行简单编程，就能完成日常的操作，或是严谨的科学任务。当她教别人使用这个模块化机器时，她会从他们的创造力中获得快乐：他们做出了 T 恤设计设备、鸡尾酒混合机、3D 打印机和化学移液机。这些组装而成的机器通常小于台式电脑，而且一旦完成工作目标，就可以分解并重新组装，去执行新任务。

Peek 正努力降低这些工具的成本和操作难度，比如有些工具只需要用纸板做框架，而整体的设计也能轻易下载。目前她的机器已经被学生、黑客甚至是建筑师使用。

Peek 的目标是帮助任何有想法的人，让他们的想法能够成真。她指出，最早计算机的诞生就是为执行特定任务而设计的，到后来才能完成更通用的功能。她认为，机器也应该如此，她希望未来这种自动化机器能够被用来创造性地解决实际问题。

Randall Jeffrey Platt，32 岁

苏黎世联邦理工学院

出生地：美国

上榜理由：他的记录工具提供了基因开启或关闭的视频。

Randall Platt 创造了一种能够跨时间记录细胞中分子事件的方法，这种技术有可能改变我们对一些重要生物过程的理解。

比如说，目前获得胚胎发育过程中基因表达状态或对癌症的免疫反应，RNA-seq 核糖核酸测序是最佳工具之一，这项技术让生物学家得以获得基因在某一时刻的表达状态——哪些基因被打开 / 关闭，但 RNA-seq 仅能提供一个快照。而 Platt 研发的工具则可以像视频一样捕捉到基因表达（比如胚胎发育）在一段时间内变化的画面。

"所有生物学和生物医学的核心是研究系统中的过渡——无论是干细胞发展成神经元还是健康神经元退化。"Platt 表示，"今天人们研究的方式是在多个时间点进行检测，并猜测时间点之间究竟发生了什么。而我开发的技术则希望填补这些空白，展示出整个过渡过程中的细胞变化。"

Platt 在这项技术上显得颇有野心。在麻省理工学院读研究生时期，Platt 所在的小组曾经发现了一个基因，他们认为这个基因的突变和缺失似乎起到了重要的作用，但他们一直无法得知该基因究竟是何时开始对大脑发育产生影响？这个在当时无解的问题让 Platt 开始开发这项新技术。

"如果你想找到一个神经元里的重要缺陷，你需要精确知道缺陷的发生位置、时间以及观察方式，"他表示，"这就是我开发这个记录工具的原因。"

Rebecca Saive，33 岁

特文特大学、ETC Solar

出生地：德国

上榜理由：她找到了一种方法让太阳能电池板变得更便宜、更高效。

太阳能电池板表面银色线条本质上是金属线，负责把电池体内的光生电流引到电池外部，但这些金属线反射了约 5% 的阳光，影响了对太阳能的充分利用。

荷兰特文特大学应用物理学助理教授 Rebecca Saive 发明了一种新型的"前触头"，解决了这一问题，减少了对太阳光的浪费，提高了太阳能电池转化效率。

她的透明触头是由银纳米颗粒 3D 打印到太阳能电池的硅层上制成的，使用她开发的这种技术，可以产生一个极薄而精确的三角形形状。陡峭倾斜的侧壁像一面镜子一样将到达的光线反射到电池的吸收体上，将电力输出提高了至少 5%，并降低了大致相同的成本。

Saive 参与创办的公司——ETC Solar 总部位于美国加州，该公司通过生产一种打印工具，帮助制造商在生产标准的太阳能电池产品中运用这项技术。目前该公司已经开始对外销售产品，不过具体客户名单尚未披露。

与此同时，ETC Solar 以及 Saive 在特文特大学的学术团队正在利用这项技术独立开发更高效的太阳能电池。她表示，这项技术未来有望降低太阳能发电厂的成本，甚至太阳能汽车也能用上这项技术。

王思泓，33 岁

芝加哥大学

出生地：中国

上榜理由：他开发的可拉伸微芯片让各种新设备的产生成为可能。

微芯片通常是在脆性的硅晶体上经过刻蚀等加工而成，意味着如果拉伸或者弯曲它们，分子结构就会被破坏，导致性能大幅下降。在此之前，也有人造出不那么脆弱的电路，但代价通常是牺牲芯片的性能，而王思泓则开发出了新的制造技术，造出可拉伸、可弯曲的电路，同时在性能表现上与普通的半导体电路同样出色。

王思泓在斯坦福大学期间曾师从鲍哲南教授，后者被视作是这一领域的先驱之一。在鲍哲南研究成果的基础上，王思泓开发了一套新的工艺，推动了该领域的发展。他利用一种被称为纳米约束的物理效应，以尽可能小的规模构建出分层聚合物电路。如今他可以构建出可靠的高性能电路，将电路拉伸到原来的两倍长度时，可以做到不损失任何性能。

他表示，这些香蕉状的聚合物，开启了一种全新的设备类型：可塑性很强，甚至可以根据人的体型定制，用作皮肤贴片甚至植入体内，同时这些新型的柔性设备也具备与传统设备相当的功能。不过这也带来了新的问题，比如如何为电路提供电力？对此他已经开发了一种名为 "纳米发电机" 的设备，利用人体的能量为设备供能，从而摆脱了外部的电池。那么，如何能在不引起免疫反应的情况下，将设备植入人体内呢？这就是下一个问题了。

Venkat Viswanathan，34 岁

卡内基梅隆大学

出生地：印度

上榜理由：他在新型电池方面的成果能大大降低电动车的成本。

卡内基梅隆大学副教授 Venkat Viswanathan 在开发由纯锂制成的电池阳极方面取得了重大进展，有望开发出一类新的电池，在同等重量下，该电池能容纳更多的能量，输出更大的功率。这将有望降低电动汽车、低排放飞机的制造成本。

研究人员早已认识到，锂金属阳极可以提高电池的性能，优于石墨制成的电池。但是，随着锂离子的积累，它们很容易形成针状锂金属枝晶。这可能会影响电池的寿命，甚至是引发火灾。Viswanathan 的解决方案是在电极之间开发一种混合聚合物 - 陶瓷分离器。它能够施加足够的压力来防止枝晶的形成，同时仍然允许离子流过电池，从而产生电流。

Viswanathan 及其同事已经获得来自美国能源部的 400 多万美元资助，并与电池制造商 24M Technologies 合作生产和测试商用尺寸的锂金属电池。

Viswanathan 还与 Aurora 飞行科学公司、空客 A3 公司合作，开发垂直起降飞机所需要的电池，这种飞机可以作为空中出租车或救护车，在大都市中驰骋。

—— 先锋者 ——

他们的创新引领着生物降解塑料、让你保持凉爽的纺织品以及让汽车"看得见"。

Jennifer Glick，30 岁

IBM QUANTUM

出生地：美国

上榜理由：她帮助推动量子技术走进现实世界。

如果量子计算机能够正常工作，我们可以用它来做什么？Jennifer Glick 正在努力寻找答案。

世界上最大的机器——大型强子对撞机（Large Hadron Collider，简称 LHC），旨在解答物理学中一些最重要的问题。为此，粒子对撞机背后的科学家们必须能够处理和理解来自机器的大量数据，他们想知道某些粒子是不是在以光速发生的高能碰撞中产生的。

大型强子对撞机可以通过每秒十亿次粒子碰撞产生超过 PB 级的数据，需要分布在世界各地的大约 100 万个处理器内核来分析和理解，否则会造成混乱。这些数据意味着什么？

这是 IBM 研究员 Jennifer Glick 面临的最棘手的问题之一，她的工作是探索如何从量子计算中受益，尝试用现有的量子算法或以此为目的创建新的算法。

对于某些经典计算机难以解决的或者超级耗时的计算问题，量子计算有望在处理能力上大幅超越经典计算，这是 Glick 所寻求的目标。量子计算机的强大可以归功于量子比特或量子位的叠加和纠缠，它们提供了指数级的巨大计算空间。例如，50 个完美的量子位可以代表超过 1 万亿的状态。

尽管如此，这还是一项处于早期的技术。在 IBM 工作的两年里，Glick 帮助推进了一项将量子技术引入现实世界的合作计划，她花了很多时间寻找解决方案，然后开发和演示量子计算机能够比经典计算机更快解决问题的方法。

"我们基于大型强子对撞机并使用量子算法来预测是否产生了某种粒子。"她说，"还需要分析那是不是我预测的那种粒子？"

2019 年，Glick 和她的同事与银行业巨头巴克莱（Barclays）解决了一个更大但更为实际的问题，他们面临的挑战是管理每年在证券交易结算中处理的数万亿美元。例如，当金融机构购买股票、债券或衍生品时，就会发生这种情况，票据交换所必须在交易中运行复杂的优化算法，以便在技术和法律约束范围内尽可能多地结算交易。

Glick 研究小组的成果表明，量子技术可以提高这一过程的效率，加快交易与结算之间的时间。"当有人给你提出一个行业或商业问题时，刚开始会有很多麻烦，这其实是一系列非常复杂、棘手的问题。"Glick 说。"其中一项任务是将其分解成更为简单的部分，以便能够使用经典计算方法处理并发现瓶颈所在。进而探索这些瓶颈是否可以通过量子方法来突破？"

蔡丽丽，33 岁

伊利诺伊大学厄巴纳 - 香槟分校

出生地：中国

上榜理由：她创造了节能的纺织品来打破我们传统的 "空调使用" 习惯。

蔡丽丽发明了一种基于纳米材料的纺织品，这种纺织品的厚度与普通 T 恤相当，但可以让你保持温暖或凉爽。

蔡丽丽的研究充分利用了人体皮肤会散发特定波长范围的红外辐射这一事实，通过操纵织物在该波段中阻挡或透射辐射的方式，她生产了多种对温度有不同影响的纺织品。

为了让身体更暖和，蔡丽丽创造了一种金属化的聚乙烯纺织品，该纺织品可以将人体热辐射损失降至最低，但仍能保持面料透气，与普通纺织品相比，它可以使人们的体感温度升高约 7°C。而在阳光直射下，她的冷却织物——一种新型的纳米复合材料——则可以将人体降温超过 10°C。

蔡丽丽认为，弄清楚如何使这种纺织品看起来像普通服装一样，这点至关重要。例如，以前的辐射冷却材料只能用白色生产，但在 2019 年，她发现了如何用不同颜色制造冷却纺织品的方法。她的最终目标是生产出一种适应性极高的纺织品，它在天气寒冷时可以使人体保持温暖，而在高温下又可以让人感觉凉爽。

随着全球气候变化导致天气和温度模式的变化，人们将使用更多的能源来调节建筑温度。如果她的团队能找出如何以低成本、大规模的方式生产这种纺织品，他们将能提供一种有助于削减取暖和制冷费用的替代方案。

Siddharth Krishnan，29 岁

麻省理工学院

出生地：印度

上榜理由：他开发的无创传感器可以从根本上改善脑积水的治疗，如果不及时治疗，其结果可能是致命的。

一种微型的、强大的传感器，使疾病诊断更便宜、更快、更容易。

麻省理工学院的材料科学家 Siddharth Krishnan 开发了一种微型传感器，它可以使人们免于遭受致命的大脑疾病困扰。

在美国出生的每 1000 个婴儿中就有一到两个患有脑积水，这种情况下大脑中会积聚起脑脊髓液。这种疾病也可能发生在晚年，或是遭受外伤性脑损伤后。在美国有超过一百万人患有脑积水，几乎所有人都安装了分流装置，将脑中的液体排到胸部或腹部。如果不及时治疗，这种情况可能是致命的，但如果及时治疗，通常可以完全康复。

如果分流器被堵塞，不起作用了，那么脑脊髓液就会再次积聚。在六年之内，大约一半的分流器会发生这种情况，所以这是一个关键问题。

早期检测分流器故障的技术都有各种缺点。重复进行 CT 扫描、MRI 或 X 射线检查会使患者受到危险剂量的辐射，额外增加很多花费，而且由于只能间接地检测分流器的性能，因此并不是完全可靠。有时候，进行侵入性脑部手术仅仅是为了验证分流器是否正常工作。而且由于每年仅进行几次检查，因此患者及其家人不得不一直处于不确定状态，怀疑他们的分流器是否工作正常。

在任何情况下，由于来自大脑的液体流动是断断续续的，因此这种间隔性抽查不一定能发现问题。

Krishnan 的传感器提供了一种非侵入性的方式来监测分流器情况：可以将其放置在颈部皮肤上靠近分流器的位置。它测量几个不同点的温度，从获得的温度分布推断液体是否在流动。与早期的非侵入式传感器进行较少的温度测量并需要使用冰袋不同，他的设备可以连续测量脑积水流动，并通过蓝牙实时报告结果。

今年早些时候，他在《NPJ 数字医学》杂志上发表的一篇论文中，对 7 位患者进行了现场试验，结果表明他的传感器一次可以提供数小时的"可靠，高质量的数据"。

Krishnan 希望他的传感器能在脑积水之外有更多应用，例如监测糖尿病等其他疾病，在这些疾病下，检测皮肤下的微小变化会产生巨大的影响。

Avinash Manjula Basavanna，33 岁

哈佛大学 Wyss 研究所

出生地：印度

上榜理由：他的可生物降解塑料可以防止极端化学物质的侵蚀，而且可以用水自我修复。

据估计，有史以来人类生产的 91 亿吨塑料中，只有 9% 被回收，将近 80% 的垃圾会不断增加垃圾填埋场的数量，或者持续污染自然环境。

在自然环境中，塑料垃圾的降解需要上千年的时间。这种物质最终也会以塑料微粒的形式进入人体，慢慢积累，对人类健康造成毁灭性的影响。解决这个问题的关键所在，可能是通过生物技术工程制造出传统塑料的替代品，新的塑料材质可以自然降解，而且降解速度很快。

生物塑料并不是一个全新的概念，但是很难以一定数量和具有对工业有用的性能来制造它们。哈佛大学 Wyss 研究所的博士后 Avinash Manjula Basavanna 认为他可以做得更好。

他和他的同事们开发了一种基于活物质的新型塑料，他们称之为"AquaPlastic"，可以进行商业规模生产，它不仅具有许多石油基塑料的坚韧品质，而且只需短短两个月就能在水中自然降解。

该材料本身可抵抗强酸和强碱。只需加水，就可以将其用作涂料，这意味着它可以作为粘合剂使用，这成为同类产品中首个具备这种功能的塑料。此外，如果这种塑料被刮擦，涂层也可以用水进行"修复"。

最重要的是， "你不必担心会增加我们的塑料污染和塑料微粒问题。"Manjula Basavanna 说。目前，他和他的合伙人正围绕 AquaPlastic 成立初创公司进行商业化探索，如果大规模生产，这种便宜的、可生物降解的材料有望与传统的塑料、涂料竞争。

Ghena Alhanaee，30 岁

南加州大学

出生地：阿拉伯联合酋长国

上榜理由："如果发生了突发事件，海水淡化厂无法运转…… 真的没有后备计划。"

在危机中，严重依赖石油钻塔、核反应堆和海水淡化厂等基础设施可能是灾难性的，不过，Ghena Alhanaee 的数据驱动框架可以帮助各国做好准备。

在南加州大学做博士研究生的早期，Ghena Alhanaee 偶然发现了一系列令人不安的事实。

波斯湾的国家，包括她的祖国阿拉伯联合酋长国，比她想象的更容易遭受灾难。海湾地区是世界上最大的石油和天然气生产区之一，有 800 多个海上钻井平台，每年数千艘油轮通过其浅水区，而且阿联酋还在建造阿拉伯半岛的第一座核电站。与此同时，一些海湾国家几乎完全依赖海水淡化设施来提供饮用水，而应急供应只有两三天。"如果发生了什么事，海水淡化厂无法运转，现在真的没有后备计划，"Alhanaee 说。

从那以后，她一直致力于解决海湾地区的防灾缺口。目前，她正在开发一个数据驱动的框架，以帮助该地区更好地降低漏油或核事故的风险。

由于海湾地区的核工业刚刚起步，而且其石油和天然气部门对其数据保密，她更多依靠的是来自美国的信息：她的统计模型借鉴了过去 10 年美国核工业和海洋石油工业中 4000 多起安全事故的报告数据。她说，诀窍在于更好地理解哪些小事件的组合，会在哪些场景下，最有可能滚雪球变成大事件。

Alhanaee 的框架旨在做到这一点。她计划将自己的发现应用于海湾一个特别脆弱的地方——即将完工的巴拉卡（Barakah）核电站附近，以及大规模的石油平台和海水淡化设施。最终，她希望她的研究能够帮助该地区的政府制定更强大、更协调的减灾策略。

Andrej Karpathy，33 岁

特斯拉

出生地：斯洛伐克

上榜理由：他利用神经网络让自动驾驶的汽车"看得见"。

数十年来，无数计算机科学家都一直希望能让计算机真正具备视觉可见性。Andrej Karpathy 的研究已经非常接近了，他的深度神经网络方法使机器能够理解图像中正在发生的事情。

作为斯坦福大学的研究生，Karpathy 扩展了卷积神经网络（CNN）技术，该技术广泛地模拟视觉皮层中的神经元结构，在 2015 年，Karpathy 还策划并担任了斯坦福大学第一届深度学习班的主要讲师。

通过将 CNN 与其他深度学习方法相结合，他创建了一个系统，该系统不仅可以更好地识别图像中的单个项目（例如狗或人），而且还可以看到整个场景中的物体情况——例如多只狗和人们彼此互动——并有效地判断其中发生的事情，以及接下来可能发生的事情。

2017 年，Karpathy 加入特斯拉，负责监督训练特斯拉汽车自动驾驶功能的神经网络，这包括碰撞检测、自动驾驶功能和远程召唤（让汽车从停放的地方自动驾驶到用户面前）等。

借助 Karpathy 的研发成果，特斯拉正在采取与大多数厂商不同的技术路径。通常，自动驾驶汽车会使用昂贵的激光雷达扫描周围环境，构建虚拟高精地图，然后使用人工智能来分析，告诉车辆该做什么反应。

特斯拉的方法是使用传统相机。Karpathy 开发的系统不仅可以让汽车像人类驾驶员那样识别道路上的物体，而且还可以动态分析整个场景（汽车、人、交叉路口、标志等等），如果它按预期工作，就能立即推断出发生了什么。要做到这一点，需要近 50 个神经网络来不断处理来自超过一百万辆特斯拉汽车的路况观察和学习数据。

Gregory Ekchian，32 岁

麻省理工学院

出生地：美国

上榜理由：他发明了一种使癌症放射治疗更安全、更有效的方法。

杀死肿瘤所需的辐射量取决于肿瘤细胞中的氧气水平，但是肿瘤科医生目前并未调整辐射剂量来解决这一问题。Stratagen Bio 的联合创始人 Gregory Ekchian 开发了一种传感器，可用于读取肿瘤中的氧气含量，以指导个性化癌症治疗，这可能会为行业带来很大的改善。

在与波士顿布莱根妇女医院的临床医生充分讨论后，Ekchian 很快意识到需要一种全新传感工具的迫切性。于是，他开发了一种癌症治疗技术的原型，被称为：高剂量率近距离放射疗法。在这种治疗方式中，医生用一系列空心导管刺穿肿瘤，然后通过导管注入放射性同位素，使肿瘤充满放射线，一旦达到所需剂量就能将肿瘤清除。

基于这样的原型，Ekchian 还在改良版导管的尖端上添加了一种新近发明的对氧气敏感的聚合物。在常规的 MRI 扫描过程中，聚合物中的质子被激发。这些质子在被高浓度氧气包围的导管中比在低氧浓度中更快地恢复平衡，因此，它们恢复平衡的速度可以用来确定肿瘤不同部位的氧水平高低，从而使肿瘤学家能够确定辐射剂量应该重点植入的位置，并调整其强度使其发挥最好效果。

Ekchian 说："如果我们不关心健康的人体组织，我们只会增加对整个肿瘤的辐射剂量，但是过量的辐射会极大地伤害患者。这意味着弄清楚那些高剂量的辐射应该怎样去用非常重要。"

Ekchian 正在准备发布一项涉及 7 名宫颈癌患者的临床试验结果，这是这种改进疗法在人类中首次应用，他最终希望将他的氧气感应应用程序用于广泛的临床治疗。

Andreas Puschnik，31 岁

陈 · 扎克伯格生物中心

出生地：德国

上榜理由：寻找对病毒性疾病的普遍治疗方法，可能会让我们为下一次大流行做好更充分的准备。

寨卡、埃博拉、SARS、登革热和新冠肺炎， 这些疾病都有着令人恐惧的特性，为了繁殖，病毒会劫持人体细胞并利用其生物成分产生更多的病毒。

对 Andreas Puschnik 而言，了解生物分子病毒的更多机制，可能会推进产生新型的广谱抗病毒药物。Puschnik 认为："病毒依赖于特定的细胞途径，这些细胞自身可能成为药物靶标。"

这位德国出生的研究人员表示，通常情况下，制药商希望使用化学物质清除病原体，这种化学物质被设计成能与病毒分子成分结合并使其失效。"一种药物，一种病毒"的针对性解决方案可以有效发挥作用，但问题在于每种药物都必须经过复杂的专门设计。

相对而言，一种被称为宿主定向疗法的替代方法正处于早期阶段，Puschnik 正在使用基因编辑工具 CRISPR 提升这种新疗法的研发速度。在大规模筛选方法中，他使用 CRISPR 修饰了数百万个人类细胞，进行了十万种不同的基因突变。如果这些细胞中的任何一个在感染黄热病后仍能幸存下来，就意味着他已经使细菌繁殖的分子途径失活了。

Puschnik 已经帮助找到了一种蚊子传播的黄病毒（如登革热、寨卡病毒和西尼罗河病毒）繁殖所需要的酶，以及一种能够阻断这种酶的药物，由于所有黄病毒的作用都相似，他希望该药可以成为它们的"通用疗法"。

在 2020 年加利福尼亚的新冠疫情封城期中，Andreas Puschnik 一直在陈 · 扎克伯格生物中心持续研究工作，这家新机构将他选为第一位科学研究员。"对于病毒学家来说，这仍然是忙碌的日子。" Puschnik 说，他现在正计划将注意力转向新冠病毒的研究。

他认为，一种可以改变细胞，从而使人体细胞对冠状病毒产生抵抗力的药物可以为下一次大流行做好准备："也许还能治疗我们尚不知道的其他类似病毒。"

—— 远见者 ——

他们的创新正引领人工智能、量子计算和医疗植入物领域的重大突破。

Inioluwa Deborah Raji，24 岁

AI Now 研究所

出生地：尼日利亚

上榜理由：她对用于训练面部识别系统的数据进行种族偏见的研究，迫使公司们做出改变。

Inioluwa Deborah Raji 踏上人工智能研究之路的促因，来自她记忆中一次 "可怕的" 亲身经历。大三之后，Raji 在一家名为 Clarifai 的初创公司做机器学习方面的实习，当时她正在研究一种计算机视觉模型，该模型可以帮助客户将不当图像标记为 NSFW（Not Safe For Work，内容不适合上班时间浏览）。让人感到困扰的是，它标记出有色人种照片的比例远高于白人。

她发现，这种不平衡是训练数据导致的：该模型正在学习从色情图片中识别 NSFW 图像，从库存图片中识别安全图像。但事实证明，色情内容十分多样化。这种多样性导致模型自动地把深肤色与色情内容相关联。

尽管 Raji 向 Clarifai 报告了这个问题，但该公司仍然继续使用该模型。她回忆说："当时想做任何事情都非常困难。人们的痛点也是很难获得准确的数据。"这件事促使 Raji 做出进一步调查，她研究了用于训练计算机视觉的主流数据集。

然后，她一次又一次地发现堪称令人震惊的人口比例失衡。例如，许多人脸数据集缺少深肤色的人，导致人脸识别系统无法准确区分这类人脸。而警察部门和执法机构却要使用这些系统，他们认为这可以帮助识别犯罪嫌疑人。

"那是这个行业真正令我震惊的第一件事。"她说："目前有许多机器学习模型正在部署中，并影响着成千上万人。而系统不准确的做法，是缺乏责任心的。"

Raji 出生于尼日利亚的哈科特港，四岁时移居安大略省的密西沙加。除了离开的原因，她对于自己的祖国知之甚少：她的家人想摆脱动荡的局面，让她和她的兄弟姐妹过上更好的生活。然而前期的过渡非常艰难。在头两年， Raji 的父亲继续在尼日利亚工作，在两大洲之间来回飞行。

Raji 在加拿大的头五年里，曾在七所不同的学校上学。最终，一家人搬到渥太华，一切开始稳定下来。当她申请大学时，她确定自己对医学预科课程最感兴趣。

她说："如果你是一个女孩，并且擅长科学，人们会告诉你要当医生。" 她被麦吉尔大学神经科学专业录取。然后因为一时兴起，以及在父亲的鼓励下，她参观了多伦多大学，并遇到了一位说服她学习工程学的教授。

她回忆说："这位教授告诉她，如果想使用物理学和数学，来构建真正的影响力，编程可以帮你做到。" "我就是喜欢上了这个专业，并在一夜之间改变了主意。"

正是在大学里，Raji 上了她的第一堂编程课，并很快被黑客世界所吸引。她喜欢以最快的速度将自己的想法转变为软件，帮助解决问题或改变系统。到大三时，她渴望加入一家软件初创公司，从而在现实世界中体验这一点。因此，在进入 Clarifai 公司实习几个月后，她发现自己正在寻找解决所发现问题的方法。在尝试内部支持未果的情况下，她联系了她认识的唯一一位致力于消除计算机视觉偏差的研究人员。

2016 年，麻省理工学院研究员 Joy Buolamwini（入选《麻省理工科技评论》2018 年"35 岁以下科技创新 35 人"）发表了 TEDx 演讲，内容是除非她戴上白色口罩，否则商业面部识别系统就无法检测到她的面部。

对于 Raji 而言，Joy Buolamwini 是完美的榜样：她作为黑人女性研究员，成功地阐明了她所发现的相同问题。Raji 随后收集了所有代码和分析结果，并向 Joy Buolamwini 发送了一封电子邮件，后来两人迅速达成合作。当时，Joy Buolamwini 为她的硕士论文，设计了一个名为 "性别阴影" 的项目。

这个想法既简单又激进：即创建一个可用于评估商业人脸识别系统是否存在性别和种族偏见的数据集。事实上，在此之前，并不是销售这些系统的公司没有进行内部审核流程，而是他们使用的测试数据与让系统学习的培训数据在人口统计学上是不平衡的。因此，系统在审核过程中的准确率可以达到 95％以上，而一旦部署到现实世界中，在少数群体中的准确率仅为 60％。相比之下，Joy Buolamwini 的数据集具有肤色和性别分布均匀的人脸图像，从而使其成为一种更全面的方法，来评估系统对不同人口群体的识别程度。

Raji 参与了这项技术工作，编辑了新的数据集并帮助 Joy Buolamwini 进行了审核。结果令人震惊：Microsoft，IBM 和旷视科技三家公司的人脸识别系统接受了测试，测试结果最糟糕的地方在于，深肤色女性的性别识别率，比浅肤色男性低 34.4％。调查结果刊登在《纽约时报》并成为头条新闻，这迫使相关公司去改善自家产品中的偏见。

"性别阴影"，是 Joy Buolamwini 向 Raji 展示的、促使公司进行变革的强大工具。2018 年夏天，她离开 Clarifai 后，与麻省理工学院媒体实验室的 Buolamwini 开始了一个新项目，它在 2019 年 1 月成为炙手可热的头条新闻。

这次，Raji 领导了这项研究，并通过对他们所审核的三家公司的采访，她了解到性别阴影是如何引导他们改变其训练系统的方式，以解决更多的人脸识别问题。

她还重新审核并测试了另外两家公司：亚马逊和 Kairos。她发现，尽管这两家的人脸识别系统对人口统计群体的准确性存在巨大差异，但 Microsoft、IBM 和旷视科技的人脸识别系统已经得到大大改善。

Raji 的这些发现，为 AI 研究做出了基础性贡献。同年晚些时候，美国国家标准与技术研究院也更新了对人脸识别算法的年度审核，其中包括种族偏见的测试。

此后，Raji 参与了其他几个项目，这些项目已经为算法问责制树立了标准。在媒体实验室工作后，她加入 Google 成为研究顾问，以帮助该公司提高其 AI 开发过程的透明度。传统的软件工程师拥有完善的实践，来记录他们在构建产品时所做的决策，而当时的机器学习工程师却没有。这样一来，他们就更容易引入错误或偏见，并且更难追溯和检查此类错误。

Raji 与由资深研究科学家 Margaret Mitchell 领导的团队一起，根据她在 Clarifai 的经验，开发了供机器学习团队使用的、易于遵循的文档框架。Google 于 2019 年推出了该框架，并将其内置到 Google Cloud 中供客户使用。此后，包括 OpenAI 和自然语言处理公司 Hugging Face 在内的许多其他公司也采用了类似的做法。

Raji 还共同领导了自己在 Google 的项目，引入内部审核实践，来补充她在媒体实验室所做的外部审核工作。她的想法是：在 AI 产品开发的每个阶段创建检查，以便在发布之前就可以发现并处理问题。该框架还包括了如何获得高级管理人员支持的建议，如果一个产品未通过审核，则它确实会被阻止发布。

在她的所有项目中， Raji 的愿望是使 AI 伦理更易于实践。"采取我们作为一个社区喜欢谈论的那种高层次道德理想，并尝试将其转化为具体的行动、资源和框架，"她说。

事情并不总是那么容易。在 Google，她发现改变工作方式，需要花费大量时间和精力。她担心消除 AI 偏见等问题的财务成本，会阻止公司这样做。这是她退出行业、并继续在非营利研究所 AI Now 工作的原因之一。她认为，外部审计仍能以内部审计无法做到的方式让公司承担责任。

Raji 对此依旧充满希望，她看到 AI 研究人员比以往任何时候都更加渴望在工作中展现道德心和责任感。"这是一项如此具有影响力的技术。" 她说，"我只是真的希望我们在如何构建这些事物方面要更加周到，因为它确实很重要、并且确实会给人们来带影响。"

Eimear Dolan，32 岁

爱尔兰国立高威大学

出生地：爱尔兰

上榜理由：医疗植入物常常受到人体的排异反应。她可能已经找到了问题解决方法。

当 Eimear Dolan 第一次致力于开发治疗 1 型糖尿病的植入式医疗设备时，她和她的同事们必须克服一个常见的障碍，即起搏器、胰岛素输送系统和乳房植入物这样的设备制造者们长期以来都在纠结：当身体感觉到植入的异物时，它就会构建起纤维组织的保护壁。这种反应称为异物反应，也是医疗植入失败的主要原因之一。

今天，作为爱尔兰国立高威大学的生物医学工程师，Dolan 认为她找到了一种方法来抵消异物反应。她的 "武器" 是一种被称为动态软储器（dynamic soft reservoir）的小型机器人装置。

该装置是由位于爱尔兰国立高威大学的 Dolan 实验室和麻省理工学院的研究人员合作开发的，它由一种软材料制成，可以使其振荡、并产生足够的流体流动，来改变植入物周围的环境，防止保护组织形成。

过去，研究人员试图使用药物或改变植入物的表面化学性质。Dolan 的创新之处在于，她和她的同事已经成功地在老鼠身上进行了测试，这标志着第一次有人用机械解决了该问题。Dolan 说："它的优点在于它是一种无毒的方法。"

现在，她的团队正在重新设计动态软储器，以作为构建 "生物人工胰腺" 努力的一部分，这是一种为 1 型糖尿病患者生产胰岛素的植入式细胞库。早期使用这种装置的尝试特别容易被身体排斥，并失败。Dolan 相信她的团队能够改变这种状况，并最终提高其他可植入设备的成功率。

Miguel Modestino，34 岁

纽约大学

出生地：委内瑞拉

上榜理由：他利用 AI 指导用电代替热，来优化反应，从而减少化学工业的碳足迹。

化学工业生产从塑料到化肥的各种产品，Miguel Modestino 已经扫清了化学工业电气化的主要障碍。他的 AI 系统可自学如何用电脉冲而不是传统的燃烧化石燃料的加热方法，来优化制造各种化学物质的反应。而且由于电力可以来自风能或太阳能等可再生能源，因此化工厂通电可以大大减少排放。

在早期的实验室项目中，Modestino 的团队将己二腈（主要用于制造尼龙的中间体）的产量提高了 30％以上，这比过去 50 年来的任何其他方法都取得了更大的进步。

关键是使用不断变化的复杂电流脉冲来优化产量。找出使用哪种脉冲模式，就需要借助机器学习。Modestino 进行了一些实验，在不同的电条件下制造己二腈，并让他的 AI 分析数据找出如何以更少的能量、更高的产量和更少的废料来制造该化合物。

Modestino 和两名他以前的学生最近创立了 Sunthetics，以期将 AI 系统应用于其他化学过程，例如那些参与产生氢燃料和制造聚合物的过程。该公司还致力于扩大己二腈工艺的规模，以建造一个完整的中试反应器，并将该方法扩展至其他工艺。

Rose Faghih，34 岁

休斯顿大学和麻省理工学院

出生地：美国

上榜理由：她装有传感器的手表可以监视您的大脑状态。

如果 Rose Faghih 的项目顺利完成，看似简单的智能手表，就可以确定大脑内部正在发生什么。

Faghih 开发了一种算法，来分析汗液活动中其他无法察觉的变化，而这正是压力和刺激的关键指标。

她使用连接在智能手表背面的两个小电极，监测出汗引起的皮肤电导变化。然后，信号处理算法允许 Faghih 将这些变化与特定事件相关联，例如 PTSD 相关的闪回，甚至只是游走的注意力，以精确探查人的大脑状态。

通常，此类实时数据只能通过昂贵的电极系统（例如 EEG 或功能性 MRI）获得。从理论上讲，Faghih 的 "Mindwatch" 将足够便宜且便于携带，以使人们可以在任何地方监视其大脑状态。

Faghih 希望这可以帮助人们控制自己不断变化的情绪和精神状态：可穿戴设备能够检测躁动不安的驾驶员，并让其尝试深呼吸、或打开让心情变好的音乐。对于患有精神疾病或慢性病（例如糖尿病）的人，它甚至可以触发自动深脑刺激设备或胰岛素泵。

Zlatko Minev，30 岁

IBM Quantum Research, TJ Watson

出生地：保加利亚

上榜理由：他的发现可以减少量子计算中的错误。

Zlatko Minev 推翻了曾经困扰玻尔和爱因斯坦的量子物理学支柱。

在整个 20 世纪的大部分时间里，人们都假定原子以突然的、不可预测的、离散的量子跃迁，从一个能级跳到另一个能级。Minev 的研究证明并非如此。他说："量子物理学并不像我们以前想象的那样难以捉摸和离散。"

他的实验表明，当一个原子被光形式的能量轰击时，它以连续、平滑的方式从一个能级移动到另一个能级，而不是瞬时跳跃。更重要的是，Minev 能够快速检测到原子能级的变化、并进行控制，这样他就可以在原子跃迁完成之前阻止它，并将其逆转。

他说："在短期内，借助我为此项目开发的监控，我们实际上可以拥有可预测性的窗口。" Minev 的工作可能会对量子计算产生重大影响。

当亚原子粒子在能级之间跳跃时，会让这些量子计算系统产生大量错误，就像 Minev 实验中的原子。能够在跃迁完成之前对其进行探测和逆转的能力，将极大地增强量子计算机的能力，从而使它们能够更好地破解加密，对化学反应以及预测天气。

李博，32 岁

伊利诺伊大学厄巴纳 - 香槟分校

出生地：美国

上榜理由：她通过设计新方法来愚弄 AI，进而使 AI 变得更安全。

几年前，李博和她的同事们在停车牌上，贴上了黑色和白色的小贴纸，人眼看上去是随机的，并且不会遮挡标牌上清晰的文字。然而，这种安排是经过精心设计的，因此，如果自动驾驶汽车驶近，为其视觉系统提供动力的神经网络就会误读停车标志，因为它显示的信息是限制时速 45 英里。

人们以前也曾尝试过这种"对抗性攻击"，即用对人无害的输入数据的处理，来愚弄神经网络，但以前的例子大多是数字化的。例如，图像中的几个像素可能会更改，而肉眼看不到这一更改。

李博，是最早证明这种攻击在物理世界中可能存在的人之一。对于 AI 来说，检测起来更加困难，因为开发用于发现操纵的数字图像的方法，不适用于物理对象。

后来，李博还对物理对象的特征（如形状和纹理）进行了细微的改变，这对于人类来说仍然是不可察觉的，但会使图像识别算法看不到它们。

她的目标是利用有关潜在攻击的知识，来使 AI 更加强大。她利用一个神经网络来识别和利用另一个系统中的漏洞，让人工智能系统互相攻击。

此过程可能会暴露目标网络的训练或结构中的缺陷。然后，李博制定了解决这些缺陷、以及防御未来攻击的策略。对抗性攻击，也可以蒙骗其他类型的神经网络。例如，对音频的细微调整，可能会使语音助手误解其听到的内容。

如今，李博的某些技术已经在商业应用中使用。IBM 用它们来保护其 Watson AI，而亚马逊用它来保护 Alexa。少数几家自动驾驶汽车公司，将其应用于提高机器学习模型的稳定性。

Dongjin Seo，31 岁

Neuralink

出生地：美国

上榜理由：他正在设计用于无缝连接人脑和机器的计算机芯片。

六年前，当我第一次遇到电气工程师 Dongjin Seo 时，他告诉我，他一直想成为"对如何改善世界有强烈直觉的科学家"。

当时，他正在加州大学伯克利分校一个实验室拥挤的角落里工作，研究一种叫做 "神经尘埃" 的超小型电子传感器，它可以植入动物大脑中，并通过声波进行控制。

该项目的目标是新型的脑机接口，其可以读取皮质内神经元的发射信号，甚至还可以将信息发送回去。这种技术可能会开辟从大脑读取信息或向大脑写入信息的方式。

然后到了 2016 年，在我与 Dongjin Seo 交谈后不久，埃隆 · 马斯克邀请他加入了新公司 Neuralink，该公司准备斥资数百万美元，来设计人脑与计算机之间的无缝接口。"埃隆提出了异想天开的想法，好吧，这让我很难说不，"Dongjin Seo 说，"那简直是我梦寐以求的事情。"

该公司使用机器人代替神经尘埃，来把超薄电极插入动物的大脑。Dongjin Seo 是一个由十几个人组成的团队的负责人，他们设计的低功耗无线计算机，要安装在颅骨上切开的小洞中。他说他的主要贡献是设计所需的电路板和芯片。

"我们需要这些芯片来收集可能看起来像噪声的信号，对其进行处理，并在不影响大脑的情况下完成所有这些工作。"在对动物进行测试后，该公司希望尝试对瘫痪或重病患者进行大脑连接。最终，"康复者的'增加'成为一个突出成果，"Dongjin Seo 说，"它能够增强我们与世界互动的能力。"

Leilani Battle，31 岁

马里兰大学

出生地：美国

上榜理由：她开发的一款程序可以实现更快的数据筛选，帮助科学家更专注于科学研究。

在 Leilani Battle 攻读博士学位期间，她参与开发了 ForeCache 这款软件，这是一个可以帮助研究人员浏览大量数据的工具，比如，通过扫描高分辨率卫星图像来寻找积雪覆盖区，其目的是降低延迟，以便用户可以在数据集上移动和缩放，而不会出现可感知的延迟。一种常见的方法是预测用户可能需要哪部分数据，然后 "预先载入"。但是，如何预测要预先载入的数据？一切都取决于对用户行为的理解。

Battle 和她的同事开发了一个更有效的预测系统。这一系统首先会试图辨别用户处于哪一个"分析阶段" ，然后再辨别下一步可能需要哪些数据块。他们把这三个阶段命名为 "觅食"（foraging）、"感知"（sensemaking）和 "导航"（navigation）。他们假设处于 "觅食" 阶段的用户为产生新的想法而粗略地浏览内容。"感知" 阶段则是对这些想法的更仔细检验，而 "导航" 阶段则介于两者之间。

他们说，在预测用户需要哪些数据时，这一系统可以比现有预测系统好 25% 左右，几乎降低了一半的延迟。

Battle 致力于开发可以帮助研究人员筛选数据的系统和界面，使他们更好、更快地完成工作。她希望探索工具可以变得更具互动性和可视性，而不再那么吓人。这或许有助于科学家发现以往容易被忽略的异常数据。

Morgan Beller，27 岁

Novi

出生地：美国

上榜理由：她是 Facebook 加密货币想法背后的关键人物。

2017 年夏天，Morgan Beller 向她在 Facebook 企业发展团队的主管提出了一个建议：她是否可以将大部分工作用于研究 Facebook 如何进入数字货币市场？

当时 Beller 还是个新人，正在参加入职培训。但她此前曾在一家风险投资公司做过早期的加密货币投资。她似乎可以预见，全球金融界将发生怎样翻天覆地的变化。

当她意识到 Facebook 这家巨头公司内还没有人研究区块链时，她自告奋勇并很快成为了 Facebook 数字货币项目的关键人物，并领导了开源区块链基础架构 Libra，以及其货币应用程序和数字钱包 Novi 的开发。

自 Libra 这一计划公开后，Facebook 和创始人马克 · 扎克伯格遭受了外界的强烈批评。Beller 对此并不惊讶，"我们正试图改变当前的金融体系，但有太多的人不希望看到这样的改变。"

虽然 Libra 还没有推出，但已经刺激其他国家加快本国数字货币的开发。4 月，Facebook 做出了妥协，在其新版白皮书中宣布除了提供锚定一篮子法币的币种外，还将提供锚定单一法币的 Libra 稳定币。尽管如此，Libra 依然具有颠覆性。

Adriana Schulz，34 岁

华盛顿大学

出生地：巴西

上榜理由：她开发的这一工具可以让任何人在无需理解材料科学或工程的前提下设计产品。

Adriana Schulz 基于计算机开发的设计工具，可以让普通用户在不需要了解基础力学、几何学或材料的前提下，像工程师那样使用图形拖放界面来创建机器人、鸟巢等功能丰富的复杂对象。

"令我兴奋的是，我们即将进入制造业的下一个阶段，进行一场新的制造业革命。" Schulz 说。

Schulz 的一项发明是 Interactive Robogami，这一工具可以帮助任何人设计基本的机器人。当用户在屏幕上设计完成地面机器人的形状和轨迹后，Interactive Robogami 会自动将原始设计转换成可以从标准或 3D 打印零件构建的示意图。

她和她的合作伙伴开发的另一个工具，可以让用户自己设计无人机，以满足他们在有效载荷、电池寿命和成本方面的定制化要求。这一系统中的算法结合了材料科学和控制系统，并自动输出制造计划和控制软件。

Schulz 目前正在推动建立华盛顿大学数字制造中心，她将与其他人共同指导该中心的工作。同时，她也将与当地的技术和制造公司合作，把她的工具 "搬出" 实验室。

—— 人文关怀者 ——

他们利用科技为人们治愈疾病，提供饮水、住房和假肢。

Katharina Volz，33 岁

OccamzRazor

出生地：德国

上榜理由：一位亲人的遭遇让她开始使用机器学习来寻找帕金森病的治疗方法。

2016 年，Katharina Volz 得知她的一位亲人不幸被诊断为帕金森病，当时她刚刚获得了斯坦福大学的博士学位，并在干细胞研究领域找到了一个非常赚钱的工作，但这个消息彻底改变了她。

Volz 说，"我当时就知道自己可以做出贡献，尽管有时会感觉很无助，但我自认为有责任找到治愈这种疾病的方法，因为我知道自己可以为此做些什么。"如今，她创办的 OccamzRazor 公司，正通过将机器学习与生物医学研究结合，来推动帕金森病疗法的研究。

在研究帕金森病的过程中，Volz 注意到了一个问题，这一问题如今也困扰着整个科学界。Volz 发现，研究帕金森病的专家通常只精通某一特定方面，而对其他方面不太了解，进而无法参与其他研究。由于这些 "学术孤岛" 的存在，有关帕金森病的新认识很难及时分享和探索，阻碍了我们对帕金森病的进一步了解。

"即使你是世界上最聪明的研究者，你也不能掌握所有信息，建立起可以帮助你更加了解这种疾病的所有联系。" Volz 说，"人类将这些众多联系关联起来的能力是有限的。"

而机器学习就可以做到。Volz 意识到，人工智能在阅读某个领域的所有不同论文和数据集，以及识别可能带来突破的洞察力方面，可以比人类做得更好。尽管机器学习不是她的专长，她还是召集了一个人工智能研究团队，以及计算生物学、药物开发和神经科学等其他领域的专家。2016 年，在从谷歌大脑负责人 Jeff Dean、迈克尔 ·J· 福克斯基金会等投资者和投资机构那里筹得资金后，OccamzRazor 诞生了。

OccamzRazor 从两方面开展相关研究。首先，这家公司开发了一些可以阅读和理解有关帕金森病出版材料的程序；其次，它还通过人工智能整合基因组学、蛋白质组学和临床数据集。其目的是，预测对帕金森病至关重要的新方法和关键基因，然后在实验室进行相关试验。

基于以上研究，OccamzRazor 推出了名为 "Parkinsom" 的知识图谱，从而揭示疾病的病因和进展，指出有助于早期诊断的体征和症状，并确定潜在的治疗目标。在 OccamzRazor 验证其发现后，便与生物科技公司和制药公司一起合作开发药物。

这一方法不仅仅局限于寻找有关帕金森病的相关疗法，OccamzRazor 计划将其扩展用于与大脑衰老相关的复杂疾病中，并建立综合知识图谱。Volz 认为，"这些疾病之间是相互影响的，研究帕金森并是研究大脑老化的最佳方法之一。"

David Warsinger，32 岁

普渡大学

出生地：美国

上榜理由：他研发的系统可以减轻现有海水淡化厂的弊端。

David Warsinger 认为，他的创新工作可以帮助解决 21 世纪最大的环境挑战之一：全球水资源短缺。

他改进了当下最常见的一种脱盐方法——反渗透水处理方法。如今，全世界约有 5% 的人口依赖于淡化的海水或内陆咸水来满足一些日常需求，随着水资源污染、过度使用以及与气候变化有关的降雨模式的改变，进一步减少了可用水域，这一数字还将继续上升。据联合国统计，约有 36 亿人生活在每年至少有一个月存在缺水情况的地区，到 2050 年这一数字可能超过 50 亿。"在全球范围内，我们正想尽一切办法开发地球上的水资源。" Warsinger 说。

然而，如今的海水淡化方法存在很大的局限性。传统的反渗透水处理方法，由于加压水需要被动地通过反渗透膜进行脱盐，会消耗大量能源，而且价格昂贵。此外，这一过程还会遗留下大量盐水，这对内陆工厂来说是一个特别大的问题，因为那里的水资源更加稀缺。

为提高整个工作流程的效率，当时还在麻省理工学院的 Warsinger 与 Emily Tow 共同开发了一套名为 "批处理反渗透"（batch reverse osmosis）的系统，该系统可以分批淡化海水，且盐度和压力也会随时间变化。传统的反渗透系统采用恒压的方式，而批处理系统则设计为对含盐量较低的水施加较小压力，从而节省大量能源。此外，这种方法还可以通过最大限度地减少反渗透膜上盐的堆积来提高淡水的提取率。

如今，Warsinger 是普渡大学机械工程系的教授，他的实验室正着手完善批处理系统。他的团队已经开发了一个拖车大小的原型设计，希望将其用于秘鲁和肯尼亚的试验工厂中。

Alex Le Roux，27 岁

Icon

出生地：加拿大

上榜理由：这一位于墨西哥的大规模 3D 打印项目，可能会为保障性住房的未来指明方向。

Alex Le Roux 认为，3D 打印可以为建筑设计提供新的可能性，并降低全球房屋建筑的成本。

作为美国奥斯汀初创公司 Icon 的联合创始人，Le Roux 参与设计了工业级 3D 打印机 Vulcan，这款 3D 打印机只需 24 小时就可以建造一套房屋的墙壁系统。根据联合国的数据，约有 16 亿人口没有足够的住房，全球三分之一的人口生活在非正式的居住点或贫民窟。Le Roux 认为，部分原因在于传统建筑方法使得建筑材料浪费和劳动力成本过高，很多贫困家庭无法承受由此带来的高房价。

Vulcan 旨在通过引入自动化流程来解决材料浪费和劳动力成本问题。这一 12 英尺（约为 3.66 米）高的自动化设备就像一支巨大的牙膏管，挤压来自另一台机器的英寸级厚的特殊混凝土混合层。Icon 通过提前对房屋设计进行编程，来尽量简化操作员的工作。"一旦在工作现场配备了这两台机器，你就可以下载一个应用程序，然后出发去比赛了。" Le Roux 说。

2018 年 3 月，Icon 完成了美国第一栋获官方许可的 3D 打印房屋，目前已在奥斯汀和墨西哥建造了 16 栋房屋，并正在墨西哥建造世界上第一个 3D 打印社区，为 50 个低收入家庭提供住房。

Mohamed Dhaouafi，28 岁

Cure Bionics

出生地：突尼斯

上榜理由：他们设计的假肢不仅功能强大，而且对于低收入国家的人来说，也足够便宜。

4 年前，在一次大学挑战比赛中，Mohamed Dhaouafi 发现一个队友的表亲自出生后就没有上肢，同时也负担不起安装假肢的费用。当时他还是一名工程专业的学生，一直在寻找可以产生社会影响的项目，当他开始研究世界各地的肢体残疾情况时，他发现这一领域存在巨大的需求缺口。据世界卫生组织估计，如今贫穷国家有 3000 万人不幸遭遇了截肢，但只有 5% 的人可以安装假肢。而且，由于儿童还未停止成长，为他们安装高质量假肢的长期费用更加昂贵。但是，如果不安装假肢，羞耻感和行动不便的问题会使大部分人无法上学，甚至导致无法就业。"我们不仅仅是在谈论肢体差异，我们也在谈论贫穷，谈论获得教育和卫生保健的机会。" Dhaouafi 说。

如今，他有一种可以帮助人们更易获得先进假肢的产品。他在突尼斯的初创公司 Cure Bionics 即将推出一款可调节的多手柄仿生臂，售价仅为 2000 美元，与同类产品相比十分便宜。他们正计划通过 3D 打印技术生产关键部件和内部设计大部分电路来降低成本。

但这并不意味着他们的产品没有质量保证：与其他公司开发的仿生手臂一样，Cure 的原型设备同样配备了传感器，允许用户通过弯曲或放松残肢的肌肉来操纵假肢，同时也在算法开发上做了努力，以帮助仿生手臂更准确地识别身体的电信号，尽量减少对整形外科医生的依赖。下一阶段，Cure 计划推出一款基于虚拟现实的头戴式视图器，将对儿童的物理治疗过程提供游戏化效果。"不会像医生那样要求你想象拿起一个苹果，你只需要像蜘蛛侠那样用手在建筑物之间跳跃就好了。" Dhaouafi 说。

Dhaouafi 和他团队即将发布这款多手柄仿生臂，他们已经对 5 名突尼斯青年进行了测试，也将很快在 3 家政府医院进行试验。Dhaouafi 的最终愿望是，可以为非洲、中东及其他地区的年轻人提供一系列高质量、价格合理的假肢。

—— 创业家 ——

他们用技术创新打破现状，带来了新的经营方式。

李纪为，31 岁

香侬科技

出生地：中国

在过去的几个月里，谷歌和 Facebook 都发布了新的聊天机器人，李纪为的技术在其中都起到了核心作用。

深度强化学习是让神经网络在试错中学习，李纪为将这一相对较新的技术应用到自然语言处理（NLP）中，自然语言处理是计算机科学领域的重要方向，旨在用程序处理人类语言。

通过使用深度强化学习识别大量文本中的句法结构，李纪为让机器更好地提取到其中的语义信息。其中，语法指的是词语之间的语法关系，而语义指的是词语的意义。

在书面用语中，语义关系相近的词在实际的句子中并不总是紧密相连。例如，一个动词和它的对象之间可能隔着一串形容词或从句。以往让机器解析自然语言的做法常常过于强调词语在句子中的位置是否接近，带来明显错误的结果。李纪为的机器学习算法能够找到句子的语法结构，从而更可靠地识别句子的意义。它们已经成为许多 NLP 系统的重要基础。

李纪为在中国长大，曾在北京大学学习生物学，随后他到美国康奈尔大学攻读生物物理学博士学位。但他很快将研究领域换成了 NLP，并先后进入卡内基梅隆和斯坦福大学，最终成为史上首个在 3 年内获得计算机科学博士学位的学生。

李纪为还探索了其他方法，让人工智能能够更好地识别语言数据中的模式。2014 年，他和团队将 Twitter 帖子与美国气象数据相关联，研究天气是如何影响用户的情绪。首先，他手动给 600 条推文贴上了快乐、愤怒、悲伤等标签。他用这些标签数据训练了一个神经网络来评估一条推文的情绪，并将得到的情绪信息与 2010 年和 2011 年发布的所有推文中约 2% 的地理位置数据进行交叉对比。

得到的结果并不令人惊讶：下雨时，人们的情绪会变差；天热时，人们会更容易表达愤怒。而对李纪为来说，这是一堂关于如何从大量文本中获取隐藏信息的实验课。

2017 年完成学业后，李纪为回到北京创立了专注在 NLP 领域的香侬科技，目前公司已获得 2000 万美元风险投资，拥有数十名员工。香侬科技正在开发机器学习算法，分析各类商业报告、社交媒体推文里的文本信息，并以此进行经济预测。

李纪为还尝试将深度强化学习用于生成自然语言， 对他来说，这是 NLP 的进一步应用。他表示，一旦你学会了阅读，你就可以学习写作。

即使是最好的聊天机器人，也会出现各种低级错误，比如语句不连贯、缺乏基本常识等，且对话越长，AI 的对话效果就越差。李纪为的技术能够让 AI 更好地掌握语言的结构。在对话中，如果语句中有明确的语法，那 AI 就更容易识别语句的主语和宾语等。例如，如果你对机器说"我们开始吧?"，普通的机器可能会回答"当然！"，但这样的回答内容其实可以接在任何问题之后，而李纪为开发的技术能让 AI 参考此前的对话内容，给出像 "是的，我们还有很多事情要做" 这样的回答。

Atima Lui ，30 岁

Nudemeter

出生地：美国

上榜理由：她正在用科技来纠正化妆品行业对肤色的偏见。

Atima Lui 在美国堪萨斯州长大，她是美国奴隶的后裔，也是一个苏丹难民的女儿。她还记得小时候第一次和朋友尝试化妆。她的朋友皮肤较白，"当朋友把她的化妆品涂在我脸上时，并没能变得更好看。"她发现，化妆品行业长期以来对 "裸色" 的定义就是白色或浅色皮肤的颜色。

为了解决这个问题，Lui 现在正在开发一款名为 Nudemeter 的 AI 应用。通过照片和一个简短的测试，它可以确定用户的肤色，预测肤色在一年中的变化，不管用户是任何肤色，该技术都能根据用户的皮肤颜色选择适合的化妆品颜色。

基于 Nudemeter，Lui 已经成功开发了自己的业务，但她的目标并不只是这项技术本身。她指出，在成长过程中，她受到社会在 "谁将成为企业家？谁能成为技术专家？" 这个问题上的刻板认知所影响，甚至是伤害。这正是她想要解决的问题。

潘世昂，34 岁

Modern Electron

出生地：中国台湾

他的公司改造了一个古老的设备，让你在自己的家中发电。如果该公司的产品能够广泛使用，我们能够减少对集中式煤炭、天然气发电厂的电力依赖。

热离子转换器最早发明于 20 世纪 50 年代，能够将热能直接转化为电能。Modern Electron 公司在这个旧技术的基础之上，通过计算机模拟和应用新材料，开发出了新型的热离子转换器，提升了能量的转化效率。

公司联合创始人潘世昂认为，Modern Electron 的技术能够将家用的燃气热水器、锅炉等变成一个迷你家用发电机，在家就能发电。他表示，这将会是一种比集中发电更便宜、更有效率的家用发电方式，尤其是与家用太阳能电池结合使用的时候。

热离子转换器由一对金属板组成，金属板之间是真空状态，任何来自外界的热量聚集会激发其中一块金属板上的电子越过缝隙到达另一块温度更低的金属板，从而产生电流。在一项应用当中，Modern Electron 将金属板卷成管状，轻松装在燃气炉上。

在多数时候，用户在家中可以依靠房顶的太阳能板提供电力。而在夜间、阴天或冬季，Modern Electron 的发电系统可以作为很好的补充。潘世昂认为，如果其公司的产品被广泛采用，将可以减少我们对煤炭、天然气发电厂的依赖，且这些发电厂在燃烧和电力传输的过程当中会出现大量能量损耗。因此这项技术可以反过来减少电力行业的温室气体排放。

该公司的技术还可以与其他燃料配合使用。因此，如果住宅供暖系统未来转向氢气等低排放或零排放的能源，这种新型的热离子转换器可以在减少污染方面发挥更大作用。

潘世昂认为，该设备在发展中国家有更广的应用前景。这项技术能够让社区建立小型的发电站，从而无需再耗费大量资金和时间建设大型集中式发电站和配电系统，方便为农村地区提供电力。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。