2021 年 2 月 24 日，MIT Technology Review 一年一度的 “十大突破性技術” 榜單正式發布。自 2001 年起，該雜志每年都會評選出當年的 “十大突破性技術”，這份在全球科技領域舉足輕重的榜單曾精準預測了腦機接口、量子密碼、靈巧機器人、智慧傳感城市、深度學習等諸多熱門技術的崛起。

本年度 MIT Technology Review “十大突破性技術” 分別為：mRNA 疫苗、生成式預訓練模型、數據信托、鋰金屬電池、數字接觸追蹤、超高精度定位、遠程技術、多技能型人工智能、TikTok 推薦算法和綠色氫能。

為了讓廣大讀者深入了解這十項技術的科學價值及其背后的科學故事，國家自然科學基金委員會特邀請各領域著名科學家分別對其進行深入解讀，以激發科研人員的創新思維，并促進科學界的學術交流。

1、mRNA 疫苗（Messenger RNA vaccines）

在 1918 年大流感 100 年后，全球爆發了又一次呼吸道病毒傳染病大流行，罪魁禍首是一種具有包膜的正鏈單股 RNA 病毒 —— 嚴重急性呼吸系統綜合征冠狀病毒 2（SARS-CoV-2）。

根據世界衛生組織的統計，截止到 2021 年 6 月 17 日，全球已有 176693988 人確診，造成 3830304 人失去了生命。面對病毒的挑戰，人類最有力的對抗武器是疫苗。針對這次疫情，從疫苗研發到實際應用的速度空前。

截止到 2021 年 6 月 15 日，全世界已接種了 2377780590 劑次針對 SARS-CoV-2 的各種疫苗。其中包括有首次應用就一戰成名的 mRNA 疫苗，它被 MIT Technology Review 評選為 2021 年 “全球十大突破性技術” 之一。

專家點評：

專家簡介：祁海 清華大學醫學院院長，教授，“長江學者” 特聘教授，國家杰出青年科學基金獲得者，霍華德休斯醫學研究所國際學者。曾獲教育部高等學校科學研究優秀成果獎自然科學一等獎以及北京市自然科學獎二等獎。

曾獲美國免疫學會研究者獎、樹蘭醫學獎、吳階平 — 保羅楊森醫學藥學獎、談家楨生命科學創新獎等獎項。長期研究抗體免疫應答調控，開創性成果包括發現抗體親和力成熟的細胞間正反饋機制、鑒定了記憶 B 細胞前體、揭示抗體應答雌雄二態性的細胞學基礎、以及定義了第一條調控獲得性免疫應答的腦 — 脾軸神經通路。

mRNA（Messenger RNA）被稱為信使 RNA，是攜帶編碼蛋白遺傳信息的單鏈 RNA。在細胞內，mRNA 指導把單個氨基酸按特定序列組成蛋白質，是細胞內 “蛋白工廠” 生產的 “指導員”。

很久以來，許多人都曾設想把在體外人工合成的 mRNA “指導員” 導入細胞內從而指導 “蛋白工廠” 的工作。第一例證明體外轉錄的 mRNA 可在體內指導蛋白質合成的研究發表于 1990 年，Wolff 等將編碼 β- 半乳糖苷酶（β-galactosidase）的 mRNA 注射到小鼠的骨骼肌，成功檢測到了 β- 半乳糖苷酶的活性。

兩年后，Jirikowski 等在大鼠中成功的用 mRNA 表達出了有功能的抗利尿激素（vasopressin）。雖然這些早期研究顯示出 mRNA 作為潛在治療載體的原理可行，其實際應用的缺陷也變得十分明顯。

mRNA 本身不夠穩定，在體內易降解，不易靶向遞送，而且可以導致強烈的免疫激活和炎癥反應。因此，在而后的許多年中，核酸治療領域都沒有把 mRNA 作為開發重點。

近十年的技術進步，通過對 mRNA 的人工修飾，大幅降低了 mRNA 本身的免疫原性，提高了安全性。通過脂質納米粒包裹 mRNA 的遞送技術，大幅提高 mRNA 在體內的表達效率。加之 mRNA 只需體外轉錄就可人工合成，快速價廉，實用性隨之增高。

通過 mRNA 表達蛋白抗原來誘導機體針對蛋白產生免疫應答，可能達到疫苗效果。機制上，脂質納米粒包裹的 mRNA 可有效的進入樹突狀細胞中，一方面使樹突狀細胞按 mRNA 指導表達蛋白抗原，另一方面通過脂質納米粒類似佐劑的作用激活樹突狀細胞。

作為免疫系統中最重要的抗原遞呈細胞，樹突狀細胞可將蛋白抗原消化分解成肽段，并呈遞于細胞表面的一類、二類組織相容性復合體，引起 CD4、CD8 T 細胞的特異性應答。

CD4 陽性 T 細胞可分化成不同的亞群，分泌細胞因子，促進機體的免疫反應。CD8 陽性 T 細胞可分化成殺傷性 T 細胞，從而在感染發生時殺傷感染細胞。在接種疫苗一段時間后，CD4 和 CD8 T 細胞都會分化成為記憶 T 細胞。

另外，mRNA 表達的蛋白抗原也可以被 B 細胞抓取，促使其活化，在 CD4 陽性 T 細胞的幫助下這些 B 細胞分化成為記憶 B 細胞和產生高親和力抗體的長效漿細胞。

這次新冠肺炎疫情中，mRNA 疫苗展現出了驚人的保護效果。在臨床前研究階段，Moderna 開發的 mRNA 疫苗 mRNA-1273 在恒河猴中可誘導強烈的免疫應答。

在第二劑接種后四周，血清中可檢測到高滴度中和抗體，表達白介素 - 21 的濾泡性輔助 T 細胞顯著增多。在包含了 30420 志愿者的三期臨床研究中，mRNA-1273 的有效率達 94.1%。這款疫苗對保存條件要求較為嚴苛，需在 - 20 ℃條件下運輸。

中國科學家開發的耐高溫 mRNA 疫苗 ARCoV 表現不俗，在動物實驗中可以誘導抗體和細胞免疫，并顯著降低病毒載量；它只需在 2—8 ℃保存。目前這款國產 mRNA 疫苗正在墨西哥進行 III 期臨床實驗。

使用外源 mRNA 導入人體實現細胞內蛋白表達的本質就是讓人體自身細胞成為 “工廠”，生產所需的蛋白分子。該技術顯然不局限于新冠病毒疫苗。多國研究者還在針對其他諸如 HIV 和 Zika 病毒設計和開發 mRNA 疫苗。

該技術也不局限于抗感染疫苗，比如也有針對黑色素瘤的 mRNA 疫苗正在臨床試驗中。事實上，使用 mRNA 表達技術也不局限于做疫苗。比如通過表達正確的血紅蛋白來作為治療性蛋白分子，同樣思路可能用于治療鐮狀紅血球貧血癥。

時勢造英雄，mRNA 疫苗在這次新冠肺炎疫情中顯示出了巨大潛力。同時，我們也要注意到，mRNA 技術的第一個概念性實驗證明距今 30 年，再一次說明投入源頭創新，回報不一定是立竿見影；但假以時日，金子總要發光。

mRNA 技術未來還會給我們帶來什么新的治療突破？我們拭目以待。

2、生成式預訓練模型 （GPT-3）

具有寫作和對話功能的大規模自然語言模型使人工智能朝著更好地理解人類的自然語言與人機交互這一目標邁出了堅實的一步。在眾多語言模型中，OpenAI 公司開發的 GPT-3 是目前為止參數最多、規模最大、能力最強的模型。

通過利用大量的互聯網文本數據和成千上萬的書籍進行模型訓練，GPT-3 模型對人類自然語言的模仿到了一個不可思議的地步，極具真實性，也因此成為迄今為止令人印象最深刻的語言模型。

雖然 GPT-3 模型建模能力、描述能力非常強，但是也存在眾多問題和局限性。首當其沖的就是 GPT-3 模型不能理解什么是真正意義上的寫作（自然語言生成），因此有時會生成一些不可控的內容。

其次，訓練 GPT-3 模型需要大量的算力、數據和資金投入，并會產生大量的碳排放，只有資源充足的實驗室才有能力開發類似的模型。此外，由于 GPT-3 模型在充斥錯誤消息和偏見的互聯網文本數據上進行訓練，往往會產生與訓練數據類似，即帶有偏見的篇章段落。

專家點評：

專家簡介：張民 蘇州大學特聘教授，博士生導師，計算機科學與技術學院院長。國家杰出青年科學基金獲得者， “國家百千萬人才工程” 入選者，國家級有突出貢獻中青年專家，享受國務院政府特殊津貼。主要研究領域為自然語言處理、機器翻譯和人工智能。

專家簡介：李俊濤 蘇州大學計算機科學與技術學院副教授。2020 年于北京大學獲博士學位，主要研究方向為文本生成和對話系統。

（1）為什么可以入選 10 大技術

人工智能已經成為人類社會經濟和社會發展的重要支撐技術，是引領新一輪科技革命、產業和社會變革的戰略性技術，自然語言理解是下一代人工智能的核心技術之一，其關鍵技術的突破極具科學意義和產業價值。

語言模型是利用計算機對自然語言進行抽象數學建模，是自然語言理解最核心的科學問題。廣義上，任何自然語言理解模型都可稱之為語言模型，因為都要進行數學建模。狹義上講，語言模型要完成對一段文字的概率估計，或者給定上下文估計某個語言片段的出現概率或者抽象數學表示。

通常所指的語言模型是狹義語言模型。語言模型的歷史從 1948 年提出的 N-Gram 模型、1954 年的分布式理論詞袋模型、1986 年的分布式表示、2013 年的 Word2Vec 模型直到 2018 年提出的預訓練模型。

預訓練語言模型（最具有代表性的模型包括 ELMo、BERT 和 GPT）對自然語言處理領域產生了深遠的影響，是深度學習時代自然語言處理領域里程碑式的研究成果。

這一系列基于深度學習技術的模型只需要利用非監督的語言模型訓練目標函數即可從海量的文本中捕捉和學習到各種類型的有效信息，能夠動態生成更加準確的具有上下文信息建模能力的字、詞、短語乃至句子和篇章的向量表示和生成概率，并可以在多種下游任務上取得驚艷的效果。

例如問答、閱讀理解、文本蘊含、語義相似度匹配、文本摘要、代碼生成、故事創作等。除了強大的表示學習能力和多任務泛化屬性以外，這些預訓練語言模型還具有強大的小樣本學習能力，只需要很少數據樣本（甚至是在零樣本學習的設置下），即可理解特定的任務并取得和監督學習模型相當甚至更好的表現。

在眾多模型中，2020 年 5 月 OpenAI 公司所提出的第三代 GPT 模型（GPT-3）憑借其當時最大的參數規模、非凡的模型能力、多任務泛化表現以及小樣本學習能力入選 2021 年 MIT Technology Review 的 “全球十大突破性技術”。

（2） GPT 等系列模型發展過程和能力變化

預訓練語言模型數量眾多，其中具有里程碑意義的典型模型包括 ELMo、BERT 和 GPT。限于篇幅，在此只選擇 GPT 系列模型進行代表性介紹。

在對 GPT-3 模型進行解讀之前，我們首先對預訓練語言模型的初衷和中間發展過程進行回顧。以 N-Gram 為代表的傳統語言模型是計算給定語言片段的概率或者給定上文預測下一個詞的出現概率，采用的是傳統的基于頻率的離散統計概率模型。

其主要問題是離散的詞表示方法描述能力差，參數空間成指數級增長，基于頻率的統計概率模型建模能力差，導致最終語言模型描述能力不足、魯棒性差、準確率不高。

為解決上述問題，以 ELMo、BERT 和 GPT 為代表的預訓練語言模型利用大規模甚至全網數據，基于生成式語言模型或者掩碼語言模型，用神經網絡方法訓練語言模型。

這樣，預訓練語言模型既有傳統模型的概率輸出，也可生成語言片段的向量表示。由于采用神經網絡的方法，可以利用可導、可微等強大的數學工具和極大規模的數據，所以預訓練語言模型上下文建模能力超強，可計算出更加準確的概率和上下文強相關的語言片段的動態向量表示。

ELMo 開啟了第二代預訓練語言模型的時代，即上下文相關和 “預訓練 + 微調” 的范式。ELMo 是一種生成式模型，以雙向 LSTM 作為特征提取器，利用上下文信息動態建模，較好地解決了以 Word2Vec 為代表的第一代預訓練語言模型存在的一詞多義問題，在自然語言生成任務上表現尤為出色。

BERT 是一種掩碼式語言模型，以 Transformer Encoder 為特征提取器，在自然語言分析和理解任務上表現尤為出色。GPT 是一種生成式模型，以 Transformer Decoder 為特征提取器，在自然語言生成任務上表現更為突出。

在上述系列模型提出以前，以自然語言理解為代表的下游任務主要采用監督學習的方式在相應的標注數據集上訓練模型。這就需要每一個目標任務有充足的標注數據，并且在特定任務上訓練的模型無法有效地泛化到其他任務上。

在數據不足的情況下，這類判別式模型就無法取得令人滿意的效果。針對這一問題，OpenAI 團隊提出了第一代的生成式預訓練語言模型（GPT-1）是基于 Transformer Decoder 的生成式語言模型，對該模型結構沒有新穎改動，但擴大了模型的復雜度。

該類生成式預訓練模型只需要利用非監督的語言模型目標函數即可進行訓練，因此可以利用海量的無標注數據進行模型學習。除此以外，GPT-1 模型在增強下游任務時對各種輸入數據的格式進行了統一，以實現最小的模型結構修改。

基于以上兩個特點，GPT-1 只需要簡單的微調監督訓練即可用于下游任務，并取得顯著的效果提升，展示了生成式預訓練語言模型強大的泛化能力。額外的評測發現 GPT-1 在零資源的設置下仍然具有一定的泛化能力。

這些結果展示了生成式預訓練的強大威力，為后續參數規模更大、所需訓練數據更多的模型版本奠定了基礎。

GPT-2 在 GPT-1 的基礎上，對模型結構進行了 5 點微小改進，增加更多的訓練數據，進一步提升了生成式預訓練語言模型的泛化能力，重點解決 GPT-1 在下游任務使用時需要監督微調訓練的問題。

通過在模型訓練時引入任務信息、利用比 GPT-1 模型更多的訓練數據（40GB vs. 5GB）、搭建更大參數規模的模型（15 億 vs. 1.17 億），GPT-2 模型在零資源的設置下超越了多種下游任務上的前沿模型，例如機器翻譯、閱讀理解、長距離依賴關系建模等。

GPT-2 模型的這些特點揭示了更大的模型容量和更多的訓練數據可以進一步提升模型的泛化能力以及減少對監督訓練的依賴。此外，GPT-2 模型的容量和訓練數據相比，還處于欠擬合的狀態，這就需要進一步增大模型的參數規模。

GPT-3 在 GPT-2 模型的基礎上進一步擴大了參數 （1750 億 vs. 15 億） 和數據規模（45TB vs. 40GB），是目前為止最大的語言模型，無需微調訓練即可用于下游任務，在零資源（Zero-shot）和小樣本（Few-shot）設置下具有出色的表現。

在 GPT-2 的多任務泛化能力基礎上，GPT-3 在新的任務上取得了驚艷的結果，包括數學加法、新聞文章生成、詞匯解讀、代碼編寫等，并且這種模型表現會隨著參數量的進一步增加而提升。

（3） 成功和局限性背后的根本原因討論

通過對比 GPT 三代模型的設計初衷和發展過程可以發現，三代模型都是基于 Transformer Decoder 結構，GPT-3 模型的強大能力建立在規模效應的基礎上，即超強的泛化能力僅來自于增加模型和訓練數據的規模。

也就是說，GPT-3 的本質還是一種數據驅動的模型，通過利用超大容量的模型來擬合海量的數據，最終實現模型的收斂。因此，數據驅動模型的特點都會體現在 GPT 系列模型上，即模型的能力取決于所擬合數據的覆蓋范圍、分布情況以及質量。

無論是新的數據還是不同的數據分布亦或是數據中的噪聲都會給模型帶來災難性的問題。最新的測試結果顯示，GPT-3 模型無法在自然語言推理、填空、長文本生成和一些閱讀理解任務上取得較好的表現，表明 GPT-3 模型更多的是停留在數據擬合階段，而非真正理解自然語言。

除此以外，受限于互聯網文本數據的質量，GPT-3 模型會生成一些帶有偏見且令人厭惡的內容。這些都表明，GPT-3 依然停留在感知智能階段，距離通用智能和認知智能還有遙遠的距離。

因此，GPT-3 被認為 “具有一定泛化能力的記憶”，更容易獲得并記住陳述性知識，而不是理解知識，不具備真正的邏輯推理能力和明辨是非的能力。

（4） GPT-3 的意義

雖然 GPT-3 模型還不具有意圖或對現實世界中的請求做出響應的能力，但是其對人工智能領域的影響是深遠的。

從 2012 年深度學習在各個領域開始爆炸式的發展到現在已經有將近 10 年的時間，新技術和新算法的發展也進入了瓶頸期，數據驅動模型的效果和能力似乎也遇到了天花板，而 GPT-3 模型的出現為深度學習領域注入了一支強心劑并引發了新的思考。

最直接的問題就是這種隨著模型規模增加而實現的能力擴展是否具有穩定性和可預測性？從短期的結果來看，這種規模效應還會隨著計算機硬件算力的提升，繼續提高深度學習的天花板。

第二個問題是深度學習的極限在哪里？這種數據驅動模型是否最終能真正地理解語言？最后，深度學習的盡頭是否會是真正的人工智能？是否能實現認知能力和通用智能？

從實際應用的角度來看，GPT-3 的功能非常強大，可以完成問答、閱讀理解、摘要生成、自動聊天、搜索匹配、代碼生成以及文章生成等。

鑒于 GPT-3 模型所面臨的安全性和不可控性，包括在自然語言理解時遇到魯棒性的問題、在內容生成時會輸出虛假內容和充滿偏見信息的問題等，在某些應用場景，其應用價值主要還體現在智能輔助任務上，不能直接面對最終的用戶。

例如，在總結報告生成、創作寫作等任務中，利用 GPT-3 根據用戶的任務描述生成相應的內容，再引入人工校驗編輯，將最終編輯后的內容呈現給最終用戶。除此以外，GPT-3 可以用于開發游戲應用等無明確任務定義和完成目標的場景。

（5） 未來研究方向和中國的相關情況

總的來說，以 GPT-3 為代表的的預訓練模型還存在各種工程應用問題、道德問題和社會問題。同時，在推動該類模型的發展時還面臨著跨學科合作、開放共享、資源不平衡和安全防護等挑戰。

中國在這方面亦有相應的布局和長遠規劃，目前已經取得了非常好的前期成果，以 “悟道” 和 “盤古” 為代表的超大規模智能模型系統已經在模型效果、領域移植和泛化、小模型、模型訓練效率、多語言、弱相關多模態預訓練、通用、可控、知識融入、蛋白質序列預測等場景中取得了突破。

相信在未來的 10 到 20 年，中國在人工智能基礎技術創新、人才和團隊建設、社區開源等方面會達到世界領先的水平。

3、數據信托（Data trusts）

數據信托是信托類型化研究和當代信托立法中典型的新生事物，信托制度起源于英國，發展于美國，從法律角度看，信托是指基于對受托人的信任，委托人從其自身利益出發，將資產交給受托人管理的行為。

數據信托則是受托人管理一群人的數據或數據權利的行為，這就像醫生有責任依據病人的利益來行事一樣，數據受托人管理委托人的數據或數據權利，同時要對其利益負責。理論上，數據信托允許用戶行使其作為數據生產者的權利。

專家點評：

專家簡介：張小松 電子科技大學網絡空間安全研究院院長，博士生導師，教育部長江學者特聘教授，中國電子學會區塊鏈分會副主任委員。長期從事計算機網絡與系統安全技術的研究，以第一完成人先后獲國家科技進步獎一等獎、二等獎各 1 項，另獲省部級科技進步獎一等獎 2 項，發明獎 2 項。

數據的價值和資產屬性已經被社會熟知和認可，但是數據資產存在一個特殊性，即和實體資產相比，數據只要在控制人手里，幾乎可無成本進行分析、挖掘、復制和擴散并獲利，并且其中個人隱私信息無法得到保護。

典型的例子是當我們通過電商平臺完成交易后，后期總會看到和前期交易內容有關聯的選擇性推送商品廣告信息。

因此帶來一個嚴重的問題，即在數據生產者及數據權屬所有者（如廣大公民個體）、數據實際控制者（如提供各類服務的單位部門）、以及數據利益的享有者（如能獲取各類數據的機構企業）相互分離的情況下，生產者的數據在采集、分析、挖掘、使用全生命周期中，其隱私如何能得到更好的保護，價值如何能得到更好的保障。

基于此，信托理論被引入用來保護數據主體所遭受的敏感信息侵害，加強數據安全保護，有效應對境內外數據安全風險。2016 年，美國耶魯大學教授杰克?巴金（Jack M. Balkin）在隱私數據保護領域首次提出采用信托工具解釋數據主體與數據控制人之間關系的主張。

2017 年，《英國人工智能產業發展報告》明確提出了 “Data Trust” 一詞，并建議利用數據信托制度建立數據投資治理架構，以確保數據交換安全互利。2018 年 10 月，英國開放數據研究所（Open Data Institute，ODI）首次明確將數據信托定義為 “提供獨立數據管理權的法律結構”。

數據信托是數據資產信托財產的一個閉環：數據持有者首先要將自己所持有的某一個數據資產作為信托財產設立信托；再進行信托受益權轉讓，委托方通過信托受益權轉讓獲得現金收入；隨后，受托人繼續委托數據服務商對特定數據資產進行運用和增值，產生收益；最后，向社會投資者進行信托利益分配。

數據信托的實質是在數據主體與數據控制人之間創設出信托法律關系，數據控制人基于數據主體的信任對數據享有更大的管理運用權限，同時也承擔更嚴格的法律信義義務。

數據控制人的數據管理運用權限包括但不限于訪問控制、訪問審核以及數據的匿名化處置等重要內容，以此平衡數據主體的隱私保護與數據可交易價值之間的緊張與沖突。與此同時，數據控制人還應履行對數據主體的信義義務，這主要表現為信托法上的謹慎義務、忠實義務、保密義務等，不得損害數據主體的根本利益。

數據信托主要解決兩大問題：

（1）解決數據資產的授權使用問題。數據主體既是數據信托的委托人也是受益人，數據控制人則是數據信托的受托人。數據控制人的數據管理運用權限包括但不限于訪問控制、訪問審核以及數據的匿名化處置等重要內容，以此平衡數據主體的隱私保護與數據可交易價值之間的緊張與沖突。

（2）數據信托還可以明確數據資產的收益安排，使得數據資產增值部分的利益歸屬可以按照委托人意愿進行設計和分配。通過重置數據主體與數據控制人之間的權益結構，把數據控制人的數據權限與數據義務有效鏈接起來，促進數據的合理有效利用。

應該清楚地看到，數據信托作為大數據時代的新生事物，無論在法律層面還是保障數據信托實施的技術層面仍不是完備的。

首先，在法律層面，針對數據使用的用途限制、安全與隱私保護政策及風險管控問題，數據信托仍需要法定信托屬性、數據信托的信托財產范圍、數據信托中的信義義務的具體規制，建立更加完善的法律法規。

其次，在保障數據信托實施的技術層面，針對數據在流轉各環節都可能面臨的安全風險，需要從數據隱私保護、數據確權、數據追溯、權益可信分配等多方面提供更加全面、系統、可信的技術手段，除傳統的數據加密、身份認證、安全接入、應用保護、訪問控制技術外，還需要結合信息技術的應用和發展，研究如下關鍵技術：

（1） 隱私保護數據發布，敏感數據在進入流通市場之前進行必要的隱私檢驗和脫敏處理。

（2） 區塊鏈技術的應用，有效保證數據的可信性、數據流通與使用的可追溯性，區塊鏈技術也是目前進行數據確權的最佳解決方案。利用區塊鏈技術，可以使得登記、交易轉讓、清結算、查詢舉證更加透明、高效、低成本。

（3） 隱私保護的聯邦學習，結合安全多方計算、差分隱私或同態加密技術實現分布式的深度學習，在智能化學習的同時保障用戶的隱私。

4、鋰金屬電池（Lithium-metal batteries）

制約電動汽車產業發展的一大難題就是電池技術。目前，電動汽車普遍使用的是鋰離子電池，這種電池昂貴、笨重、能量密度低，并且其所依賴的液體電解質在碰撞時極易起火。

電池的一系列缺點體現在電動汽車上就是：價格高、續航低、充電慢，而且還存在安全隱患，這些正是讓眾多車主對電動汽車望而卻步的原因。

顯然，要使電動汽車比汽油汽車更具競爭力，就需要一種突破性電池來彌補這些缺陷。硅谷初創公司 QuantumScape 聲稱已經開發出全新的鋰金屬電池，其采用固體電解質（陶瓷）克服了傳統鋰離子電池存在的這些缺陷。

專家點評：

專家簡介：張強 清華大學長聘教授，長期從事能源化學與能源材料的研究，致力于將國家重大需求與基礎研究相結合，面向能源存儲和利用的重大需求，重點研究鋰硫電池的原理和關鍵能源材料。

提出了鋰硫電池中的鋰鍵化學、離子溶劑復合結構概念，并根據高能電池需求，研制出復合金屬鋰負極、碳硫復合正極等多種高性能能源材料，構筑了鋰硫軟包電池器件。曾獲得國家杰出青年科學基金、教育部自然科學一等獎、教育部青年科學獎、英國皇家學會 Newton Advanced Fellowship、國際電化學會議 Tian Zhaowu 獎。在 Advanced Materials、Journal of the American Chemical Society、Angewandte Chemie 等發表 SCI 收錄論文 200 余篇，授權發明專利 50 余項。

當代社會生產和生活方式高度依賴于能源的利用。二次電池是一種可以實現化學能與電能高效可逆轉化的器件。

鋰離子電池是一種典型的二次電池，具有能量密度高、循環壽命長、無記憶效應、便攜等特點，方便電能的移動存儲、輸運和利用，支撐現代生產生活進入 “無線” 模式，促進社會朝著清潔、便攜不斷發展。

隨著便攜式電子設備、電動汽車、儲能電站等新生事物的不斷涌現，鋰離子電池成為當下二次電池的 “主力軍”。鋰離子電池獲得 2019 年諾貝爾化學獎，是對整個行業的認可和激勵。

然而，鋰離子電池受制于自身材料的嵌入式能源存儲機制，歷經 30 余年發展后，其能量密度逐漸接近極限值。研發具有更高能量密度的二次電池成為社會共識。

此次入選 MIT Technology Review 2021 “全球十大突破性技術” 的基于固態電解質的鋰金屬電池正是突破鋰離子電池能量密度上限的新體系電池。鋰金屬電池的能量密度可以超過 400 Wh/kg，相比于現在鋰離子電池提升 30% 以上。

這意味著電子設備和電動汽車等可以具有更長的續航，緩解人們的里程焦慮。鋰金屬電池能量密度高的主要原因是采用轉化型儲能機制的鋰金屬為負極。鋰金屬具有極高的理論比容量和極低的電極電勢。

事實上，早在 20 世紀 60 年代就提出了鋰金屬電池的概念，80 年代也做過商業化嘗試。由于在有機電解液中，鋰金屬負極不均勻鋰沉積引起安全隱患，金屬鋰電池未能在各種應用場合中廣泛應用。

為了克服鋰金屬負極的安全隱患，此次入選突破性技術采用固態電解質來匹配正極材料和負極材料構筑鋰金屬電池。固態電解質可以克服液態電解液易泄露、易燃的問題。

在能量密度和安全性之外，此次入選的突破性技術對電池快充性能尤為關注。快充性能的提升，將使得充電和加油一樣方便，是另外一個緩解里程焦慮的方式。基于固態電解質的鋰金屬電池如能夠兼顧能量密度、安全性和快充性能，將有望實現與鋰離子電池相互補充甚至替代。

突破性技術所展示的固態鋰金屬電池性能是基于電芯水平。如果要應用于電子設備、電動汽車及儲能設備上，仍需要考慮電芯大規模、標準化生產以及多電芯串并聯組裝成電池組的電池管理問題。

此外，實際工況遠比實驗室條件復雜，如高低溫、倍率切換、過充、過放、撞擊擠壓等條件下是否保障安全的問題。針對固態金屬鋰電池，需要建立一系列性能評價原則，經過充分的性能驗證和安全保障繼承，才能滿足實際工況的要求。

盡管目前固態鋰金屬電池展示優異的前景，但距離固態鋰金屬電池真正實用化仍還有許多科學和技術問題需要解決。例如，界面接觸電阻大、固態電解質界面穩定性、鋰枝晶內部生長、固態電解質厚度和固態電池的成本等。固態鋰金屬電池仍需要在不斷探究和摸索中發展。

目前中國在固態鋰金屬電池方面的基礎研究基本與國際同步，產業研究和技術工藝方面甚至領先。

在國家政策和科技項目的支持下，中國在固態鋰金屬電池研究方面建立起了從原子、分子，到材料，再到器件的多尺度的認識，并在應用示范上取得了一些實際經驗，為固態鋰金屬電池的研究和推廣奠定了堅實的基礎。

同時，在項目推進的過程中，一大批有志于從事固態鋰金屬電池研究的青年成長起來，為固態鋰金屬電池及其他新型電池體系的持續推進儲備了人才。

固態鋰金屬電池是極具前景的下一代高能量密度電池，在世界范圍內獲得了廣泛研究和投入。固態鋰金屬電池的突破，對現有的鋰離子電池將是有力的補充或替代，從而能夠為消納間歇性的可再生能源發電提供技術基礎，有利于可再生能源的大規模推廣利用，從而促進能源消費和生產轉型，為實現碳中和目標提供強有力支撐。

5、“數字接觸追蹤” 技術（Digital contact tracing）

2020 年全球都在經歷的新冠肺炎疫情讓 “數字接觸追蹤” 引起人們的關注。新冠疫情之下，科技為公共衛生調查人員追溯感染者的行蹤提供新思路 —— 數字接觸追蹤。

使用該技術，衛生調查人員不再需要依靠病人的記憶對其行蹤進行追蹤，這減輕了對疾病監控的壓力。這一技術對應到實際應用被稱為 “曝光通知”（Exposure Notification）。

對于該數字接觸追蹤系統，程序員在幾周內完成了建立和運行，并將代碼開源共享，以保證全球各地的、蘋果和安卓的用戶都可以使用這一功能。

專家點評：

專家簡介：程學旗 中國科學院計算技術研究所研究員、博士生導師，國家杰出青年基金獲得者。主要研究方向：數據科學基礎理論，大數據分析技術與系統，網絡與社會治理大數據應用等。在國內外學術期刊與會議上發表論文 200 余篇，授權發明專利 80 余項。

在網絡大數據表征學習、異構大數據廣譜關聯、信息檢索與排序、群體分析與群智眾包系統等方面取得突出研究成果，五次獲得本領域國際學術會議最佳論文獎（SIGIR、CIKM、PKDD 等），多次擔任本領域學術會議主席或副主席（ACM WSDM、ACM SIGIR、ACM CIKM、CCIR 等）。獲國家科技進步獎二等獎 3 次、技術發明二等獎 1 次。

為應對新冠病毒肺炎疫情，2020 年 5 月蘋果和谷歌公司聯合推出基于 iOS 和 Android 操作系統的智能手機應用 “暴露通知（Exposure Notification）”，借助數字設備和技術助力新冠肺炎密切接觸者追蹤工作，這一技術入選 MIT Technology Review 2021 年 “十大突破性技術”。

該技術的原理是通過手機應用程序使用藍牙來匿名連接附近運行同一程序的其他手機設備，在本地對高風險接觸行為進行記錄，一旦某用戶被確診為新冠肺炎患者，該應用將會通知其接觸過的其他用戶，從而有利于盡早展開排查和隔離。相比于傳統的流行病學調查方式，數字接觸追蹤技術可以有效提升追蹤效率并降低人力成本。

事實上，“暴露通知” 并非首個針對新冠疫情的數字接觸追蹤應用。早在 2020 年 3 月，韓國開發了 “新冠肺炎疫情智能管理系統”，主要通過采集手機用戶的 GPS 定位數據來判斷用戶與確診患者間是否存在密切接觸的可能。

同樣采用 GPS 定位數據的還有以色列開發的 “TheShield” 應用，由于位置信息屬于敏感信息，這類應用都面臨著隱私安全方面的問題。

新加坡開發的 “TraceTogether” 應用，則是采用藍牙匿名連接的方式進行接觸追蹤，由于藍牙連接只會記錄匿名接觸信息而不采集用戶地理位置等敏感信息，數據也只會分散式地存儲在用戶設備本地，因而在隱私保護方面具有顯著的優勢。

與 “暴露通知” 有所不同，新加坡可依據當地法規從新冠肺炎患者的 TraceTogether 應用中讀取存儲數據并獲得密切接觸者的手機號信息，具有一定的集中式特點。

中國采用的技術路線與前述略有不同，從疫情爆發以來中國推出的 “健康碼” 應用，是通過個體主動的掃碼上報，利用全國一體化政務服務平臺實現接觸追蹤。

而 “通信大數據行程卡” 則是利用多家運營商的 “手機信令數據” 為用戶提供快速的行程追蹤服務，這兩類數字追蹤更多地基于集中式服務平臺、側重于區域接觸追蹤而非直接的個體接觸追蹤。

迄今為止，盡管有許多國家應用數字接觸追蹤技術應對新冠疫情，這些應用對于抗擊疫情的價值仍存在爭議。

一方面，許多應用程序僅為自愿使用，總體使用率偏低使其很難發揮作用。這其中的原因是多方面的，包括用戶對程序安全性的擔憂、部分軟件運作異常、智能手機普及率有限等。

另一方面，分散式應用程序雖然能夠有效保護用戶隱私，但也使得密切接觸者的檢測和隔離完全取決于個人意志，無法保障防疫效果。對于前者，需要研究合適的宣傳引導策略，并保障應用程序獲取和使用的通暢。

對于后者，需要探索隱私保護和防疫效果之間更優的權衡方案。從抗疫成果上來看，中國所采用技術路線是較為成功的案例，國家的宣傳與引導保障了總體使用率，相對集中式的信息獲取和存儲保障了醫療衛生部門對密接者的高效排查和處理，當然這其中配合了強隱私保護機制以防止數據被濫用。

對于新冠肺炎疫情期間產生的數字接觸追蹤這一突破性技術，目前仍然處于早期發展階段，技術本身的應用范圍未來也不僅限于疫情防控，對很多應用領域可能帶來新的啟示。我認為以下方向值得進一步研究探索：

（1） 數字接觸追蹤隱私保護理論探索。數字接觸追蹤涉及到以人為目標的數據采集、存儲、使用和銷毀等流程，需要著重考慮隱私保護問題，探索隱私保護的相關理論，并在技術的設計階段即予以解決。

采集階段如何做到最小化采集，非必要的數據不采集；采集的數據哪些應當存儲在本地，非必要不上傳、不公開；數據的使用應當限定授權給哪些單位和個人；如何設定數據的存儲期限，過期數據如何保障其盡快被銷毀。

（2） 隱私保護與應用效果的權衡機制探索。在涉及公共安全和國家安全的應用場景，過于追求對隱私的保護可能將難以發揮應用的效果，而讓渡部分隱私信息可能有效提升應用效果，這就需要探索兩者之間的最優權衡機制。

數字接觸追蹤這一實例中，完全分散式的方案完整地保護了隱私，但密接者的響應只能依靠自覺，對防疫的作用有限；而部分集中式的方案則允許國家介入獲得確診者和密接者的部分關鍵信息，使得密接者能夠獲得及時妥當的處理，但存在隱私泄露的風險。因此，高安全、高效率的數字接觸追蹤技術與機制仍然值得深入探索。

（3） 在其他領域的應用探索。數字接觸追蹤是追蹤技術在醫療衛生領域的一項應用，實現了對歷史數據的有效記錄和對關鍵數據的高效查詢。類似的需求在社會治理和國家安全方面同樣存在，值得探索數字追蹤技術在更加廣闊的社會場景中的應用價值。

6、超高精度定位（Hyper-accurate positioning）

全球衛星定位系統的精度正在從 “米” 提高到 “厘米” 級別，這將為自動駕駛汽車、送貨機器人等在街道上安全行駛提供更大支撐。

2020 年正式開通的北斗三號全球衛星導航系統可實時捕獲地面上幾米的位置變化，甚至其處理精度能夠達到毫米級。

該系統已用于檢測中國各地山體滑坡易發地區地表的細微變化，并于當年預測到中國湖南省將遭遇數十年來最嚴重的山體滑坡，使村民得以提前撤離。中國科學院航天信息研究所專家表示，如果衛星定位精度仍然在米或分米的水平，對此，這是不可能實現的。

其實，北斗和全球衛星定位系統（GPS）精度的進一步提升都需要通過地面設施來提高定位精度。

在目前廣泛使用的方法中，一種是實時動態（Real Time Kinematic，RTK）定位，精度可達 3 cm 以下；另一種是精確點定位（Precise Point Positioning，PPP），也可以達到厘米級別的精度。此外，中國科學院航天信息研究所專家表示：“我們正在開發 PPP-RTK 技術，結合二者的優勢，有望在幾年后投入使用。”

專家點評：

專家簡介：楊元喜 西安測繪研究所研究員，中國科學院院士，北斗全球衛星導航系統副總設計師，美國導航協會會士。長期從事大地測量與衛星導航技術研究，發表論文 400 余篇，SCI 論文 60 余篇。曾獲何梁何利科技進步獎，國家科技進步獎二等獎兩項，省部級科技進步獎一等獎以上 7 項。

專家簡介：任夏 西安測繪研究所助理研究員，博士，主要從事導航衛星自主定軌技術研究。

衛星導航定位技術是目前最廣泛、最廉價、最便捷的定位導航和定時（PNT）手段，是國家經濟建設、國防建設、交通運輸的重要基礎設施，為智慧城市、物聯網、智能交通等體系建設提供了全球覆蓋、全天候的時間與位置服務。

中國自主研發建設的北斗全球衛星導航系統（BDS-3）不僅向全球用戶提供標準定位導航和授時（PNT）服務，還向中國及周邊提供精度更優的星基增強（BDSBAS）和星基精密單點定位（B2b-PPP）服務，可以實現米級、分米級和厘米級精度定位。當然，用戶也可以通過地基差分定位獲得毫米級精度定位。

此次超高精度定位技術入選 “MIT 全球十大突破性技術”，不僅得益于北斗系統設計和功能的創新，各類地基定位技術和算法的改進也為高精度北斗定位提供了重要支撐。

（1） 特色混合星座設計

北斗衛星導航系統創造性地設計了包括 3 顆地球靜止軌道衛星（GEO）、3 顆傾斜地球同步軌道衛星（IGSO）和 24 顆中圓軌道衛星（MEO）的混合星座。

地球靜止軌道衛星星座為星基增強、星基精密單點定位提供了重要平臺；傾斜軌道衛星星座為局部觀測幾何增強提供了支持；中圓軌道星座實現了全球 PNT 服務，并為特定用戶提供國際搜救、全球短報文服務。

（2） 高精度衛星星歷

要提供高精度定位服務首先需要實現高精度的導航衛星軌道測定和時間同步。受多方因素影響，中國僅能在境內布設北斗衛星地面跟蹤站，嚴重制約著北斗衛星軌道測定精度和時間同步精度。

為此，北斗三號衛星搭載了星間鏈路載荷進行星座衛星間的測距和通信，優化觀測幾何，從而實現高精度衛星軌道測定和時間同步。北斗星間鏈路采用 Ka 波段雙單向測距體制，測量精度為分米級，對北斗全球星座的軌道測定和時間同步發揮了重要作用。

2020 年 6 月，Inside GNSS 引用多篇國內學者文獻，評價 “北斗成為 GNSS 中唯一具備星間鏈路這一精度提升功能的系統”；2020 年 9 月，Oliver Montenbruck 在文章中對四大全球導航衛星系統（GNSS）系統的服務性能進行評估，作者認為 BDS-3 和 Galileo 的空間信號精度相對更優，而 BDS-3 空間信號精度結果得益于星間鏈路支持下獲得的高穩定鐘差。

在星間鏈路的支持下，北斗 MEO 衛星廣播軌道精度優于 30 cm，廣播鐘差精度優于 0.6 ns。目前，北斗全球系統廣播星歷每 1 小時更新一次，星歷的高頻更新在一定程度上降低了預報星歷累積誤差對定位精度的影響。

（3） 標準定位服務

北斗全球衛星導航系統建成以來，服務性能穩步提升。根據國際 GNSS 監測評估中心（iGMAS）的監測結果，正常情況下，北斗單頻定位精度在水平方向優于 3 m，高程方向優于 5 m，授時精度優于 15 ns，服務性能遠優于設計指標。

（4） 星基精密單點定位服務

傳統的精密定位需通過互聯網獲取國際 GNSS 服務中心（IGS）或其他機構提供的精密衛星星歷產品，才能進行高精度定位解算，沙漠、高原、海上等無網絡覆蓋地區用戶無法使用此類服務。

BDS-3 創新性地將精密單點服務嵌入三顆 GEO 衛星，通過 B2b 頻點向中國及周邊地區播發北斗和 GPS 衛星的精密星歷和碼間偏差（DCB），用戶接收信息后，可以根據需要，進行單頻或雙頻精密單點定位解算。

目前，星基實時精密單點定位服務的水平分量精度優于 0.3 m，高程分量精度優于 0.5 m。最新報道表明，將快速動態定位與精密單點定位組合（RTK-PPP）1 分鐘內即可實現動態厘米級定位。如果采用事后精密定位的方式，可以獲得毫米級精度的定位。

（5） 星基增強服務

在標準定位服務的基礎上，北斗系統可向中國及周邊地區用戶提供星基增強服務，滿足民航、高鐵等高安全、高精度用戶需求。

北斗 SBAS 將衛星軌道、鐘差、電離層延遲等各項誤差模型化處理后，通過地球靜止軌道衛星（GEO）播發至用戶，從而實現米級至分米級增強定位。從 2020 年的測試結果來看，單頻增強定位精度水平分量優于 1.5 m，高程分量優于 2 m；雙頻增強定位精度水平分量優于 1 m，高程分量優于 1.5 m。

（6） 地基差分技術

除了依靠北斗衛星自身提供的星基精密單點定位服務和星基增強服務，用戶也可在地面通過差分 GNSS 技術實現分米、厘米甚至毫米級高精度定位。國內多個省份和多個行業都已經建立了北斗差分服務網絡，向服務區內的廣大用戶提供精密定位和定時該服務。

（7） 未來發展

北斗高精度定位導航和授時服務取得了舉世矚目的進步，但是，衛星導航具有天然的脆弱性。

未來，還將建設國家綜合 PNT 體系，包括低軌導航衛星增強、天基導航與地基無線電通信組合增強、以及與海面、海底定位系統的組合服務等。在自主定位導航和定時方面，微型化慣性導航、微型化原子鐘、量子導航定位、量子時鐘等也會得到快速發展。

用戶獲取超高精度定位服務的方式更加靈活，手段更加便捷，定位服務的精度、連續性、可用性和可靠性也將得到進一步提升。

7、遠程技術（Remote everything）

遠程技術是指利用無線 / 有線網絡通信技術，通過將分布在不同空間位置的多個終端有效互聯，實現高效的信息傳播和共享，進而提高遠程工作、學習的便捷性和效率。

自 20 世紀 70 年代以來，隨著傳感器技術、信息與通訊技術（ICT）、人工智能（AI）等相關技術的快速發展，遠程技術得到了長足進步，并被廣泛應用于教育、醫療等領域。

特別是受新冠肺炎疫情的影響，遠程技術得以短時間內迅速發展，導致諸多行業工作方式以及普通民眾生活方式上的重大變革。因此遠程技術入選 2021 年 MIT Technology Review “全球十大突破性技術”。

專家點評：

專家簡介：叢楊 中國科學院沈陽自動化所研究員，博士生導師。主要從事機器人視覺、機器學習、醫學影像分析等研究。獲得國家優青，中國科學院青年創新促進會優秀會員，擔任中國圖象圖形學會理事，中國自動化學會青年工作委員會副主任等職務。

主持國家重點研發計劃項目、國家自然科學基金優青、重點項目多項。獲得遼寧省自然科學一等獎（排名 1），中國自動化學會自然科學獎一等獎（排名 1）、中國自動化學會青年科學家獎，遼寧省青年科技獎。

近年來，隨著 5G 通信、工業互聯網和人工智能技術的快速發展，以及智能移動終端的普及，為以遠程教育、遠程醫療為代表的遠程技術的廣泛應用奠定了基礎。

其中，遠程教育，也稱在線教育，是指利用電視、電話、互聯網等傳播媒體的新型教學模式，該模式更具靈活性，突破了線下教育在時間、空間上的限制。通過結合 5G 通訊、高清成像、虛擬現實等信息技術，可以實現優質課堂資源的快速遠程共享，一定程度上避免了教育資源分配不均等問題。

通過對教育相關大數據的采集，如考試問卷、師生表情、生理電信號、動作姿態等信息，利用人工智能技術可進行學習狀態監測、學習質量評估、學習行為建模等處理，有望提高學習效率并改善教學質量。

遠程醫療以先進信息和通信、VR/AR、遙操作等技術為依托，發揮發達地區醫療優勢，可為醫療條件較差的地區、海島或艦船上的人員提供遠程醫療培訓、醫療診斷、手術、治療、康復和咨詢等服務，對于醫療資源均衡分配具有重要意義。

特別是隨著 5G 通訊、“互聯網 + 醫療” 的興起，云掛號、云咨詢、云問診、云處方等遠程醫療技術讓人們就醫變得更加便利。例如，5G 網絡通訊技術的高速率及低延遲，讓基于遙操作技術的機器人手術成為可能。

新冠肺炎疫情以來，各種基于遠程技術的機器人系統在遠程手術、遠程急救、移動查房、移動送藥送餐、移動消毒等領域發揮重要作用。

因此，世界各國政府均加強了遠程教育、遠程醫療上的政策保障和資金投入。遠程教育方面，英國是最早實行大學遠程教育的國家，其中最具代表性的英國開放大學（The Open University）全部課程采用遠程教學。

該學校 1969 年建校至今已培養超過 220 萬名畢業生。1998 年，美國國會通過了《高等教育法修正案》， 取消了對遠程教育的多種限制。遠程醫療方面，美國、法國、德國等國家為遠程醫療制定了相關法律法規，并逐步完善了電子處方、數字醫療建檔、數字醫療保險等相關體系和制度的建設。

此外，比利時、意大利、新西蘭、西班牙、英國等國家的醫療保健體系也為遠程醫療制定了相關規定。2021 年發布的中國 “十四五” 規劃中，明確將推廣數字化教育、在線醫療等遠程技術應用列入未來五年計劃。

近年來，在市場、技術、政策的多重推動下，遠程教育、遠程醫療產業愈發活躍，特別是新冠疫情加速了遠程教育、遠程醫療產業的爆發式發展。

例如，微軟、IBM、谷歌、Cisco 等大型國際科技公司均推出了自己的遠程技術解決方案。IBM 開了放 IBM Skills， Open P-TECH 以及 IBM AI Education series for teachers 三個教育平臺，提供在線課程資源、結業認證等服務。遠程辦公軟件 Zoom 支持多終端視頻會議，可提供線上教學。

Cisco 公司為醫院、診所等醫療機構提供電子病歷、工作流程等解決方案，應用于遠程初級診療、遠程病房監控等場景。LG CNS 將遠程技術應用于電子醫療檔案、移動通訊照護、老年公寓監護等領域。

美國 Mercy Virtual 虛擬醫療中心，提供遠程全天候值班護士、陪護、急診、家庭監護、重癥監護等遠程醫療服務。國內，騰訊、阿里、華為等大型科技公司也紛紛推出了遠程個性化在線解決方案。

例如，釘釘提供教育、醫療等多個領域的數字化解決方案，2020 年實現用戶增長量 100%，達到了 4 億用戶。中國的國家遠程醫療中心逐步形成 “國際 — 國內 — 省 — 市 — 縣 — 鄉 — 村” 的 7 級醫療服務體系。

疫情期間，國家遠程醫療中心與華為等公司合作，建成了基于 5G SA 與固網融合的疫情防控與遠程醫療綜合服務體系。此外，國內的 VIPKID、51Talk、猿輔導、妙手醫生、企鵝杏仁、好大夫在線等新興遠程技術企業也開發了相關平臺并實現快速發展。

總體而言，目前遠程技術已在某些特定場景實現廣泛應用，未來市場需求旺盛。

但是，在技術方面依然存在諸多挑戰，例如，感知方面，遠程技術無法對微表情、觸覺、嗅覺、味覺等信息進行采集和反饋；交互方面，遠程技術無法理解人的復雜意圖，且情感交互能力缺失；大數據方面，數據安全、隱私保護等面臨的問題依舊嚴峻。此外，相關法律、法規的建立，各種保障制度的完善以及遠程技術人才的培養等方面還有很多工作需要完成。

8、多技能 AI（Multi-skilled AI）

2012 年底，人工智能科學家首次弄清了如何讓神經網絡 “擁有視覺”，隨后，他們還掌握了如何讓神經網絡模仿人類推理、聽覺、語言和寫作的方式。雖然人工智能在完成特定任務方面已經變得非常像人類，甚至是超越人類，但它仍然沒有人類大腦的 “靈活性”，即人腦可以在一種情境中學習技能，并將其應用到另一種情境中。

受兒童成長過程的啟發，如果將感官和語言結合起來，并讓人工智能擁有更接近于人類的方式來收集和處理信息，那么它能否發展出對世界的理解？答案是肯定的。

這些可同時獲得人類智能的感官和語言的 “多模態” 系統，應該會生成一種更強大的人工智能，也更容易適應新情況、以及解決新問題。如此一來，我們便可以使用這樣的算法來解決更復雜的問題，或者將其移植到機器人中去，使得機器人能夠在日常生活中與我們交流協作。

2020 年 9 月，艾倫人工智能研究所 AI2 的研究人員創建了一個可以從文本標題生成圖像的模型，展示了算法將單詞與視覺信息關聯的能力；2020 年 11 月，北卡羅來納大學教堂山分校的研究人員開發了一種將圖像納入現有語言模型的方法，此舉提高了模型的閱讀理解能力；2021 年初，OpenAI 對 GPT-3 進行了擴展，發布了兩個視覺語言模型，其中一個將圖像中的對象與標題中描述它們的單詞聯系起來，另一個則根據它所學的概念組合生成圖像。

從長遠來看，“多模態” 系統取得的重大進展可以幫助突破人工智能的極限，不僅會解鎖新的人工智能應用，也會讓它們的應用變得更加安全可靠，更加精密的多模態系統也將使更先進的機器人助手成為可能。總而言之，多模態系統可能會成為第一批我們可以真正信任的人工智能。

專家點評：

專家簡介：紀榮嶸 廈門大學南強特聘教授，國家杰出青年科學基金獲得者。主要研究方向為計算機視覺。近年來發表 TPAMI、IJCV、ACM 匯刊、IEEE 匯刊等論文百余篇。曾獲 2016 年教育部技術發明獎一等獎、2018 年省科技進步獎一等獎、2019 年福建省青年科技獎。

任中國計算機學會 A 類國際會議 CVPR 和 ACM Multimedia 領域主席、中國圖象圖形學學會學術工委副主任、教育部電子信息類教指委人工智能專業建設咨詢委員會委員。

人工智能正成為推動人類進入智能時代的決定性力量。讓機器能夠像人一樣思考、感受和認識世界，是人工智能科學家們孜孜以求的終極目標。

算法、算力、數據規模的迅速提升，讓面向特定任務的人工智能技術迎來了爆發式的發展。目標檢測與識別、人機對弈、無人駕駛等技術實現了前所未有的突破，在局部智能水平的單項測試中甚至超越人類。

然而，這樣的智能系統局限在任務單一、需求明確、應用邊界清晰、領域知識豐富、建模相對簡單的場景中。例如， DeepMind 的 AlphaGo 可以擊敗世界上最好的圍棋大師，但它并不能將這種能力擴展到棋盤之外。

可以預見，多技能人工智能（Multi-skilled AI）將是下一代人工智能發展的趨勢，也是研究和應用領域的重大挑戰。多技能 AI 旨在拓展現有人工智能技術的感知邊界，賦予智能系統多種能力，多技能相互協同，完成復雜任務。

其中，多感官的結合非常關鍵，可以預想，當機器開始將語言與視覺、聽覺等其他感官信息相關聯時，它們就能夠描述越來越復雜的現象和動態。從僅反映相關性的內容中推理因果關系，并構建復雜的世界模型。這樣的模型可以幫助它們在陌生的環境中導航，并在上下文中添加新的知識和經驗。

多技能 AI 的發展，對于人工智能技術突破現有局限，以及它的落地和普及都具有非常重要的意義。具備多種技能的系統可以勝任更多的應用場景，協同、高效地完成復雜任務，讓高智能機器人的出現成為可能。

當前一代的人工智能驅動的機器人主要使用視覺數據來引導并與周圍環境進行交互，這在有限的環境中完成簡單的任務十分靈活，但是在更為復雜的場景中將失靈。

多技能 AI 將給未來的技術帶來靈活性和安全性，篩選簡歷的算法不會將性別和種族等無關的特征視為能力的標志，自動駕駛汽車不會在陌生的環境中迷失方向，不會在黑暗或下雪的天氣中墜毀。

它的發展將直接賦能醫療，教育，航天等其他領域，推動智能時代的進程。由于具備的深遠影響力以及廣泛的應用前景和發展前景，多技能人工技能被 MIT Technology Review 評選為 2021 年 “全球十大突破技術” 之一。

國際上已經逐步開始關注到多技能 AI 技術方向，目前被廣泛稱為通用人工智能。

早在 2016 年 10 月，美國國家科學技術委員會發布《國家人工智能研究與發展戰略計劃》，提出在美國的人工智能在中長期發展策略中要著重研究通用人工智能。微軟在 2017 年成立了通用人工智能實驗室，眾多感知、學習、推理、自然語言理解等方面的科學家參與其中。

騰訊的董事會主席兼 CEO 馬化騰在 2019 世界人工智能大會上表示：“實現從專用人工智能向通用人工智能的跨越發展，這也是下一階段的重要趨勢。”

目前著手這個領域研究的團隊主要是大型研究機構，包括微軟的 AI 研究所、Alphabet 旗下的 DeepMind 和 Google Brain、特斯拉 CEO Elon Musk 和風投大亨 Peter Thiel 支持的 OpenAI，以及捷克的 GoodAI 等。

2019 年 10 月，DeepMind 推出的新版 AlphaStar ［1］，可以實現與真實世界中的玩家實現了復雜場景交互中的對戰，并且排名超越了 99.8% 的玩家。

2020 年，OpenAI 開發出包含 1750 億個神經的 GPT-3 ［2］，以此為基礎開發出全能的 “通才”，可以同時具備數據庫工程師、會計、運維、智能客服等 30 多種功能，儼然一副取代人類的架勢。目前，國內也逐漸開始關注到這個領域，擁有大量的人才和資金優勢，并在專項領域有雄厚的積累，未來的發展一片光明。

多技能人工智能必將成為未來的主流趨勢，擁有廣闊的應用前景和發展空間，但是目前仍有很長的一段路要走。

首先，最主要的問題是目前研發的成本過高，導致研究團隊主要集中在少數幾家龍頭企業，這有待于硬件技術和模型緊湊壓縮技術的進一步發展。

其次，該項技術需要解決對于標注數據高度依賴問題，盡可能使用更少的特定領域數據，看好無（自）監督技術的發展可以成為這個問題的解。最后，如何增量更新經驗與新任務，動態改正錯誤，不斷的在自我學習中變的強大，將是模型不斷變強的根本路線。

9、TikTok 推薦算法（TikTok recommendation algorithms）

TikTok 是全球最具吸引力、增長最快的社交媒體平臺之一。截至目前，TikTok 在全球范圍內已超過 26 億次下載量，在美國擁有 1 億用戶。TikTok 發現和提供內容的獨特方式是其具有吸引力的 “秘密武器”。

TikTok 將網紅博主的視頻與新人博主的視頻混合放在 “為你推薦” 頁面，然后以瀏覽量獎勵優質創作內容，用這種方式將更多新人博主的視頻推給廣大用戶。

該應用不同于其他社交媒體平臺的是，任何人在 “為你推薦” 頁面都有可能 “一舉成名”。視頻將通過 TikTok 的推薦算法向與視頻博主有共同興趣、愛好或特定身份的用戶不斷推薦，從而使優質的創作內容快速傳播。

視頻博主有多少粉絲、是否走紅過等因素并不會作為 TikTok 推薦算法的判斷依據，它的推薦取決于視頻標題、聲音和標簽，結合用戶拍攝內容、點贊過的視頻領域等進行推薦。

概括來說，TikTok 增強用戶粘性的技能越來越 “爐火純青”，不僅能夠精準地為用戶推薦感興趣的視頻，還能通過推薦算法幫助他們拓展與其有交集的新領域。

（來源：MIT Technology Review 官方 APP）

專家點評：

專家簡介：劉奕群 清華大學計算機系教授、黨委書記。主要研究領域集中在信息檢索、互聯網搜索技術以及自然語言處理研究方面。擔任信息檢索領域知名國際期刊 Foundations and Trends in IR 主編、信息檢索領域重要會議 ACM SIGIR2018（CCF A）程序委員會主席等學術職務。

獲得北京智源學者、北京市科學技術獎一等獎、錢偉長中文信息處理科學技術獎一等獎等獎勵，并作為項目負責人獲得國家重點研發計劃、國家自然科學基金委員會優秀青年科學基金和重點基金支持。

專家簡介：張敏 清華大學計算機系特別研究員，清華大學計算機系人工智能實驗室副主任。主要研究領域為互聯網搜索、個性化推薦、用戶建模及機器學習應用。擔任頂級國際期刊 ACM Transactions on Information Systems （TOIS） 主編、信息檢索重要學術組織 ACM SIGIR 執行委員會成員。發表的學術論文引用累計 6000 余次。

隨著互聯網應用水平的提高，用戶對于互聯網內容的需求越來越具體和精準，這使得個性化的信息服務越來越受到用戶的青睞。個性化推薦旨在對用戶的特定興趣偏好和需求進行理解，并進而滿足這種不同類型的信息需求。近年來，個性化推薦越來越成為學術研究和實際應用中的熱點領域。

個性化推薦的目的，是為用戶提供符合其興趣或需求的內容，例如商品、電影、音樂、視頻、新聞、圖書、旅游景點、課程、餐館等等。

而衡量個性化推薦結果好壞的評價指標，除了人們所容易想到的精準度 （Precision） 以外，還包括多樣性 （diversity）、新穎性 （novelty）、驚喜性 （serendipity）、可解釋性 （explainability），以及近幾年來新提出的公平性 （fairness）。個性化服務的目的，也從傳統的滿足大眾普遍的愛好，越來越強調滿足長尾用戶、個體用戶的細分的興趣領域。

為用戶提供符合興趣需求的細分領域的內容（niche item，與熱點內容 popular item 相對），就成為近些年來人們提出的一個挑戰性的也是重要的問題。

這一點在社交媒體應用中體現得尤其明顯。TikTok 是近年來新興起的以短視頻為主的社交媒體平臺，增長速度極快，目前在全球范圍內已經超過 26 億次下載量，在美國擁有 1 億用戶，被認為是全球最具有吸引力的社交媒體平臺之一。

TikTok 將新博主的視頻和網紅博主的視頻混合放在 “為你推薦” 頻道，以瀏覽量來獎勵優質創作內容，因而任何人都有可能在該平臺上 “一舉成名”。

由于其所使用的推薦算法會將視頻推送給與視頻博主有相似的興趣、愛好或特定身份的用戶，這種 “投其所好” 的行為很大程度上鼓勵了視頻被觀看，因而使優質的創作內容快速地傳播。

在算法中，作為推薦依據的不僅僅靠博主的粉絲數、是否有過熱門視頻，更重要的還有視頻標題、聲音、內容標簽屬性等等，與用戶觀看或點贊過的視頻、拍攝過的內容等的細分的興趣領域相結合，基于個性化推薦領域經典的協同過濾及內容推薦方法做出最終的推薦因此 。

TikTok 不僅能夠精準地為用戶推薦感興趣的視頻，還能通過推薦算法幫助他們拓展其可能感興趣的新的細分領域的內容，從而提升了用戶在新穎性和驚喜性方面的需求。

TikTok 的推薦算法入選 MIT Technology Review 2021 的 “全球十大突破技術”，正是因為算法滿足了每位個體用戶的具體的細分興趣需求，而不再僅強調追隨熱點的 “從眾效應”。

其實這一評選結果也是對近幾年來國際社會越來越關注的推薦系統的 “公平性” 問題的直接反映。

從 2012 年起，研究者們開始發現和討論不同推薦場景下存在的公平性問題。例如，在工作推薦場景中，與同能力水平的男性相比，女性可能會被推薦薪酬較低的工作崗位；在電影推薦場景中，不同性別、年齡的人可能會被推薦不同質量的電影；在圖書推薦場景中，女性作者的書籍在評分上受到不公平的對待等。

2019 年還有研究者提出基于熱門內容的推薦會帶來推薦系統的偏差，將其稱為 “熱點偏差”（Popularity bias）。推薦系統中的不公平性不僅存在于信息的接受者即觀看內容的用戶端，還存在于信息的創造者即發布內容的用戶端，例如在傳統方法中非網紅明星的優質內容提供者的作品被推薦的機會往往不如明星的作品多。

從 2018 年研究者們提出 “有責任的推薦”（Responsible Recommendation， FAccTRec 2020）， 2019 年研究者們專門組織了 “第一屆多媒體中的公平、責任、透明研討會”（1st International Workshop on Fairness， Accountability， and Transparency in MultiMedia， FAT 2019）。

2021 年，“公平性” 已經成為信息檢索領域主流學術會議（如 SIGIR，theWebConf 等）中最熱點的研究話題之一，相關研究已經開始受到廣泛的重視。目前研究界和產業界已經開始提出越來越多用于解決或至少緩解推薦系統公平性的模型和方法。

從用戶公平性和內容公平性的兩個角度來推進，分別從數據、模型、結果、評價指標等多個層面進行優化。除了個性化推薦的算法以外，不少經濟學和社會科學的理論和知識也被綜合利用進來，例如經濟學的帕累托優化方法、邊際效益、最低工資、嫉妒公平等理論、社會學的基尼系數、壟斷指數等等。

因此，TikTok 推薦方法中，非知名新博主的新作品與網紅明星的視頻一樣有機會被廣大用戶所看到，是推薦算法在公平性方面的一個代表性的成功的產業應用。隨著相關領域研究者和產業界的共同努力，將會有越來越多精準的、多樣的、新穎的、驚喜的、可解釋的、公平的推薦方法得到發展，互聯網個性化信息服務的質量也必然會越來越好。

10、綠色氫能（Green Hydrogen）

面對全球性的能源危機與環境污染，開發綠色、可持續、低成本的能源成為了全人類的共識。

氫氣一直是重要的清潔能源，但到目前為止，大多數氫氣是由化石能源制備而來，這個過程是高污染和高耗能的。可喜的是，利用太陽能和風能發電的成本迅速下降，意味著可用通過耦合可再生能源利用技術與電催化分解水技術制備 “綠色氫能”。

“綠色氫能（Green Hydrogen）” 作為未來能源發展的重要方向入選 2021 年 MIT Technology Review 的 “全球十大突破性技術”，展現出廣闊的發展前景，成為學界與業界共同關注的焦點。

專家點評：

專家簡介：鞏金龍 天津大學北洋講席教授。國家杰出青年科學基金獲得者、教育部長江學者特聘教授、英國皇家化學學會 Fellow。主要從事能源化工領域研究，先后主持國家重點研發計劃項目、國家自然科學基金重點項目 30 余項。

在 Science 等國際重要學術期刊發表論文 300 余篇；申請美國、中國發明專利 100 余項。曾獲國家自然科學獎二等獎（第一完成人）、首屆科學探索獎、第十五屆中國青年科技獎 — 特別獎、高等教育國家級教學成果一等獎、三項省部級科技獎一等獎等獎勵。

伴隨著社會的進步，人類對能源的利用沿著由高碳到低碳、由低能量密度到高能量密度的路徑發展。在此趨勢下，氫能被認為是下一代清潔能源的代表，成為 21 世紀的 “終極能源”［3］。

這主要源于氫能的諸多優點：首先，氫能中不含碳原子，其利用過程一般不釋放溫室氣體或有害物質，是清潔的能量載體；其次，氫能是高密度的能量載體，具有高于汽油、柴油等傳統燃料的質量能量密度 ［4］。

當前，全球氫能需求旺盛，氫能產量約達每年 70 兆噸 ［5］。其中，絕大多數氫能來源于煤、石油、天然氣等化石燃料，相關制備路線具有成本低廉、技術成熟、可大規模應用等優勢，但制備過程伴隨著二氧化碳等溫室氣體的排放，不利于實現 “碳中和” 目標。

因此，采用該路徑制備的氫能被稱為 “灰色氫能”。如果能夠將上述氫能生產方法中所產生的二氧化碳進行補集、利用和封存（Carbon Capture and Utilization or Storage， CCUS），則能夠間接達成 “碳中和” 的目標，從而獲得 “藍色氫能”。

然而，“藍色氫能” 不可再生，生產成本與 “灰色氫能” 相比仍然較高，制備系統成熟度較低，距大規模應用還有一定的距離。從環境與資源利用效率的角度來看，以上制氫方法均不是清潔高效的選擇。

因此，通過零污染、低成本、可持續的方式制取 “綠色氫能” 是未來能源發展的重點 ［6］。

制取 “綠色氫能” 的方法主要有生物質制氫、光催化分解水制氫、電催化分解水制氫等 ［7］。其中，電解水制氫技術具有悠久的歷史，是相對成熟的制氫方法。

近年來，新能源發電技術（如太陽能發電、風力發電、水力發電等）得到了快速地發展，促使可再生電能的成本不斷下降，這使得利用可再生電能進行大規模電解水生產氫能成為可能 ［8］。

可再生電能解水過程基本不會耗費化石能源或產生溫室氣體，能夠滿足 “碳中和” 系統的要求。

另一方面，可再生電能解水制氫技術能夠克服光電、風電等可再生電能由于晝夜、氣候、區域等因素帶來的間歇性、隨機性、不均衡性的缺點，可有效利用難以并網的可再生電能，分布式地生產 “綠色氫能”［9］。

伴隨技術的發展，世界上可再生電能解水制氫示范項目的數量和電解槽容量不斷增加，電解槽總容量從 2010 年的不足 1 兆瓦增加到 2019 年的 25 兆瓦以上。

同時，項目規模也逐步加大，在 2010 年前后，多數項目的容量均低于 0.5 兆瓦，而在 2017—2019 年間，項目規模可達 6 兆瓦 ［10］。

可再生電能解水制氫技術在近年來更是得到了長足的發展。2020 年 3 月，日本福島的 FH2R 項目正式投入運行，該項目將 20 兆瓦的太陽能發電站與 10 兆瓦的電解水裝置耦合，每小時可生產 1 200 標方氫氣 ［11］。

加拿大法液空公司也正在建造容量高達 20 兆瓦的 “綠色氫能” 工廠。除此之外，多國也宣布將在十年內建成數百兆瓦的可再生電能解水制氫項目 ［12］。

中國一直致力于推動傳統能源向低碳清潔能源的轉型，在太陽能發電與風能發電領域的年增長量與裝機量均已躍升至世界第一，在新能源領域具有豐富的研發與產業基礎。

習總書記莊嚴承諾中國將在 2060 年前實現 “碳中和”，國家相關部委也相繼出臺氫能相關政策及發展綱要，大力推動氫能產業的發展，促進了 “綠色氫能” 項目的落地。

2019 年 7 月，山西省榆社縣政府與合肥陽光新能源科技有限公司共同計劃建設 300 兆瓦的光伏發電站與 50 兆瓦的制氫綜合示范項目 ［13］。

2020 年 4 月，寧夏寶豐能源集團的太陽能電解制氫儲能及綜合應用示范項目開工建設，預計建成后合計年產氫氣 1.6 億標方，每年可減少煤炭資源消耗 25.4 萬噸，減少二氧化碳排放約 44.5 萬噸 ［14］。

中國在 “綠色氫能” 應用領域也走在世界的前沿。基于李燦院士團隊技術的 “液態太陽燃料合成示范項目” 采用總功率為 10 兆瓦的光伏發電站配套電解水制氫工藝，所生產的 “綠色氫能” 用于二氧化碳加氫合成甲醇，實現了 “液態太陽燃料” 的生產 ［15］。

“綠色氫能” 技術為解決能源與環境問題勾畫出了美好藍圖，但其未來發展仍面臨諸多挑戰。學界與業界可以從 “綠色氫能” 的制取、儲運、使用以及配套基礎建設等方面出發，為實現 “綠色氫能” 技術的大規模應用打下理論與應用基礎。

首先，應開發高性能制氫系統，降低制氫成本。以可再生電能解水制氫系統為例，可以基于對催化活性中心作用機制與調控規律的認識，在進一步提升催化劑性能的同時，降低催化劑中貴金屬用量或其價格，使得 “綠色氫能” 的成本更具有競爭力。

與此同時，可以通過強化可再生能源轉化系統與產氫系統之間的耦合與匹配，達到提高能源綜合利用效率的目的。其次，應研發高效儲氫新材料和儲氫新技術。一方面，從理論的角度進一步明確化學儲氫機理，并以此為基礎設計高效儲氫材料；另一方面，提升液化儲氫技術，以終端使用為導向開發物理儲氫新技術。

再次，應繼續發展以燃料電池技術為代表的氫能使用方法。以較為成熟的質子交換膜燃料電池為例，應基于對應用場景（如交通運輸、固定式發電等）特定需求的理解，優化電池結構和催化劑設計，以滿足對功率密度和耐久度的要求。

最后，應在基礎設施建設方面為未來 “綠色氫能” 的利用提供支持。如提前布局分布式加氫站的建設；調研氫能管道輸送的可行性方案和安全性方案等。

盡管 “綠色氫能” 的全面應用還面臨著巨大挑戰，我們仍然相信在相關科研工作者、企業和政府的共同努力下，“綠色氫能” 的高效利用系統將在不久的將來得以建立和完善，“綠色氫能” 將作為常規能源，融入人類的生產和生活中，為構建綠色、清潔的未來社會提供重要支撐。

-End-

本文經授權轉載自國家自然科學基金委員會（ID：NSFC-CSC）

編輯：jq