南陽哈佛即熱式熱水器維修點(洛陽哈佛熱水器維修)

前沿拓展：

---

美國東部時間 6 月 17 日，《麻省理工科技評論》公布了第 20 屆 Innovators Under 35 評選結果，即 2020 年度 全球 “35 歲以下科技創新 35 人”榜單。

在此次的 35 名上榜者中，共有 5 位華人，他們分別是香儂科技創始人兼 CEO 李紀為、芝加哥大學分子工程學院助理教授王思泓、伊利諾伊大學厄巴納-香檳分校機械科學與工程系助理教授蔡麗麗、伊利諾伊大學厄巴納-香檳分校計算機科學系助理教授李博，以及 Modern Electron 聯合創始人兼 CEO 潘世昂。

在當下這個略顯混亂的時代，看到如此多的青年才俊仍在努力讓世界變得更加美好，著實令人內心充滿勇氣。

這對于那些抗擊病毒大流行的醫務人員和為社會正義而戰的普通公民而言，以及對那些致力于通過技術來解決這些問題和許多其他問題的人們來說，都是真真切切的精神鼓舞。

榜單中的 35 位年輕創新者并不都在努力抗擊新冠病毒大流行，也并非都在尋求社會不公的補救策略。盡管他們沒有具體解決這些問題，但卻都在努力尋求用科技幫助世人的最新方法。他們試圖解決我們的氣候危機，找到帕金森氏癥的治療方法，亦或是為那些迫切需要的人提供飲用水。

這份榜單的評選每年都會產生 500 多個提名，編輯們的首要任務是篩選出 100 名入圍候選人，提交給 25 位評委專家，評委們在人工智能、生物技術、軟件、能源、材料等多個領域各有專長，基于專家評審的寶貴幫助，我們最終遴選出 35 位獲獎者。

Innovators Under 35 評選開始于 1999 年，最初名為 TR100，并于 2011 年開始創建區域性評選。作為只甄選科技領域 35 歲以下青年才俊的榜單，Innovators Under 35 每年所挖掘的新人及其項目都極富創新性，其中不少人后來都成為了風云人物。各位精英在影響力、創新能力、進取精神、未來發展潛力、溝通能力以及領導力方面都表現卓越。從初創公司到研發機構再到科技巨頭，他們在不同的平臺上大展拳腳并取得了突破性成就。

該榜單分為五個類別，有發明新技術、為解決問題的方法賦予新的想象力的發明家（Inventors），有拓展人類科學知識邊界的先鋒者（Pioneers），有將原有技術賦予創新活力的遠見者（Visionaries），有在科學技術中發現商業機會、擴大市場甚至創造市場的創業家（Entrepreneurs），還有利用科技手段改善人類生活環境、甚至用科技解決人類生存問題的人文關懷者（Humanitarians）。

目前，《麻省理工科技評論》“35 歲以下科技創新 35 人”2020 中國區榜單報名正在進行中。

中國區榜單目前匯集了 40 余位海內外的重磅專家評委，專注于以全球視野發掘中國籍的最有創新能力的科技青年。參選者將有機會向全球權威科學界及產業界人士展示自己的科技成果和創新能力，最終的獲獎者將受邀出席在北京舉辦的頒獎典禮，并加入“35 歲以下科技創新 35 人”全球社區，參加全球范圍內的創新交流活動。報名截止日期為 6 月 30 日，我們在此歡迎青年人才進行報名參與榜單的評選！如果您身邊有符合條件的人選，也可以點擊“閱讀原文”進行提名。

以下為本屆全球榜單的詳細內容：

—— 發明家 ——

他們的創新指向了新型電池、太陽能板和微芯片的未來。

Omar Abudayyeh，30 歲

麻省理工學院

出生地: 美國

上榜理由：基于 CRISPR，他正在開發消費者在家就能使用的新冠檢測產品。

CRISPR 因其改變生物醫學研究和遺傳疾病治療的潛力而被稱為本世紀的重大發現。

Omar Abudayyeh 則正嘗試將這種基因編輯工具制作成新冠檢測工具，此舉或有助于減緩新冠大流行的速度。

2016 年，利用其中精確的基因發現機制，Abudayyeh 與 Jonathan Gootenberg 以及麻省理工學院的其他團隊一起，將 CRISPR 改造成了一種工具，用以發現癌癥突變、細菌和經由蚊子傳播的病毒，例如寨卡病毒。很快，他們成立了一家名為 Sherlock Biosciences 的基因診斷創業公司，并獲得了 4,900 萬美元融資，CRISPR 的 “新功能” 也因此見于報端。

未料到新冠疫情暴發。在美國，用于新病毒檢測的常規方法日益吃力。疫情暴發三個月后的 5 月初，僅約 2％ 的美國人接受了新冠病毒的檢測。一些經濟學家表示，該國需要每天測試更多人才能支撐恢復開放。

因此，自 1 月份以來，Abudayyeh 和他的同事一直在努力讓 CRISPR 介入到家庭場景的病毒檢測中。他們認為，其中涉及的基本化學反應并不復雜，可以創建一種更易于使用的測試，讓居民可以在上班前進行自我測試，或者在搭乘飛機之前在機場登機口進行測試。

如果他們成功了，那么病毒測試就可以在任何地方、任何時間進行，并且這也將是基因編輯革命首次直接進入人們的家庭和生活。

CRISPR 于 20 世紀初期被科學家們發現，即使用一種名為 CRISPR/Cas9 的特殊 DNA 剪切酶來搜索、剪切并替換 DNA 的特定序列。

事實證明，該工具易于使用，并且可以在多個物種中起效。不少生物技術初創公司開始競相使用這種技術治療人類遺傳病。

Abudayyeh 稱這個階段是“Cas9 狂潮期”。期間，Abudayyeh 投入到一個更為小眾的研究方向：發現和表征新型 CRISPR 酶。

很快，這個方向的成果越來越多了，Abudayyeh 和他的同事們正在展示新的 CRISPR 相關酶可以做什么，例如 Cpf1（也稱為 Cas12a）、Cas12b，還有 Cas13 也很特別，它實際上是在我們的鼻子下面發現的（是人類口腔細菌 Leptotrichia shahii 的一部分）。Cas13 不切割 DNA，而是可以靶向 RNA。

RNA 是細胞內部的遺傳信使分子，也是許多病毒的主要遺傳物質，包括冠狀病毒。

這是一種全新的編輯方式。值得一提的是，在發現新的編輯手段的過程中，一直沒有改變的是 Abudayyeh 與其同事 Jonathan Gootenberg 的密切合作。

兩人首先在麻省理工學院本科階段就認識，然后在著名研究機構 Broad Institute 中，于 CRISPR 先驅者張鋒（2013 年入選《麻省理工科技評論》“35 歲以下科技創新 35 人”）的實驗室里一起工作。他們共同撰寫了 28 篇論文，并于 2017 年受雇于麻省理工學院麥戈文研究所（MIT McGovern Institute），建立了聯合實驗室，命名為“ AbuGoot 實驗室”。

“我們開玩笑說，這是一段持續不滅的科學‘基情’（bro- mance），”Abudayyeh 說道，他認為他是兩人中的實驗派，而 Gootenberg 則更傾向于數學， “我們的大腦還沒有完全融合，但是已經接近了。”

兩個頂尖頭腦正在合作以理解上文提到的新的 RNA 編輯器——Cas13。研究證明，這種酶具有奇怪的“附帶作用”，它不僅會切割特定的 RNA 鏈，而且一旦切開，它就會瘋狂切碎并降解其路徑中的任何 RNA。

“這種機制是瘋狂的，并且非常令人困惑，” Abudayyeh 說。“我們認為這是細胞自殺機制的一部分”，這是一種被病毒攻擊的細菌的天然自毀裝置。“當它激活時，它將使細胞中的一切停止運轉。”

不加選擇的剪輯意味著 Cas13 本身并不是一個出色的編輯器。

“這令人失望，但是我們來自工程學背景，所以我們會思考，這是不是也有什么好處，” Abudayyeh 說。也許可以用來炸毀癌細胞中的 RNA，使其停止運轉？這種附帶損害的效應可能使這種 CRISPR 方法成為一種實驗室診斷手段。

不過，該想法率先由競爭對手、加利福尼亞大學伯克利分校珍妮弗 · 杜德納實驗室提出，他們認為，這種效應可以作為一種檢測機制。簡而言之，如果該酶在試管中找到了匹配物（例如屬于病毒的一部分 RNA），則可以使用附帶的切割來切斷特殊的 RNA，當該 RNA 斷裂時會發出可見的熒光信號。

這個主意其實不錯，但就其本身而言，Cas13 還不夠靈敏，所以無法直接創建測試。為此，Abudayyeh 和 Gootenberg 獲得了麻省理工學院教授 Jim Collins 的幫助，實現了在流程中添加了新的步驟或在進行匹配測試之前復制和繁殖 RNA。到 2017 年，該研究小組展示了一個名為 Sherlock 的完整 CRISPR 診斷系統，該系統可以定位導致癌癥或標記某些細菌、病毒存在的獨特突變。而且非常準確，大概是從 1 億個地球人中識別出一個人的臉的程度，Sherlock 可以對 RNA 進行精確分選。

當然，伯克利團隊也在競爭此類應用，該團隊成立了自己的 CRISPR 診斷公司 Mammoth Biosciences。預料其中的診斷專利糾葛還將曠日持久，不禁讓人想起了 MIT 和伯克利兩家機構在 CRISPR 發明上的曲折斗爭。

對此，Abudayyeh 聳了聳肩：“當有多個玩家參與時，這會更加令人興奮。不止一家公司在推廣 CRISPR 診斷，是一個好消息。”

他說的沒錯，畢竟技術進入市場是有其困難。因為診斷測試現在主要依賴大型公司，以及大型設備和實驗室。開發售價 45 美元的測試工具可能需要 1 億美元的研發成本。風險投資家 Bruce Booth 曾經這樣形容該領域：“絕對不為膽小鬼所開發”。

2019 年末，Abudayyeh 創立的公司仍在努力將基于 CRISPR 的 Sherlock 測試推向市場。

但是隨后，新冠疫情的暴發改變了一切節奏。當美國的檢測短缺現象愈發凸顯，美國食品藥品監督管理局（FDA）開始緊急批準數十種檢測劑的生產商，使它們立即進入市場。今年五月，Sherlock Biosciences 獲得了美國授權，可以在實驗室中進行 CRISPR 測試，盡管在我們發稿時尚無人在患者身上使用它。

不過，對于沒有經過培訓的人來說，這使用起來并不容易。

Abudayyeh、Gootenberg 和張鋒又開始著手簡化這項技術。他們認為，如果可以消除一些將流體混合的步驟，該測試可以在工作場所、藥房甚至家庭中使用，而不需要重復加熱和冷卻，就像 PCR 檢測法一樣。而且讀數也會更容易理解：類似驗孕紙條上的彩色條信號。

“我們的愿景是打造可以在家中完成的測試，” Abudayyeh 說。“那么，我們如何推廣它，從而減少步驟，讓它簡單又便宜？”

現在也有一些針對新冠病毒的診斷測試，但是它們往往需要在數千美元的機器上運行。

由雅培出售的一種設備 ID NOW，可在 15 分鐘內返回冠狀病毒檢測結果，白宮用它來篩查與特朗普總統會面的訪客。但是處理測試的機器要花費數千美元才能買到。Abudayyeh 說，用 CRISPR 家庭測試產品，每個可能只花費 6 美元，并且設備也不復雜。

今年 5 月，研究人員們創建出了一個簡化版本，并開通了網站以分享新的方法，他們表示可以在患者拭子中發現冠狀病毒。

現在，他們正在與一家設計公司合作，以創建塑料盒樣式的原型，用來容納和混合測試成分。

那么，Abudayyeh 是否進行了自我測試？他還沒有。“在管子吐唾沫不難，但這也是一件可怕的事情”，他說。

另外，現階段的工作也還“不是最終的”，Abudayyeh 說。

“最終版是方便插入的簡單設備。我認為我們現在的目標是為秋季做好準備，即當第二波疫情浪潮來臨時。”

Anastasia Volkova，28 歲

Flurosat

出生地: 烏克蘭

上榜理由：她的平臺使用遙感技術和其他技術來監視作物健康，從而幫助農民將工作重點放在最需要的地方。

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

因此，當她意識到可將遙感數據與科學模型結合起來，以提高農作物產量、減少農用化學品的使用并更好地利用水的時候，她知道找到了可從事一生的工作。

仍然在悉尼大學攻讀航空博士學位，需要單槍匹馬籌集超過 500 萬美元的啟動資金，這對她來說都不是問題：Volkova 是一位自學成才的植物學家的女兒，她想解決她所看到的大規模農業存在的誤區。

她參與創辦的公司 Flurosat 使用衛星、飛機和無人機上的成像傳感器，在肉眼無法分辨出農作物受災之前，就能監測農作物的健康狀態。像人類一樣，植物生病時會發燒。它們還會因有害生物或沒有獲得所需的營養或水而發熱。

Flurosat 使用多光譜和熱像儀記錄這些變化，并使用 AI 校準作物模型。然后，將真正的農作物與其數字孿生體進行比較，Volkova 和她的團隊能夠實時向農藝師和農場管理者提出建議。

這種農作物監控方法還可以減少氮、農藥和除草劑的過度使用并優化灌溉。

Leila Pirhaji，34 歲

ReviveMed

出生地：伊朗

上榜理由：她開發了一種基于 AI 的系統，相較以往方法，該系統可更快地識別患者體內的多種小分子。

Leila Pirhaji 構建了一種基于 AI 的工具，用于檢測體內的各種微小分子，我們可稱之為人體代謝產物的測量工具，這項工作可以幫助我們更好地檢測和治療疾病。

“人體中有 100,000 種代謝物”，她說， “這些物質參與到我們的新陳代謝并位于 DNA 的下游，因此可以顯示基因和生活方式對人體的影響。”

她提到的這些代謝產物，包含血糖、膽固醇等，以及只有在人患某些疾病時才會大量出現的特殊分子。

問題在于，檢測和鑒定這些代謝產物既昂貴又費時，且一個病患體內，可用常見技術完成識別的代謝產物不到 5％。

因此，Pirhaji 開發了一個平臺，使用機器學習來更快地完成識別。

首先，她建立了一個龐大的數據庫，涵蓋了已知的代謝物以及它們如何與各種蛋白質或其他分子相互作用的全部信息。

然后，團隊從患者處收集相應的組織和血液樣本，以進行代謝產物監測。

這一平臺能夠進行數據分析，了解疾病和代謝產物之間的復雜聯系，并基于這些信息來研發新藥。攻讀博士學位期間，她曾用患有亨廷頓病的小鼠進行測試，團隊發現了該疾病的新機制，并找到潛在的治療方法。

作為 ReviveMed 的首席執行官，Pirhaji 專注于肝臟健康、免疫系統、炎癥以及其他的一些疾病。基于上述的機器學習平臺，她的創業公司在與大型制藥公司合作，使現有藥物與新療法匹配，并繼續為未來的藥物尋找新的靶點。

Manuel Le Gallo，34 歲

IBM RESEARCH

出生地: 加拿大

上榜理由：他使用新穎的計算機設計來降低人工智能的功耗。

訓練一個代表性自然語言處理模型需要非常多的計算能力，以至于它排放的碳量甚至相當于五輛美國產汽車全生命周期所帶來的碳排放。

訓練一個圖像識別模型所帶來的排放，則可能相當于一個普通家庭兩周內的排放量。

而這正是諸多大型科技公司在一天之中會進行多次的事情。現代計算中的大部分能耗來自這樣一個事實：數據需要在內存和處理器之間不斷地來回傳輸。

而 Manuel Le Gallo 正在與 IBM 的一個研究團隊合作開發新的計算機體系結構，其目標是更快、更節能，且仍然很準確。

Le Gallo 的團隊開發了一個系統，該系統使用內存本身來處理數據。團隊的早期工作表明，它們可以同時實現精確性和巨大的能源節約。這個團隊最近演示的一個案例，與用傳統方法執行相同的過程相比，只耗費 1% 的能量。

隨著從金融領域到生命科學領域越來越多公司訓練人工智能模型，其能源需求將會激增。“我們將改變的是，讓模型更快、更高效，這必將減少碳足跡和訓練這些模型所花費的能源”，Le Gallo 說。

Christina Boville，32 歲

Aralez Bio

出生地: 美國

上榜理由：她通過修飾酶以生產可用于工業的新化合物。

Christina Boville 幫助設計了改進生物學控制化學反應的方法。她從天然酶（使活細胞發生化學反應的蛋白質）開始，然后對其進行工程改造，以生產出自然界中不存在的有用化學物質。

該方法可以將制藥業所需化合物的制造時間從數月縮短至數天，減少多達 99％的浪費，并將能耗降低一半。

2019 年，Boville 與 David Romney、Frances Arnold 共同創立了 Aralez Bio 公司。值得一提的是，Frances Arnold 因實現了酶的定向演化而獲得了 2018 年諾貝爾獎。

Boville 的工藝可以生產被稱為非天然氨基酸（ncAAs）的化學物質，200 種最暢銷藥物（包括偏頭痛和糖尿病的藥物）中的 12％都需要用到這種物質，另外它也被用于農業中。

她說：“自然界存在 20 種氨基酸，現在我們的酶可以產生數百種氨基酸。”她補充說，藥物成分“通常需要五到十個步驟才能完成，但我們可以一步完成。”

最近，一家制藥公司正和 Aralez Bio 接觸，探索生產 ncAA 的新方法。按常規方法，該公司需要 9 個月才能有所收獲，但 Boville 的酶現可以在一夜之間造出相同的化合物。

Nadya Peek，34 歲

華盛頓大學

出生地：美國

上榜理由：她打造的新型模塊化機器人，幾乎可以完成任何你能想象的事情。

這些都源于她的某種堅持，甚至是固執。

在本科階段，Nadya Peek 曾和一位藝術家合作制作一套裝置，過程中常常會受到已有工具和設備的限制。她并沒有就此作罷， 而是直接破解了整個機器，最終做出了預期的作品。這讓她開始思考，為什么機器不能靈活一點呢？

不要因為機器、設備的限制而改變想法，而是要改變工具來適應你的想法。于是，她開始開發特定應用的機器，期望能幫助人們完成任何事情。

Peek 目前在華盛頓大學擔任助理教授，仍在堅持這個愿景。她采取模塊化設計，打造出來的馬達、機械臂、材料切割機等部件可以以各種方式靈活組裝，再對其進行簡單編程，就能完成日常的操作，或是嚴謹的科學任務。當她教別人使用這個模塊化機器時，她會從他們的創造力中獲得快樂：他們做出了 T 恤設計設備、雞尾酒混合機、3D 打印機和化學移液機。這些組裝而成的機器通常小于臺式電腦，而且一旦完成工作目標，就可以分解并重新組裝，去執行新任務。

Peek 正努力降低這些工具的成本和操作難度，比如有些工具只需要用紙板做框架，而整體的設計也能輕易下載。目前她的機器已經被學生、黑客甚至是建筑師使用。

Peek 的目標是幫助任何有想法的人，讓他們的想法能夠成真。她指出，最早計算機的誕生就是為執行特定任務而設計的，到后來才能完成更通用的功能。她認為，機器也應該如此，她希望未來這種自動化機器能夠被用來創造性地解決實際問題。

Randall Jeffrey Platt，32 歲

蘇黎世聯邦理工學院

出生地：美國

上榜理由：他的記錄工具提供了基因開啟或關閉的視頻。

Randall Platt 創造了一種能夠跨時間記錄細胞中分子事件的方法，這種技術有可能改變我們對一些重要生物過程的理解。

比如說，目前獲得胚胎發育過程中基因表達狀態或對癌癥的免疫反應，RNA-seq 核糖核酸測序是最佳工具之一，這項技術讓生物學家得以獲得基因在某一時刻的表達狀態——哪些基因被打開 / 關閉，但 RNA-seq 僅能提供一個快照。而 Platt 研發的工具則可以像視頻一樣捕捉到基因表達（比如胚胎發育）在一段時間內變化的畫面。

“所有生物學和生物醫學的核心是研究系統中的過渡——無論是干細胞發展成神經元還是健康神經元退化。”Platt 表示，“今天人們研究的方式是在多個時間點進行檢測，并猜測時間點之間究竟發生了什么。而我開發的技術則希望填補這些空白，展示出整個過渡過程中的細胞變化。”

Platt 在這項技術上顯得頗有野心。在麻省理工學院讀研究生時期，Platt 所在的小組曾經發現了一個基因，他們認為這個基因的突變和缺失似乎起到了重要的作用，但他們一直無法得知該基因究竟是何時開始對大腦發育產生影響？這個在當時無解的問題讓 Platt 開始開發這項新技術。

“如果你想找到一個神經元里的重要缺陷，你需要精確知道缺陷的發生位置、時間以及觀察方式，”他表示，“這就是我開發這個記錄工具的原因。”

Rebecca Saive，33 歲

特文特大學、ETC Solar

出生地：德國

上榜理由：她找到了一種方法讓太陽能電池板變得更便宜、更高效。

太陽能電池板表面銀色線條本質上是金屬線，負責把電池體內的光生電流引到電池外部，但這些金屬線反射了約 5% 的陽光，影響了對太陽能的充分利用。

荷蘭特文特大學應用物理學助理教授 Rebecca Saive 發明了一種新型的“前觸頭”，解決了這一問題，減少了對太陽光的浪費，提高了太陽能電池轉化效率。

她的透明觸頭是由銀納米顆粒 3D 打印到太陽能電池的硅層上制成的，使用她開發的這種技術，可以產生一個極薄而精確的三角形形狀。陡峭傾斜的側壁像一面鏡子一樣將到達的光線反射到電池的吸收體上，將電力輸出提高了至少 5%，并降低了大致相同的成本。

Saive 參與創辦的公司——ETC Solar 總部位于美國加州，該公司通過生產一種打印工具，幫助制造商在生產標準的太陽能電池產品中運用這項技術。目前該公司已經開始對外銷售產品，不過具體客戶名單尚未披露。

與此同時，ETC Solar 以及 Saive 在特文特大學的學術團隊正在利用這項技術獨立開發更高效的太陽能電池。她表示，這項技術未來有望降低太陽能發電廠的成本，甚至太陽能汽車也能用上這項技術。

王思泓，33 歲

芝加哥大學

出生地：中國

上榜理由：他開發的可拉伸微芯片讓各種新設備的產生成為可能。

微芯片通常是在脆性的硅晶體上經過刻蝕等加工而成，意味著如果拉伸或者彎曲它們，分子結構就會被破壞，導致性能大幅下降。在此之前，也有人造出不那么脆弱的電路，但代價通常是犧牲芯片的性能，而王思泓則開發出了新的制造技術，造出可拉伸、可彎曲的電路，同時在性能表現上與普通的半導體電路同樣出色。

王思泓在斯坦福大學期間曾師從鮑哲南教授，后者被視作是這一領域的先驅之一。在鮑哲南研究成果的基礎上，王思泓開發了一套新的工藝，推動了該領域的發展。他利用一種被稱為納米約束的物理效應，以盡可能小的規模構建出分層聚合物電路。如今他可以構建出可靠的高性能電路，將電路拉伸到原來的兩倍長度時，可以做到不損失任何性能。

他表示，這些香蕉狀的聚合物，開啟了一種全新的設備類型：可塑性很強，甚至可以根據人的體型定制，用作皮膚貼片甚至植入體內，同時這些新型的柔性設備也具備與傳統設備相當的功能。不過這也帶來了新的問題，比如如何為電路提供電力？對此他已經開發了一種名為 “納米發電機” 的設備，利用人體的能量為設備供能，從而擺脫了外部的電池。那么，如何能在不引起免疫反應的情況下，將設備植入人體內呢？這就是下一個問題了。

Venkat Viswanathan，34 歲

卡內基梅隆大學

出生地：印度

上榜理由：他在新型電池方面的成果能大大降低電動車的成本。

卡內基梅隆大學副教授 Venkat Viswanathan 在開發由純鋰制成的電池陽極方面取得了重大進展，有望開發出一類新的電池，在同等重量下，該電池能容納更多的能量，輸出更大的功率。這將有望降低電動汽車、低排放飛機的制造成本。

研究人員早已認識到，鋰金屬陽極可以提高電池的性能，優于石墨制成的電池。但是，隨著鋰離子的積累，它們很容易形成針狀鋰金屬枝晶。這可能會影響電池的壽命，甚至是引發火災。Viswanathan 的解決方案是在電極之間開發一種混合聚合物 - 陶瓷分離器。它能夠施加足夠的壓力來防止枝晶的形成，同時仍然允許離子流過電池，從而產生電流。

Viswanathan 及其同事已經獲得來自美國能源部的 400 多萬美元資助，并與電池制造商 24M Technologies 合作生產和測試商用尺寸的鋰金屬電池。

Viswanathan 還與 Aurora 飛行科學公司、空客 A3 公司合作，開發垂直起降飛機所需要的電池，這種飛機可以作為空中出租車或救護車，在大都市中馳騁。

—— 先鋒者 ——

他們的創新引領著生物降解塑料、讓你保持涼爽的紡織品以及讓汽車“看得見”。

Jennifer Glick，30 歲

IBM QUANTUM

出生地：美國

上榜理由：她幫助推動量子技術走進現實世界。

如果量子計算機能夠正常工作，我們可以用它來做什么？Jennifer Glick 正在努力尋找答案。

世界上最大的機器——大型強子對撞機（Large Hadron Collider，簡稱 LHC），旨在解答物理學中一些最重要的問題。為此，粒子對撞機背后的科學家們必須能夠處理和理解來自機器的大量數據，他們想知道某些粒子是不是在以光速發生的高能碰撞中產生的。

大型強子對撞機可以通過每秒十億次粒子碰撞產生超過 PB 級的數據，需要分布在世界各地的大約 100 萬個處理器內核來分析和理解，否則會造成混亂。這些數據意味著什么？

這是 IBM 研究員 Jennifer Glick 面臨的最棘手的問題之一，她的工作是探索如何從量子計算中受益，嘗試用現有的量子算法或以此為目的創建新的算法。

對于某些經典計算機難以解決的或者超級耗時的計算問題，量子計算有望在處理能力上大幅超越經典計算，這是 Glick 所尋求的目標。量子計算機的強大可以歸功于量子比特或量子位的疊加和糾纏，它們提供了指數級的巨大計算空間。例如，50 個完美的量子位可以代表超過 1 萬億的狀態。

盡管如此，這還是一項處于早期的技術。在 IBM 工作的兩年里，Glick 幫助推進了一項將量子技術引入現實世界的合作計劃，她花了很多時間尋找解決方案，然后開發和演示量子計算機能夠比經典計算機更快解決問題的方法。

“我們基于大型強子對撞機并使用量子算法來預測是否產生了某種粒子。”她說，“還需要分析那是不是我預測的那種粒子？”

2019 年，Glick 和她的同事與銀行業巨頭巴克萊（Barclays）解決了一個更大但更為實際的問題，他們面臨的挑戰是管理每年在證券交易結算中處理的數萬億美元。例如，當金融機構購買股票、債券或衍生品時，就會發生這種情況，票據交換所必須在交易中運行復雜的優化算法，以便在技術和法律約束范圍內盡可能多地結算交易。

Glick 研究小組的成果表明，量子技術可以提高這一過程的效率，加快交易與結算之間的時間。“當有人給你提出一個行業或商業問題時，剛開始會有很多麻煩，這其實是一系列非常復雜、棘手的問題。”Glick 說。“其中一項任務是將其分解成更為簡單的部分，以便能夠使用經典計算方法處理并發現瓶頸所在。進而探索這些瓶頸是否可以通過量子方法來突破？”

蔡麗麗，33 歲

伊利諾伊大學厄巴納 - 香檳分校

出生地：中國

上榜理由：她創造了節能的紡織品來打破我們傳統的 “空調使用” 習慣。

蔡麗麗發明了一種基于納米材料的紡織品，這種紡織品的厚度與普通 T 恤相當，但可以讓你保持溫暖或涼爽。

蔡麗麗的研究充分利用了人體皮膚會散發特定波長范圍的紅外輻射這一事實，通過操縱織物在該波段中阻擋或透射輻射的方式，她生產了多種對溫度有不同影響的紡織品。

為了讓身體更暖和，蔡麗麗創造了一種金屬化的聚乙烯紡織品，該紡織品可以將人體熱輻射損失降至最低，但仍能保持面料透氣，與普通紡織品相比，它可以使人們的體感溫度升高約 7°C。而在陽光直射下，她的冷卻織物——一種新型的納米復合材料——則可以將人體降溫超過 10°C。

蔡麗麗認為，弄清楚如何使這種紡織品看起來像普通服裝一樣，這點至關重要。例如，以前的輻射冷卻材料只能用白色生產，但在 2019 年，她發現了如何用不同顏色制造冷卻紡織品的方法。她的最終目標是生產出一種適應性極高的紡織品，它在天氣寒冷時可以使人體保持溫暖，而在高溫下又可以讓人感覺涼爽。

隨著全球氣候變化導致天氣和溫度模式的變化，人們將使用更多的能源來調節建筑溫度。如果她的團隊能找出如何以低成本、大規模的方式生產這種紡織品，他們將能提供一種有助于削減取暖和制冷費用的替代方案。

Siddharth Krishnan，29 歲

麻省理工學院

出生地：印度

上榜理由：他開發的無創傳感器可以從根本上改善腦積水的治療，如果不及時治療，其結果可能是致命的。

一種微型的、強大的傳感器，使疾病診斷更便宜、更快、更容易。

麻省理工學院的材料科學家 Siddharth Krishnan 開發了一種微型傳感器，它可以使人們免于遭受致命的大腦疾病困擾。

在美國出生的每 1000 個嬰兒中就有一到兩個患有腦積水，這種情況下大腦中會積聚起腦脊髓液。這種疾病也可能發生在晚年，或是遭受外傷性腦損傷后。在美國有超過一百萬人患有腦積水，幾乎所有人都安裝了分流裝置，將腦中的液體排到胸部或腹部。如果不及時治療，這種情況可能是致命的，但如果及時治療，通常可以完全康復。

如果分流器被堵塞，不起作用了，那么腦脊髓液就會再次積聚。在六年之內，大約一半的分流器會發生這種情況，所以這是一個關鍵問題。

早期檢測分流器故障的技術都有各種缺點。重復進行 CT 掃描、MRI 或 X 射線檢查會使患者受到危險劑量的輻射，額外增加很多花費，而且由于只能間接地檢測分流器的性能，因此并不是完全可靠。有時候，進行侵入性腦部手術僅僅是為了驗證分流器是否正常工作。而且由于每年僅進行幾次檢查，因此患者及其家人不得不一直處于不確定狀態，懷疑他們的分流器是否工作正常。

在任何情況下，由于來自大腦的液體流動是斷斷續續的，因此這種間隔性抽查不一定能發現問題。

Krishnan 的傳感器提供了一種非侵入性的方式來監測分流器情況：可以將其放置在頸部皮膚上靠近分流器的位置。它測量幾個不同點的溫度，從獲得的溫度分布推斷液體是否在流動。與早期的非侵入式傳感器進行較少的溫度測量并需要使用冰袋不同，他的設備可以連續測量腦積水流動，并通過藍牙實時報告結果。

今年早些時候，他在《NPJ 數字醫學》雜志上發表的一篇論文中，對 7 位患者進行了現場試驗，結果表明他的傳感器一次可以提供數小時的“可靠，高質量的數據”。

Krishnan 希望他的傳感器能在腦積水之外有更多應用，例如監測糖尿病等其他疾病，在這些疾病下，檢測皮膚下的微小變化會產生巨大的影響。

Avinash Manjula Basavanna，33 歲

哈佛大學 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極端化學物質的侵蝕，而且可以用水自我修復。

據估計，有史以來人類生產的 91 億噸塑料中，只有 9% 被回收，將近 80% 的垃圾會不斷增加垃圾填埋場的數量，或者持續污染自然環境。

在自然環境中，塑料垃圾的降解需要上千年的時間。這種物質最終也會以塑料微粒的形式進入人體，慢慢積累，對人類健康造成毀滅性的影響。解決這個問題的關鍵所在，可能是通過生物技術工程制造出傳統塑料的替代品，新的塑料材質可以自然降解，而且降解速度很快。

生物塑料并不是一個全新的概念，但是很難以一定數量和具有對工業有用的性能來制造它們。哈佛大學 Wyss 研究所的博士后 Avinash Manjula Basavanna 認為他可以做得更好。

他和他的同事們開發了一種基于活物質的新型塑料，他們稱之為“AquaPlastic”，可以進行商業規模生產，它不僅具有許多石油基塑料的堅韌品質，而且只需短短兩個月就能在水中自然降解。

該材料本身可抵抗強酸和強堿。只需加水，就可以將其用作涂料，這意味著它可以作為粘合劑使用，這成為同類產品中首個具備這種功能的塑料。此外，如果這種塑料被刮擦，涂層也可以用水進行“修復”。

最重要的是， “你不必擔心會增加我們的塑料污染和塑料微粒問題。”Manjula Basavanna 說。目前，他和他的合伙人正圍繞 AquaPlastic 成立初創公司進行商業化探索，如果大規模生產，這種便宜的、可生物降解的材料有望與傳統的塑料、涂料競爭。

Ghena Alhanaee，30 歲

南加州大學

出生地：阿拉伯聯合酋長國

上榜理由：“如果發生了突發事件，海水淡化廠無法運轉…… 真的沒有后備計劃。”

在危機中，嚴重依賴石油鉆塔、核反應堆和海水淡化廠等基礎設施可能是災難性的，不過，Ghena Alhanaee 的數據驅動框架可以幫助各國做好準備。

在南加州大學做博士研究生的早期，Ghena Alhanaee 偶然發現了一系列令人不安的事實。

波斯灣的國家，包括她的祖國阿拉伯聯合酋長國，比她想象的更容易遭受災難。海灣地區是世界上最大的石油和天然氣生產區之一，有 800 多個海上鉆井平臺，每年數千艘油輪通過其淺水區，而且阿聯酋還在建造阿拉伯半島的第一座核電站。與此同時，一些海灣國家幾乎完全依賴海水淡化設施來提供飲用水，而應急供應只有兩三天。“如果發生了什么事，海水淡化廠無法運轉，現在真的沒有后備計劃，”Alhanaee 說。

從那以后，她一直致力于解決海灣地區的防災缺口。目前，她正在開發一個數據驅動的框架，以幫助該地區更好地降低漏油或核事故的風險。

由于海灣地區的核工業剛剛起步，而且其石油和天然氣部門對其數據保密，她更多依靠的是來自美國的信息：她的統計模型借鑒了過去 10 年美國核工業和海洋石油工業中 4000 多起安全事故的報告數據。她說，訣竅在于更好地理解哪些小事件的組合，會在哪些場景下，最有可能滾雪球變成大事件。

Alhanaee 的框架旨在做到這一點。她計劃將自己的發現應用于海灣一個特別脆弱的地方——即將完工的巴拉卡（Barakah）核電站附近，以及大規模的石油平臺和海水淡化設施。最終，她希望她的研究能夠幫助該地區的政府制定更強大、更協調的減災策略。

Andrej Karpathy，33 歲

特斯拉

出生地：斯洛伐克

上榜理由：他利用神經網絡讓自動駕駛的汽車“看得見”。

數十年來，無數計算機科學家都一直希望能讓計算機真正具備視覺可見性。Andrej Karpathy 的研究已經非常接近了，他的深度神經網絡方法使機器能夠理解圖像中正在發生的事情。

作為斯坦福大學的研究生，Karpathy 擴展了卷積神經網絡（CNN）技術，該技術廣泛地模擬視覺皮層中的神經元結構，在 2015 年，Karpathy 還策劃并擔任了斯坦福大學第一屆深度學習班的主要講師。

通過將 CNN 與其他深度學習方法相結合，他創建了一個系統，該系統不僅可以更好地識別圖像中的單個項目（例如狗或人），而且還可以看到整個場景中的物體情況——例如多只狗和人們彼此互動——并有效地判斷其中發生的事情，以及接下來可能發生的事情。

2017 年，Karpathy 加入特斯拉，負責監督訓練特斯拉汽車自動駕駛功能的神經網絡，這包括碰撞檢測、自動駕駛功能和遠程召喚（讓汽車從停放的地方自動駕駛到用戶面前）等。

借助 Karpathy 的研發成果，特斯拉正在采取與大多數廠商不同的技術路徑。通常，自動駕駛汽車會使用昂貴的激光雷達掃描周圍環境，構建虛擬高精地圖，然后使用人工智能來分析，告訴車輛該做什么反應。

特斯拉的方法是使用傳統相機。Karpathy 開發的系統不僅可以讓汽車像人類駕駛員那樣識別道路上的物體，而且還可以動態分析整個場景（汽車、人、交叉路口、標志等等），如果它按預期工作，就能立即推斷出發生了什么。要做到這一點，需要近 50 個神經網絡來不斷處理來自超過一百萬輛特斯拉汽車的路況觀察和學習數據。

Gregory Ekchian，32 歲

麻省理工學院

出生地：美國

上榜理由：他發明了一種使癌癥放射治療更安全、更有效的方法。

殺死腫瘤所需的輻射量取決于腫瘤細胞中的氧氣水平，但是腫瘤科醫生目前并未調整輻射劑量來解決這一問題。Stratagen Bio 的聯合創始人 Gregory Ekchian 開發了一種傳感器，可用于讀取腫瘤中的氧氣含量，以指導個性化癌癥治療，這可能會為行業帶來很大的改善。

在與波士頓布萊根婦女醫院的臨床醫生充分討論后，Ekchian 很快意識到需要一種全新傳感工具的迫切性。于是，他開發了一種癌癥治療技術的原型，被稱為：高劑量率近距離放射療法。在這種治療方式中，醫生用一系列空心導管刺穿腫瘤，然后通過導管注入放射性同位素，使腫瘤充滿放射線，一旦達到所需劑量就能將腫瘤清除。

基于這樣的原型，Ekchian 還在改良版導管的尖端上添加了一種新近發明的對氧氣敏感的聚合物。在常規的 MRI 掃描過程中，聚合物中的質子被激發。這些質子在被高濃度氧氣包圍的導管中比在低氧濃度中更快地恢復平衡，因此，它們恢復平衡的速度可以用來確定腫瘤不同部位的氧水平高低，從而使腫瘤學家能夠確定輻射劑量應該重點植入的位置，并調整其強度使其發揮最好效果。

Ekchian 說：“如果我們不關心健康的人體組織，我們只會增加對整個腫瘤的輻射劑量，但是過量的輻射會極大地傷害患者。這意味著弄清楚那些高劑量的輻射應該怎樣去用非常重要。”

Ekchian 正在準備發布一項涉及 7 名宮頸癌患者的臨床試驗結果，這是這種改進療法在人類中首次應用，他最終希望將他的氧氣感應應用程序用于廣泛的臨床治療。

Andreas Puschnik，31 歲

陳 · 扎克伯格生物中心

出生地：德國

上榜理由：尋找對病毒性疾病的普遍治療方法，可能會讓我們為下一次大流行做好更充分的準備。

寨卡、埃博拉、SARS、登革熱和新冠肺炎， 這些疾病都有著令人恐懼的特性，為了繁殖，病毒會劫持人體細胞并利用其生物成分產生更多的病毒。

對 Andreas Puschnik 而言，了解生物分子病毒的更多機制，可能會推進產生新型的廣譜抗病毒藥物。Puschnik 認為：“病毒依賴于特定的細胞途徑，這些細胞自身可能成為藥物靶標。”

這位德國出生的研究人員表示，通常情況下，制藥商希望使用化學物質清除病原體，這種化學物質被設計成能與病毒分子成分結合并使其失效。“一種藥物，一種病毒”的針對性解決方案可以有效發揮作用，但問題在于每種藥物都必須經過復雜的專門設計。

相對而言，一種被稱為宿主定向療法的替代方法正處于早期階段，Puschnik 正在使用基因編輯工具 CRISPR 提升這種新療法的研發速度。在大規模篩選方法中，他使用 CRISPR 修飾了數百萬個人類細胞，進行了十萬種不同的基因突變。如果這些細胞中的任何一個在感染黃熱病后仍能幸存下來，就意味著他已經使細菌繁殖的分子途徑失活了。

Puschnik 已經幫助找到了一種蚊子傳播的黃病毒（如登革熱、寨卡病毒和西尼羅河病毒）繁殖所需要的酶，以及一種能夠阻斷這種酶的藥物，由于所有黃病毒的作用都相似，他希望該藥可以成為它們的“通用療法”。

在 2020 年加利福尼亞的新冠疫情封城期中，Andreas Puschnik 一直在陳 · 扎克伯格生物中心持續研究工作，這家新機構將他選為第一位科學研究員。“對于病毒學家來說，這仍然是忙碌的日子。” Puschnik 說，他現在正計劃將注意力轉向新冠病毒的研究。

他認為，一種可以改變細胞，從而使人體細胞對冠狀病毒產生抵抗力的藥物可以為下一次大流行做好準備：“也許還能治療我們尚不知道的其他類似病毒。”

—— 遠見者 ——

他們的創新正引領人工智能、量子計算和醫療植入物領域的重大突破。

Inioluwa Deborah Raji，24 歲

AI Now 研究所

出生地：尼日利亞

上榜理由：她對用于訓練面部識別系統的數據進行種族偏見的研究，迫使公司們做出改變。

Inioluwa Deborah Raji 踏上人工智能研究之路的促因，來自她記憶中一次 “可怕的” 親身經歷。大三之后，Raji 在一家名為 Clarifai 的初創公司做機器學習方面的實習，當時她正在研究一種計算機視覺模型，該模型可以幫助客戶將不當圖像標記為 NSFW（Not Safe For Work，內容不適合上班時間瀏覽）。讓人感到困擾的是，它標記出有色人種照片的比例遠高于白人。

她發現，這種不平衡是訓練數據導致的：該模型正在學習從色情圖片中識別 NSFW 圖像，從庫存圖片中識別安全圖像。但事實證明，色情內容十分多樣化。這種多樣性導致模型自動地把深膚色與色情內容相關聯。

盡管 Raji 向 Clarifai 報告了這個問題，但該公司仍然繼續使用該模型。她回憶說：“當時想做任何事情都非常困難。人們的痛點也是很難獲得準確的數據。”這件事促使 Raji 做出進一步調查，她研究了用于訓練計算機視覺的主流數據集。

然后，她一次又一次地發現堪稱令人震驚的人口比例失衡。例如，許多人臉數據集缺少深膚色的人，導致人臉識別系統無法準確區分這類人臉。而警察部門和執法機構卻要使用這些系統，他們認為這可以幫助識別犯罪嫌疑人。

“那是這個行業真正令我震驚的第一件事。”她說：“目前有許多機器學習模型正在部署中，并影響著成千上萬人。而系統不準確的做法，是缺乏責任心的。”

Raji 出生于尼日利亞的哈科特港，四歲時移居安大略省的密西沙加。除了離開的原因，她對于自己的祖國知之甚少：她的家人想擺脫動蕩的局面，讓她和她的兄弟姐妹過上更好的生活。然而前期的過渡非常艱難。在頭兩年， Raji 的父親繼續在尼日利亞工作，在兩大洲之間來回飛行。

Raji 在加拿大的頭五年里，曾在七所不同的學校上學。最終，一家人搬到渥太華，一切開始穩定下來。當她申請大學時，她確定自己對醫學預科課程最感興趣。

她說：“如果你是一個女孩，并且擅長科學，人們會告訴你要當醫生。” 她被麥吉爾大學神經科學專業錄取。然后因為一時興起，以及在父親的鼓勵下，她參觀了多倫多大學，并遇到了一位說服她學習工程學的教授。

她回憶說：“這位教授告訴她，如果想使用物理學和數學，來構建真正的影響力，編程可以幫你做到。” “我就是喜歡上了這個專業，并在一夜之間改變了主意。”

正是在大學里，Raji 上了她的第一堂編程課，并很快被黑客世界所吸引。她喜歡以最快的速度將自己的想法轉變為軟件，幫助解決問題或改變系統。到大三時，她渴望加入一家軟件初創公司，從而在現實世界中體驗這一點。因此，在進入 Clarifai 公司實習幾個月后，她發現自己正在尋找解決所發現問題的方法。在嘗試內部支持未果的情況下，她聯系了她認識的唯一一位致力于消除計算機視覺偏差的研究人員。

2016 年，麻省理工學院研究員 Joy Buolamwini（入選《麻省理工科技評論》2018 年“35 歲以下科技創新 35 人”）發表了 TEDx 演講，內容是除非她戴上白色口罩，否則商業面部識別系統就無法檢測到她的面部。

對于 Raji 而言，Joy Buolamwini 是完美的榜樣：她作為黑人女性研究員，成功地闡明了她所發現的相同問題。Raji 隨后收集了所有代碼和分析結果，并向 Joy Buolamwini 發送了一封電子郵件，后來兩人迅速達成合作。當時，Joy Buolamwini 為她的碩士論文，設計了一個名為 “性別陰影” 的項目。

這個想法既簡單又激進：即創建一個可用于評估商業人臉識別系統是否存在性別和種族偏見的數據集。事實上，在此之前，并不是銷售這些系統的公司沒有進行內部審核流程，而是他們使用的測試數據與讓系統學習的培訓數據在人口統計學上是不平衡的。因此，系統在審核過程中的準確率可以達到 95％以上，而一旦部署到現實世界中，在少數群體中的準確率僅為 60％。相比之下，Joy Buolamwini 的數據集具有膚色和性別分布均勻的人臉圖像，從而使其成為一種更全面的方法，來評估系統對不同人口群體的識別程度。

Raji 參與了這項技術工作，編輯了新的數據集并幫助 Joy Buolamwini 進行了審核。結果令人震驚：Microsoft，IBM 和曠視科技三家公司的人臉識別系統接受了測試，測試結果最糟糕的地方在于，深膚色女性的性別識別率，比淺膚色男性低 34.4％。調查結果刊登在《紐約時報》并成為新聞，這迫使相關公司去改善自家產品中的偏見。

“性別陰影”，是 Joy Buolamwini 向 Raji 展示的、促使公司進行變革的強大工具。2018 年夏天，她離開 Clarifai 后，與麻省理工學院媒體實驗室的 Buolamwini 開始了一個新項目，它在 2019 年 1 月成為炙手可熱的新聞。

這次，Raji 領導了這項研究，并通過對他們所審核的三家公司的采訪，她了解到性別陰影是如何引導他們改變其訓練系統的方式，以解決更多的人臉識別問題。

她還重新審核并測試了另外兩家公司：亞馬遜和 Kairos。她發現，盡管這兩家的人臉識別系統對人口統計群體的準確性存在巨大差異，但 Microsoft、IBM 和曠視科技的人臉識別系統已經得到大大改善。

Raji 的這些發現，為 AI 研究做出了基礎性貢獻。同年晚些時候，美國國家標準與技術研究院也更新了對人臉識別算法的年度審核，其中包括種族偏見的測試。

此后，Raji 參與了其他幾個項目，這些項目已經為算法問責制樹立了標準。在媒體實驗室工作后，她加入 Google 成為研究顧問，以幫助該公司提高其 AI 開發過程的透明度。傳統的軟件工程師擁有完善的實踐，來記錄他們在構建產品時所做的決策，而當時的機器學習工程師卻沒有。這樣一來，他們就更容易引入錯誤或偏見，并且更難追溯和檢查此類錯誤。

Raji 與由資深研究科學家 Margaret Mitchell 領導的團隊一起，根據她在 Clarifai 的經驗，開發了供機器學習團隊使用的、易于遵循的文檔框架。Google 于 2019 年推出了該框架，并將其內置到 Google Cloud 中供客戶使用。此后，包括 OpenAI 和自然語言處理公司 Hugging Face 在內的許多其他公司也采用了類似的做法。

Raji 還共同領導了自己在 Google 的項目，引入內部審核實踐，來補充她在媒體實驗室所做的外部審核工作。她的想法是：在 AI 產品開發的每個階段創建檢查，以便在發布之前就可以發現并處理問題。該框架還包括了如何獲得高級管理人員支持的建議，如果一個產品未通過審核，則它確實會被阻止發布。

在她的所有項目中， Raji 的愿望是使 AI 倫理更易于實踐。“采取我們作為一個社區喜歡談論的那種高層次道德理想，并嘗試將其轉化為具體的行動、資源和框架，”她說。

事情并不總是那么容易。在 Google，她發現改變工作方式，需要花費大量時間和精力。她擔心消除 AI 偏見等問題的財務成本，會阻止公司這樣做。這是她退出行業、并繼續在非營利研究所 AI Now 工作的原因之一。她認為，外部審計仍能以內部審計無法做到的方式讓公司承擔責任。

Raji 對此依舊充滿希望，她看到 AI 研究人員比以往任何時候都更加渴望在工作中展現道德心和責任感。“這是一項如此具有影響力的技術。” 她說，“我只是真的希望我們在如何構建這些事物方面要更加周到，因為它確實很重要、并且確實會給人們來帶影響。”

Eimear Dolan，32 歲

愛爾蘭國立高威大學

出生地：愛爾蘭

上榜理由：醫療植入物常常受到人體的排異反應。她可能已經找到了問題解決方法。

當 Eimear Dolan 第一次致力于開發治療 1 型糖尿病的植入式醫療設備時，她和她的同事們必須克服一個常見的障礙，即起搏器、胰島素輸送系統和乳房植入物這樣的設備制造者們長期以來都在糾結：當身體感覺到植入的異物時，它就會構建起纖維組織的保護壁。這種反應稱為異物反應，也是醫療植入失敗的主要原因之一。

今天，作為愛爾蘭國立高威大學的生物醫學工程師，Dolan 認為她找到了一種方法來抵消異物反應。她的 “武器” 是一種被稱為動態軟儲器（dynamic soft reservoir）的小型機器人裝置。

該裝置是由位于愛爾蘭國立高威大學的 Dolan 實驗室和麻省理工學院的研究人員合作開發的，它由一種軟材料制成，可以使其振蕩、并產生足夠的流體流動，來改變植入物周圍的環境，防止保護組織形成。

過去，研究人員試圖使用藥物或改變植入物的表面化學性質。Dolan 的創新之處在于，她和她的同事已經成功地在老鼠身上進行了測試，這標志著第一次有人用機械解決了該問題。Dolan 說：“它的優點在于它是一種無毒的方法。”

現在，她的團隊正在重新設計動態軟儲器，以作為構建 “生物人工胰腺” 努力的一部分，這是一種為 1 型糖尿病患者生產胰島素的植入式細胞庫。早期使用這種裝置的嘗試特別容易被身體排斥，并失敗。Dolan 相信她的團隊能夠改變這種狀況，并最終提高其他可植入設備的成功率。

Miguel Modestino，34 歲

紐約大學

出生地：委內瑞拉

上榜理由：他利用 AI 指導用電代替熱，來優化反應，從而減少化學工業的碳足跡。

化學工業生產從塑料到化肥的各種產品，Miguel Modestino 已經掃清了化學工業電氣化的主要障礙。他的 AI 系統可自學如何用電脈沖而不是傳統的燃燒化石燃料的加熱方法，來優化制造各種化學物質的反應。而且由于電力可以來自風能或太陽能等可再生能源，因此化工廠通電可以大大減少排放。

在早期的實驗室項目中，Modestino 的團隊將己二腈（主要用于制造尼龍的中間體）的產量提高了 30％以上，這比過去 50 年來的任何其他方法都取得了更大的進步。

關鍵是使用不斷變化的復雜電流脈沖來優化產量。找出使用哪種脈沖模式，就需要借助機器學習。Modestino 進行了一些實驗，在不同的電條件下制造己二腈，并讓他的 AI 分析數據找出如何以更少的能量、更高的產量和更少的廢料來制造該化合物。

Modestino 和兩名他以前的學生最近創立了 Sunthetics，以期將 AI 系統應用于其他化學過程，例如那些參與產生氫燃料和制造聚合物的過程。該公司還致力于擴大己二腈工藝的規模，以建造一個完整的中試反應器，并將該方法擴展至其他工藝。

Rose Faghih，34 歲

休斯頓大學和麻省理工學院

出生地：美國

上榜理由：她裝有傳感器的手表可以監視您的大腦狀態。

如果 Rose Faghih 的項目順利完成，看似簡單的智能手表，就可以確定大腦內部正在發生什么。

Faghih 開發了一種算法，來分析汗液活動中其他無法察覺的變化，而這正是壓力和刺激的關鍵指標。

她使用連接在智能手表背面的兩個小電極，監測出汗引起的皮膚電導變化。然后，信號處理算法允許 Faghih 將這些變化與特定事件相關聯，例如 PTSD 相關的閃回，甚至只是游走的注意力，以精確探查人的大腦狀態。

通常，此類實時數據只能通過昂貴的電極系統（例如 EEG 或功能性 MRI）獲得。從理論上講，Faghih 的 “Mindwatch” 將足夠便宜且便于攜帶，以使人們可以在任何地方監視其大腦狀態。

Faghih 希望這可以幫助人們控制自己不斷變化的情緒和精神狀態：可穿戴設備能夠檢測躁動不安的駕駛員，并讓其嘗試深呼吸、或打開讓心情變好的音樂。對于患有精神疾病或慢性病（例如糖尿病）的人，它甚至可以觸發自動深腦刺激設備或胰島素泵。

Zlatko Minev，30 歲

IBM Quantum Research, TJ Watson

出生地：保加利亞

上榜理由：他的發現可以減少量子計算中的錯誤。

Zlatko Minev 推翻了曾經困擾玻爾和愛因斯坦的量子物理學支柱。

在整個 20 世紀的大部分時間里，人們都假定原子以突然的、不可預測的、離散的量子躍遷，從一個能級跳到另一個能級。Minev 的研究證明并非如此。他說：“量子物理學并不像我們以前想象的那樣難以捉摸和離散。”

他的實驗表明，當一個原子被光形式的能量轟擊時，它以連續、平滑的方式從一個能級移動到另一個能級，而不是瞬時跳躍。更重要的是，Minev 能夠快速檢測到原子能級的變化、并進行控制，這樣他就可以在原子躍遷完成之前阻止它，并將其逆轉。

他說：“在短期內，借助我為此項目開發的監控，我們實際上可以擁有可預測性的窗口。” Minev 的工作可能會對量子計算產生重大影響。

當亞原子粒子在能級之間跳躍時，會讓這些量子計算系統產生大量錯誤，就像 Minev 實驗中的原子。能夠在躍遷完成之前對其進行探測和逆轉的能力，將極大地增強量子計算機的能力，從而使它們能夠更好地破解加密，對化學反應以及預測天氣。

李博，32 歲

伊利諾伊大學厄巴納 - 香檳分校

出生地：中國

上榜理由：她通過設計新方法來愚弄 AI，進而使 AI 變得更安全。

幾年前，李博和她的同事們在停車牌上，貼上了黑色和白色的小貼紙，人眼看上去是隨機的，并且不會遮擋標牌上清晰的文字。然而，這種安排是經過精心設計的，因此，如果自動駕駛汽車駛近，為其視覺系統提供動力的神經網絡就會誤讀停車標志，因為它顯示的信息是限制時速 45 英里。

人們以前也曾嘗試過這種“對抗性攻擊”，即用對人無害的輸入數據的處理，來愚弄神經網絡，但以前的例子大多是數字化的。例如，圖像中的幾個像素可能會更改，而肉眼看不到這一更改。

李博，是最早證明這種攻擊在物理世界中可能存在的人之一。對于 AI 來說，檢測起來更加困難，因為開發用于發現操縱的數字圖像的方法，不適用于物理對象。

后來，李博還對物理對象的特征（如形狀和紋理）進行了細微的改變，這對于人類來說仍然是不可察覺的，但會使圖像識別算法看不到它們。

她的目標是利用有關潛在攻擊的知識，來使 AI 更加強大。她利用一個神經網絡來識別和利用另一個系統中的漏洞，讓人工智能系統互相攻擊。

此過程可能會暴露目標網絡的訓練或結構中的缺陷。然后，李博制定了解決這些缺陷、以及防御未來攻擊的策略。對抗性攻擊，也可以蒙騙其他類型的神經網絡。例如，對音頻的細微調整，可能會使語音助手誤解其聽到的內容。

如今，李博的某些技術已經在商業應用中使用。IBM 用它們來保護其 Watson AI，而亞馬遜用它來保護 Alexa。少數幾家自動駕駛汽車公司，將其應用于提高機器學習模型的穩定性。

Dongjin Seo，31 歲

Neuralink

出生地：美國

上榜理由：他正在設計用于無縫連接人腦和機器的計算機芯片。

六年前，當我第一次遇到電氣工程師 Dongjin Seo 時，他告訴我，他一直想成為“對如何改善世界有強烈直覺的科學家”。

當時，他正在加州大學伯克利分校一個實驗室擁擠的角落里工作，研究一種叫做 “神經塵埃” 的超小型電子傳感器，它可以植入動物大腦中，并通過聲波進行控制。

該項目的目標是新型的腦機接口，其可以讀取皮質內神經元的發射信號，甚至還可以將信息發送回去。這種技術可能會開辟從大腦讀取信息或向大腦寫入信息的方式。

然后到了 2016 年，在我與 Dongjin Seo 交談后不久，埃隆 · 馬斯克邀請他加入了新公司 Neuralink，該公司準備斥資數百萬美元，來設計人腦與計算機之間的無縫接口。“埃隆提出了異想天開的想法，好吧，這讓我很難說不，”Dongjin Seo 說，“那簡直是我夢寐以求的事情。”

該公司使用機器人代替神經塵埃，來把超薄電極插入動物的大腦。Dongjin Seo 是一個由十幾個人組成的團隊的負責人，他們設計的低功耗無線計算機，要安裝在顱骨上切開的小洞中。他說他的主要貢獻是設計所需的電路板和芯片。

“我們需要這些芯片來收集可能看起來像噪聲的信號，對其進行處理，并在不影響大腦的情況下完成所有這些工作。”在對動物進行測試后，該公司希望嘗試對癱瘓或重病患者進行大腦連接。最終，“康復者的‘增加’成為一個突出成果，”Dongjin Seo 說，“它能夠增強我們與世界互動的能力。”

Leilani Battle，31 歲

馬里蘭大學

出生地：美國

上榜理由：她開發的一款程序可以實現更快的數據篩選，幫助科學家更專注于科學研究。

在 Leilani Battle 攻讀博士學位期間，她參與開發了 ForeCache 這款軟件，這是一個可以幫助研究人員瀏覽大量數據的工具，比如，通過掃描高分辨率衛星圖像來尋找積雪覆蓋區，其目的是降低延遲，以便用戶可以在數據集上移動和縮放，而不會出現可感知的延遲。一種常見的方法是預測用戶可能需要哪部分數據，然后 “預先載入”。但是，如何預測要預先載入的數據？一切都取決于對用戶行為的理解。

Battle 和她的同事開發了一個更有效的預測系統。這一系統首先會試圖辨別用戶處于哪一個“分析階段” ，然后再辨別下一步可能需要哪些數據塊。他們把這三個階段命名為 “覓食”（foraging）、“感知”（sensemaking）和 “導航”（navigation）。他們假設處于 “覓食” 階段的用戶為產生新的想法而粗略地瀏覽內容。“感知” 階段則是對這些想法的更仔細檢驗，而 “導航” 階段則介于兩者之間。

他們說，在預測用戶需要哪些數據時，這一系統可以比現有預測系統好 25% 左右，幾乎降低了一半的延遲。

Battle 致力于開發可以幫助研究人員篩選數據的系統和界面，使他們更好、更快地完成工作。她希望探索工具可以變得更具互動性和可視性，而不再那么嚇人。這或許有助于科學家發現以往容易被忽略的異常數據。

Morgan Beller，27 歲

Novi

出生地：美國

上榜理由：她是 Facebook 加密貨幣想法背后的關鍵人物。

2017 年夏天，Morgan Beller 向她在 Facebook 企業發展團隊的主管提出了一個建議：她是否可以將大部分工作用于研究 Facebook 如何進入數字貨幣市場？

當時 Beller 還是個新人，正在參加入職培訓。但她此前曾在一家風險投資公司做過早期的加密貨幣投資。她似乎可以預見，全球金融界將發生怎樣翻天覆地的變化。

當她意識到 Facebook 這家巨頭公司內還沒有人研究區塊鏈時，她自告奮勇并很快成為了 Facebook 數字貨幣項目的關鍵人物，并領導了開源區塊鏈基礎架構 Libra，以及其貨幣應用程序和數字錢包 Novi 的開發。

自 Libra 這一計劃公開后，Facebook 和創始人馬克 · 扎克伯格遭受了外界的強烈批評。Beller 對此并不驚訝，“我們正試圖改變當前的金融體系，但有太多的人不希望看到這樣的改變。”

雖然 Libra 還沒有推出，但已經刺激其他國家加快本國數字貨幣的開發。4 月，Facebook 做出了妥協，在其新版白皮書中宣布除了提供錨定一籃子法幣的幣種外，還將提供錨定單一法幣的 Libra 穩定幣。盡管如此，Libra 依然具有顛覆性。

Adriana Schulz，34 歲

華盛頓大學

出生地：巴西

上榜理由：她開發的這一工具可以讓任何人在無需理解材料科學或工程的前提下設計產品。

Adriana Schulz 基于計算機開發的設計工具，可以讓普通用戶在不需要了解基礎力學、幾何學或材料的前提下，像工程師那樣使用圖形拖放界面來創建機器人、鳥巢等功能豐富的復雜對象。

“令我興奮的是，我們即將進入制造業的下一個階段，進行一場新的制造業革命。” Schulz 說。

Schulz 的一項發明是 Interactive Robogami，這一工具可以幫助任何人設計基本的機器人。當用戶在屏幕上設計完成地面機器人的形狀和軌跡后，Interactive Robogami 會自動將原始設計轉換成可以從標準或 3D 打印零件構建的示意圖。

她和她的合作伙伴開發的另一個工具，可以讓用戶自己設計無人機，以滿足他們在有效載荷、電池壽命和成本方面的定制化要求。這一系統中的算法結合了材料科學和控制系統，并自動輸出制造計劃和控制軟件。

Schulz 目前正在推動建立華盛頓大學數字制造中心，她將與其他人共同指導該中心的工作。同時，她也將與當地的技術和制造公司合作，把她的工具 “搬出” 實驗室。

—— 人文關懷者 ——

他們利用科技為人們治愈疾病，提供飲水、住房和假肢。

Katharina Volz，33 歲

OccamzRazor

出生地：德國

上榜理由：一位親人的遭遇讓她開始使用機器學習來尋找帕金森病的治療方法。

2016 年，Katharina Volz 得知她的一位親人不幸被診斷為帕金森病，當時她剛剛獲得了斯坦福大學的博士學位，并在干細胞研究領域找到了一個非常賺錢的工作，但這個消息徹底改變了她。

Volz 說，“我當時就知道自己可以做出貢獻，盡管有時會感覺很無助，但我自認為有責任找到治愈這種疾病的方法，因為我知道自己可以為此做些什么。”如今，她創辦的 OccamzRazor 公司，正通過將機器學習與生物醫學研究結合，來推動帕金森病療法的研究。

在研究帕金森病的過程中，Volz 注意到了一個問題，這一問題如今也困擾著整個科學界。Volz 發現，研究帕金森病的專家通常只精通某一特定方面，而對其他方面不太了解，進而無法參與其他研究。由于這些 “學術孤島” 的存在，有關帕金森病的新認識很難及時分享和探索，阻礙了我們對帕金森病的進一步了解。

“即使你是世界上最聰明的研究者，你也不能掌握所有信息，建立起可以幫助你更加了解這種疾病的所有聯系。” Volz 說，“人類將這些眾多聯系關聯起來的能力是有限的。”

而機器學習就可以做到。Volz 意識到，人工智能在閱讀某個領域的所有不同論文和數據集，以及識別可能帶來突破的洞察力方面，可以比人類做得更好。盡管機器學習不是她的專長，她還是召集了一個人工智能研究團隊，以及計算生物學、藥物開發和神經科學等其他領域的專家。2016 年，在從谷歌大腦負責人 Jeff Dean、邁克爾 ·J· 福克斯基金會等投資者和投資機構那里籌得資金后，OccamzRazor 誕生了。

OccamzRazor 從兩方面開展相關研究。首先，這家公司開發了一些可以閱讀和理解有關帕金森病出版材料的程序；其次，它還通過人工智能整合基因組學、蛋白質組學和臨床數據集。其目的是，預測對帕金森病至關重要的新方法和關鍵基因，然后在實驗室進行相關試驗。

基于以上研究，OccamzRazor 推出了名為 “Parkinsom” 的知識圖譜，從而揭示疾病的病因和進展，指出有助于早期診斷的體征和癥狀，并確定潛在的治療目標。在 OccamzRazor 驗證其發現后，便與生物科技公司和制藥公司一起合作開發藥物。

這一方法不僅僅局限于尋找有關帕金森病的相關療法，OccamzRazor 計劃將其擴展用于與大腦衰老相關的復雜疾病中，并建立綜合知識圖譜。Volz 認為，“這些疾病之間是相互影響的，研究帕金森并是研究大腦老化的最佳方法之一。”

David Warsinger，32 歲

普渡大學

出生地：美國

上榜理由：他研發的系統可以減輕現有海水淡化廠的弊端。

David Warsinger 認為，他的創新工作可以幫助解決 21 世紀最大的環境挑戰之一：全球水資源短缺。

他改進了當下最常見的一種脫鹽方法——反滲透水處理方法。如今，全世界約有 5% 的人口依賴于淡化的海水或內陸咸水來滿足一些日常需求，隨著水資源污染、過度使用以及與氣候變化有關的降雨模式的改變，進一步減少了可用水域，這一數字還將繼續上升。據聯合國統計，約有 36 億人生活在每年至少有一個月存在缺水情況的地區，到 2050 年這一數字可能超過 50 億。“在全球范圍內，我們正想盡一切辦法開發地球上的水資源。” Warsinger 說。

然而，如今的海水淡化方法存在很大的局限性。傳統的反滲透水處理方法，由于加壓水需要被動地通過反滲透膜進行脫鹽，會消耗大量能源，而且價格昂貴。此外，這一過程還會遺留下大量鹽水，這對內陸工廠來說是一個特別大的問題，因為那里的水資源更加稀缺。

為提高整個工作流程的效率，當時還在麻省理工學院的 Warsinger 與 Emily Tow 共同開發了一套名為 “批處理反滲透”（batch reverse osmosis）的系統，該系統可以分批淡化海水，且鹽度和壓力也會隨時間變化。傳統的反滲透系統采用恒壓的方式，而批處理系統則設計為對含鹽量較低的水施加較小壓力，從而節省大量能源。此外，這種方法還可以通過最大限度地減少反滲透膜上鹽的堆積來提高淡水的提取率。

如今，Warsinger 是普渡大學機械工程系的教授，他的實驗室正著手完善批處理系統。他的團隊已經開發了一個拖車大小的原型設計，希望將其用于秘魯和肯尼亞的試驗工廠中。

Alex Le Roux，27 歲

Icon

出生地：加拿大

上榜理由：這一位于墨西哥的大規模 3D 打印項目，可能會為保障性住房的未來指明方向。

Alex Le Roux 認為，3D 打印可以為建筑設計提供新的可能性，并降低全球房屋建筑的成本。

作為美國奧斯汀初創公司 Icon 的聯合創始人，Le Roux 參與設計了工業級 3D 打印機 Vulcan，這款 3D 打印機只需 24 小時就可以建造一套房屋的墻壁系統。根據聯合國的數據，約有 16 億人口沒有足夠的住房，全球三分之一的人口生活在非正式的居住點或貧民窟。Le Roux 認為，部分原因在于傳統建筑方法使得建筑材料浪費和勞動力成本過高，很多貧困家庭無法承受由此帶來的高房價。

Vulcan 旨在通過引入自動化流程來解決材料浪費和勞動力成本問題。這一 12 英尺（約為 3.66 米）高的自動化設備就像一支巨大的牙膏管，擠壓來自另一臺機器的英寸級厚的特殊混凝土混合層。Icon 通過提前對房屋設計進行編程，來盡量簡化操作員的工作。“一旦在工作現場配備了這兩臺機器，你就可以下載一個應用程序，然后出發去比賽了。” Le Roux 說。

2018 年 3 月，Icon 完成了美國第一棟獲官方許可的 3D 打印房屋，目前已在奧斯汀和墨西哥建造了 16 棟房屋，并正在墨西哥建造世界上第一個 3D 打印社區，為 50 個低收入家庭提供住房。

Mohamed Dhaouafi，28 歲

Cure Bionics

出生地：突尼斯

上榜理由：他們設計的假肢不僅功能強大，而且對于低收入國家的人來說，也足夠便宜。

4 年前，在一次大學挑戰比賽中，Mohamed Dhaouafi 發現一個隊友的表親自出生后就沒有上肢，同時也負擔不起安裝假肢的費用。當時他還是一名工程專業的學生，一直在尋找可以產生社會影響的項目，當他開始研究世界各地的肢體殘疾情況時，他發現這一領域存在巨大的需求缺口。據世界衛生組織估計，如今貧窮國家有 3000 萬人不幸遭遇了截肢，但只有 5% 的人可以安裝假肢。而且，由于兒童還未停止成長，為他們安裝高質量假肢的長期費用更加昂貴。但是，如果不安裝假肢，羞恥感和行動不便的問題會使大部分人無法上學，甚至導致無法就業。“我們不僅僅是在談論肢體差異，我們也在談論貧窮，談論獲得教育和衛生保健的機會。” Dhaouafi 說。

如今，他有一種可以幫助人們更易獲得先進假肢的產品。他在突尼斯的初創公司 Cure Bionics 即將推出一款可調節的多手柄仿生臂，售價僅為 2000 美元，與同類產品相比十分便宜。他們正計劃通過 3D 打印技術生產關鍵部件和內部設計大部分電路來降低成本。

但這并不意味著他們的產品沒有質量保證：與其他公司開發的仿生手臂一樣，Cure 的原型設備同樣配備了傳感器，允許用戶通過彎曲或放松殘肢的肌肉來操縱假肢，同時也在算法開發上做了努力，以幫助仿生手臂更準確地識別身體的電信號，盡量減少對整形外科醫生的依賴。下一階段，Cure 計劃推出一款基于虛擬現實的頭戴式視圖器，將對兒童的物理治療過程提供游戲化效果。“不會像醫生那樣要求你想象拿起一個蘋果，你只需要像蜘蛛俠那樣用手在建筑物之間跳躍就好了。” Dhaouafi 說。

Dhaouafi 和他團隊即將發布這款多手柄仿生臂，他們已經對 5 名突尼斯青年進行了測試，也將很快在 3 家政府醫院進行試驗。Dhaouafi 的最終愿望是，可以為非洲、中東及其他地區的年輕人提供一系列高質量、價格合理的假肢。

—— 創業家 ——

他們用技術創新打破現狀，帶來了新的經營方式。

李紀為，31 歲

香儂科技、浙江大學

出生地：中國

在過去的幾個月里，谷歌和 Facebook 都發布了新的聊天機器人，李紀為的技術在其中都起到了核心作用。

深度強化學習是讓神經網絡在試錯中學習，李紀為將這一相對較新的技術應用到自然語言處理（NLP）中，自然語言處理是計算機科學領域的重要方向，旨在用程序處理人類語言。

通過使用深度強化學習識別大量文本中的句法結構，李紀為讓機器更好地提取到其中的語義信息。其中，語法指的是詞語之間的語法關系，而語義指的是詞語的意義。

在書面用語中，語義關系相近的詞在實際的句子中并不總是緊密相連。例如，一個動詞和它的對象之間可能隔著一串形容詞或從句。以往讓機器解析自然語言的做法常常過于強調詞語在句子中的位置是否接近，帶來明顯錯誤的結果。李紀為的機器學習算法能夠找到句子的語法結構，從而更可靠地識別句子的意義。它們已經成為許多 NLP 系統的重要基礎。

李紀為在中國長大，曾在北京大學學習生物學，隨后他到美國康奈爾大學攻讀生物物理學博士學位。但他很快將研究領域換成了 NLP，并先后進入卡內基梅隆和斯坦福大學，最終成為史上首個在 3 年內獲得計算機科學博士學位的學生。

李紀為還探索了其他方法，讓人工智能能夠更好地識別語言數據中的模式。2014 年，他和團隊將 Twitter 帖子與美國氣象數據相關聯，研究天氣是如何影響用戶的情緒。首先，他手動給 600 條推文貼上了快樂、憤怒、悲傷等標簽。他用這些標簽數據訓練了一個神經網絡來評估一條推文的情緒，并將得到的情緒信息與 2010 年和 2011 年發布的所有推文中約 2% 的地理位置數據進行交叉對比。

得到的結果并不令人驚訝：下雨時，人們的情緒會變差；天熱時，人們會更容易表達憤怒。而對李紀為來說，這是一堂關于如何從大量文本中獲取隱藏信息的實驗課。

2017 年完成學業后，李紀為回到北京創立了專注在 NLP 領域的香儂科技，目前公司已獲得 2000 萬美元風險投資，擁有數十名員工。香儂科技正在開發機器學習算法，分析各類商業報告、社交媒體推文里的文本信息，并以此進行經濟預測。

李紀為還嘗試將深度強化學習用于生成自然語言， 對他來說，這是 NLP 的進一步應用。他表示，一旦你學會了閱讀，你就可以學習寫作。

即使是最好的聊天機器人，也會出現各種低級錯誤，比如語句不連貫、缺乏基本常識等，且對話越長，AI 的對話效果就越差。李紀為的技術能夠讓 AI 更好地掌握語言的結構。在對話中，如果語句中有明確的語法，那 AI 就更容易識別語句的主語和賓語等。例如，如果你對機器說“我們開始吧?”，普通的機器可能會回答“當然！”，但這樣的回答內容其實可以接在任何問題之后，而李紀為開發的技術能讓 AI 參考此前的對話內容，給出像 "是的，我們還有很多事情要做" 這樣的回答。

Atima Lui ，30 歲

Nudemeter

出生地：美國

上榜理由：她正在用科技來糾正化妝品行業對膚色的偏見。

Atima Lui 在美國堪薩斯州長大，她是美國奴隸的后裔，也是一個蘇丹難民的女兒。她還記得小時候第一次和朋友嘗試化妝。她的朋友皮膚較白，“當朋友把她的化妝品涂在我臉上時，并沒能變得更好看。”她發現，化妝品行業長期以來對 “裸色” 的定義就是白色或淺色皮膚的顏色。

為了解決這個問題，Lui 現在正在開發一款名為 Nudemeter 的 AI 應用。通過照片和一個簡短的測試，它可以確定用戶的膚色，預測膚色在一年中的變化，不管用戶是任何膚色，該技術都能根據用戶的皮膚顏色選擇適合的化妝品顏色。

基于 Nudemeter，Lui 已經成功開發了自己的業務，但她的目標并不只是這項技術本身。她指出，在成長過程中，她受到社會在 “誰將成為企業家？誰能成為技術專家？” 這個問題上的刻板認知所影響，甚至是傷害。這正是她想要解決的問題。

潘世昂，34 歲

Modern Electron

出生地：中國臺灣

他的公司改造了一個古老的設備，讓你在自己的家中發電。如果該公司的產品能夠廣泛使用，我們能夠減少對集中式煤炭、天然氣發電廠的電力依賴。

熱離子轉換器最早發明于 20 世紀 50 年代，能夠將熱能直接轉化為電能。Modern Electron 公司在這個舊技術的基礎之上，通過計算機模擬和應用新材料，開發出了新型的熱離子轉換器，提升了能量的轉化效率。

公司聯合創始人潘世昂認為，Modern Electron 的技術能夠將家用的燃氣熱水器、鍋爐等變成一個迷你家用發電機，在家就能發電。他表示，這將會是一種比集中發電更便宜、更有效率的家用發電方式，尤其是與家用太陽能電池結合使用的時候。

熱離子轉換器由一對金屬板組成，金屬板之間是真空狀態，任何來自外界的熱量聚集會激發其中一塊金屬板上的電子越過縫隙到達另一塊溫度更低的金屬板，從而產生電流。在一項應用當中，Modern Electron 將金屬板卷成管狀，輕松裝在燃氣爐上。

在多數時候，用戶在家中可以依靠房頂的太陽能板提供電力。而在夜間、陰天或冬季，Modern Electron 的發電系統可以作為很好的補充。潘世昂認為，如果其公司的產品被廣泛采用，將可以減少我們對煤炭、天然氣發電廠的依賴，且這些發電廠在燃燒和電力傳輸的過程當中會出現大量能量損耗。因此這項技術可以反過來減少電力行業的溫室氣體排放。

該公司的技術還可以與其他燃料配合使用。因此，如果住宅供暖系統未來轉向氫氣等低排放或零排放的能源，這種新型的熱離子轉換器可以在減少污染方面發揮更大作用。

潘世昂認為，該設備在發展中國家有更廣的應用前景。這項技術能夠讓社區建立小型的發電站，從而無需再耗費大量資金和時間建設大型集中式發電站和配電系統，方便為農村地區提供電力。

拓展知識：