我們正處于一個嶄新的技術創新周期。
這一點似乎從硬科技創新、產學研轉換越來越響亮，就已經被更廣泛感知了。
但如果以年為單位，究竟又是哪些前沿技術和創新突破——
正在從幕后來到臺前，正在從實驗室走向產業，又即將影響到我們每個人…
比如AlphaFold2和計算生物學有何關聯？大模型和AIGC又有怎樣的關系？元宇宙的爆發和XR突破有啥內在邏輯？
以及哪些前沿技術，已經在今年來到了爆發的風口？
為了讓更多人準確把握前沿科技趨勢，也為了幫更多人串聯起技術突破和產業風口的內在線索，更為了幫助所有人提前看到技術驅動的未來。
?我們篩選總結出了年度十大前沿科技趨勢。
從生命科學、AI、元宇宙、新能源和新計算等五方面，一文速覽年度前沿科技進展。
以CRISPR-Cas9為代表的基因編輯技術，正在一步步走向成熟，從實驗室邁向臨床應用。
去年6月，全球首個人體體內CRISPR基因編輯臨床試驗結果公布。兩家公司——Intellia和Regeneron聯合給出的臨床數據首次證明，體內療法能有效抑制遺傳病相關的蛋白質表達。
國內，博雅輯因的相關CRISPR療法研究產品ET-01已成國內首個獲國家藥監局批準開展床試驗的基因編輯療法產品。
在尋找到合適的基因遞送載體、進一步深化基因組學研究，并解決長期穩定性等問題后，基因編輯將為疾病治療和物種改造開創新藍海。
基因療法方面，理論上能徹底治愈所有先天性基因缺陷引起的遺傳病、基因突變引起的癌癥。同時，在血液瘤、罕見遺傳病等基因相關疾病意義重大，有望為更多疾病填補療法空白。
除此之外，基因編輯還可與細胞治療結合，完成CAR-T細胞療法等體外基因治療。
在業界看來，由于可基于病患情況快速且針對性制備患者所需細胞（尤其是同種異體細胞），未來有望推進重大疾病的個性化治療，并改變過往藥物標準化生產及分發的醫療流程。
而在合成生物學上的應用，可利用不同的基因控制模塊創造更為復雜的生物系統。
分子育種，作為代表領域之一，相較于傳統利用表型與自然選擇篩選方式，結合基因編輯后可以有目的性地改變物種的應激耐受性、組成、產量、繁殖等性狀，縮短物種馴化周期，創造性狀更加優良的物種。
此外，在輔助其他醫療手段、DNA存儲等領域也正在發揮作用。
簡單總結，基于基因編輯技術，生命科學研究有望實現「精準規劃+精細改造」。
AlphaFold，一個計算生物領域的AlphaGo。
但實際只是計算生物學蓬勃發展的一個縮影，大背景是，計算生物學正引領生命科學走向數據驅動時代。
隨著高通量測序、納米操作、生物芯片等技術不斷成熟，生物信息數據不斷積累，計算生物學也借此發展起來。它通過構建算法和模型，從分子層面理解生物學現象及機制本身，推進相關研究及應用。
核心代表正是AlphaFold2。
利用原有的實驗手段（X射線衍射、冷凍電鏡），過去科學家們數十年的努力，也只覆蓋了人類蛋白質序列中17%氨基酸殘基。
具體而言，在促進生物學研究方面，當前計算生物學正在形成多維度的預測體系，包括蛋白質結構與蛋白質組學、分子生物動力學、基因組生物信息學、系統建模、進化基因組學……
科學家們可基于其強大的計算能力和跨維度分析能力，尋求不同表達/現象與生物信息之間的關系。
與此同時，計算生物學能通過高效精準的計算推演帶動上層應用：
基于蛋白質功能及相互作用預測、化合物性質預測、基因點位預測等，加速AI制藥、疾病研究、物種改造等領域的發展。
計算生物學也為生命科學提供了新的研究思路——「干濕結合的數據閉環」的新模式。
先通過充足且豐富的定量干實驗（AI模型）覆蓋待搜索空間，為濕實驗室（傳統生物實驗）中的測試提供精準假設，兩者共同迭代加速。
未來值得關注的領域還包括，生物學問題的AI可解釋性、提供高質量數據的實驗設備、多類型數據的整合和標準化。
醫療康復，作為腦機接口領域的核心場景，一直以來都被寄予厚望。
相較于技術門檻較低的非侵入式腦機接口，侵入式針對的場景往往精細度更高、底層原理更復雜，但對嚴重癱瘓等高難醫療領域有重大的意義。
依照場景主要體現在運動、情感、感知等三個方面：幫助殘障人士恢復控制及表達能力；幫助抑郁癥、成癮等疾病患者調節心理狀態；治療阿爾茲海默癥等神經退行性疾病。
如今，隨著無線通信、多通道柔性電極、植入手段、芯片、機器學習算法等技術的發展，侵入式腦接機口正逐步跨越工程化和臨床難題。
今年以登上Nature意念打字技術為代表，侵入式腦機接口展現出了效果理想的臨床試驗，商業化發展初具雛形。
國家政策引導下，我國侵入式腦機接口也開始加速發展：
清華李路明團隊研發第二代腦起搏器；瑞金醫院開展重度抑郁癥治療的臨床試驗；浙江大學及浙大二院神經外科完成了國內首例侵入式腦機接口的臨床試驗，為高位截癱老人安上機械臂；以及清華大學、天津大學、上海交通大學、中國科學院、華南理工大學等高校都已成立重點科研團隊。
在科學家進一步了解大腦如何運作（比如感知區域）后，腦機接口將會發揮更多作用，幫助患者恢復觸覺、視覺等特定感知能力。
傳統新藥研發是一個昂貴、漫長而艱難的過程。除了成本高、周期長、成功率低這些困境，藥物研發面臨的更大瓶頸在于創新。
在制藥領域，有個知名的反摩爾定律——每隔9年，投資10億美元產出的上市新藥就減少一半。更為常見的是，首創藥物（First-in-Class）占獲批新藥總數量不足一半。
但計算機生物學和人工智能的發展，AI能在各個制藥環節大面積搜索潛在空間，尋找過往因人為經驗、實驗環境等外界限制未發現的靶點/化合物/晶型等，為創新藥物研發提供有力工具。
AI制藥已由「從0到1」階段進入到「從1到10」的階段，已有多個企業的AI設計藥物已經進入臨床試驗，以傳統藥企主導的大型AI制藥聯盟也已經多地開花。
不過在進一步發展之后，數據瓶頸不容忽視：高質量研發數據不足，以及醫藥研發可用數據與靶點價值成反比。
不過目前業內已經有相應的解決方案，比如建立藥物大數據實驗室、多學科融合等方法。
從更長遠的角度來看，藥物優化本質上是一個多目標優化的過程。當下AI制藥行業大多停留在對技術難題的局部突破，即單獨針對特定性質（靶向性、穩定性、吸收性等）反復迭代。
如何基于整體優化的思路，AI模型一次性滿足多樣化需求，成為當下國內外AI制藥企業關注的重點。
2021年，大規模成為了谷歌、阿里、華為、百度、微軟等各方大廠的軍備競賽，科技企業的開發思路從多點開花的大煉模型變為集中火力的煉大模型。
由于具有強通用性和少樣本學習能力，大模型正在為AI帶來集約式新開發模式與商業模式。與此同時，跨模態預訓練模型（比如DALL·E、CLIP）的出現，預示了通用智能的可實現性。
業內普遍認為“一次開發，終身使用”。
擁有更通識的大模型將為細分任務奠定基礎，后續應用無需投入大量標注數據及從頭訓練調參，效率明顯提升。
發展至今，參數量已不僅是大模型追求的唯一指標。多模態、多維度功能（跨語言、多任務）、效率、知識增強、高效率等因素成為現有模型的關注方向。
多模態學習成為當中的重要趨勢，它可以被應用在歸一、轉化、翻譯對齊、融合及協同學習上。按照下游任務則可以劃分為視覺問答、視覺推理、圖文檢索等理解式任務和生成式任務（文字生成圖像）。
由于跨領域通用，量子位分析師認為，大規模預訓練模型在未來可能會擔任類似基礎設施生態的中間層角色，為不同的行業生態承擔過渡作用。
在應用層，也給人工智能各行各業的應用和發展帶來了機遇，例如自動化內容生成、內容翻譯、機器人對話等。大模型也在這個過程中提升自身性能，發揮數據閉環的迭代效應。
隨著AI在各類場景中廣泛落地，傳統依靠制程工藝提升的AI芯片難以滿足需求。
在集成電路的未來三大演進路線中，以完全架構創新所代表的“More than Moore”成為下一代AI芯片的重點方向。
這當中，類腦計算、存算一體、量子計算、數據流AI計算都是選擇。
以效仿人腦開發、事件驅動型的神經擬態芯片為例。由于盡可能模仿了神經元間電脈沖傳遞的方式，神經擬態芯片天然符合事件驅動機制，且存算一體、在時延和能耗上都有顯著降低。國際上的代表廠商包括IBM、Intel、BrainChip；國內參與者包括清華大學的天機芯（后轉化為靈汐科技）、浙江大學等。
再來看存算一體芯片。
傳統芯片以存算分離為特征，有個著名的馮諾依曼瓶頸。由于工藝封裝需求的不同，導致處理器和存儲器間的發展速度差異越來越大，芯片計算能力從帶寬和時延兩方面嚴重受制于存儲單元。這一點在無人駕駛等邊緣計算場景尤為突出。
而存算一體的本質正是存、算兩者更緊密的結合在一起，以減少數據搬運導致的不必要時延和能耗。
目前主流路線有兩類：直接讓存儲單元實現計算功能的存內計算；緊密耦合存儲單元和計算邏輯但計算仍由獨立計算單元完成近內存計算。
除去變革底層架構的芯片設計外，AI芯片還有其他問題需要克服，例如效能和編程靈活性的平衡，芯片IP壁壘、供應鏈安全、應用生態等問題。
基于不同的場景，分析師對相應的新型芯片進行了梳理，大致分為數據處理器DPU、數據流架構芯片、光量子芯片、非硅基芯片、AI自主設計芯片。
AIGC，AI生成虛擬內容，以2018年在視頻中更換人臉的Deepfake為代表性事件。GAN、大型預訓練模型、自編碼器等都屬于AIGC領域常用的技術手段。
隨著深度學習的發展，AI生成虛擬內容AIGC正滲透在圖像、視頻、CG、AI訓練數據等各類領域，甚至同時覆蓋多模態的虛擬人技術。
虛擬數字人，指存在于非物理世界中，由圖形渲染、動作捕捉、語音合成等計算機手段創造及使用，并具有多重人類特征的綜合產物。目前分為「CG建模+真人驅動」和「深度合成+計算驅動」兩類。
其中，計算驅動的虛擬人最終效果受到多種AI生成技術的共同影響，比如語音生成、文本生成及理解、圖像生成等。
內容創作已經從早期的高度依賴人，開始逐漸向“人力+算力”轉變。除了直接應用于內容相關的商業場景（新聞、有聲讀物、工業設計等），AI還極大降低生成門檻，推動內容創作高度定制化、自動化以及民主化。
2021年，元宇宙成為當之無愧的熱點詞匯，在其七層劃分中，由于感受最為直觀，涉及顯示器、傳感器、跟蹤設備、定位設備等的人機交互成為關鍵一環。
而作為其核心載體XR，迎來了第二波高潮。
相較于第一波泡沫期存在自身技術指標欠佳、技術配套體系生態不完善、落地應用缺位等種種問題，XR在這一輪得到了體系化的提升發展。
XR的技術生態關聯甚廣，包含近眼顯示、感知交互、芯片模組、網絡傳輸、電池等，此外還需與5G、云計算、AI等技術融合。
而就在今年，整體技術生態走向成熟。通過改善光學器件、空間計算、異構計算體系、渲染引擎、交互自由度、定位方式等要素，過往觀看不適、畫面粗糙等種種問題得到了解決。
在過去依托錄音、錄像等形式跨越時間，借助手機、互聯網等跨越2D空間后，XR帶我們實現了進一步跨越。
一方面，幫助我們跨越了3D空間，以更立體、更真實的方式突破現場觀察和操作的限制，信息的還原和傳遞成本被進一步降低；另一方面，XR幫助我們跨越了現實的限制，使我們在第二空間溝通娛樂。
理想的電池應當有效平衡安全性、能量密度、充放電功率、體積、成本等因素。
然而，即便是應用最廣泛的鋰離子電池，也難以徹底解決枝晶導致的易燃問題，在安全上存在明顯短板。與此同時，受化學性質限制，鋰電池的能源效率即將達到上限，難以滿足未來的儲能需求。
要解決當前困境，新型動力電池的開發思路大致分為兩類。
一是替代原有基于鋰離子的電化學反應機制，著重基于鋰硫、納、鋅、鋁，甚至氣體等新思路的開發，但短期內難以實現替代。
二是在改進現有的鋰電池，比如在電解質、正負極材料、導電劑優化等方面進一步改進，以今年部分進入量產的固態電池為代表。
固態電池以固態電解質替代液態電解質，盡管在離子導電率上稍顯遜色，但由于理論上能有效抑制鋰枝晶的生長，在安全性上有明顯的優越性，此外在柔性、便攜性等方面上也具有極大的優勢。
不過，現有的固態電池仍具有局限性，固液結合電池勢必成為過渡。為了推動前沿技術的商業化應用，鋰電池制造廠商與相關實驗室合作已成為常態。
以中科大為首的中國隊，在量子計算的硬件研發上，2021年已經來到世界的前列。
當前，我國是世界上唯一在兩種物理體系達到“量子計算優越性”里程碑的國家。具體指以九章為代表的光子路線、以祖沖之號為代表的超導路線。
而在應用及配套設施方面，金融、醫藥、汽車、化學等領域已明確了特定問題下量子計算的使用。
芯片、操作系統、一站式平臺等也相繼出現，比如百度量子平臺對接中科院物理所的超導量子芯片，并發布云原生量子計算平臺量易伏，初創公司本源量子也已發布國內首個量子計算操作系統本源思南。
在微觀模擬、復雜建模等特定問題下，量子計算展現出了經典計算難以實現的優勢。未來，超算中心可能會出現量子-經典混合架構，由量子計算和經典計算會進行配合，以解決特定大規模問題。
以上年度十大前沿突破。
?
免責聲明：本文版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問題，請第一時間告知，我們將根據您提供的證明材料確認版權并按國家標準支付稿酬或立即刪除內容！本文內容為原作者觀點，并不代表本公眾號贊同其觀點和對其真實性負責。?
?
為您發布產品，請點擊“閱讀原文”
?
