2023十大新兴技术

发布时间：23年09月28日

编译刘金海

2023年6月，世界经济论坛（WEF）发布《2023十大新兴技术》报告，概述了未来3~5年内有望对社会产生积极影响的技术和相关风险、机遇，以及评估每项技术如何对人类、地球、繁荣、产业和公平产生影响。

世界经济论坛致力于通过学者、行业领袖和未来学家调查改变经济和社会的新兴技术，《2023十大新兴技术》报告旨在帮助各政府部门和行业专业人士预测技术及其影响，并促进行业和社会应用。十大新兴技术包括：柔性电池、生成式人工智能、可持续航空燃料、工程噬菌体、改善心理健康的元宇宙、可穿戴植物传感器、空间组学、柔性神经电子学、可持续计算、人工智能辅助医疗。

为预测和评估十项技术各自对未来的潜在影响，报告通过五个不同的指标从1到10进行评分。五个指标分别是：

A.人类

安全和尊严，如粮食安全

获取干净的水源

改善医疗保健

B.地球

保护和恢复地球，如恢复生物多样性

限制浪费

减少温室气体

C.繁荣

提高人们的生活质量，如创造新的就业机会

加强人与人之间的联系

增加休闲娱乐

D.产业

颠覆现有产业

创造新市场

E.公平

获取医疗、能源、材料、互联网等资源的民主化

从可卷曲的电脑显示屏到智能服饰，电子产品在未来将越来越灵活。可穿戴设备、柔性电子产品和可弯曲显示器的快速发展需要与其灵活性相匹配的电源。传统的刚性电池可能很快就会成为过去，因为由可以弯曲、折叠和拉伸的轻质材料制成的薄型柔性电池即将进入市场。

目前有几种类型的柔性电池可供选择。这些可充电的电池包括放置在导电聚合物电流收集器上的锂离子或锌碳系统。在某些情况下，添加剂可增强导电性和柔韧性。柔性电池的电极可以涂覆甚至印刷在柔性基底上，包括石墨烯、碳纤维或织物等碳基材料。

柔性电池在越来越多的领域得到应用，包括可穿戴医疗设备和生物医学传感器、柔性显示屏和智能手表。由这些电池供电的与健康相关的应用程序可以将数据无线传输给医疗保健提供者，从而促进对患者的远程监控。此外，可集成到夹克、衬衫或其他服装面料中的柔性电池可根据需要为新兴的基于纺织的电子产品提供动力，这些电子产品具有从内置加热到健康监测等功能。

柔性电池市场在未来几年将迅速扩大。有研究预测从2022年至2027年，全球柔性电池市场将增长2.4亿美元，年复合年增长率为22.79%。预计增长的主要驱动力是对可穿戴设备的需求增加、电子产品微型化和灵活性的增长趋势。

LG化学、三星SDI、苹果、诺基亚、前沿技术、意法半导体、蓝星技术等公司正在积极开发和商业化柔性电池技术。与所有电池一样，需要克服的障碍是它们的安全处置和回收，这应该随着技术和相关应用的循环而实现。柔性电池技术及其相关产业的革命性进步预计将持续多年。

新一代可以将技术无缝集成到织物和衣服中的柔性电池

生成式人工智能是一种功能强大的AI类型，通过学习数据中的模式，使用复杂的算法和受人脑启发的学习方法来创造新的原创内容。虽然生成式AI目前仍专注于生成文本、计算机编程、图像和声音等领域，但这项技术可以应用于一系列领域，包括药物设计、建筑和工程。

高中生和大学生越来越频繁地使用生成式AI，一些机构禁止使用，而也有一些机构整合生成式模型到教学实践中，甚至训练学生掌握这些工具。如果使用得当，生成式AI可以创建个性化课程，以适应学生的技能和学习进度，同时鼓励批判性思维，激发创造力和新颖的想法。

基于AI的语言模型（如最近流行的ChatGPT和它的后继产品）可以提高生产力和改善输出质量，将人工任务从草稿撰写转变为创意生成和编辑。生成式AI确实有益于能力较低的工人，可以提高工作满意度和自我效能感。考虑到采用这些技术可能带来的生产力提升，更应意识到的是可能出现的工作替代现象。因此，支持工人提升技能的政策和计划至关重要。

最新的发展涉及可以做出重要决策或采取重大行动的自主AI系统。例如，AutoGPT是一个使用GPT-4语言模型的自主AI应用程序，它可以通过将目标分解为更小的任务，并使用互联网搜索或文本到语言技术等工具，自动完成用户确定的目标。

生成式AI技术，特别是自主AI技术，越来越多地融入人们日常生活的各个方面，引发了公众的兴奋和关注。为建立公众对生成式AI的信任，应确保应用程序符合约定的专业和道德标准。

生成式AI可以综合从庞大的数据集中学到的知识，以新颖的方式创造新信息

航空业每年产生的二氧化碳排放占全球总量的2%~3%，预计在2022年至2050年间航空业的排放量将达到39千兆吨。电动汽车在陆地交通中的使用正在增加，但航空业在减少碳排放方面面临困境，因为长途飞行需要更高能量燃料。此外，更换飞机的高昂成本意味着现有机队将继续运行数十年，而电动或氢燃料飞机在任何情况下都可能无法保障长途飞行。

目前出现了一种无需对现有航空基础设施和设备进行大规模改变的解决方案：可持续航空燃料（SAF）。它由生物（如生物质）和非生物（如二氧化碳）资源生产。结合其他脱碳策略，包括系统运营效率、新技术和碳抵消，SAF应该可以使航空业在未来几十年实现净零碳排放。目前，SAF在全球喷气燃料需求中所占比例不到1%，但到2040年，这一比例必须增加至13%~15%，才能使航空业在2050年实现净零排放。

目前，利用可再生能源从生物原料中生产SAF的能力正在稳步增长。根据国际航空运输协会的数据，2022年SAF的产量达到至少3亿升（乐观的说法是4.5亿升），几乎是2021年产量的三倍。越来越多的航空公司承诺使用SAF，这一趋势将通过世界经济论坛的“明日晴空计划”和“先行者联盟”等全球努力而加速。

美国材料与试验协会（ASTM）已经批准了9种可持续航空燃料，可以与传统石油基喷漆燃料按比例混合，比例高达50%。2023年，英国的一个联合体将交付首次全净零可持续航空燃料跨大西洋飞行的任务，展示了这项发展技术的潜力，并将世界更近地推向净零航空。

可持续航空燃料由生物质能创造，并与其他脱碳策略相结合，为航空净零规划了一条可靠的道路

生活在人体表面和体内的微生物的数量与人体细胞的数量相当，甚至可能更多。一个有机体所拥有的微生物群落被称为微生物组，人类、动物和植物的微生物组对这些有机体的健康起着重要作用。

噬菌体是有选择性感染特定类型细菌的病毒。科学家现在可以借助越来越复杂的基因工程工具，重新编程噬菌体以感染指定细菌，使其能够在植物、动物和人类微生物群落中的诸多共存的细菌类型中专门针对其中一种。例如，由于噬菌体通常只感染一种类型的细菌，因此可以针对复杂的微生物组中的单个细菌种类进行靶向治疗。

工程噬菌体显示出治疗与微生物组相关疾病的潜力，例如溶血尿毒综合征（HUS），这是一种罕见但严重的影响肾脏和血液凝固功能的疾病，由特定的大肠杆菌引起。科学家改造了感染大肠杆菌的噬菌体的遗传物质，使其编码能够切割导致HUS的大肠杆菌基因的“剪刀”。动物研究表明，经过这些设计的噬菌体显著减少了微生物组中导致HUS的大肠杆菌菌株的存在，并减轻了HUS的症状。

工程噬菌体疗法充满希望的早期结果正在吸引大量的风险投资，这将有助于促进工程噬菌体的临床试验。目前，在44项具有治疗目的的噬菌体相关临床试验中，有29项是自2020年初以来发布的。涉及天然噬菌体和设计噬菌体的基于噬菌体的疗法将继续成为工程微生物组的强大方法，从而增强人类、动物和植物的健康。

11.9

工程病毒可以实现超靶向治疗，可以选择性地影响特定的细菌

心理健康是这个时代最紧迫的公共卫生问题之一。过度使用屏幕和社交媒体可能会降低心理健康水平，但如果使用得当，它们也可以提升幸福感。在共享的虚拟空间中建立连接可能有助于对抗不断加剧的心理健康危机。

虚拟共享空间是人们可以进行专业和社交互动的数字环境。这些空间的未来通常被称为“元宇宙”，其中可能包括增强现实（AR）或虚拟现实（VR）增强的虚拟共享空间。就像目前存在多个共享虚拟平台一样，可能会出现多个元宇宙，其目的和沉浸程度各不相同。

游戏平台已经被用于心理健康治疗。这些平台不仅提高了患者的参与度，还帮助消除对心理健康问题的偏见。例如，DeepWell疗法公司开发了用于治疗抑郁症和焦虑症的视频游戏；TRIPP公司创建的Mindful 元宇宙通过虚拟现实引导正念和冥想来增强幸福感。

成熟的界面技术可以进一步增强远距离参与者之间的社会和情感联系。例如，EmergeWave1是一款桌面设备，它使用超声波来模拟触摸，增强用户的社交体验。无创神经技术甚至可以根据用户的情绪状态提供反馈。例如，Neurable耳机使用电极来测量情绪，并相应地调整音乐。最终，虚拟世界还将与治疗性神经技术相结合，比如直接刺激大脑来治疗顽固性抑郁症。

利用元宇宙来满足连续的精神保健需求可能是一个双赢的局面。不仅会使患者从中受益，而且将虚拟世界建立在一个实际的、必要的应用中，也可以推动虚拟空间的不断发展。

元宇宙可以为人们提供一个互相联系和获得治疗的共享虚拟空间

联合国粮食与农业组织指出，到2050年，世界粮食产量需要增加70%才能养活全世界人口。农业技术创新将是应对这一问题和改善世界粮食安全的关键一步。

传统上，作物通过人工土壤测试和目视检查进行监测，这两种方法既昂贵又耗时。最近的技术进步提高了作物监测的便利性，使农民能够更大规模地监测作物状况。如今，配备传感器的无人机和拖拉机提供了关于作物状况的较高分辨率的信息。农作物监测的下一个前沿是更高的分辨率：监测单个植物。

可穿戴植物传感器有望改善植物健康并提高农业生产力。这些小型的、非侵入性的设备可以附着在农作物上，连续监测温度、湿度、水分和营养水平。来自植物传感器的数据可以优化产量，减少水、化肥和农药的使用，并发现疾病的早期迹象。Growvera和Phytech两家公司已经自主开发出微型针状传感器，可插入植物的叶子或茎中测量电阻的变化。数据通过无线传输到计算机或移动设备，并在其中进行分析以生成有关植物健康的解读。

可穿戴植物传感器还有很多方面要完善，譬如可穿戴传感器的安装和维护成本高昂，分析传感器的数据可能需要专业知识等。此外，可穿戴传感器对植物生长和发育的长期影响也值得研究。

尽管存在这些挑战，可穿戴植物传感器仍有望彻底改变作物生产和管理。通过提供有关植物健康和环境状况的实时数据，这些设备可以帮助农民优化农业生产力，减少浪费，最大限度地减少农业对环境的影响，同时帮助养活世界上不断增长的人口。

对单个植物的监测可以获得农作物的高分辨率数据

人体由大约37.2万亿个细胞组成。它们如何共同工作，使我们保持活力和健康？空间组学可能为研究人员提供答案。

通过将先进的成像技术与DNA测序的特异性和分辨率相结合，这种新兴方法能够在分子水平上绘制生物过程的内容、地点和时间。从感兴趣的器官（如老鼠的大脑）开始，科学家把组织切成只有一个细胞厚度的薄片。然后使用创新技术将每个切片中特定生物分子的位置可视化。空间组学允许以前所未有的细节观察以前不可观察的细胞结构和生物事件。

得益于空间组学，新一代的分子水平的“细胞图谱”得以绘制，它详细描述了发生在人类和其他物种中的众多生物过程。根据2021年的统计，相关市场总价值为2.32亿美元，预计到2030年收入将达到5.87亿美元，越来越多的公共和私营公司正在寻求提供空间组学解决方案。虽然学术和转化研究中心在2020年占市场的89%，但市场正在急剧扩大，包括制药和生物技术行业。

为充分发挥空间组学的潜力，必须解决数据采集、处理、存储和标准化报告方面的技术挑战。此外，应用应该扩展到其他生物分子，如代谢物，以及其他生物，包括植物和无脊椎动物，以进一步阐明潜在的生物学。自《自然-方法》将空间组学评选为2021年年度技术以来，在极短的时间里，它已经从一个小众技术发展成为一种有望标准化并广泛应用的技术，彻底改变人类对生命的理解。

新的成像技术可以让我们前所未有地接近以前无法观察到的东西

近年来，脑机接口（BMI）获得了关注，激发了人们对通过思想控制机器的潜力和想法。脑机接口允许捕捉大脑产生的电信号，并通过算法将这些电信号解码为计算机可以理解和执行的指令。类似BMI的系统已经用于治疗癫痫患者，并在神经假肢领域得到应用——假肢使用电极与神经系统进行连接。

尽管取得初步成功，但这些技术仍面临挑战。目前医生使用的植入物是由硬材料制成的，就像笔记本电脑或手机内的芯片一样，它们会引发长期的疤痕，并引起严重的不适。它们不能弯曲或适应大脑运动，因此，随着时间的推移，它们在位置上“漂移”，降低了捕获信号的准确性。非侵入性的方法，比如把电极放置在颅骨外部，不需要手术植入，但检测信号微弱。

研究人员最近开发了一种生物相容性材料的脑接口电路，这种材料柔软而灵活。柔性电路可以适应大脑，减少疤痕和传感器漂移，它们可以装载足够的传感器，同时刺激数百万个脑细胞，大大优于硬探针的规模和时间。

柔性BMI的应用已经在美国食品药品管理局（FDA）批准的临床试验中进行，这使得该项技术可能迅速成为现实。未来，其他可植入设备，如心脏起搏器，也可以采用类似的材料。材料制造和软电路印刷的进步可以进一步改善柔性BMI技术，最终实现真正的人机交互。

与许多新兴技术一样，在广泛实现这些接口之前，必须考虑广泛的伦理问题。潜在的健康结果必须与公众的接受和信任相平衡。此外，鉴于脑源数据的敏感性，隐私和道德使用准则必须确定如何在短期、中期和长期使用这些数据。

柔性电子技术的突破可能为神经学治疗铺平道路

在这个日益以数据为基础的社会中，数据中心为谷歌搜索、电子邮件、虚拟世界、人工智能和无数其他方面提供便利，据估计，它们消耗的电力占全球总发电量的1%，而且随着对数据的服务需求不断增长。但随着新兴技术以创新的方式结合和集成，预计未来十年将在净零能耗数据中心方面取得实质性进展，使净零能耗数据中心的梦想成为现实。

首先，为了解决热管理问题，正在开发使用水或介电冷却剂散热的液体冷却系统，并将多余的热量重新用于空间供暖、水加热和工业过程等应用。例如，瑞典斯德哥尔摩市正在实施利用数据中心的废热为家庭供暖的项目。

其次，人工智能被用于实时分析和优化能源使用，在不影响性能的情况下最大限度地提高效率。DeepMind已经成功展示了人工智能能源管理的潜力，使谷歌数据中心的能耗降低了40%。

最后，支持净零能耗数据中心的技术基础设施正变得更加模块化和基于需求。例如，云计算和边缘计算系统允许将数据处理和存储分布在多个设备、系统甚至位置。

实现净零能耗数据中心将涉及创新方法，将上述方法与新的发电、存储和管理技术相结合的创新方法。鉴于这一领域的创新和投资浪潮，我们有理由对未来几年持乐观态度。

热管理和能源优化方面的创新可以帮助数据中心转向更加环保的未来

COVID-19大流行初期，医院的可持续工作迅速超过负荷，世界各地医疗保健系统的缺陷变得非常明显和可怕。为了应对这一情况，政府和学术团队将?AI?和机器学习（ML）整合到医疗领域，既可以预测即将到来的大流行病，也可以帮助有效地应对它们。目前这项技术处于初级阶段，但随着更多优质数据整合到?AI?和?ML?模型中，它将迅速得到扩展。

基于AI的技术还可以极大改善患者获得治疗的机会，医疗服务公司医学信任使用这种技术将患者的治疗需求与设施可用性以最佳方式结合起来，从而大大缩短了治疗等待时间——在某些情况下，从几个月缩短到几周。加拿大正在广泛采用一种基于AI的方法来优化获得护理的机会，并可能在其他地方复制。

基于?AI?的医疗保健在发展中国家的影响可能更为深远，这些国家往往缺乏向大部分人口提供医疗服务的基础设施和人员。协助识别、监测和治疗新的或正在发生的疾病的智能工具，是利用?AI?和?ML?在目前护理不足的地区增强医疗保健能力的第一步。例如，印度人口超过14亿，分布广泛，可采用基于?AI?的方法来加强医疗服务。印度政府允许医生通过辅助技术与偏远社区接触，并提供必要的隐私保护。

除了保护数据隐私和收集生成这些见解所需的高质量数据外，实施人工智能促进的医疗保健方法面临的其他挑战包括促进公众接受和普遍采用此类技术，解决可能存在的国家安全问题。随着AI和ML在全球医疗保健领域的应用，法律框架也开始出现。未来三到五年内，基于人工智能的医疗保健解决方案将变得越来越普遍，这将为人类健康带来巨大福音，尤其对于那些医疗服务不足的国家。