關注我喲
☀定期推送科技與知識產權事件，政策解讀 ，項目進展，成果信息 ，科普知識等科技動態，提供政策查詢、專利檢索、需求對接、專業課程等諸多優質服務，內蒙古最權威的科技與知識產權信息服務微信平臺！關注我們妥妥沒錯！
《麻省理工科技評論》揭曉 2018 年“全球十大突破性技術”（10 Breakthrough Technologies），今年入選的技術包括人工智能技術“生成對抗網絡”（GAN）、人工胚胎，以及基於天然氣的清潔能源技術等，這份全球新興科技領域的權威榜單至今已經有 17 年的歷史。
實用型 3D 金屬打印機
入選理由：新型設備首次讓 3D 打印金屬零部件成為實用型技術
技術突破：3D 金屬打印機實現了低成本快速金屬物體打印
重大意義：按需打印大型複雜金屬物體的能力將為製造業帶來變革
主要研究者：Markforged、Desktop Metal、GE等
成熟期：現在
隨著成本越來越低，使用也越來越簡單，這項技術有望成為可用於零部件生產的實用技術。如果它被廣泛應用，將有可能改變我們大規模量產產品的方式。
短期來看，有了這項技術後，製造商們將不再需要維持大量的庫存，他們可以按需地打印一個部件。比如說，當顧客需要給舊車替換一個零部件的時候，就可以立即提供給他。
長期來看，那些大規模生產某一特定零部件的大工廠將會被產品線豐富的小工坊所取代。 這些小工坊將能按照顧客的需求隨時打印出各種各樣的零部件。
這項技術的優勢在於它可以生產出更輕、更堅固的金屬零部件，以及用傳統金屬加工方法無法制造出來的複雜形狀的零部件。它甚至還可以在製造過程中精確調控金屬的微觀結構。
專業解讀
3D 打印在 2012、2013 年受到媒體熱烈矚目，在外界看來後續的發展雖從火熱迴歸平實，但技術的演進並未停止，特別是有機會能改變傳統制造業生產方式的 3D金屬打印，潛力更大。
根據美國材料試驗學會旗下 F42 技術委員會訂定的相關標準，將增材製造，也就是俗稱的 3D 打印，分為七大類技術方法，目前應用在“金屬”的打印主要有四種技術，分別為金屬粉床熔化（PBF， Powder BedFusion）、雷射金屬沉積（LMD，Laser Metal Deposition）、黏著劑噴塗成型（Binder Jetting），以及分層實體制造（LOM，Laminated Object Manufacturing）。
主要積極研究 3D 金屬打印的應用行業，包括航太、醫材以及頂級跑車，主要是高價、客製化需求高。而未來的發展又是如何？從 Formnext 2017 上業者展出的不少設備都已量產，或是朝量產的方向走去，顯示金屬 3D 打印的商業運轉已經可行，但相較於傳統的鑄造或鍛造工法，3D 金屬打印還有幾個阻礙，一是機器設備以及金屬粉末的成本都仍偏高，二是儘管目前 3D 金屬打印已經來到了四支雷射噴頭可同時工作，但以用戶的角度來看，速度還是慢。
完美的網絡隱私
入選理由：原本為加密貨幣的交易過程開發的一種工具，現在能讓你在上網時避免透露任何非必要信息
技術突破：計算機科學家正在完善一款加密工具，可以在不透露非必要信息的前提下完成驗證。
重大意義：如果你需要透露個人信息以在網上完成某件事，這個方法可以讓你在免除隱私洩漏或身份被盜竊風險的同時輕鬆實現
主要研究者：Zcash、摩根大通、荷蘭國際集團等
成熟期：現在
多虧一款新工具的出現，真正的互聯網隱私終於可以實現了。舉個例子，該工具可以讓你不用透露出生日期就能證明自己年滿 18 歲，或者不用透露自己的銀行餘額或其他細節，就能證明自己在銀行有足夠的存款可以完成金融交易。這樣就大大降低了隱私洩漏或身份盜用的風險。這款工具是一種叫做“零知識驗證”（ zero-knowledge proof）的新密碼協議。
研究人員已經研究了幾十年，但直到去年人們對零知識驗證的興趣才開始暴增，某種程度上，這要得益於人們對加密貨幣日益增長的熱情，以及大多數加密貨幣都為機構所擁有的的現實。同時，很大一定程度上也得益於 2016 年末建立的電子貨幣——Zcash把零知識驗證應用於實際。Zcash 的研發人員使用一種叫做 zk-SNARK（簡明非交互零知識驗證）的方法讓用戶進行匿名交易。通常，這在比特幣以及其他公共區塊鏈系統中是不可能實現的，比特幣以及其他公共區塊鏈系統中的交易對所有人都是公開透明的。
儘管理論上來說，這些交易都是匿名的，但通過與其他數據進行結合，還是可以追蹤到甚至識別出交易人。世界第二大區塊鏈網絡以太坊創始人 Vitalik Buterin 將 zk-SNARK 稱為一項“徹底改變遊戲規則的技術”。對銀行來說，這樣就可以在支付系統中使用區塊鏈了，同時還能保護客戶隱私。
去年，摩根大通將 zk-SNARK 添加到自己基於區塊鏈的支付系統中。不過儘管 zk-SNARK 承諾種種好處，但計算量大，運行緩慢。同時，zk-SNARK 需要“信任安裝”，所生成的密鑰如果落入壞人之手就可以破壞整個系統。不過，研究人員正在努力研究替代方案，希望可以更加高效地部署零知識驗證，同時不需要上述密鑰。
專業解讀
氪信創始人兼 CEO 朱明傑：如果有一個系統能夠在機制公開透明的同時又能夠保證用戶的隱私得到充分的保證，那麼這個系統就會有足夠的吸引力 ，尤其是在區塊鏈中，所有的交易是全網公開的，基於零知識證明的區塊鏈系統就可以以完全公開透明的形式實現信息的隱私保護，這無疑是有著巨大的現實意義的。Zcash 以及 JP Morgan 的區塊鏈系統都基於此實現。
現在，更多的區塊鏈系統將要或正在集成零知識證明這一技術。區塊鏈中有部分成熟的應用，其交易相關的隱私數據需要對任意第三方保密，如在供應鏈系統中一旦暴露就會造成巨大的後果。對於這類不能將信息暴露給潛在第三方的系統，零知識證明毫無疑問是一個“剛需”。搭上區塊鏈高速發展的快車，零知識證明技術可望在不遠的將來得到廣泛的應用，成為下一代價值互聯網的基石。
零碳排放天然氣發電
入選理由：一種針對天然氣發電廠的新工程學方法，將二氧化碳回收再利用
技術突破：一家發電廠能夠以廉價高效的方式捕捉天然氣燃燒釋放的碳元素，避免了溫室氣體的排放
重大意義：天然氣發電為美國提供了近 32% 的電力，其碳排放量也達到電力部門總碳排放量的 30%
主要研究者：8 RiversCapital、Exelon 電力公司、CB&I等
成熟期：3-5 年
在可預見的未來，我們可能要一直將天然氣作為主要的發電能源之一。現成又便宜的天然氣發出的電佔美國總髮電量的 30%, 全世界發電量的 22%。天然氣雖然比煤炭清潔得多，仍造成了大量的碳排放。
在美國煉油工業區的中心休斯頓城外出現了一家前沿發電廠，他們正在測試一項可以實現清潔天然氣能源的技術。這家公司擁有 50 兆瓦特的項目，他們就是 Net Power。該公司相信他們能捕獲天然氣發電過程中釋放的所有二氧化碳，同時又能夠以低廉的成本發電，至少和標準天然氣發電廠的成本相同。
如果此舉真的可以實現，就意味著從此就可以以合理的價格從化石燃料中獲得零碳能源。這樣的天然氣發電必會改善能源供給的局面，因為它既不像核能那樣成本高企，也不像可再生能源那樣供給不穩。
Net Power 公司是 8 Rivers Capital，Exelon 電力公司以及 CB&I 能源公司合作的產物。這家公司的發電廠已經在試運行且開始了初始測試，他們打算在未來幾個月內就公佈初次評估的結果。
這家發電廠將燃燒天然氣產生的二氧化碳放置到高壓高溫的環境中，並用合成的超臨界二氧化碳作為 “工質”，驅動一個特製的渦輪機。其中，大部分的二氧化碳都能被不斷地再利用，剩下不能利用的可以用一種低成本的方式捕獲。
降低成本的關鍵在於出售部分二氧化碳。目前二氧化碳主要用於協助開採原油。這個市場容量有限，也並不環保。然而最終 Net Power 希望其他行業對二氧化碳的需求能夠漲起來，比如水泥製造業、塑料製造業及其他碳基材料行業。
專業解讀
中國科學院山西煤炭化學研究所副研究員陳成猛：中國目前天然氣約佔總電力供應量的 3%，截止 2020 年預計將佔 6.7%。為使以天然氣和煤炭等為燃料的火電廠更清潔環保，在現有技術體系通常是進一步增設 CO2 吸附、脫硫脫硝、降灰等環保裝置來實現。
人造胚胎
入選理由：科學家們已經開始通過幹細胞製造胚胎
技術突破 ：在不使用卵細胞或精子細胞的情況下，研究人員僅從幹細胞中就可以培育出類似胚胎的結構，為創造人造生命提供了一條全新的途徑
重要意義：人造胚胎將為研究人員研究人類生命神秘起源提供更方便的工具，但該技術正在引發新的生物倫理爭議
主要研究者：劍橋大學、密歇根大學、洛克菲勒大學、中國科學院等
成熟期：現在
英國劍橋大學的胚胎學家們在一項重新定義瞭如何創造人造生命的突破性研究中，利用幹細胞培育出了一種逼真的小鼠胚胎。該胚胎並不是由卵細胞與精子結合而來的，只使用了從另一個胚胎中得到的細胞。
研究人員將這些細胞小心翼翼地放在三維支架上觀察，細胞隨後彼此開始聯結，並且排列成幾天大的老鼠胚胎獨有的子彈形狀，研究人員被這一景象吸引住了。“我們知道幹細胞有著極其強大的潛能，可以展現出近乎魔法般的能力。然而，我們沒有意識到，他們可以如此完美地實現自組織 ”，團隊負責人 Magdelena Zernicka -Goetz 表示。
Zernicka-Goetz 稱，她的“合成”的胚胎可能不會發育成老鼠。儘管如此，它們也意味著，我們很快就可以實現在沒有卵子的情況下育出哺乳動物。
但這並不是 Zernicka-Goetz 的最終目標。她想研究早期胚胎的細胞是如何開始分化出其特殊作用的。她說，研究的下一步是使用人類胚胎幹細胞生成人造胚胎，這也是密歇根大學和洛克菲勒大學正在進行的研究。
人工合成的人類胚胎將是科學家們的福音，這可以讓他們梳理出胚胎在早期發展中經歷的過程。而且，由於這些胚胎是從易操作的幹細胞發展而來的，實驗室將能夠使用各種工具，例如基因編輯技術，在它們生長的過程中對它們進行研究。
專業解讀：
瑞典卡羅林斯卡醫學院助理教授李林鮮：首次在體外培養皿裡通過兩種幹細胞的3D 共培養模擬了胚胎髮育的早期過程，為研究胚胎的早期發育提供了一種可能的替代方法。
人造胚胎的研究的價值依然是非常顯而易見的，例如應用在胚胎早期發育的基礎研究上。在胚胎早期發育的基礎研究中，很多時候需要用到如 CRISPR 的基因組編輯工具，比較在培養皿裡對幹細胞和胚胎的操作難度，幹細胞的相關操作要容易些。對幹細胞使用 CRISPR 之類的基因組編輯技術比胚胎會更方便。對抗性神經網絡
入選理由：兩個 AI 系統通過玩“貓捉老鼠”遊戲來獲得想象力
技術突破：兩個 AI 系統可以通過相互對抗來創造超級真實的原創圖像或聲音，而在此之前，機器從未有這種能力
重大意義：這給機器帶來一種類似想象力的能力，因此可能讓它們變得不再那麼依賴人類，但也把它們變成了一種能力驚人的數字造假工具
主要研究者：英偉達、中科院自動化所、Google Brain、DeepMind、百度、阿里巴巴、騰訊、商湯科技、依圖科技、雲從科技、曠視科技等
成熟期：現在
人工智能識別物體的能力已經越來越強了：給它看一百萬張圖片，它就可以用驚人的準確度來告訴你究竟哪張裡面有個行人在過馬路。但是 AI 幾乎不可能獨自生成行人的圖片。如果它可以實現這一點，它將可以創造大量看似真實的合成圖片，把行人放在各種環境下。而自動駕駛系統或許足不出戶就能使用這些圖片進行訓練。
但問題在於，從無到有創造一個東西需要想象力，而這正是人工智能技術一直難以實現的能力。
直到 2014 年，當時還是蒙特利爾大學博士生的 Ian Goodfellow 在酒吧裡與友人進行學術辯論時，他突然想到了這個問題的答案。這種名為“對抗式生成網絡”（GAN）的手段會使用兩個神經網絡（一種簡化人腦數學模型，是現代機器學習基石），然後讓這兩者在數字版的“貓捉老鼠”遊戲中相互拼殺。
這兩個網絡會使用同一個數據集進行訓練。其中一個神經網絡叫生成網絡，它的任務就是依照所見過的圖片來生成新的圖片 ，比如一個多長一條手臂的行人。而另外那個神經網絡叫判別網絡，它的任務則是判斷它所見得圖片是否與訓練時的圖片相似，還是由生成模型創造出來的“假貨”，比如，判斷那個長著三個手臂的人有沒有可能是真的？
慢慢的，生成網絡創造圖片的能力會強到無法被判別網絡識破的程度。基本上，經過訓練之後，生成網絡學會了識別並創造看起來十分真實的行人圖片。
這項技術已經成為了在過去十年最具潛力的人工智能突破，幫助機器產生甚至可以欺騙人類的成果。
目前，GAN 已被用於創造聽起來十分真實的語音，以及非常逼真的假圖片。就拿一個很有名的例子來說，來自芯片公司英偉達的研究人員們用明星照片訓練出了一個GAN 系統，而這個系統則生成了數百張根本不存在、但看起來十分真實的人臉照片。另外一個研究團隊則生成了看起來十分逼真的梵高油畫。在進一步訓練後，GAN 可以對圖片進行各種修改，比如在乾淨的馬路上蓋上一層雪，或者把馬變成斑馬。
但是 GAN 的成果並非完美：它們可能生成有兩套把手的自行車，或者眉毛錯位的臉。但由於有些圖片與聲音實在太逼真了，一些專家相信，GAN 在某種程度上已經開始理解它們所見到，所聽到的世界的底層結構。而這意味著，隨著人工智能開始獲得想象力，它們也可能開始理解它在這世界上所看到的東西。
Ian Goodfellow發明出GAN後，獲得Facebook首席科學家Yann LeCun、NVIDIA創辦人黃仁勳、Landing.ai創辦人吳恩達等大牛的讚賞，吸引了諸多的機構及企業開始研究。在中國部分，學術機構致力於研究GAN理論的近一步改良及優化，像是中科院自動化所研究人員受人類視覺識別過程啟發，提出了雙路徑GAN（TP-GAN），用於正面人臉圖像合成，而商湯－香港中大聯合實驗室在國際學術大會上發表多項GAN相關研究成果。
中國企業界則是更傾向於把技術應用在服務中，相關案例不勝枚舉，比如，百度使用GAN構建語音識別框架，科大訊飛通過GAN與傳統深度學習框架的結合在語音合成領域獲得了很大的進展。而阿里巴巴的城市大腦項目團隊在ACM MM2017會議上，其中發表的一篇論文便是使用GAN來生成用以進行車牌識別的訓練數據集。
專業解讀：
商湯—香港中文大學聯合實驗室教授李鴻升：GAN 未來可能對計算機圖形學產生衝擊，發展三年多的 GAN，在已經發展了 60 年的人工智能領域中，雖然還是很新的技術，不過已經有各種變體或進階版出現，而且在諸多研究人員及企業的投入下未來仍有許多的可能性。例如有機會從二維的圖片進展到三維的視頻等等，在更遠的將來，有可能會對圖形學產生衝擊或挑戰。
給所有人的人工智能
入選理由：將機器學習工具搬上雲端，將有助於人工智能更廣泛的傳播
技術突破：基於雲端的人工智能正在降低這項技術的使用難度和價格
重大意義：目前，人工智能的應用是受到少數幾家公司統治的。但其一旦與雲技術相結合，那它將可以對許多人變得觸手可及，從而實現經濟的爆發式增長。
主要研究者包括：亞馬遜、谷歌、微軟、百度、騰訊、阿里巴巴、科大訊飛、第四範式等
成熟期：現在
基於雲端的機器學習工具正在將人工智能帶給更廣泛的群體。如今，亞馬遜旗下的 AWS 子公司幾乎統治了雲 AI 市場。谷歌則試圖通過 TensorFlow 這款可以開發機器學習系統的開源人工智能框架來挑戰它的地位。而谷歌近日剛公開的 Cloud AutoML 也是一套經過預先訓練，可以讓人工智能變得更容易使用的系統。
以 Azure 平臺加入雲服務大戰的微軟則選擇與亞馬遜合作，推出了一款開源深度學習框架 Gluon。在理論上，Gluon 可以讓創建神經網絡——一款試圖複製人腦學習方式的重要人工智能技術——變得和開發手機 APP 一樣簡單。
雖然我們不知道究竟哪家公司將會成為人工智能雲服務市場的領頭羊，但贏家一定會獲得巨大的商業機會。
如果人工智能革命會擴散至經濟領域的各個角落，那麼機器學習工具也將會隨之成為必需品。
如今的人工智能技術絕大多數僅用於科技行業，為這個領域帶來了效率的提升以及多種新的產品和服務。但是其他的公司與行業一直難以利用人工智能技術的發展。如果可以在醫療、製造以及能源等行業裡更全面地推行人工智能技術，將極大提高各產業的生產力。
專業解讀：
Lightelligence 聯合創始人兼 CEO 沈亦晨：計算硬件是人工智能的核心之一，算力更高的計算硬件可以在更短的時間裡完成神經網絡的訓練，而由於 AI 處理器（如NVIDIA 的 GPU）更新換代很快，售價高，更換硬件也比較麻煩，個人用戶每年更換處理器並不經濟，而云計算平臺把有限的資源集約化共享給大眾。AI 算法共享也是雲平臺的一大優勢，目前有一些已經被廣泛使用的 AI 算法，如人臉識別，語音識別，圖像識別等，都是定義非常清晰的，公眾也只需要一個結果最好的算法。
基因占卜
入選理由：大規模基因研究將讓科學家能夠預測普通疾病及人格特徵
技術突破：科學家們現在可以利用你的基因組數據預測你患心臟病或乳腺癌的幾率，甚至你的智商也能被預測
重大意義：基於 DNA 的預測技術可能公共健康領域下一個重大突破，但它將增加歧視的風險
主要研究者：華大基因、奕真生物、WeGene、Helix等
成熟期：現在
將來有一天，嬰兒出生時就會得到一份 DNA 檢測報告。這些報告將提供嬰兒患心臟病或癌症的幾率、是否對菸草上癮，以及是否比一般人更聰明的預測。由於大型基因研究（部分研究涉及人數超過 100 萬人）的開展以及科學進步，這樣的報告很快就會從概念變成現實。
事實證明，最常見的疾病和人們的許多行為和特徵，包括智力水平，都不是一個或幾個基因影響的結果，而是許多基因作用的結果。利用正在進行的大型基因研究的數據，科學家們正在創造他們所謂的“多基因風險評分”指標。
儘管新的 DNA 測試只是提供了概率推斷，而不是直接得出診斷結論，但依然可以極大地造福醫學的發展。例如，如果那些患乳腺癌幾率高的女性做更多的乳房 X 光檢查，而患病幾率低的女性做更少的乳房 X 光檢查，那麼這些檢查可能會發現更多真正罹患癌症的患者，也能降低假警報發生的幾率。製藥公司還可以在針對阿爾茨海默病或心臟病等疾病的預防性藥物的臨床試驗中使用這些分數指標。通過挑選患病風險更高的志願者，他們可以更準確地測試藥物的效果。
行為遺傳學家 EricTurkheimer 表示，這項新技術“既令人興奮又令人擔憂”，因為基因數據不僅可以造福我們，也有可能會被用於其他用途，產生不好的影響。
專業解讀
麻省理工學院-哈佛大學布羅德研究所研究員、清華大學訪問學者叢樂：基因組學的科研進展結合大規模臨床研究，使科學家看到基因預測未來的曙光。
這一領域近年來加速式前進，並獲得來自大學院校等科研機構，初創公司跨國藥廠等企業，以及風險投資等資本市場的持續投入，從而讓研究人員得以分析預判遺傳信息對人類的健康狀況、疾病風險、甚至智力等個人能力等影響，這無疑將會影響醫療、保險、教育等多個層面，而這一連串的效應雖然剛剛開始但發展迅猛，究竟是福是禍尚未可知。
基因信息具有很強的個性化差異與地區性差異，所以，針對一個地區一類人群的研究與技術結果不一定適用於全球其他個體（比如亞洲人vs.歐美人），這無疑會帶來更多挑戰，但也意味著有更多的機會。遺傳信息有靜態的部分，比如每個人的細胞最開始都來源於精子卵子結合後形成的胚胎細胞，也有動態部分，比如發育過程中的基因突變可能導致遺傳病，或者衰老過程中的基因突變可能導致癌症和老年病，並不是一生只做一次檢查就足夠，也不是做的越多就代表越好越準確，仍需要許多基礎和臨床研究開發相關技術與數據分析工具。
除了經典的DNA基因組信息，還有很多疾病是由基因組的修飾和RNA表達變化等因素導致，我們稱之為錶冠遺傳學。
整體來看，儘管基因預測技術的發展受到高度矚目，但就實際的發展歷程來看，目前我們還只看到人類基因信息的冰山一角而已。傳感城市
入選理由：Alphabet 旗下的 Sidewalk Labs 計劃創建一個高科技社區來重新思考到底應該如何建設和運營一座城市
技術突破：多倫多的一個街區有望成為全球首個成功將尖端城市設計與前沿科技融合在一起的地方
重大意義：智慧城市會讓都市地區變得更加可負擔、宜居、環保
主要研究者：Alphabet 旗下的 Sidewalk Labs、多倫多 Waterfront、阿里巴巴等
成熟期：項目 2017 年 10 月對外公佈，預計在 2019 年開始施工建設
如今，全球很多智慧城市計劃都已擱淺，要麼下調了曾經雄心勃勃的目標，要麼因為生活成本原因逼走了超級富豪之外的普通居民。而多倫多的一個叫 Quayside 的項目，卻希望從頭開始重新設計一個社區，用最新的數字技術將其重建，打破現有的失敗局面。
Alphabet 旗下位於紐約市的 Sidewalk Labs 將和加拿大政府進行合作，讓這一高科技項目落地在多倫多 Waterfront 工業區。
該項目的目標之一就是讓一切關於設計、政策以及信息科技的決策都以一個巨大的傳感器網絡為基礎。這個網絡將收集各種信息：空氣質量、噪聲水平以及人們的行為等數據。
在該規劃中，一切車輛都是自動駕駛的共享車輛，地下也將跑著負責送快遞這種低級體力勞動的機器人。Sidewalk Labs 表示，他們計劃讓正在設計的軟件與系統開源，可以允許其他公司在其上創建服務，類似為手機開發 APP 的做法。
該公司計劃密切監視公共基礎設施，然而這卻引起了對數據管理與隱私的擔憂。但是 Sidewalk Labs 相信，它可以通過與社區和當地政府的合作，緩解部分擔憂。
“在 Quayside 項目中，我們所做的最獨特的一點就是，這個項目不僅包含我們巨大的野心，也有著一定程度上的謙遜”，負責城市系統規劃的 Sidewalk Labs 高管RitAggarwala 說道。而這種謙遜有望幫助 Quayside 避開之前那些智慧城市計劃時常遭遇的各種問題。
目前，北美已有多個城市正在爭取成為 Sidewalk Labs 的下一個標的。據管理Quayside 開發的某公共部門 CEO WillFleissig 表示：“舊金山、丹佛、洛杉磯以及波士頓都來聯繫我們，就是為了獲得引薦。”
專業解讀
中國科學院生態環境研究中心副研究員王旭：到 2050 年，全球 70% 的人口將居住在城市，而且隨著城市化快速擴張，傳統基礎設施存在的問題和產生的社會、經濟和環境壓力將與之俱增。相比傳統基礎設施的發展和存在模式，基於傳感器建設的未來城市基礎設施新範式，將會以更加集成、更加智能的方法來建設和管理基礎設施，而不是將城市的能源、交通和水務等基礎設施單元或環節單獨割裂管理。
但當前這種基礎設施新範式，研究和應用熱點更多關注城市交通和能源系統，對於城市其他的重要基礎設施系統，例如水與環境衛生等的投入相對較少 ，另外，對城市基礎設施不同單元環節的耦合性、抗干擾性、彈性和可持續性方面的研究關注度仍有待提高。
巴別魚耳塞
入選理由：雖然現有硬件並不那麼好用，但谷歌 Pixel Buds 卻展示了實時翻譯的前景
技術突破：近實時翻譯適用於多種語言，而且使用起來很方便
重大意義：在全球化日益發展的今天，語言仍是交流的一大障礙
主要研究者：谷歌、科大訊飛、百度、騰訊、搜狗、清華大學、哈爾濱工業大學、蘇州大學等
成熟期：現在
在風靡一時的科幻經典《銀河系漫遊指南》中，你把一條黃色的巴別魚塞到耳朵裡，就可以聽到實時翻譯。在現實世界中，谷歌已經研究出了一個過渡性的解決方案：一副叫做 Pixel Buds 價值 159 美元的耳塞。這副耳塞可以在 Pixel 智能手機上通過谷歌翻譯應用進行實時翻譯。需要一個人佩戴耳塞，另一個人手持手機。
佩戴耳塞的人用自己的語言講話——默認是英語——然後谷歌翻譯應用就會對所講的話進行翻譯，並在智能手機上大聲播放。手持手機的人回應後，回答被翻譯，然後在耳塞中播放。
谷歌翻譯之前就已經有了對話功能，其 iOS 和安卓版應用都可以自動識別說話者的語言，然後自動翻譯。但背景噪音會增加應用理解話語的難度，同時也會讓應用很難判斷說話人何時停頓，何時開始翻譯。Pixel Buds 有效解決了這些問題，因為佩戴人可以在說話的同時用手指點擊和長按右邊的耳塞。將交互分別放在智能手機和耳塞上，可以讓雙方都能控制麥克風，幫助講者保持眼神交流，因為這樣就不用來回傳遞手機了。
目前，Pixel Buds 因為低於行業平均水準的設計而備受抨擊。耳塞看起來很不智能，也不是很貼合耳朵，而且很難與手機進行適配。不過硬件笨拙還是有計可施的。Pixel Buds 讓大家看到了近實時翻譯跨語言障礙自由溝通的曙光，而且你還不用把一條巴別魚塞到耳朵裡。
專業解讀
微軟亞洲研究院資深研究員/
研究經理韋福如：基於序列到序列（sequenceto sequence）的端對端神經網絡機器翻譯（NMT，Neural Machine Translation）近年來大幅度提高了機器翻譯的質量和水平，是深度學習算法在自然語言處理領域最大的突破和成果之一，NMT 技術的進步也進一步觸發相關服務和硬件的創新。材料的量子飛躍
入選理由：研究者們最近開始使用量子計算機對簡單分子進行建模，而這僅僅是開始
技術突破：IBM 採用 7 量子比特的量子計算機對小分子的電子結構成功地進行彷真計算
重大意義：藉助該技術，科學家能瞭解分子的各個方面信息並以此開發出更有效的藥物以及更高效生成或傳輸能源的新材料
主要研究者：IBM、Google、哈佛大學 Alán Aspuru-Guzik 教授、中國科技大學、中國科學院、浙江大學、阿里巴巴等
成熟期：5 到 10 年
新型量子計算機功能強大，不過它的發展道路上依然籠罩著一層迷霧：量子計算機有著當今計算機無法比擬的計算力，但是我們至今尚未弄清楚這種能力能被用來做什麼。一個前景無限的應用方向正在向量子計算機招手：精確分子設計。
多少年來，化學家都夢想著能設計出新型蛋白質，用於研製更有療效的藥物，或是設計出新型高效電池中的電解質、直接將太陽能轉化為液態燃料的神奇化合物以及更高效的太陽能電池。然而，這些技術中的材料分子都難以在計算機上建模和彷真，遑論設計和合成了。即使彷真一個簡單分子的電子形態這樣的任務，都會複雜到讓現有的計算機敗下陣來。不過，這對於量子計算機而言就是小菜一碟了。
相比傳統計算機那樣採用“1”或“0”的數字比特（Digital Bits）作為計算和存儲單元，量子計算機採用量子系統的量子比特（Qubits）作為運算單元。最近，IBM 的研究者應用 7 量子比特量子計算機針對一個三原子分子進行了彷真實驗。
如今，科學家正在打造具有更多量子比特的量子計算機，量子算法也在提升，我們更感興趣的大分子精確彷真計算也將成為可能。
實際上，中國在量子計算方面也有相當明顯的成長，雖然目前的技術層次還無法與前面幾家大企業相提並論，但是在產業、學術界，以及政府的通力合作之下，也正一步步追趕上領先者的腳步。
2017 年 5 月，中國科學院宣佈由中科大、中國科學院──阿里巴巴量子核算實驗室、浙江大學、中科院物理所等單位或公司聯合研製的光量子電腦正式誕生。另外，同年 10 月 11 日，由中科院與阿里雲合作發佈量子計算雲平臺，量子計算的商業化已經近在咫尺，速度毫不遜色於歐美的腳步。
然而，量子計算還有不少需要突破的地方，首先，量子計算的精度相當低，雖然用在深度學習等精度需求不高的計算上相當合適，但要處理傳統計算機的通用計算工作，可能就力有未逮了。其次，量子計算這種高度並行的計算環境需要框架的適配，以及編譯器的針對性優化，這種開發邏輯與現有的計算架構完全不同。
閱讀更多 創新內蒙古 的文章
