美国东部时间 6 月 27 日，《麻省理工科技评论》公布了第 18 届 35 Innovators Under 35 评选结果，即 2018 年度 全球 “35 岁以下科技创新 35 人”榜单。
在此次的 35 名上榜者中，共有 6 位华人，他们分别是PhagePro CEO 兼联合创始人颜珉珉（Minmin Yen）、加州大学圣地亚哥分校助理教授徐升、北京大学特聘研究员周欢萍、Verge Genomics 联合创始人兼CEO 张欣立（Alice Zhang）、旷视科技联合创始人兼 CEO 印奇、蚂蚁金服国际事业部国际技术负责人许寄。
其中，周欢萍和印奇是首届中国区榜单的获奖人。（点击链接查看首届中国区 35 位获奖人名单）
图丨入选的六位华人
Innovators Under 35 评选开始于 1999 年，最初名为 TR100，并于 2011 年开始创建区域性评选。作为只甄选科技领域 35 岁以下的青年才俊的榜单，Innovators Under 35 每年所挖掘的新人及其项目都极富创新性，其中不少人后来都成为了风云人物。各位精英在影响力、创新能力、进取精神、未来发展潜力、沟通能力以及领导力方面都表现卓越。从初创公司到研发机构再到科技巨头，他们在不同的舞台上大展拳脚并取得了突破性成就。
该榜单分为五个类别，有发明新技术、为解决问题的方法赋予新的想象力的发明家（Inventors），有将原有技术赋予创新活力的远见者（Visionaries），有拓展人类科学知识边界的先锋者（Pioneers），有在科学技术中发现商业机会、扩大市场甚至创造市场的创业家（Entrepreneurs），还有利用科技手段改善人类生活环境、甚至用科技解决人类生存问题的人文关怀者（Humanitarians）。
目前，中国地区的第二届“35 岁以下科技创新 35 人”榜单的提名与报名也正在进行中。中国区榜单目前汇集了 40 余位海内外的重磅专家评委，专注于以全球视野挖掘发掘中国籍的最有创新能力的科技青年。参选者将有机会向全球权威科学界及产业界人士展示自己的科技成果和创新能力，最终的获奖者将受邀出席 2019 年 1 月 21 日（即 EmTech China 全球新兴科技峰会第三日）在北京举办的颁奖典礼，并加入“35 岁以下科技创新 35 人”全球社区，参加全球范围内的创新交流活动。
本届全球榜单编者按：
我们的“35 岁以下科技创新 35 人”的榜单有 18 年之久，该榜单已经可以对科技的发展趋势做出一定的猜想和指导。就像 TR100 最开始的时候，社交网络还没有开始风靡，但是我们已经开始对当时最流行的社交网络进行跟踪报道了，其中也就包括2004 年诞生于扎克伯格寝室的 Facebook。
但趋势年年都在变化，前些年你还未曾听过的人工智能概念在最近的两年间已经得到了爆发式的成长，与人工智能相关的技术在榜单中占到了多数。其中涵盖虚拟个人助理、机器人、游戏、自动驾驶等技术，甚至还包括对抗如霍乱等致命传染疾病以及帕金森症的人工智能相关技术。
每年的“35 岁以下科技创新 35 人”榜单评选都会有多达 600 余名候选者，在首轮 MIT Technology Review 编辑团队初审之后，筛选出 100 位候选者。然后，会由 36 名各领域专家组成的评审团进行最终的评选，而今年的评委涵盖人工智能、生物医学、纳米技术、电子硬件以及能源等领域的专家。
我们希望今年的榜单能给读者朋友传递一种信息，即下一个改变世界的科技将会是什么，以及究竟会是哪些人创造出了这些科技。
以下为本届全球榜单的详细内容：
— 先锋者 （Pioneers） —
他们的创新正引领风潮，将“培育”出更好的基因编辑、更聪明的人工智能以及更安全的网络。
Alexandre Rebert，28岁
ForAllSecure
他发明了让计算机能自我修复的方法。
当一台计算机系统被黑客入侵了，我们往往只能在入侵结束之后才可以进行修复工作。但 Alexandre Rebert 开发了一种软件系统，它能使计算机在被攻击伊始就进行修复。
这种别出心裁的点子来源于 Rebert 对于计算机的认识，他觉得。现在的计算机虽然缺乏创造性，但是它们对于快速处理大规模的工作十分在行。于是，他就开发了一款名为“ Mayhem ”的系统，其能同时处理上千种程序，仅几小时就能处理完成我们数年才能完成的工作。
Mayhem 之所以如此高效，是因为它结合了两种关键技术。一种是名为 Coverage-based Fuzzing 的自动化安全测试标准。简单而言，该技术就是将数据输入到一个程序中，并测试是否会触发新的事件。其核心就是快速浏览和搜索数据。第二种就是符号执行（Symbolic Execution），相对应的，就是更精细且慢速地分析程序。两种技术互补，相得益彰。
Rebert 是匹兹堡网络安全公司 “ForAllSecure” 的联合创始人，而这家公司正是Mayhem 项目的重要参与者。创办 “ForAllSecure” 公司的主要动机源于 Rebert 在卡内基·梅隆大学大学的研究，Rebert 觉得他的发明能帮助到易受到攻击的系统，例如电网、医院以及银行等。
对于安全，Rebert 有着独特的见解，他说：“如今的软件数量太多了，仅仅靠人类自己审查是不够的，也是不安全的。”
Joy Buolamwini，28 岁
MIT 媒体实验室，算法正义联盟（Algorithmic Justice League）
当发现人工智能不能识别她的脸，她开始自己动手改变现状。
还在大学求学时，Joy Buolamwini 就发现一些面部分析系统不能检测出她黑色的面孔。更讽刺的是，当她戴上白色的面罩之后，系统竟然又正常了，Joy 打趣道：“我被技术‘忽略了’！”
而这也直接影响了她在毕业时的论文方向。当时，她发现几乎所有面部分析的数据库中都以白色皮肤和男性面孔为主。于是，Joy 开始开发一种性别均衡的面部分析数据组，样本来自于非洲和欧洲的一千多名政治家。随后，她用该数据组来测试 IBM、微软以及旷视科技的人工智能系统，她却发现它们面部识别的精确度随性别和肤色的变化而偏差很大。判别性别时，这几家人工智能系统对于浅肤色人群的出错率小于 1%，而对于深肤色的女性面孔，出错率却高达 35%。
在某些极端情况中，Facebook 还会错误识别照片中的面孔，而这样的错误就会让人感到十分困扰。随着越来越多的领域都开始采用人工智能系统，例如执法部门将人工智能用于预测性警务、法官正在使用它来判断囚犯是否有可能再次犯罪，在这种情况下，人工智能一旦出错，后果将会很严重。对此，Buolamwini 表示：“我们必须不断检查我们的系统，因为它们可能会以我们意想不到的方式失效。”
Joy Buolamwini 除了是前罗德学者（Rhodes scholar）和福布莱特研究员（Fulbright fellow）之外，她还是算法正义联盟（Algorithmic Justice League）的创始人。除了发现并公布算法中的错误，她希望开发实践机制将错误“掐灭”在最初的状态，正如她之前做过的，利用精确性测试调试面部识别系统。
Nabiha Saklayen，28 岁
Cellino Biotech
她开发了一种利用廉价激光器进行基因编辑的技术。
基因编辑对于纠正像镰刀形红细胞贫血症（sickle-cell anemia）这样的突变，是非常宝贵的。但是对于其中的关键步骤，例如将 DNA 和其它混合物注入细胞，生物学家们急需更好的技术。一般来说，基因编辑技术采用病毒携带的方式将它们带入细胞中，但此举可能有严重的副作用；但如果采用电穿孔技术，在处理过程中可能会杀死很多细胞。很明显，这两种方式都不是很理想。
这种情况下，激光就提供了一种更加温和的方式。但需要注意的是，激光也有自己的不足，那就是激光器一般需要高能量的配置，这就导致价格会十分昂贵，并且一次注入过程中只能针对一个细胞，这样的效率对于临床治疗而言是很慢的。
Nabiha Saklayen 发明了一种独特的纳米结构，并将其配置到激光器上，它能将激光脉冲在同一时间内传递到大批量的细胞上，使得基因编辑的速度达到临床治疗水平。她开发的处理方式并不需要很昂贵的激光器，廉价激光器的能量就已经足够了。不过，说服其他研究者和她的导师还是花了她一番功夫。对于激光器的选择，她如此说道：“其实这对细胞来说差别不大。”
Saklayen 已经成立了一个公司——“Cellino Biotech”，旨在将其的想法商业化，并使用这样的基因编辑工具来改造细胞。
作为一个物理学家，她对于多种学科的知识融合达到了一种异于常人的境界：她能够游刃有余地应用激光物理学、纳米材料和合成生物学的知识。这似乎也源自她超强的适应能力，她的成长历程跨越了沙特阿拉伯、孟加拉国、德国和斯里兰卡。对此，她笑称：“我很能适应新环境，也能在交叉学科中找到方向。”
Chelsea Finn，25 岁
伯克利人工智能实验室
她开发的机器人动作能够如蹒跚学步的孩子一般——盯着大人、模仿大人、学会学习之道。
Chelsea Finn 正在开发一种仅仅通过观察和探索新环境就能不断学习的机器人。她开发的算法并不需要常规训练人工智能那么庞大的数据量，甚至可以说就是零数据量：机器人仅靠观察人类的操作就能学习如何进行类似的操作。
她的机器人就像蹒跚学步的孩子，懂得观察大人怎么做事情并模仿他们。Finn 实验室里的一套玩具向我们展示了这个过程：机器人不断尝试将一个红色方块放入正方形的孔中。
她研究的最终目的就是制造一种机器人，这些机器人可以掌握一整套技能，而且其技能的获得并不是源自编程，而是源自于它们获得的教导和对周围的观察。这可能意味着，未来工厂机器人不必由工程师团队来训练，或是配置能识别物体的人工智能系统。
Finn 设立了一个相对合理的中期目标，即让她的机器人学会怎么整理桌面。第一步就是让机器人学会怎样整理多件物品。对此，Finn 这样解释道：“在某种程度上来说，机器人系统的能力还处于它们的婴儿时期，我设立的目标就是先让它们有点常识”。
Humsa Venkatesh，32 岁
斯坦福大学
她发现了癌变的秘密，给开发新药提供启发。
Humsa Venkatesh 的研究揭示了癌变组织“劫持”神经网络的活动来促进它们自己生长的原理。她针对不同类型癌症的新发现开辟了一个新的研究领域。对此过程，她解释道：“这些神经系统能揭示肿瘤生长和功能的秘密”。这样的研究结果可以发展出适用于各种癌症变种的治疗方案。
Venkatesh 早年住在加利福尼亚，她的叔叔住在印度，并患有肾癌。虽然Venkatesh 的叔叔在美国和印度遍寻治疗方案，但唯一的选择还是标准的放疗和化疗，而两种治疗手段均不是很有效。她的叔叔在确诊为癌症后的两年内去世了，痛失亲人的经历让 Venkatesh 意识到，医生对于肿瘤生长的基本机制了解并不深。
虽然 Venkatesh 没有像她最初设想的那样成为一名医生，但她依旧选择了投身癌症的研究之中。她这样描述自己的雄心壮志：“我希望能改变不同癌症分开研究的现状，以深化癌症研究来推动癌症治疗的新方向。”
现在，Venkatesh 正在研究肿瘤在其环境中的基本寄生行为，并以此开发可以阻止肿瘤利用神经网络的新型药物。这样的治疗方案将比其它方案更早投入临床，因为相关药物已经面世了。
John Schulman，30 岁
OpenAI
他在游戏“刺猬索尼克”中训练人工智能，让 AI 更智能。
John Schulman 是 OpenAI 的一名科学家，他在强化学习（Reinforcement Learning）领域中有诸多关键算法贡献。顾名思义，强化学习意味着你训练你的 AI 系统就像训练一只狗一样，其中存在为正确的反应提供奖励机制。而对于一台机器来说，奖励可能是视频游戏中的高分。
用游戏训练 AI？这也难怪，Schulman 曾对 1991 年的主机游戏“刺猬索尼克”十分着迷。他甚至以为这样的游戏对于测试新的机器学习算法来说是完美的，它能显示算法将如何把学会的技能用于新情况。游戏的设置是这样的，索尼克是世界上最快的刺猬，游戏的进程十分迅速，而其中也有着十分有意思的物理机制。一旦 AI 系统学会了怎样玩游戏，研究者很容易测试其将知识转移到不同场景的能力。
这些训练过的算法已经能够被用于现实世界，并且它们可以用来改善机器人的运动能力。不过，传统的方式只适用于一些特定的情境，那么到了新环境中，采用旧算法的机器人将会失效。所以，Schulman 希望，一台采用强化学习算法的机器人或者人工智能系统能够重新开始尝试新事物，直到它解决问题为止。
Julian Schrittwieser，25 岁
DeepMind
AlphaGo 打败了世界上最强的职业围棋选手，而他推动了 AlphaGo 的进化。
几年前，Julian Schrittwieser 加入了谷歌旗下的人工智能公司 DeepMind，开始进行围棋人工智能的开发。围棋一直被称为机器学习的“圣杯”，这是一种双人游戏，源自古代中国。围棋普遍被被认为是一种不受规则束缚、凭直觉驱使的游戏，而一般观点认为，人工智能将需要很长时间才能超越世界上顶尖的棋手。但是在 2016 年 3 月，Schrittwieser 及其同事开发的程序 AlphaGo 击败了曾经的世界冠军韩国棋手李世乭。这场五局三胜的比赛吸引了上亿观众的目光，围棋的狂热粉丝将其称为围棋的世纪之战。
但那之后，Schrittwieser 和他的同事并没有停滞不前，他们继续开发，并完成更新迭代。2017 年的 10 月，AlphaGo Zero 击败了前一个版本 AlphaGo，100 场对弈中未尝败绩。与 AlphaGo 不同，AlphaGo Zero 并没有从研究人类对弈中学习，它从与自己的对弈中学习。这也是对人工智能有重大意义的创新。Schrittwieser 解释道：“从 AlphaGo Zero 中我们可以知道，在我们人类没有涉足的领域，我们可以引导程序进入这个领域并进行自我学习。”
Schrittwieser 如今是 AlphaGo Zero 计划的首席软件工程师。他还极力推动了 DeepMind 第三代人工智能 Alpha-Zero 的研发，这将是一个更具普适性的算法，能驾驭围棋、国际象棋以及日本将棋。Schrittwieser 解释说，普适性将是 DeepMind 打造独立于人类的人工智能的关键。它将能找到不受到人类影响的最优解。最终，他认为，这可能促进全新的、人工智能驱动的药物、材料科学等领域的创新。
Alessandro Chiesa，30 岁
加州大学伯克利分校
他创造了与现金一样具备“私密性”的数字加密货币。
区块链的前景是广阔的，而将所有交易视为公共信息将是它不可避免的问题。但是由 Alessandro Chiesa 联合发布的数字加密货币“ Zcash ”却改变了这一状况，它的交易不仅安全而且匿名，就像从你的钱包拿出 20 美元钞票并交给某人一样私密。
这样安全的机制源于 Zcash 采用的一种加密协议，名为“简明零知识证明（succinct zero-knowledge proof）”。简单来说，就是一种高效确认方式，让交易的双方都认为某事物为“真”而不泄露任何其他信息。
Zcash 对交易有巨大的影响，能让人们进行网上交易而不暴露自己的私人信息或者是将自己置于身份盗窃的危险中。Zcash 是 Chiesa 四年前推出的，现在市值超过十亿美元。
— 远见者 （Visionaries） —
他们从全新的角度观察事物，将现有技术解锁出强有力的非传统功能。
Niki Bayat，32 岁
AesculaTech
她发明出了通过创口封闭来治疗眼睛的材料。
Niki Bayat 从小在伊朗长大，她的父亲曾患有青光眼却由于其他健康问题无法进行手术。于是，Niki Bayat 一直就期望能够运用自己的工程天赋来帮助饱受病痛折磨的人们。在伊朗的全国高考中，她取得了第八名，于是进入国内的顶级大学进修化学工程专业。读研究生时，她把目光瞄准了南加利福尼亚大学，加入了著名化学家 Mark Thompson 和 Mark Humayun（首个人工视网膜的发明者）的联合课题组。“我努力说服他们说，我可以在高分子化学和生物医学工程之间架起一座桥梁。”她这样说道。
她也确实做到了——运用她的化学工程专长发明出一种材料，能够帮助修复眼部创伤、治疗眼部。Bayat 所创造的这种湿软的、具有生物相容性的高分子名为水凝胶，在体温条件下会变得非常具有黏性，附着力就像超强力胶水一样。在眼部受伤时，将这种胶注射到受伤处便能快速封闭创口，防止失明；而回到医院后，医生便能用冷的生理盐水冲去凝胶，缝合伤口。Bayat 还设计了特别种类的该材料，能以可控的模式释放青光眼治疗药物或者生物抗体。
2016 年，尚在攻读博士学位的 Bayat 创立了 AesculaTech，将这些携带药物的材料商业化。这些材料可以植入泪小管，在几个月内持续地释放药物——有希望解决患者一天多次滴眼药水的需求。在推出药物释放材料之前，AesculaTech 计划先让治疗干眼的高分子产品获得批准。据 Bayat 说，她的最终目的是发展出更好的青光眼治疗手段。
Prineha Narang，28 岁
哈佛大学
她从最微观的尺度进行材料研究。
作为哈佛计算材料学的助理教授，Narang 专门从纳米尺度研究材料的光学、热学和电子学行为。她所研究的“材料如何与光及其他形式电磁波作用”这一问题可以促进电子、能量和空间方面的技术革新。
Narang 的工作基于几十年来的纳米科学进展，这些进展逐渐将这一领域引向一个长期目标：拥有以单个原子级别对材料进行工程设计的能力。
自从 20 世纪 80 年代纳米科学问世以来，这一学科主要在研究平衡态或近似平衡态下（材料的能量最低态）的纳米结构。然而自然情况下，大多数材料都与平衡态有较大差距，也就是处在所谓的激发态，而目前我们对这一状态的量子水平还知之甚少。“在激发态问题上仍有许多未尝试的工作，我们还有很多要做。”Narang 说道。
通过研究这些激发态，Narang 在努力钻研可能会带来材料大革命的新方法，并可能应用于望远镜中反射镜和透镜的性能提升、拥有更好摄像头却更轻便的手机、或者从原子水平设计出的合成燃料等。
Brenden Lake，31 岁
纽约大学
让机器像人一样快速而灵活地学习。
Brenden Lake 创造了一个人工智能程序，它能像人类一样，基于单个例子识别新的手写字母。尽管相比操纵汽车、打败全球最强围棋选手的人工智能，这一方向看起来有点平凡。但是需要指出的是，如今领先的深度学习算法都需要基于成百上千的案例进行训练，并且难以基于已经学到的知识解决新问题。人类在识别物体时与目前大部分算法不同，一旦看过一个新物体，就能再次识别、画出来并且理解一个物体的各个部分。
Lake 的程序基于认知心理学，他没有给程序输入上千个字母，而是教程序学习字母书写的过程。他的模型捕捉了 30 个字母手写时的运动捕获记录，使得程序能够学习笔每一画的运动、每一个字母通常需要几笔、以及这些笔画是如何连接的。这样，当程序看到一个新的字母时，这一模型可以像人一样识别并重复书写字母。
同样的方法还被用于识别语音词汇，以及让系统解决问题时提出创造性问题。
让机器以人类的方法学习在人工智能领域非常关键，尤其适用于无法基于大数据进行训练的情况。“如果我们想提供面向家庭场景的智能机器人，我们无法对它进行预先训练或编程，让机器人了解家庭中所有的未知事物，”Lake 说，“儿童每天都在学习新概念，一个真正智能的机器也应该能做到这一点。”
Marzyeh Ghassemi，33 岁
多伦多大学
她运用人工智能帮医生处理杂乱的医疗数据。
Marzyeh Ghassemi 在麻省理工学院攻读博士期间，在美国的贝斯以色列女执事医疗中心与重症监护室医生合作，她发现医生们面临的最大问题之一是信息过载。因此，Ghassemi 设计了一套机器学习方法，基于杂乱无章的临床数据，预测住院病人的情况。
这并不容易。通常机器学习胜出的领域往往拥有海量的、精心标记过的数据集；但是医疗数据有各种各样繁杂的形式、频率也不一致，比如有医生每日手写的诊断条、每小时的血液检测、以及持续不断的心脏监控数据。
尽管视觉和语言任务对人类来说天生容易完成，但是即便那些经过训练的资深医疗专家也会在诊断和治疗决策上产生分歧。为解决这些挑战，Ghassemi 发明出了一种机器学习的算法，学习各种临床数据，以精准预测病人的情况，比如病人会在医院待多久、有多大概率发生院内死、是否需要输血或上呼吸机等。
Ghassemi 将于今年秋季加入多伦多大学和加拿大人工智能研究院 Vector Institute，希望能在当地医院检验她的算法。
Menno Veldhorst，33 岁
代尔夫特理工大学
他解决了在硅晶片上制造可工作的量子电路的问题，这个问题在此之前被认为是不可能解决的。
Menno Veldhorst 让量子电路能够印刻在硅板上——即数十年来电脑芯片的做法，从而加快了创造真正量子电路的进程。
量子计算机能够实现传统计算机无法进行的强大运算，然而在 Veldhorst 之前，基于硅半导体的量子电路虽然对实用计算而言足够稳定，但这一技术一直被认为是不可能的。目前，理应基于特殊的亚原子级粒子构建的量子计算机，不得不使用更复杂的材料，其中包括在脆弱的量子态下更容易被控制的超导体，然而其付出的代价是成本更高，而且要制造这样的电路需要一个全新的工业生产工序。
来自代尔夫特理工大学的研究者 Veldhorst 则找到了让量子计算迈向重复性最强的人造结构—晶体管—的方法，从而得以在半导体硅上以量子比特（量子信息基本单位，qubits）的级别进行计算。
感谢 Veldhorst 的突破，如今英特尔能够将成千上万个这样的简单系统刻印在同类型的 300mm 晶片上，这些晶片以前只能制造出传统芯片。这就意味着英特尔公司的员工们能够将更多时间花在完善量子计算机必需的微电子和算法，而不是把精力浪费在基础物理学问题上。
而正如晶体管和计算机本身一样，最让 Veldhorst 激动的事情在于，如今已经有大量量子计算机亟待建立以探究更多未知的领域，而他的研究使这一切成为可能。
Adam Marblestone，31 岁
Kernel
他写了一本关于全脑神经元记录的书。
Adam Marblestone 希望脑能够被机器读取，于是他找出了脑活动记录中可能存在的物理限制，并正在努力将此理论运用到 Kernel 的技术策略中。Kernel 是一家融资过亿的初创公司，旨在建立人类的神经接口。
Marblestone 博士的一篇论文被研究者们认为是脑活动读取技术建立的重要文献。他将小鼠脑作为模型，并发现要同时测量全脑神经元的活动存在一定的工程学问题。
“这些问题关系到，我们如何用现有的脑研究工具来匹配脑本身的复杂性。”他这样说道。
“这些问题关系到，我们如何用现有的脑研究工具来匹配脑本身的复杂性。”他这样说道。
作为 Kernel 的首席策略官，他正在募集整合一群顶尖研究者，来探究建立神经接口最有前途的手段，从而帮助我们更好地理解神经疾病。未来某天他们甚至有可能将我们的脑与机器融合。
Shehar Bano，31 岁
伦敦大学学院
她首次完成了对网络审查机制的系统性研究，使对抗国家网络审查成为可能。
这一切从 2012 年开始，当时 Bano 的祖国巴基斯坦封锁了 YouTube。“以前，人们有一种错觉，认为这种封锁是魔法，”但是她想了解内在机制，并击败这些封锁。
因此，Bano 调查了巴基斯坦三年的 ISP 数据。她发现了一些相对基本的网络访问限制技术，比如对于访问某一网站的请求，审查员向网站服务器以及访客的浏览器发送信号，以结束访问请求。针对这一点，Bano 在不使用加密的情况下设计出绕过访问限制的方法，发送一个初始的、假的请求给审查员看到，但是他们会因为拼写错误等而忽略了这个请求，同时真正的请求悄悄通过。
除了网络审查，Bano 还调查了像 Tor 这样的匿名通信工具、以及广告拦截器的用户与其他用户的遭遇如何不同，以及这代表着糟糕的用户体验还是被彻底禁止。
Bano 是伦敦大学学院的博士后，加入了保卫在线交流自由的计算机科学家行列。她正越来越多地使用基于区块链的系统，比如智能合同平台 ChainSpace，该平台的交易难以被外部力量控制，提升了在线网络的安全性和透明度。
Archana Kamal，34 岁
马萨诸塞大学洛厄尔分校
通过缩小关键部件的体积，她解决了量子计算领域的大问题。
随着量子计算逐渐由实验室走向企业，谷歌、英特尔等公司都在努力解决一个棘手的问题：如何准确地将量子系统输出的量子数据转移到传统电脑上呢？这一工作至关重要，因为量子系统可能会对密码系统及其他领域产生深远影响，但只有当常规计算机能读取其量子计算时，信息才能发挥作用。
作为马萨诸塞大学洛厄尔分校助理教授的 Archana Kamal 解决了这一问题。Kamal 证明了，量子信息在离开量子处理器之前是可以转移并且为传输放大的。此前，这一传输需要大型的磁铁以及复杂的设备，其体积之大远远不能集成到一块简单的芯片中，这就导致了数据的延迟和丢失，成为目前量子比特系统扩展的一大阻碍。
Kamal 的创新之处在于稍微改变了信息携带光信号传输的通路，将部件从一个 25 美分硬币大小降至几微米。“这是一个巨大的改变，”她说道，“我们的目标是在芯片上完成大量量子信息处理同时又保持信号的高保真性。”
— 人文关怀者（Humanitarians）—
在他们眼中，科技只是一种工具，用来创造一个更安全、更健康、更平等的世界。
Hera Hussain，28 岁
Chayn
她的非营利技术让女性即便在没有律师的帮助下，也能就家庭暴力提起诉讼。
Hera Hussain 正致力于通过一种结合社会创新与技术创新的简单方式为全球女性赋能：通过众包的形式为多语言在线指南招募志愿者，这些指南涵盖的话题包括如何在没有律师的情况下为家庭暴力行为立案，如何识别心理操控等。
这一切开始于 Hera 帮两位朋友摆脱有家庭暴力的婚姻。她说：“你可能认为，在英国很容易找到各种信息：如何离婚、如何申请庇护，以及申请子女监护权适用的法律。但在其他地方，获取这类信息是极为困难的。”
2013 年，Hera 利用业余时间创立了 Chayn，一家开源的非营利组织，致力于让这些缺失的信息变得容易获取和理解。今天，Chayn 的 400 位志愿者中 70% 曾经历过暴力和压迫。他们的指南大部分来自众包的研究和亲身经历，涉及压迫女性问题相关的心理、社会和法律方面的复杂问题。
Hera 说，她数不清有多少次被人说教——大部分是男性，他们认为 Chayn 的指南不应该由那些没有法律或学术背景的人撰写。她说：“我经常受到别人的嘲讽。”她喜欢用一位印度女性的例子来反驳他们的观点。这位女士花了很多年时间寻求如何摆脱一段充斥着家庭暴力的婚姻的方法。她在网上找到的所有资源都是印度律师写的，然而他们大部分是男性，大部分的信息是在抱怨女性不是尽责的妻子等。
Hera 持续推动着 Chayn 的发展，利用合适的技术拓展它的影响。例如，新推出的聊天机器人就可以引导访客以最快捷的方式找到最相关的信息。
Mustafa Suleyman，33 岁
DeepMind
他用人工智能减轻人类的苦难。
Mustafa Suleyman 联合创立了人工智能公司 DeepMind，他的初衷是为社会带来最广泛的影响。他认为人工智能是实现这个目的最快方式。
现在，Suleyman 启动了 DeepMind Health 项目，致力于建造能提升疾病诊断的人工智能，包括检测早期眼疾、辅助分析乳腺超声造影的系统。他还在重点研究这种科技是如何被临床医生使用的。Suleyman 说：“技术圈终于开始思考这些系统的道德影响。”例如，时间紧张的临床医生会在不做临界评定的情况下遵从人工智能给出的最优建议吗？这种系统要如何接受检查？如果新的医学发现吸纳了那些训练人工智能系统的旧数据中的隐含偏见怎么办？他说：“我认为今年硅谷和科技公司会真正地接受这种巨大权力所承载的重大社会责任。”
去年，Suleyman 发起了 DeepMind 道德与社会部门，负责设计能预测并指导算法决策过程及其社会影响的系统。
他说：“未来，科技公司要做出重大转变，向自己提问：我们要如何塑造这些算法，让它们代表我们集体表决做出的道德选择？”
颜珉珉（Minmin Yen），29 岁
PhagePro
霍乱致人死亡，疫苗却不是总能奏效，于是她创造了一个更好的解决方案。
在这个世界最贫穷的地方，霍乱每年会波及数百万人。人们通常用抗生素治疗霍乱，但效果并不理想，因为它们会在杀灭内脏中细菌的同时，导致细菌抗生素耐性上升。
颜珉珉开发了一个更好的解决方案：噬菌体，即专门对抗细菌的病毒。她的干涉疗法的重要之处在于，它能立刻杀死细菌，抑制疾病恶化。相比之下，现有的疫苗要数周时间才会奏效。
颜珉珉拥有塔夫茨大学分子微生物学的博士学位。她说，噬菌体大多没有人研究，是因为抗生素太普遍了，但她认为，既然耐药细菌如此常见，是时候让它们发挥更大的作用了。于是，她创立了 PhagePro 公司，让她的干涉疗法走向市场。
— 发明家 （Inventors） —
从可伸缩的电子器件到测试癌症药物的新方法，他们正在构建属于未来的新技术。
Barbarita Lara，32 岁
Emercom
一场地震促使她发明出混合了模拟技术和数字技术的新通信技术。
2010 年，当 Barbarita Lara 的家乡智利发生 8.8 级地震后，Barbarita Lara 便开始琢磨通信这件事。当时她是一名工程专业的学生，地震过后的通信困境深深触动了她：每个人都严重依赖互联网和手机，但在当时大多数网络都已经瘫痪了。智利沿海有 156 人死于地震引发的海啸，部分原因就是网络中断导致他们没有及时收到警报。
八年后，Lara 发明了一种她认为可以在灾难中挽救生命的产品，该产品西班牙语首字母缩写为 SiE。依靠 SiE，智能手机用户可以通过加密的高频音频接收来自政府的讯息：它混合了模拟技术和数字技术，可以在互联网和电话网络失效时提供通信。
SiE 利用现有无线电基础设施，也可以让智能手机通过无线 Mesh 网络相互通信。Lara 的父亲是一名智利海军密码学家，在她还是个孩子的时候父亲就把摩斯密码教给了她，而 Lara 的发明就是受到摩斯密码启发。她说，“有时候最佳解决办法很简单”。她创建了 Emercom 公司来研发和推广该产品，目前该公司正在与智利灾害管理部门讨论未来利用 SiE 进行灾难警报。公司还在与一家领先的电信企业谈判，计划在新手机上预装 SiE 平台。
徐升，34 岁
加州大学圣地亚哥分校
他让非定制电子器件变得可伸缩。
得益于徐升构建的精巧结构，柔性电子器件可以贴合人体，不再需要在电子特性与机械特性之间做出妥协。
将刚性电子元件与柔性材料相结合很困难，机械特性的不匹配将产生巨大拉力，导致它们在变形时分离。这也是为什么之前大多数柔性电子元件的研究都集中于构建柔软且有弹性的新元件。但是徐升对此并不认同，他表示“为什么不用已经发展了几十年的成熟技术呢？”他的策略是将非定制元件融入弹性材料，从而创造出高弹性且又与刚性元件性能不相上下的电子器件。
徐升选择将组件的一小部分粘在弹性材料上，然后用充液胶囊将其支撑起来。这些元件通过长长的弯成波浪线的金属丝连在一起，金属丝可以在拉伸时有序地展开。利用这种方法他创造出一款最多可以延展三倍的锂电池，以及一台可以随着身体的动作而自行调整的医疗级健康监测器。后者已由一家名为 MC10 的初创公司开发成可穿戴的生理传感器 BioStamp。
Shinjini Kundu，27岁
卡内基·梅隆大学
医学图像已经细致到难以解读，而她的程序能够识别人类难以观察到的细节。
医学图像在诊断疾病方面极其重要，但当它们变得越来越详细时，人类对它们的解读也变得更加困难。Shinjini Kundu 开发了一种人工智能系统，可以分析图像，找出肉眼无法察觉的细节。该创新可能会对疾病检测和治疗的方式产生根本性的影响。她说：“如果存在隐匿的变化并且有办法发现这些隐匿的模式，也许我们就有机会在症状出现之前及早诊断疾病。”
已经有人工智能算法通过自学来进行模式识别，但是它们不能解释推理过程。而在医学诊断中，这正是局限所在：如果不了解疾病是如何发展以及为何发展的，就不可能解决它。Kundu 的系统让人类可以通过电脑来发现那些难以察觉的，揭示早期疾病过程的模式。她还训练 AI 从图像中提取疾病特征，使这些特征可以被观察到。它可以帮助人类在发病前几个月甚至几年就识别出疾病。不光人类可以教 AI，AI 也可以教我们。
Shreya Dave，30 岁
Via Separations
她的过滤系统能节约工业分离过程中使用的大部分能源。
Shreya Dave 在博士阶段的研究是用氧化石墨烯制造的分子过滤膜，它比现在使用的聚合物和陶瓷更便宜，而且没那么容易降解。起初，该技术被认为适用于水务部门，但她发现成本还是太贵了。
后来，《自然》杂志上的一篇文章让她意识到这项技术能节约食品、饮料、药物和燃料行业化学物质分离工序中的大量能源。经统计，这些工序占美国总能耗的 12%。
Dave 现在是 Via Separations 公司的首席执行官。她和她的团队设计的技术旨在替代分离化合物的现有系统（现在基本上使用的是煮沸法）。Dave 相信，Via 过滤材料的广泛应用会让这种工序的能耗下降 50% 到 90%。
她的公司目前专注于食品和饮料行业，但 Dave 认为，如果她能证明这项技术在一个行业中可规模化应用、成本效益好，那它也可以在其他行业成功。
Will McLean，31 岁
Frequency Therapeutics
人类失聪迄今无法逆转，他的创新可能改变这个现状。
Will McLean 认为他找到了一个方法，可以解决一个很多人认为永远无法解决的医学难题：人类失聪。
McLean 的研究聚焦内耳中负责听觉的螺旋状结构——耳蜗。人类出生时，耳蜗中有 15000 个毛细胞，它们能检测到声波并将其传送至大脑。随着时间的推移，很多毛细胞被强烈噪音和药物的毒副作用杀死。鸟类、爬行类动物和两栖类动物可以再次长出这种细胞，但哺乳动物则不行。McLean 说：“内耳是身体中再生能力最弱的部位，正因如此，失聪是永久性的。”
拥有麻省理工学院健康科学与技术专业博士学位的 McLean 在过去的 10 年里一直致力于改变这个现状。他的早期研究显示，内耳有一些独特的祖细胞——类似干细胞但性能更明确——而且有些祖细胞有可能成为毛细胞，虽然它们无法自行通过分裂或分化来修复受损组织。为了解决这个问题，他和同事们借鉴了可再生组织（比如肠内组织）。他们把受损的老鼠耳蜗暴露在一种能在其他器官中触发再生的药物混合物中。令人惊喜的是，他们的技术不仅让祖细胞增殖，还促使它们生成新的、能让听力恢复的关键细胞毛细胞。
基于这个发现，McLean 和同事们创办了 Frequency Therapeutics，一家致力于将他所描述的这个全新型药物商业化的创业公司。Frequency 技术叫做祖细胞激活技术，利用的是解锁身体自愈能力的化合物。截至目前，Frequency 已经申请了19 项专利，开发了一种治疗失聪的可注射耳内疗法。该疗法已成功通过人体安全试验。
周欢萍，34 岁
北京大学
她的创新可以让我们制造出更好、更便宜的太阳能电池。
长期以来，太阳能行业缺乏低成本、高性能的硅电池替代品。近年来，一种钙钛矿型杂化材料受到关注，因为相比于硅它们成本更低而且可以实现高功率输出。但它们难以投入实践应用。钙钛矿型太阳能电池的早期原型在将太阳能转换为电能时不如传统的硅电池有效。
周欢萍研发了一系列化学工艺，使钙钛矿型太阳能电池效率更高、生产成本更低。如果新型电池可以大规模量产，她的创新将使得太阳能的成本更低。
周欢萍成长于 80 年代的中国，小时候家里没有通电，她和她的兄弟姐妹就在煤油灯下做作业。也正是这样的童年经历激励了她投身于太阳能技术的发展。
周欢萍研发的电池的太阳能转化率超过 20％，与现有硅电池的转换率相近。尽管部分钙钛矿型电池的效率更高，但她使得电池的制造过程变得更简单、更便宜，可谓发明意义更重大。通过将钙钛矿基的溶液喷涂或印刷到基底（例如玻璃）上，可以在低于 302°F（150℃）的温度下生产电池。而部分类型钙钛矿型电池的制造工艺要求温度保持在 932°F（500℃）左右。
钙钛矿型太阳能电池往往比硅电池退化得更快，因此周欢萍正在努力提高其长期稳定性。
Manan Suri，31 岁
德里印度理工学院
他研发的电脑芯片模拟了人脑的工作原理。
Manan Suri 构建了模仿大脑学习能力和能效水平的计算机芯片的关键要素。他通过利用新一代内存技术的“缺陷”做到了这一点。
这种技术被称为新一代非易失性存储器(emerging non-volatile memory，eNVM)。由于其纳米级物理特性，eNVM 设备往往以随机方式运行，这在计算机中通常是一个缺陷。但 Suri 意识到这种不规则性可以帮助研究人员建立所谓的神经形态芯片，以模拟我们大脑中的神经元和突触。
虽然晶体管将信息存储为 1 和 0，但将信息存储在大脑中的生物突触可以实现多种状态。这意味着要构建像大脑一样运作的电脑，通常也需要复杂的人工突触，而且这些突触也可以存在多个状态。
Suri 认识到他可以利用 eNVM 的固有变化来构建能够进行有监督和无监督学习的大规模神经形态系统。他把这种不规则的行为应用在网络安全和高级传感领域。今年早些时候，他成立了一家初创公司——Cyran AI 解决方案公司 (Cyran AI Solutions)，基于他的 eNVM 研究成果进行神经形态和网络安全硬件的研发。
James Dahlman，31 岁
佐治亚理工学院
他的方法使一次进行 300 种药物试验成为可能。
数十年来，制药业寻找新型癌症疗法的做法是将肿瘤细胞放入培养皿中，并逐个测试输送的纳米药物颗粒，以找到有效的药物。然后，研究人员只能祈祷这些粒子在到达活体内指定位置之前不会被攻击或者分解。
“问题是，人们一直在以错误的输送方式测试药物，”佐治亚理工学院的实验室负责人 James Dahlman 说。
Dahlman 发明了一种完全不同的方法，用 DNA 序列作为一种条形码来编码每个纳米药物颗粒。300 个这样的纳米颗粒被注射到实验小鼠体内，当研究人员摘除肿瘤时，他们可以使用基因测序技术一次性就确定每个“条码”（纳米药物颗粒）是如何运作的，而测试数量的增加十分惊人。Dahlman说，他在攻读博士期间测试了大约 30 个药物颗粒; 但是仅在 2018 年，他的实验室计划测试了 3000 个。举个例子，他希望这项技术能让用于治疗肺部肿瘤的药物直接作用于患病区域，而不是造成病人脱发。
— 创业家（Entrepreneurs） —
他们的创新正在创造新的商业传奇。
张欣立（Alice Zhang），29 岁
Verge Genomics
她发明了使用机器学习识别帕金森病和阿尔茨海默病新疗法的方法。
传统的阿尔茨海默病、帕金森病和肌萎缩侧索硬化症（ALS）等疾病的药物开发研究并没有给病人带来很多帮助。Alice Zhang 正在做新的尝试。她的公司 Verge Genomics 使用人工智能来识别有前景的化合物，用取自患者和实验室测试的高质量数据改进算法。她希望这能够为难治的神经退行性疾病（intractable neurodegenerative diseases）带来更有效的治疗方法。
在听一位研究人员详细说明数百个基因如何在癌症中相互作用时受到启发，Alice Zhang 想到了这种非常规的方法。她当时就在想，这种相互作用是否可以应用于神经退行性疾病。她说：“计算生物学已经提供了很多关于癌症的见解，但是关于大脑的见解却落后了将近 10 年。”
Verge 公司正在开发识别疾病网络中关键基因的机器学习模型，并预测哪些化合物可能会干扰其活动。该公司使用动物模型以及用患者的干细胞培育出的神经进行测试。然后该公司将结果反馈给机器学习模型以进一步完善它。张说，Verge 的 ALS 候选化合物中有七种化合物已经延缓了试管中患者神经元细胞的死亡。
Elizabeth Nyeko，34 岁
Modularity Grid
她为非洲农村提供的能源解决方案，使各地电网更加高效。
如何经济又高效地为非洲农村提供电力？Elizabeth Nyeko 找到了解决方案。
Modularity Grid 是一家初创公司，总部位于伦敦。作为这家公司的 CEO，Nyeko 开发了用于提升微型电网、小型发电及配电系统性能的技术，在电网扩建成本过于昂贵的地区，为家庭和企业提供电力，然而微型电网也有局限性。
Nyeko 在上一次创业时深有体会，当时她的公司 Mandulis Energy 在乌干达北部建立了生物质燃料微型网，但是很难追踪单个客户的电力需求，这也通常会导致电力生产过剩，燃料使用效率低下以及电力价格高涨。
在 Modularity Grid，Nyeko 设计了一个智能云平台，使微型电网运营商能够更好地追踪和预测个人电力消耗量，然后将多余的电力重新导向需要不间断电力供应的特定用户，也被称为“ anchor load ”。在乌干达的 Mandulis，Nyeko 正在试验她的 Modularity Grid 解决方案，方案中的“ anchor load ”是村庄的碾米厂，碾米厂还供应稻壳，稻壳本身可以用来给微型电网提供燃料。Nyeko 说：“如果我们能够为有需要的人们提供足够的电力，并将剩余电力重新调配给能够为农村社区创造价值的事业，那么我们就可以在低收入地区推广这种微型电网。”
Nyeko 出生于乌干达北部，从小经历内战，后从战乱中逃离。现在她正在将这项解决方案推广给其他微型网络提供商，并准备开始与包括西门子在内的德国公司组成的财团在她的祖国开展第二个电力项目的工作。最后，她相信，她的解决方案还可以帮助提高各国电网的效率，不只是非洲，还有其他地区。
Jonas Cleveland，31 岁
COSY Robotics
他正在创造新的购物机器人。
Jonas Cleveland 认为，购物机器人不仅会在大型仓库的货架上挑拣货物，还能够在当地商业区中穿梭、执行网上订单、在挤满了人的商店中抢购商品。
Cleveland的公司叫 COSY，名字源于“认知操作系统”（Cognitive Operational Systems）的首字母。
该公司正在为这些机器人开发传感器感知系统。摄像头、人工智能和地图技术使得它们能够十分聪明地完成工作，且不会妨碍周围的人：如果你在药房或家装用品店购物，Cleveland 的机器人不会撞到你；如果你在网上完成了订单，帮你准备订单的机器人也能区分半打健怡可乐和半打零度可乐。
Natalya Bailey，31 岁
Accion Systems
她用电能驱动微型卫星。
Natalya Bailey 开发了一种系统——用一角硬币大小的发动机来驱动如鞋盒般小或如冰箱般大的卫星。该系统是基于所谓的电喷射推进概念，即用电能驱动小型火箭。
电喷射技术已经研究了很多年了。自 20 世纪 50 年代起，研究人员就开始研究该技术，但这项研究工作后来被放弃了，其一是因为该项研究需要很高的电压，其二是所涉及的物理学还未研究透彻。但 Bailey 借鉴了该技术的优势——节能且不需要有毒推进剂或加压罐，制造出这样一种小型发动机，既可独立使用也可以和其他发动机一起使用。
为了将该技术商业化，Bailey 在波士顿郊外创立了 Accion Systems。她说，航天领域可能感觉像是男孩子们的俱乐部，但她身为女性也做到了。她说：“作为这个领域中极少数女性中的一员，我受到了特别的关注。我认为这可能会带来一些难得的机会。”
Ashutosh Saxena，34 岁
Brain of Things
当他的智能音箱没有达到预期的效果时，他自己创建了一个更好的系统。
Ashutosh Saxena 是 Brain of Things 的联合创始人兼 CEO，他开发了一个名为 Caspar 的 AI 系统，可以把我们的家变成一个我们可以与之交谈和互动的机器人。截止今年夏末，加利福尼亚州和东京将有近 500 套公寓会安装上 Caspar。
其中，每套公寓都配备了大约 100 个设备，包括动作和湿度传感器、麦克风、摄像头、恒温器和自动化设备。所有这些设备将居住者的行为数据提供给 Caspar，Caspar 会使用一系列算法分析数据，逐渐学习和适应居住者的习惯和偏好。
如果你总是询问很多关于没有寄到的包裹的问题，Caspar 将会学习如何在包裹到达时给你发送提醒。它还将学习如何根据你此刻的活动为你量身定制音乐播放列表。
当被问及将我们生活中这么多私密细节委托给计算机是否安全时，Saxena 表示，生成的敏感原始数据都存储在家中，而不会上传到云端。
2015 年，Saxena 和他的室友带回了两个智能音箱，随后他萌生了创建 Caspar 的想法。这些设备，像亚马逊的 Echo，可以播放音乐、在线订购物品、打开和关闭灯光，还可以在房子周围做很多其他事情。室友们试图努力使这些小工具按照他们期望的方式工作。但现实是，虚拟助手有时会关错灯，当主人的时间表发生变化时，它们也无法相应调整对其他设备的控制。
于是，作为一个机器人研究员，Saxena 决定创建一个更好的系统。
Saxena 说：“你无需再为还没送到家的包裹担心，Caspar 会通知你，它还会通知你订购洗碗盐，或根据你的喜好控制你的家居环境。”
印奇，30 岁
旷视科技
他的人脸识别平台改变了中国的商业应用场景。
七年前，印奇在北京与两位大学朋友成立了一家名为旷视科技的公司。现在来自 220 多个国家和地区的人们使用旷视科技的人脸识别平台——Face ++。该公司目前拥有近 1500 名员工。
旷视科技已经改变了中国的商业应用场景，不仅是线上，还有线下世界。火车站使用脸部识别来加速安检进程；银行应用程序使用该技术来确认用户的身份。
作为一家中国公司，旷视科技有巨大的优势。在西方，人脸识别技术大多局限于解锁智能手机等以消费者为导向的应用，但在中国，同样的技术立即得到了政府和巨头公司的大力支持。这使得旷视科技有充分的机会将其算法商业化运用到多种行业，例如公共安全、房地产、金融和零售等。
印奇承认隐私是一个问题。他说他的产品在本地设备上处理敏感的原始数据，而不是将其上传到云端。他还希望能有关于用户隐私的业界标准。他说：“当有一个好的系统来管理和运行这些技术时，它们带来的好处将超过缺点。”
许寄，33 岁
蚂蚁金服
他参与创建的支付系统可以让金融服务更加普及。
许寄和他的同事们搭建了全球最大支付平台“支付宝”（Alipay），该平台能够每天承载海量的交易。这无疑是电子商务的福音，但更重要的是，它使更多人都能通过互联网使用金融服务。
支付宝的初衷是为了让用户在阿里巴巴的购物网站进行更便利更可靠的支付，现如今，支付宝已经成为中国电子商务和实体店中普遍使用的电子支付 App。目前，支付宝拥有 5.2 亿用户，对于一部分人来说，现金已经成为过去式：不管是购买日常百货、支付水电费还是购买电影票，他们只需掏出智能手机，用支付宝扫描付款二维码即可。
不过，随着业务的增长，支付宝面临两大挑战。首先，它需要增加其可处理的交易数量。其次，它需要管理越来越多不同种类的资金选择，毕竟，人们已经开始将各种资金（信用卡、借记卡、电子红包和投资组合）绑定支付宝用以支付。
作为蚂蚁金服核心支付平台二代及三代架构的核心架构师，许寄和他的团队将日均交易处理能力从千万级提升到亿级，提高了一个量级。之后许寄转战蚂蚁金服国际化战场。今天，支付宝已经能够平稳处理日均 10 亿笔以上的交易量。
也正因为支付宝交易能力的增强，向所有收入层次的人提供在线金融服务成为可能。支付宝的一个热门功能是，用户可以用在线支出中剩余的现金投资基金，并以比银行更高的利率获得利息。
支付宝的核心团队位于杭州，而许寄正是在杭州周边长大，他曾花了大约两年的时间学习计算机科学课程，并于 23 岁时加入了蚂蚁金服。
William Woodford，32 岁
Form Energy
他在为下一代电网级电池寻找材料。
可再生能源固然好，可当太阳下山或没有风吹过时，供电就会停止，这个时候，电池就显得至关紧要了。特斯拉和现代等公司正在澳大利亚和韩国开发足球场大小的锂离子电池来解决这个问题。
但是，这些庞大的电池价格十分昂贵。
William Woodford 是 Form Energy 的首席技术官。他说：“锂离子电池的成本有底线，而底线取决于所使用的元件。不管组装的方式有多便宜，你仍然需要使用活性成分，而且这些都是成本。“所以，虽然伊隆·马斯克可以制造更大更便宜的电池，但是降价也是有限的。例如，碳酸锂的成本可以高达每吨 2 万美元。
为了解决这个问题，Woodford 已经找到了一种金属硫化合物，可以突破锂离子技术的长期存储和成本障碍。尤其令人高兴的是，硫很便宜而且十分充裕，它常被视作石油和天然气生产的废料，并不会被利用。
{replyUser1} 回复 {replyUser2}：{content}