2025 年，全球科技发展正以惊人的速度重塑人类社会的未来。在气候危机、疾病威胁与资源短缺的多重压力下，技术创新聚焦于两大核心方向：可持续性与人工智能（AI）的深度结合。
《Nature》盘点了今年将密切关注的七项技术，从实验室的自动化革命到城市的生态改造，从精准医疗到环境修复，七项技术不仅加速科学发现，更试图为人类提供应对复杂挑战的规模化方案。
一、「自动驾驶」实验室：AI 与机器人联手的「化学宇宙探索」
去年，一个国际团队宣布发现了一系列有望用于有机固态激光器的材料，这一成果得益于由五个 AI 驱动的机器人实验室组成的全球网络。
多伦多大学计算化学家 Alán Aspuru-Guzik 表示，该项目展示了「自动驾驶」实验室在材料研究中的强大能力，成功筛选出 21 种顶级材料。自动驾驶实验室结合现代机器人和 AI 算法，能够规划和执行复杂的高通量实验，极大地拓展了化学和材料研究的边界。
相关链接：https://doi.org/10.1126%2Fscience.adk9227
阿贡国家实验室材料科学家 Jie Xu 开发的 Polybot 平台已成功合成导电聚合物和电致变色材料。未来，自动驾驶实验室有望通过自然语言指令和机器人技术进一步扩展自动化能力，成为科学家应对气候变化和流行病等全球挑战的重要工具。Aspuru-Guzik 强调，尽管自动化技术发展迅速，人类仍将在研究中发挥核心作用。
相关链接：https://doi.org/10.1016%2Fj.matt.2024.10.015
图示：加拿大多伦多 Acceleration Consortium 实验室。（来源：原文）
二、CAR-T 细胞疗法：从抗癌到治愈自身免疫疾病
CAR-T 细胞疗法已成为多种血液癌症的标准治疗手段。通过基因改造，患者的 T 细胞能够识别并攻击肿瘤细胞，在某些白血病、淋巴瘤和骨髓瘤中，超过 50% 的患者可实现完全缓解。
近年来，CAR-T 疗法在实体瘤治疗中也取得进展。波士顿麻省总医院肿瘤学家 Marcela Maus 团队开发的 CAR-T 细胞可快速缩小复发性胶质母细胞瘤，但其持久性仍需验证。
相关链接：https://doi.org/10.1056%2FNEJMoa2314390
此外，德国埃尔兰根-纽伦堡大学风湿病学家 Georg Schett 团队发现，CAR-T 疗法对红斑狼疮等自身免疫疾病也有效，已成功治疗约 24 名患者，仅 1 例复发。尽管 CAR-T 疗法成本高昂且对患者身体负担较大，但 Schett 认为，对于现有治疗无效的患者，这可能是一种经济且有效的长期解决方案。
相关链接：https://doi.org/10.1056%2FNEJMc2107725
图示：CAR-T 细胞疗法现在正针对组织中的实体瘤（紫色的 T 细胞）。（来源：原文）
三、生物修复技术：微生物的「污染消化术」
微生物在极端环境中展现出惊人的适应能力，甚至能够分解塑料等难以降解的物质。伦敦布鲁内尔大学微生物学家 Ronan McCarthy 指出，一些细菌已进化到能够利用微塑料作为食物来源。研究人员正利用这些微生物开发生物修复技术，以应对微塑料污染。
目前，已有 230 多种天然酶被证明可以分解塑料，但效率较低。McCarthy 团队通过诱导细菌在塑料表面形成生物膜，提高酶的降解效率。密苏里大学化学家 Susie Dai 则利用白腐真菌开发了 RAPIMER 平台，用于降解 PFAS 等永久性化学物质。
相关链接：https://doi.org/10.1038%2Fs41522-023-00440-1
相关链接：https://doi.org/10.1038%2Fs41467-022-31881-5
尽管基因工程可以优化酶的性能，但公众对转基因生物的担忧可能限制其应用。McCarthy 呼吁加强安全部署工程化生物修复系统的讨论，以应对重金属、抗生素等多种环境污染物。
图示：英国克兰菲尔德大学的生物修复研究机构。（来源：原文）
四、生物学基础模型：AI 构建的「虚拟细胞」
以 ChatGPT 为代表的大语言模型（LLM）为全球用户提供了从信息获取到文本生成、代码编写等一站式服务，标志着通用 AI 系统的显著进步。生物学家也期待利用类似技术推动研究，但面临工具过多且分散的问题。
多伦多大学计算生物学家 Bo Wang 认为，「基础模型」是解决这一问题的关键。这类模型通过预训练处理海量无标签数据，生成通用模型，可用于解释新数据或设计蛋白质等任务。Wang 团队开发的 scGPT 模型基于 3300 万个人类单细胞转录组数据，能准确分类细胞类型并预测基因突变影响，已获得制药公司的积极反馈。
相关链接：https://doi.org/10.1038%2Fs41592-024-02201-0
未来，整合 RNA、蛋白质等多组学数据的「虚拟细胞」模型有望超越 scGPT，为疾病研究和合成生物学提供更强大的工具。
相关链接：https://doi.org/10.1016%2Fj.cell.2024.11.015
五、可持续城市降温：对抗热岛的「超冷铠甲」
全球变暖加剧，城市热岛效应使局部气温比周边高出 5–10°C。澳大利亚新南威尔士大学学者 Matthaios Santamouris 指出，城市建筑材料吸收大量太阳辐射是主要原因。
为此，研究人员正在开发「超冷材料」，通过反射太阳辐射并释放热辐射来降温。在沙特利雅得的实地测试中，超冷光子材料结合其他措施使环境温度降低近 5°C，且成本仅比普通材料高 10%。
相关链接：https://doi.org/10.1038%2Fs44284-023-00005-5
然而，空调使用增加将进一步加剧气候变化，尤其是在发展中国家。马里兰大学材料科学家 Ichiro Takeuchi 团队开发的固态空调利用「弹性热效应」实现制冷，虽需进一步优化，但有望替代传统制冷技术，减少温室气体排放。
相关链接：https://doi.org/10.1126%2Fscience.adg7043
图示：马里兰大学帕克分校的节能原型空气冷却系统。（来源：原文）
六、单细胞微生物分析：打开菌群的「基因黑匣子」
微生物群落在海洋、土壤和人体中极为复杂，即使是单一物种（如大肠杆菌）的基因组和功能多样性也十分显著。杜克大学生物医学工程师 Ophelia Venturelli 指出，单菌落中可能存在基因组几乎所有位置的突变，这对肠道内相互作用产生深远影响。
尽管多细胞真核生物的单细胞测序已较为成熟，但微生物单细胞研究仍面临挑战，主要源于细胞壁难以破开以及单细胞内 DNA 和 RNA 含量有限。
近年来，单细胞分辨率下的微生物研究工具逐渐增多，例如德国研究人员开发的 MATQ-seq 可分析数千个微生物中每个细胞的数百个基因表达，而 Venturelli 团队开发的 DoTA-seq 则通过微滴捕获单细胞并选择性测序基因组位点。
相关链接：https://doi.org/10.1038%2Fs41564-023-01462-3
相关链接：https://doi.org/10.1038%2Fs41592-023-02157-7
然而，单细胞微生物学仍属小众领域，相关方法尚未商业化，且部分技术门槛较高，许多科学家对其潜力仍缺乏认知。
七、光子计算：AI 的「光速引擎」
AI 算法的快速发展对处理器技术和能源基础设施提出了巨大挑战。清华大学电子工程师 Lu Fang 指出，现有计算能力无法持续支撑未来大型模型的需求。
为此，许多团队正在探索基于光子的计算框架，以补充当前的电子微处理器。光子处理器在并行处理和推理任务效率方面具有显著优势，而推理任务占 AI 计算工作量的 80%。
牛津大学材料科学家 Harish Bhaskaran 强调，尽管光子计算概念已有 50 多年历史，但 AI 热潮推动了该领域的复兴。Bhaskaran 和他的同事在 2024 年进行的一项研究展示了两种光子硬件设计，它们在各种任务中表现良好，包括根据帕金森病患者的运动变化来识别帕金森病患者。
相关链接：https://doi.org/10.1038%2Fs41586-024-07590-y
清华大学团队开发的「太极」光子芯片在特定任务中的能效比传统 GPU 高出百倍，其下一代系统「无极」可处理更复杂的 AI 任务。
未来，光子计算有望在无人机、医疗机器人等边缘 AI 应用中发挥重要作用，实现低功耗实时决策。
结语
七大技术如同一张紧密交织的创新网络——AI 加速探索速度，可持续方案守护生态底线，生物技术重塑生命质量。然而，技术落地不仅需要跨学科协作，更需伦理与责任的指引。正如 Aspuru-Guzik 所言「机器扩展了人类的能力边界，但价值观才是技术航向的罗盘。」在这场与未来的赛跑中，唯有效率与共益并重，创新才能真正成为推动文明的引擎。
原文链接：https://www.nature.com/articles/d41586-025-00075-6
