主要观点总结
本文介绍了2024年度《麻省理工科技评论》“35 岁以下科技创新 35 人”中国评选的入选者及其成就，涵盖了在人工智能、量子计算、具身智能、合成生物、AI数学等领域做出杰出贡献的科学家。这些科学家通过创新的技术和方法，解决了许多科学难题，推动了交叉领域的发展，并在全球技术竞争中为中国科技领域刻下坐标。入选者涵盖了开源生态推动、具身智能瓶颈突破、光合系统跨物种移植、拓扑超材料改写声波操控法则等不同方向，展现了中国科技创新的多样性和活力。
关键观点总结
关键观点1: 入选者概述
2024年度《麻省理工科技评论》“35 岁以下科技创新 35 人”中国评选的入选者涵盖了在人工智能、量子计算、具身智能、合成生物、AI数学等领域做出杰出贡献的科学家。
关键观点2: 科技创新领域
入选者在各自领域通过创新的技术和方法，解决了许多科学难题，推动了交叉领域的发展，并在全球技术竞争中为中国科技领域刻下坐标。
关键观点3: 研究方向的多样性
入选者涵盖了开源生态推动、具身智能瓶颈突破、光合系统跨物种移植、拓扑超材料改写声波操控法则等不同方向，展现了中国科技创新的多样性和活力。
正文
为了解决蛋白质测序领域存在的低灵敏度、低丰度等问题，
曹婵正在基于生物纳米孔开发蛋白质分析的方法和平台，并取得了重大突破：通过对纳米孔进行工程改造和条件优化，她及其团队成功获得了尺寸更小的纳米孔，这些纳米孔能够产生强烈的电渗流，从而高效地捕获和转运天然蛋白质，产生来自单个蛋白质转运的独特指纹。未来，指纹预测有望根据单分子数据推断蛋白质的全序列信息，为蛋白质组学提供一种强有力的工具。
他通过一种基于超分子拓扑网络的新设计，发明了第一个高密度、本征可拉伸的生物电极阵列。
蒋圆闻致力于将物质科学和工程的突破性成果转化为新型的生物电子工具，以解决未被满足的医疗需求。通过基础材料和器件的创新，他在生物电子领域取得了多项突破性进展，包括非遗传光学控制动物行为、具有单个核团精度的器官特异性神经调控以及慢性伤口闭环管理。
他发展了一种基于拓扑超分子网络的新型导电高分子材料。通过化学组成和拓扑结构的协同设计，这种新颖的分子工程策略突破了传统电子材料无法兼顾高机械延展性和高电导率这一固有限制。同时，这种新型材料还兼容高精度的器件加工工艺，从而解锁了多项过去极具挑战性的生理学应用，例如对软体动物章鱼进行细胞分辨率级别的电生理记录，以及通过高度精密的脑干结构实现单一神经核团精度的调控，以实现单个器官级别的肌肉运动响应。
此外，利用先进的表征技术指导自下而上的化学合成，蒋圆闻建立了一整套基于硅纳米材料的光响应半导体结构库。这些材料后来被应用于多种高分辨率光驱动生物应用中，包括调控细胞内钙信号通路和细胞间神经递质传递等。通过进一步优化材料设计和器件制造，他成功地实现了对动物活动的非遗传性光学控制。结合电刺激（即非遗传性）和光遗传学（即高分辨率）的优点，非遗传性光神经调节方法为将神经调节技术应用于人类神经疾病的临床治疗提供了新的机会。
他还开发了一个高度集成的智能创可贴，通过结合无线柔性电子系统与具备按需皮肤粘附与脱附功能的低阻抗导电水凝胶，实现了对慢性伤口恢复和感染的长期检测和闭环管理，从而有效地控制了伤口感染，并且加速了伤口愈合和组织再生。
他以开创性分布式机器学习系统与 LLM 优化技术，主导构建 Chatbot Arena 开放评测平台，推动 AI 高效化与普惠化。
张昊致力于解决大语言模型高昂的训练与推理成本、以及技术生态的封闭性等难题，在分布式机器学习系统、大语言模型（
LLM，Large Language Model）优化与部署以及开放生态构建方面做出了一系列开创性贡献。
在博士研究期间，张昊率先提出了“机器学习并行性可自适应、可组合、可自动化”的核心理念，并构建了全球首个 GPU 参数服务器，为大规模深度学习提供了革命性支持。其后续在分布式调度方面的研究工作 Pollux，通过动态调度机制突破传统静态方法的限制，极大地提升了大规模深度学习模型训练的效率。
进入大语言模型时代后，张昊将其研究重点拓展至 LLM 的训练与推理优化。他主导或核心参与开发了包括 Alpa（可扩展 LLM 训练）、vLLM 和 DistServe（高效 LLM 服务）在内的多项关键技术。这些技术通过创新的并行策略、内存管理和动态资源调度等方法，显著降低了大模型推理成本、提高了服务吞吐量，为 LLM 的实际应用铺平了道路。
此外，作为 LMSYS.org 联合创始人，张昊积极推动 AI 开放生态。他主导构建了 Chatbot Arena 和 LLM-as-a-Judge 等全球最具影响力的开放 LLM 评测平台，通过自动化、透明化评估促进了开源 AI 生态的繁荣。未来，他将推动 AI 系统的多任务适应性、优化大规模智能系统的架构，并继续拓展开放 LLM 生态，将大模型生态彻底公开、普
适化。
他提出了首个基于大模型的自动驾驶“快-慢双系统”，并正打造机器人的具身大模型。
赵行致力于具身智能（自动驾驶和人形机器人）的研究。此前，他在谷歌无人驾驶公司 Waymo 担任科学家，回国后于清华大学担任助理教授。
针对自动驾驶在乘用车上落地应用进展缓慢的问题，赵行提出了以视觉为中心的自动驾驶开源框架 VCAD。为了让自动驾驶应对复杂和长尾的驾驶场景，赵行团队提出 DriveVLM，利用视觉语言大模型的思维链推理能力实现了零样本的驾驶场景理解能力，给自动驾驶车做出驾驶决策。进一步地，他创新性地提出了一套更实用的基于大模型的自动驾驶方案——“快-慢双系统” DriveVLM-Dual。该方案补充了大模型的空间感知能力，并且克服了端侧大模型推理速度的瓶颈。
该双系统方案已应用于理想汽车上，是世界首个量产的自动驾驶大模型。该成果是在自动驾驶领域中少见的“中国首个提出，中国率先落地”的技术创新，显著推进了自动驾驶技术在新能源汽车上的普及。
2023 年，赵行作为首席科学家联合创办了具身智能创业公司星海图。他基于数据驱动的方法，致力于寻找具身智能的 Scaling Law，打造具身基础模型，推动机器人服务世界。
他首次实现了固态氖表面单电子量子比特系统，为构建更稳定和更可靠的量子计算机提供理想方案。
周宪靖开创了一种全新的固态量子计算平台，首次在固态氖上成功实现了单电子量子比特。这一突破性的成果始于首次观察到单电子与单光子的强耦合，标志着该系统在可行性上的重要里程碑。
此外，他还成功展现了该平台在各方面足以媲美当前构建量子计算机主流的超导量子比特的优越性能，包括：0.1 毫秒的长相干时间（目前已知最长电荷态相干时间）；高保真单次读出（98.1%，且无需量子参量放大器）；高保真单比特门操作（99.97%）以及双比特耦合，为未来的多比特扩展奠定基础。
相比于其他历史较久的量子比特，该新系统不仅在关键性能上具有竞争力，还因固态氖的洁净特征，有效抑制了环境噪声，为构建更稳定和更可靠的量子计算机提供了理想方案。
除了量子计算，该平台在量子传感等其他量子信息技术领域同样展现出巨大潜力。由于单电子系统对电磁场和外部环境极其敏感，它可作为超高精度量子传感器，用于探测极微弱的电场、磁场或机械振动，从而在基础物理研究、精密测量、材料表征等方面发挥重要作用。此外，固态氖的超洁净环境也使其成为研究量子存储和量子网络的有力候选。
未来，周宪靖将继续推动这一新型量子平台的发展，进一步探索其在量子计算、量子传感和量子通信等领域的潜力，助力下一代量子技术的突破。
他提出了创新的稀疏计算软硬协同优化方法，显著提升通用人工智能的计算效率和能效，有效缓解了大模型时代的算力瓶颈。
人工智能，特别是大语言模型的迅猛发展，正推动人类进入通用人工智能（
AGI，Artificial General Intelligence）时代。但随之而来的海量计算需求导致算力不足和高能耗问题，成为人工智能产业进一步发展的核心挑战。
戴国浩长期致力于稀疏计算和软硬件协同设计的研究，其核心思想基于先验知识驱动的结构化稀疏、机器学习驱动的动态编译和细粒度并行的稀疏架构，通过降低任务量和提升硬件利用率，在芯片工艺和峰值算力较低的硬件上实现对高端工艺与高算力硬件的超越，将等效算力提升 1 个数量级，显著提升通用人工智能的计算效率和能效。
2023 年，戴国浩作为联合创始人创立了无问芯穹，致力于将这些稀疏计算加速技术产业化，以解决实际应用中更大规模的算力需求问题。戴国浩从软硬协同基础研究出发，进一步拓展多元异构产业规模思路，提高人工智能时代的整体可用算力池。目前已推出一系列终端与云端智能解决方案，在终端，包括全模态理解端模型 Megrez-3B-Omni、端侧动态稀疏引擎 SpecEE、首个大语言模型定制推理 LPU IP FlightLLM 和首个视频生成模型定制推理 LPU IP FlightVGM 等；在云侧，包括推理引擎 FlashDecoding++、半分离推理调度系统 Semi-PD 和推理系统通信加速方案 FlashOverlap 等。他在终端和云端同时实现了大模型算法在多种芯片上的高效协同部署运行，为 AGI 时代的算力普惠和可持续发展提供了关键技术支撑。
她开发了可高效降解膜蛋白的转铁蛋白受体靶向嵌合体，有望重新定义膜蛋白降解在肿瘤学中的应用。
周昕的研究主要解决癌症治疗领域的全球性挑战，特别是创新方法以克服药物耐受性和靶向传统上无法治疗的蛋白突变和细胞通路。
癌细胞需要大量的铁来快速增殖，这导致其细胞表面转铁蛋白受体 1（TfR1）的表达水平显著上调，该受体通过与转铁蛋白结合来介导细胞对铁的吸收。她与团队利用这一现象以及 TfR1 快速内化的特点，开发了一种新型蛋白降解剂——转铁蛋白受体靶向嵌合体（TransTAC）。
TransTAC 是一种设计精密的双特异性抗体，可通过降解膜蛋白解决传统方法无法成药的靶点。其在体外细胞实验中可高效降解 EGFR、PD-L1、CD20 和嵌合抗原受体（CAR）等多种膜蛋白，在癌症等疾病治疗中展现出巨大潜力。
她还开发了研究细胞通路的新工具，以高时空分辨率研究免疫和癌细胞中的磷酸化和蛋白受体激活事件。
除了癌症治疗外，她开发了实时检测细胞信号网络中磷酸化事件的方法，例如首次可视化 T 细胞中的 PD-1 磷酸化活动。这些技术工具不仅为研究细胞信号提供了前所未有的时空分辨率，还为控制细胞功能和命运提供了新的药理学手段。
她推动 AI 从二维静态感知迈向三维空间智能，使其能够无缝感知、理解并与现实环境交互。
齐晓娟致力于推动人工智能在 3D 视觉领域的边界，目标是赋予 AI 系统先进的 3D 空间智能，使其能以类似人类的方式感知、理解三维世界并与其交互。
在早期研究中，她开创性地将图神经网络（
GNNs，Graph Neural Networks）应用于 RGBD 语义分割，是首批利用图网络进行 3D 感知的研究之一。其单目几何估计（GeoNet 系列工作）将物理几何约束融入模型，从单张 2D 图像生成了与物理世界结构更一致的 3D 重建结果。
加入香港大学以来，她将研究重点扩展至开放世界场景下的 3D 环境重建、生成与理解。她提出了混合神经表示方法，实现了高保真神经渲染与表面重建，并通过稀疏控制高斯泼溅（SC-GS）技术高效建模动态 4D 场景。她还开发了用于 3D 物体高保真纹理生成的基础模型，获 SIGGRAPH Asia 最佳论文荣誉提名。在 3D 理解方面，她贡献了先进的 3D 处理架构，并开创了 3D 自训练方法以提升模型在开放世界环境中的鲁棒性，同时探索了从预训练 2D 模型到 3D 领域的知识迁移，显著降低了对标注数据的依赖。
齐晓娟的研究已拓展至医学、生物学等跨学科领域，如改善肿瘤诊断、提升电子显微镜 3D 成像，并开发了基于深度学习的物理不可克隆功能防伪系统。
他提出了大模型“能力密度定律”并构建高效端侧大模型 MiniCPM 系列，推动大模型技术从云侧向端侧的普惠化发展。
韩旭长期致力于自然语言处理、知识工程及大模型技术研究，旨在推动人工智能技术的创新与普及。
面对大模型参数规模与模型能力之间正相关规律（Scaling Law，尺度定律）所带来的训练数据与计算资源瓶颈，韩旭与团队提出了大模型“能力密度定律”。该定律揭示了
一定时间窗口内模型能力密度随时间呈现指数级增长的现象，即在保持模型能力不变的前提下，所需参数规模会显著减小。这一发现为大模型发展提供了新的理论视角和优化方向。
基于此，他与团队系统性开展能力密度驱动的大模型技术研究，主导发布了端侧大模型 MiniCPM 系列，大幅降低了先进 AI 技术的算力门槛，在 GitHub 和 Hugging Face 等技术社区上获得了广泛认可。
此外，韩旭作为创始人之一建设了大模型开源社区 OpenBMB，推动了全球超 200 个模型基于 OpenBMB 的开源模型、数据集与工具进行开发，建立了高效的模型训练和部署生态。
他的贡献不仅显著降低了大模型技术的部署成本与计算门槛，更实现了人工智能技术向更加广泛领域的普惠化推广。
