《麻省理工科技評論》年度全球青年英雄榜權威發布，6位華人上榜

美國東部時間 6 月 27 日，《麻省理工科技評論》公布了第 18 屆 35 Innovators Under 35 評選結果，即 2018 年度 全球 「35 歲以下科技創新 35 人」榜單。

在此次的 35 名上榜者中，共有 6 位華人，他們分別是 PhagePro CEO 兼聯合創始人顏珉珉（Minmin Yen）、加州大學聖地亞哥分校助理教授徐升、北京大學特聘研究員周歡萍、Verge Genomics 聯合創始人兼CEO 張欣立（Alice Zhang）、曠視科技聯合創始人兼 CEO 印奇、螞蟻金服國際事業部國際技術負責人許寄。

其中，周歡萍和印奇是首屆中國區榜單的獲獎人。（點擊鏈接查看首屆中國區 35 位獲獎人名單）

圖丨入選的六位華人

Innovators Under 35 評選開始於 1999 年，最初名為 TR100，並於 2011 年開始創建區域性評選。作為只甄選科技領域 35 歲以下的青年才俊的榜單，Innovators Under 35 每年所挖掘的新人及其項目都極富創新性，其中不少人後來都成為了風雲人物。各位精英在影響力、創新能力、進取精神、未來發展潛力、溝通能力以及領導力方面都表現卓越。從初創公司到研發機構再到科技巨頭，他們在不同的舞台上大展拳腳並取得了突破性成就。

該榜單分為五個類別，有發明新技術、為解決問題的方法賦予新的想像力的發明家（Inventors），有將原有技術賦予創新活力的遠見者（Visionaries），有拓展人類科學知識邊界的先鋒者（Pioneers），有在科學技術中發現商業機會、擴大市場甚至創造市場的創業家（Entrepreneurs），還有利用科技手段改善人類生活環境、甚至用科技解決人類生存問題的人文關懷者（Humanitarians）。

目前， 中國地區的第二屆「35 歲以下科技創新 35 人」榜單的提名與報名也正在進行中。中國區榜單目前彙集了 40 余位海內外的重磅專家評委，專註於以全球視野挖掘發掘中國籍的最有創新能力的科技青年。參選者將有機會向全球權威科學界及產業界人士展示自己的科技成果和創新能力，最終的獲獎者將受邀出席 2019 年 1 月 21 日（即 EmTech China 全球新興科技峰會第三日）在北京舉辦的頒獎典禮，並加入「35 歲以下科技創新 35 人」全球社區，參加全球範圍內的創新交流活動。

本屆全球榜單編者按：

我們的「35 歲以下科技創新 35 人」的榜單有 18 年之久，該榜單已經可以對科技的發展趨勢做出一定的猜想和指導。就像 TR100 最開始的時候，社交網路還沒有開始風靡，但是我們已經開始對當時最流行的社交網路進行跟蹤報道了，其中也就包括2004 年誕生於扎克伯格寢室的 Facebook。

但趨勢年年都在變化，前些年你還未曾聽過的人工智慧概念在最近的兩年間已經得到了爆髮式的成長，與人工智慧相關的技術在榜單中佔到了多數。其中涵蓋虛擬個人助理、機器人、遊戲、自動駕駛等技術，甚至還包括對抗如霍亂等致命傳染疾病以及帕金森症的人工智慧相關技術。

每年的「35 歲以下科技創新 35 人」榜單評選都會有多達 600 余名候選者，在首輪 MIT Technology Review 編輯團隊初審之後，篩選出 100 位候選者。然後，會由 36 名各領域專家組成的評審團進行最終的評選，而今年的評委涵蓋人工智慧、生物醫學、納米技術、電子硬體以及能源等領域的專家。

我們希望今年的榜單能給讀者朋友傳遞一種信息，即下一個改變世界的科技將會是什麼，以及究竟會是哪些人創造出了這些科技。

以下為本屆全球榜單的詳細內容：

— 先鋒者 （Pioneers） —

他們的創新正引領風潮，將「培育」出更好的基因編輯、更聰明的人工智慧以及更安全的網路。

Alexandre Rebert，28 歲

ForAllSecure

他發明了讓計算機能自我修復的方法。

當一台計算機系統被黑客入侵了，我們往往只能在入侵結束之後才可以進行修復工作。但 Alexandre Rebert 開發了一種軟體系統，它能使計算機在被攻擊伊始就進行修復。

這種別出心裁的點子來源於 Rebert 對於計算機的認識，他覺得。現在的計算機雖然缺乏創造性，但是它們對於快速處理大規模的工作十分在行。於是，他就開發了一款名為「 Mayhem 」的系統，其能同時處理上千種程序，僅幾小時就能處理完成我們數年才能完成的工作。

Mayhem 之所以如此高效，是因為它結合了兩種關鍵技術。一種是名為 Coverage-based Fuzzing 的自動化安全測試標準。簡單而言，該技術就是將數據輸入到一個程序中，並測試是否會觸發新的事件。其核心就是快速瀏覽和搜索數據。第二種就是符號執行（Symbolic Execution），相對應的，就是更精細且慢速地分析程序。兩種技術互補，相得益彰。

Rebert 是匹茲堡網路安全公司 「ForAllSecure」 的聯合創始人，而這家公司正是 Mayhem 項目的重要參與者。創辦 「ForAllSecure」 公司的主要動機源於 Rebert 在卡內基·梅隆大學大學的研究，Rebert 覺得他的發明能幫助到易受到攻擊的系統，例如電網、醫院以及銀行等。

對於安全，Rebert 有著獨特的見解，他說：「如今的軟體數量太多了，僅僅靠人類自己審查是不夠的，也是不安全的。」

Joy Buolamwini，28 歲

MIT 媒體實驗室，演算法正義聯盟（Algorithmic Justice League）

當發現人工智慧不能識別她的臉，她開始自己動手改變現狀。

還在大學求學時，Joy Buolamwini 就發現一些面部分析系統不能檢測出她黑色的面孔。更諷刺的是，當她戴上白色的面罩之後，系統竟然又正常了，Joy 打趣道：「我被技術『忽略了』！」

而這也直接影響了她在畢業時的論文方向。當時，她發現幾乎所有面部分析的資料庫中都以白色皮膚和男性面孔為主。於是，Joy 開始開發一種性別均衡的面部分析數據組，樣本來自於非洲和歐洲的一千多名政治家。隨後，她用該數據組來測試 IBM、微軟以及曠視科技的人工智慧系統，她卻發現它們面部識別的精確度隨性別和膚色的變化而偏差很大。判別性別時，這幾家人工智慧系統對於淺膚色人群的出錯率小於 1%，而對於深膚色的女性面孔，出錯率卻高達 35%。

在某些極端情況中，Facebook 還會錯誤識別照片中的面孔，而這樣的錯誤就會讓人感到十分困擾。隨著越來越多的領域都開始採用人工智慧系統，例如執法部門將人工智慧用於預測性警務、法官正在使用它來判斷囚犯是否有可能再次犯罪，在這種情況下，人工智慧一旦出錯，後果將會很嚴重。對此，Buolamwini 表示：「我們必須不斷檢查我們的系統，因為它們可能會以我們意想不到的方式失效。」

Joy Buolamwini 除了是前羅德學者（Rhodes scholar）和福布萊特研究員（Fulbright fellow）之外，她還是演算法正義聯盟（Algorithmic Justice League）的創始人。除了發現並公布演算法中的錯誤，她希望開發實踐機制將錯誤「掐滅」在最初的狀態，正如她之前做過的，利用精確性測試調試面部識別系統。

Nabiha Saklayen，28 歲

Cellino Biotech

她開發了一種利用廉價激光器進行基因編輯的技術。

基因編輯對於糾正像鐮刀形紅細胞貧血症（sickle-cell anemia）這樣的突變，是非常寶貴的。但是對於其中的關鍵步驟，例如將 DNA 和其它混合物注入細胞，生物學家們急需更好的技術。一般來說，基因編輯技術採用病毒攜帶的方式將它們帶入細胞中，但此舉可能有嚴重的副作用；但如果採用電穿孔技術，在處理過程中可能會殺死很多細胞。很明顯，這兩種方式都不是很理想。

這種情況下，激光就提供了一種更加溫和的方式。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，這就導致價格會十分昂貴，並且一次注入過程中只能針對一個細胞，這樣的效率對於臨床治療而言是很慢的。

Nabiha Saklayen 發明了一種獨特的納米結構，並將其配置到激光器上，它能將激光脈衝在同一時間內傳遞到大批量的細胞上，使得基因編輯的速度達到臨床治療水平。她開發的處理方式並不需要很昂貴的激光器，廉價激光器的能量就已經足夠了。不過，說服其他研究者和她的導師還是花了她一番功夫。對於激光器的選擇，她如此說道：「其實這對細胞來說差別不大。」

Saklayen 已經成立了一個公司——「Cellino Biotech」，旨在將其的想法商業化，並使用這樣的基因編輯工具來改造細胞。

作為一個物理學家，她對於多種學科的知識融合達到了一種異於常人的境界：她能夠遊刃有餘地應用激光物理學、納米材料和合成生物學的知識。這似乎也源自她超強的適應能力，她的成長曆程跨越了沙烏地阿拉伯、孟加拉國、德國和斯里蘭卡。對此，她笑稱：「我很能適應新環境，也能在交叉學科中找到方向。」

Chelsea Finn，25 歲

伯克利人工智慧實驗室

她開發的機器人動作能夠如蹣跚學步的孩子一般——盯著大人、模仿大人、學會學習之道。

Chelsea Finn 正在開發一種僅僅通過觀察和探索新環境就能不斷學習的機器人。她開發的演算法並不需要常規訓練人工智慧那麼龐大的數據量，甚至可以說就是零數據量：機器人僅靠觀察人類的操作就能學習如何進行類似的操作。

她的機器人就像蹣跚學步的孩子，懂得觀察大人怎麼做事情並模仿他們。Finn 實驗室里的一套玩具向我們展示了這個過程：機器人不斷嘗試將一個紅色方塊放入正方形的孔中。

她研究的最終目的就是製造一種機器人，這些機器人可以掌握一整套技能，而且其技能的獲得並不是源自編程，而是源自於它們獲得的教導和對周圍的觀察。這可能意味著，未來工廠機器人不必由工程師團隊來訓練，或是配置能識別物體的人工智慧系統。

Finn 設立了一個相對合理的中期目標，即讓她的機器人學會怎麼整理桌面。第一步就是讓機器人學會怎樣整理多件物品。對此，Finn 這樣解釋道：「在某種程度上來說，機器人系統的能力還處於它們的嬰兒時期，我設立的目標就是先讓它們有點常識」。

Humsa Venkatesh，32 歲

斯坦福大學

她發現了癌變的秘密，給開發新葯提供啟發。

Humsa Venkatesh 的研究揭示了癌變組織「劫持」神經網路的活動來促進它們自己生長的原理。她針對不同類型癌症的新發現開闢了一個新的研究領域。對此過程，她解釋道：「這些神經系統能揭示腫瘤生長和功能的秘密」。這樣的研究結果可以發展出適用於各種癌症變種的治療方案。

Venkatesh 早年住在加利福尼亞，她的叔叔住在印度，並患有腎癌。雖然Venkatesh 的叔叔在美國和印度遍尋治療方案，但唯一的選擇還是標準的放療和化療，而兩種治療手段均不是很有效。她的叔叔在確診為癌症後的兩年內去世了，痛失親人的經歷讓 Venkatesh 意識到，醫生對於腫瘤生長的基本機制了解並不深。

雖然 Venkatesh 沒有像她最初設想的那樣成為一名醫生，但她依舊選擇了投身癌症的研究之中。她這樣描述自己的雄心壯志：「我希望能改變不同癌症分開研究的現狀，以深化癌症研究來推動癌症治療的新方向。」

現在，Venkatesh 正在研究腫瘤在其環境中的基本寄生行為，並以此開發可以阻止腫瘤利用神經網路的新型藥物。這樣的治療方案將比其它方案更早投入臨床，因為相關藥物已經面世了。

John Schulman，30 歲

OpenAI

他在遊戲「刺蝟索尼克」中訓練人工智慧，讓 AI 更智能。

John Schulman 是 OpenAI 的一名科學家，他在強化學習（Reinforcement Learning）領域中有諸多關鍵演算法貢獻。顧名思義，強化學習意味著你訓練你的 AI 系統就像訓練一隻狗一樣，其中存在為正確的反應提供獎勵機制。而對於一台機器來說，獎勵可能是視頻遊戲中的高分。

用遊戲訓練 AI？這也難怪，Schulman 曾對 1991 年的主機遊戲「刺蝟索尼克」十分著迷。他甚至以為這樣的遊戲對於測試新的機器學習演算法來說是完美的，它能顯示演算法將如何把學會的技能用於新情況。遊戲的設置是這樣的，索尼克是世界上最快的刺蝟，遊戲的進程十分迅速，而其中也有著十分有意思的物理機制。一旦 AI 系統學會了怎樣玩遊戲，研究者很容易測試其將知識轉移到不同場景的能力。

這些訓練過的演算法已經能夠被用於現實世界，並且它們可以用來改善機器人的運動能力。不過，傳統的方式只適用於一些特定的情境，那麼到了新環境中，採用舊演算法的機器人將會失效。所以，Schulman 希望，一台採用強化學習演算法的機器人或者人工智慧系統能夠重新開始嘗試新事物，直到它解決問題為止。

Julian Schrittwieser，25 歲

DeepMind

AlphaGo 打敗了世界上最強的職業圍棋選手，而他推動了 AlphaGo 的進化。

幾年前，Julian Schrittwieser 加入了谷歌旗下的人工智慧公司 DeepMind，開始進行圍棋人工智慧的開發。圍棋一直被稱為機器學習的「聖杯」，這是一種雙人遊戲，源自古代中國。圍棋普遍被被認為是一種不受規則束縛、憑直覺驅使的遊戲，而一般觀點認為，人工智慧將需要很長時間才能超越世界上頂尖的棋手。但是在 2016 年 3 月，Schrittwieser 及其同事開發的程序 AlphaGo 擊敗了曾經的世界冠軍韓國棋手李世乭。這場五局三勝的比賽吸引了上億觀眾的目光，圍棋的狂熱粉絲將其稱為圍棋的世紀之戰。

但那之後，Schrittwieser 和他的同事並沒有停滯不前，他們繼續開發，並完成更新迭代。2017 年的 10 月，AlphaGo Zero 擊敗了前一個版本 AlphaGo，100 場對弈中未嘗敗績。與 AlphaGo 不同，AlphaGo Zero 並沒有從研究人類對弈中學習，它從與自己的對弈中學習。這也是對人工智慧有重大意義的創新。Schrittwieser 解釋道：「從 AlphaGo Zero 中我們可以知道，在我們人類沒有涉足的領域，我們可以引導程序進入這個領域並進行自我學習。」

Schrittwieser 如今是 AlphaGo Zero 計劃的首席軟體工程師。他還極力推動了 DeepMind 第三代人工智慧 Alpha-Zero 的研發，這將是一個更具普適性的演算法，能駕馭圍棋、國際象棋以及日本將棋。Schrittwieser 解釋說，普適性將是 DeepMind 打造獨立於人類的人工智慧的關鍵。它將能找到不受到人類影響的最優解。最終，他認為，這可能促進全新的、人工智慧驅動的藥物、材料科學等領域的創新。

Alessandro Chiesa，30 歲

加州大學伯克利分校

他創造了與現金一樣具備「私密性」的數字加密貨幣。

區塊鏈的前景是廣闊的，而將所有交易視為公共信息將是它不可避免的問題。但是由 Alessandro Chiesa 聯合發布的數字加密貨幣「 Zcash 」卻改變了這一狀況，它的交易不僅安全而且匿名，就像從你的錢包拿出 20 美元鈔票並交給某人一樣私密。

這樣安全的機制源於 Zcash 採用的一種加密協議，名為「簡明零知識證明（succinct zero-knowledge proof）」。簡單來說，就是一種高效確認方式，讓交易的雙方都認為某事物為「真」而不泄露任何其他信息。

Zcash 對交易有巨大的影響，能讓人們進行網上交易而不暴露自己的私人信息或者是將自己置於身份盜竊的危險中。Zcash 是 Chiesa 四年前推出的，現在市值超過十億美元。

— 遠見者 （Visionaries） —

他們從全新的角度觀察事物，將現有技術解鎖出強有力的非傳統功能。

Niki Bayat，32 歲

AesculaTech

她發明出了通過創口封閉來治療眼睛的材料。

Niki Bayat 從小在伊朗長大，她的父親曾患有青光眼卻由於其他健康問題無法進行手術。於是，Niki Bayat 一直就期望能夠運用自己的工程天賦來幫助飽受病痛折磨的人們。在伊朗的全國高考中，她取得了第八名，於是進入國內的頂級大學進修化學工程專業。讀研究生時，她把目光瞄準了南加利福尼亞大學，加入了著名化學家 Mark Thompson 和 Mark Humayun（首個人工視網膜的發明者）的聯合課題組。「我努力說服他們說，我可以在高分子化學和生物醫學工程之間架起一座橋樑。」她這樣說道。

她也確實做到了——運用她的化學工程專長發明出一種材料，能夠幫助修複眼部創傷、治療眼部。Bayat 所創造的這種濕軟的、具有生物相容性的高分子名為水凝膠，在體溫條件下會變得非常具有黏性，附著力就像超強力膠水一樣。在眼部受傷時，將這種膠注射到受傷處便能快速封閉創口，防止失明；而回到醫院後，醫生便能用冷的生理鹽水衝去凝膠，縫合傷口。Bayat 還設計了特別種類的該材料，能以可控的模式釋放青光眼治療藥物或者生物抗體。

2016 年，尚在攻讀博士學位的 Bayat 創立了 AesculaTech，將這些攜帶藥物的材料商業化。這些材料可以植入淚小管，在幾個月內持續地釋放藥物——有希望解決患者一天多次滴眼藥水的需求。在推出藥物釋放材料之前，AesculaTech 計劃先讓治療乾眼的高分子產品獲得批准。據 Bayat 說，她的最終目的是發展出更好的青光眼治療手段。

Prineha Narang，28 歲

哈佛大學

她從最微觀的尺度進行材料研究。

作為哈佛計算材料學的助理教授，Narang 專門從納米尺度研究材料的光學、熱學和電子學行為。她所研究的「材料如何與光及其他形式電磁波作用」這一問題可以促進電子、能量和空間方面的技術革新。

Narang 的工作基於幾十年來的納米科學進展，這些進展逐漸將這一領域引向一個長期目標：擁有以單個原子級別對材料進行工程設計的能力。自從 20 世紀 80 年代納米科學問世以來，這一學科主要在研究平衡態或近似平衡態下（材料的能量最低態）的納米結構。然而自然情況下，大多數材料都與平衡態有較大差距，也就是處在所謂的激發態，而目前我們對這一狀態的量子水平還知之甚少。「在激發態問題上仍有許多未嘗試的工作，我們還有很多要做。」Narang 說道。

通過研究這些激發態，Narang 在努力鑽研可能會帶來材料大革命的新方法，並可能應用於望遠鏡中反射鏡和透鏡的性能提升、擁有更好攝像頭卻更輕便的手機、或者從原子水平設計出的合成燃料等。

Brenden Lake，31 歲

紐約大學

讓機器像人一樣快速而靈活地學習。

Brenden Lake 創造了一個人工智慧程序，它能像人類一樣，基於單個例子識別新的手寫字母。儘管相比操縱汽車、打敗全球最強圍棋選手的人工智慧，這一方向看起來有點平凡。但是需要指出的是，如今領先的深度學習演算法都需要基於成百上千的案例進行訓練，並且難以基於已經學到的知識解決新問題。人類在識別物體時與目前大部分演算法不同，一旦看過一個新物體，就能再次識別、畫出來並且理解一個物體的各個部分。

Lake 的程序基於認知心理學，他沒有給程序輸入上千個字母，而是教程序學習字母書寫的過程。他的模型捕捉了 30 個字母手寫時的運動捕獲記錄，使得程序能夠學習筆每一畫的運動、每一個字母通常需要幾筆、以及這些筆畫是如何連接的。這樣，當程序看到一個新的字母時，這一模型可以像人一樣識別並重複書寫字母。

同樣的方法還被用於識別語音辭彙，以及讓系統解決問題時提出創造性問題。

讓機器以人類的方法學習在人工智慧領域非常關鍵，尤其適用於無法基於大數據進行訓練的情況。「如果我們想提供面向家庭場景的智能機器人，我們無法對它進行預先訓練或編程，讓機器人了解家庭中所有的未知事物，」Lake 說，「兒童每天都在學習新概念，一個真正智能的機器也應該能做到這一點。」

Marzyeh Ghassemi，33 歲

多倫多大學

她運用人工智慧幫醫生處理雜亂的醫療數據。

Marzyeh Ghassemi 在麻省理工學院攻讀博士期間，在美國的貝斯以色列女執事醫療中心與重症監護室醫生合作，她發現醫生們面臨的最大問題之一是信息過載。因此，Ghassemi 設計了一套機器學習方法，基於雜亂無章的臨床數據，預測住院病人的情況。

這並不容易。通常機器學習勝出的領域往往擁有海量的、精心標記過的數據集；但是醫療數據有各種各樣繁雜的形式、頻率也不一致，比如有醫生每日手寫的診斷條、每小時的血液檢測、以及持續不斷的心臟監控數據。

儘管視覺和語言任務對人類來說天生容易完成，但是即便那些經過訓練的資深醫療專家也會在診斷和治療決策上產生分歧。為解決這些挑戰，Ghassemi 發明出了一種機器學習的演算法，學習各種臨床數據，以精準預測病人的情況，比如病人會在醫院待多久、有多大概率發生院內死、是否需要輸血或上呼吸機等。

Ghassemi 將於今年秋季加入多倫多大學和加拿大人工智慧研究院 Vector Institute，希望能在當地醫院檢驗她的演算法。

Menno Veldhorst，33 歲

代爾夫特理工大學

他解決了在硅晶片上製造可工作的量子電路的問題，這個問題在此之前被認為是不可能解決的。

Menno Veldhorst 讓量子電路能夠印刻在硅板上——即數十年來電腦晶元的做法，從而加快了創造真正量子電路的進程。

量子計算機能夠實現傳統計算機無法進行的強大運算，然而在 Veldhorst 之前，基於硅半導體的量子電路雖然對實用計算而言足夠穩定，但這一技術一直被認為是不可能的。目前，理應基於特殊的亞原子級粒子構建的量子計算機，不得不使用更複雜的材料，其中包括在脆弱的量子態下更容易被控制的超導體，然而其付出的代價是成本更高，而且要製造這樣的電路需要一個全新的工業生產工序。

來自代爾夫特理工大學的研究者 Veldhorst 則找到了讓量子計算邁向重複性最強的人造結構—晶體管—的方法，從而得以在半導體硅上以量子比特（量子信息基本單位，qubits）的級別進行計算。

感謝 Veldhorst 的突破，如今英特爾能夠將成千上萬個這樣的簡單系統刻印在同類型的 300mm 晶片上，這些晶片以前只能製造出傳統晶元。這就意味著英特爾公司的員工們能夠將更多時間花在完善量子計算機必需的微電子和演算法，而不是把精力浪費在基礎物理學問題上。

而正如晶體管和計算機本身一樣，最讓 Veldhorst 激動的事情在於，如今已經有大量量子計算機亟待建立以探究更多未知的領域，而他的研究使這一切成為可能。

Adam Marblestone，31 歲

Kernel

他寫了一本關於全腦神經元記錄的書。

Adam Marblestone 希望腦能夠被機器讀取，於是他找出了腦活動記錄中可能存在的物理限制，並正在努力將此理論運用到 Kernel 的技術策略中。Kernel 是一家融資過億的初創公司，旨在建立人類的神經介面。

Marblestone 博士的一篇論文被研究者們認為是腦活動讀取技術建立的重要文獻。他將小鼠腦作為模型，並發現要同時測量全腦神經元的活動存在一定的工程學問題。

「這些問題關係到，我們如何用現有的腦研究工具來匹配腦本身的複雜性。」他這樣說道。

作為 Kernel 的首席策略官，他正在募集整合一群頂尖研究者，來探究建立神經介面最有前途的手段，從而幫助我們更好地理解神經疾病。未來某天他們甚至有可能將我們的腦與機器融合。

Shehar Bano，31 歲

倫敦大學學院

她首次完成了對網路審查機制的系統性研究，使對抗國家網路審查成為可能。

這一切從 2012 年開始，當時 Bano 的祖國巴基斯坦封鎖了 YouTube。「以前，人們有一種錯覺，認為這種封鎖是魔法，」但是她想了解內在機制，並擊敗這些封鎖。

因此，Bano 調查了巴基斯坦三年的 ISP 數據。她發現了一些相對基本的網路訪問限制技術，比如對於訪問某一網站的請求，審查員向網站伺服器以及訪客的瀏覽器發送信號，以結束訪問請求。針對這一點，Bano 在不使用加密的情況下設計出繞過訪問限制的方法，發送一個初始的、假的請求給審查員看到，但是他們會因為拼寫錯誤等而忽略了這個請求，同時真正的請求悄悄通過。

除了網路審查，Bano 還調查了像 Tor 這樣的匿名通信工具、以及廣告攔截器的用戶與其他用戶的遭遇如何不同，以及這代表著糟糕的用戶體驗還是被徹底禁止。

Bano 是倫敦大學學院的博士後，加入了保衛在線交流自由的計算機科學家行列。她正越來越多地使用基於區塊鏈的系統，比如智能合同平台 ChainSpace，該平台的交易難以被外部力量控制，提升了在線網路的安全性和透明度。

Archana Kamal，34 歲

馬薩諸塞大學洛厄爾分校

通過縮小關鍵部件的體積，她解決了量子計算領域的大問題。

隨著量子計算逐漸由實驗室走向企業，谷歌、英特爾等公司都在努力解決一個棘手的問題：如何準確地將量子系統輸出的量子數據轉移到傳統電腦上呢？這一工作至關重要，因為量子系統可能會對密碼系統及其他領域產生深遠影響，但只有當常規計算機能讀取其量子計算時，信息才能發揮作用。

作為馬薩諸塞大學洛厄爾分校助理教授的 Archana Kamal 解決了這一問題。Kamal 證明了，量子信息在離開量子處理器之前是可以轉移並且為傳輸放大的。此前，這一傳輸需要大型的磁鐵以及複雜的設備，其體積之大遠遠不能集成到一塊簡單的晶元中，這就導致了數據的延遲和丟失，成為目前量子比特系統擴展的一大阻礙。

Kamal 的創新之處在於稍微改變了信息攜帶光信號傳輸的通路，將部件從一個 25 美分硬幣大小降至幾微米。「這是一個巨大的改變，」她說道，「我們的目標是在晶元上完成大量量子信息處理同時又保持信號的高保真性。」

— 人文關懷者（Humanitarians）—

在他們眼中，科技只是一種工具，用來創造一個更安全、更健康、更平等的世界。

Hera Hussain，28 歲

Chayn

她的非營利技術讓女性即便在沒有律師的幫助下，也能就家庭暴力提起訴訟。

Hera Hussain 正致力於通過一種結合社會創新與技術創新的簡單方式為全球女性賦能：通過眾包的形式為多語言在線指南招募志願者，這些指南涵蓋的話題包括如何在沒有律師的情況下為家庭暴力行為立案，如何識別心理操控等。

這一切開始於 Hera 幫兩位朋友擺脫有家庭暴力的婚姻。她說：「你可能認為，在英國很容易找到各種信息：如何離婚、如何申請庇護，以及申請子女監護權適用的法律。但在其他地方，獲取這類信息是極為困難的。」

2013 年，Hera 利用業餘時間創立了 Chayn，一家開源的非營利組織，致力於讓這些缺失的信息變得容易獲取和理解。今天，Chayn 的 400 位志願者中 70% 曾經歷過暴力和壓迫。他們的指南大部分來自眾包的研究和親身經歷，涉及壓迫女性問題相關的心理、社會和法律方面的複雜問題。

Hera 說，她數不清有多少次被人說教——大部分是男性，他們認為 Chayn 的指南不應該由那些沒有法律或學術背景的人撰寫。她說：「我經常受到別人的嘲諷。」她喜歡用一位印度女性的例子來反駁他們的觀點。這位女士花了很多年時間尋求如何擺脫一段充斥著家庭暴力的婚姻的方法。她在網上找到的所有資源都是印度律師寫的，然而他們大部分是男性，大部分的信息是在抱怨女性不是盡責的妻子等。

Hera 持續推動著 Chayn 的發展，利用合適的技術拓展它的影響。例如，新推出的聊天機器人就可以引導訪客以最快捷的方式找到最相關的信息。

Mustafa Suleyman，33 歲

DeepMind

他用人工智慧減輕人類的苦難。

Mustafa Suleyman 聯合創立了人工智慧公司 DeepMind，他的初衷是為社會帶來最廣泛的影響。他認為人工智慧是實現這個目的最快方式。

現在，Suleyman 啟動了 DeepMind Health 項目，致力於建造能提升疾病診斷的人工智慧，包括檢測早期眼疾、輔助分析乳腺超聲造影的系統。他還在重點研究這種科技是如何被臨床醫生使用的。Suleyman 說：「技術圈終於開始思考這些系統的道德影響。」例如，時間緊張的臨床醫生會在不做臨界評定的情況下遵從人工智慧給出的最優建議嗎？這種系統要如何接受檢查？如果新的醫學發現吸納了那些訓練人工智慧系統的舊數據中的隱含偏見怎麼辦？他說：「我認為今年矽谷和科技公司會真正地接受這種巨大權力所承載的重大社會責任。」

去年，Suleyman 發起了 DeepMind 道德與社會部門，負責設計能預測並指導演算法決策過程及其社會影響的系統。

他說：「未來，科技公司要做出重大轉變，向自己提問：我們要如何塑造這些演算法，讓它們代表我們集體表決做出的道德選擇？」

顏珉珉（Minmin Yen），29 歲

PhagePro

霍亂致人死亡，疫苗卻不是總能奏效，於是她創造了一個更好的解決方案。

在這個世界最貧窮的地方，霍亂每年會波及數百萬人。人們通常用抗生素治療霍亂，但效果並不理想，因為它們會在殺滅內臟中細菌的同時，導致細菌抗生素耐性上升。

顏珉珉開發了一個更好的解決方案：噬菌體，即專門對抗細菌的病毒。她的干涉療法的重要之處在於，它能立刻殺死細菌，抑制疾病惡化。相比之下，現有的疫苗要數周時間才會奏效。

顏珉珉擁有塔夫茨大學分子微生物學的博士學位。她說，噬菌體大多沒有人研究，是因為抗生素太普遍了，但她認為，既然耐葯細菌如此常見，是時候讓它們發揮更大的作用了。於是，她創立了 PhagePro 公司，讓她的干涉療法走向市場。

— 發明家 （Inventors） —

從可伸縮的電子器件到測試癌症藥物的新方法，他們正在構建屬於未來的新技術。

Barbarita Lara，32 歲

Emercom

一場地震促使她發明出混合了模擬技術和數字技術的新通信技術。

2010 年，當 Barbarita Lara 的家鄉智利發生 8.8 級地震後，Barbarita Lara 便開始琢磨通信這件事。當時她是一名工程專業的學生，地震過後的通信困境深深觸動了她：每個人都嚴重依賴互聯網和手機，但在當時大多數網路都已經癱瘓了。智利沿海有 156 人死於地震引發的海嘯，部分原因就是網路中斷導致他們沒有及時收到警報。

八年後，Lara 發明了一種她認為可以在災難中挽救生命的產品，該產品西班牙語首字母縮寫為 SiE。依靠 SiE，智能手機用戶可以通過加密的高頻音頻接收來自政府的訊息：它混合了模擬技術和數字技術，可以在互聯網和電話網路失效時提供通信。

SiE 利用現有無線電基礎設施，也可以讓智能手機通過無線 Mesh 網路相互通信。Lara 的父親是一名智利海軍密碼學家，在她還是個孩子的時候父親就把摩斯密碼教給了她，而 Lara 的發明就是受到摩斯密碼啟發。她說，「有時候最佳解決辦法很簡單」。她創建了 Emercom 公司來研發和推廣該產品，目前該公司正在與智利災害管理部門討論未來利用 SiE 進行災難警報。公司還在與一家領先的電信企業談判，計劃在新手機上預裝 SiE 平台。

徐升，34 歲

加州大學聖地亞哥分校

他讓非定製電子器件變得可伸縮。

得益於徐升構建的精巧結構，柔性電子器件可以貼合人體，不再需要在電子特性與機械特性之間做出妥協。

將剛性電子元件與柔性材料相結合很困難，機械特性的不匹配將產生巨大拉力，導致它們在變形時分離。這也是為什麼之前大多數柔性電子元件的研究都集中於構建柔軟且有彈性的新元件。但是徐升對此並不認同，他表示「為什麼不用已經發展了幾十年的成熟技術呢？」他的策略是將非定製元件融入彈性材料，從而創造出高彈性且又與剛性元件性能不相上下的電子器件。

徐升選擇將組件的一小部分粘在彈性材料上，然後用充液膠囊將其支撐起來。這些元件通過長長的彎成波浪線的金屬絲連在一起，金屬絲可以在拉伸時有序地展開。利用這種方法他創造出一款最多可以延展三倍的鋰電池，以及一台可以隨著身體的動作而自行調整的醫療級健康監測器。後者已由一家名為 MC10 的初創公司開發成可穿戴的生理感測器 BioStamp。

Shinjini Kundu，27歲

卡內基·梅隆大學

醫學圖像已經細緻到難以解讀，而她的程序能夠識別人類難以觀察到的細節。

醫學圖像在診斷疾病方面極其重要，但當它們變得越來越詳細時，人類對它們的解讀也變得更加困難。Shinjini Kundu 開發了一種人工智慧系統，可以分析圖像，找出肉眼無法察覺的細節。該創新可能會對疾病檢測和治療的方式產生根本性的影響。她說：「如果存在隱匿的變化並且有辦法發現這些隱匿的模式，也許我們就有機會在癥狀出現之前及早診斷疾病。」

已經有人工智慧演算法通過自學來進行模式識別，但是它們不能解釋推理過程。而在醫學診斷中，這正是局限所在：如果不了解疾病是如何發展以及為何發展的，就不可能解決它。Kundu 的系統讓人類可以通過電腦來發現那些難以察覺的，揭示早期疾病過程的模式。她還訓練 AI 從圖像中提取疾病特徵，使這些特徵可以被觀察到。它可以幫助人類在發病前幾個月甚至幾年就識別出疾病。不光人類可以教 AI，AI 也可以教我們。

Shreya Dave，30 歲

Via Separations

她的過濾系統能節約工業分離過程中使用的大部分能源。

Shreya Dave 在博士階段的研究是用氧化石墨烯製造的分子過濾膜，它比現在使用的聚合物和陶瓷更便宜，而且沒那麼容易降解。起初，該技術被認為適用於水務部門，但她發現成本還是太貴了。

後來，《自然》雜誌上的一篇文章讓她意識到這項技術能節約食品、飲料、藥物和燃料行業化學物質分離工序中的大量能源。經統計，這些工序佔美國總能耗的 12%。

Dave 現在是 Via Separations 公司的首席執行官。她和她的團隊設計的技術旨在替代分離化合物的現有系統（現在基本上使用的是煮沸法）。Dave 相信，Via 過濾材料的廣泛應用會讓這種工序的能耗下降 50% 到 90%。

她的公司目前專註於食品和飲料行業，但 Dave 認為，如果她能證明這項技術在一個行業中可規模化應用、成本效益好，那它也可以在其他行業成功。

Will McLean，31 歲

Frequency Therapeutics

人類失聰迄今無法逆轉，他的創新可能改變這個現狀。

Will McLean 認為他找到了一個方法，可以解決一個很多人認為永遠無法解決的醫學難題：人類失聰。

McLean 的研究聚焦內耳中負責聽覺的螺旋狀結構——耳蝸。人類出生時，耳蝸中有 15000 個毛細胞，它們能檢測到聲波並將其傳送至大腦。隨著時間的推移，很多毛細胞被強烈噪音和藥物的毒副作用殺死。鳥類、爬行類動物和兩棲類動物可以再次長出這種細胞，但哺乳動物則不行。McLean 說：「內耳是身體中再生能力最弱的部位，正因如此，失聰是永久性的。」

擁有麻省理工學院健康科學與技術專業博士學位的 McLean 在過去的 10 年裡一直致力於改變這個現狀。他的早期研究顯示，內耳有一些獨特的祖細胞——類似幹細胞但性能更明確——而且有些祖細胞有可能成為毛細胞，雖然它們無法自行通過分裂或分化來修復受損組織。為了解決這個問題，他和同事們借鑒了可再生組織（比如腸內組織）。他們把受損的老鼠耳蝸暴露在一種能在其他器官中觸發再生的藥物混合物中。令人驚喜的是，他們的技術不僅讓祖細胞增殖，還促使它們生成新的、能讓聽力恢復的關鍵細胞毛細胞。

基於這個發現，McLean 和同事們創辦了 Frequency Therapeutics，一家致力於將他所描述的這個全新型藥物商業化的創業公司。Frequency 技術叫做祖細胞激活技術，利用的是解鎖身體自愈能力的化合物。截至目前，Frequency 已經申請了 19 項專利，開發了一種治療失聰的可注射耳內療法。該療法已成功通過人體安全試驗。

周歡萍，34 歲

北京大學

她的創新可以讓我們製造出更好、更便宜的太陽能電池。

長期以來，太陽能行業缺乏低成本、高性能的硅電池替代品。近年來，一種鈣鈦礦型雜化材料受到關注，因為相比於硅它們成本更低而且可以實現高功率輸出。但它們難以投入實踐應用。鈣鈦礦型太陽能電池的早期原型在將太陽能轉換為電能時不如傳統的硅電池有效。

周歡萍研發了一系列化學工藝，使鈣鈦礦型太陽能電池效率更高、生產成本更低。如果新型電池可以大規模量產，她的創新將使得太陽能的成本更低。

周歡萍成長於 80 年代的中國，小時候家裡沒有通電，她和她的兄弟姐妹就在煤油燈下做作業。也正是這樣的童年經歷激勵了她投身於太陽能技術的發展。

周歡萍研發的電池的太陽能轉化率超過 20％，與現有硅電池的轉換率相近。儘管部分鈣鈦礦型電池的效率更高，但她使得電池的製造過程變得更簡單、更便宜，可謂發明意義更重大。通過將鈣鈦礦基的溶液噴塗或印刷到基底（例如玻璃）上，可以在低於 302°F（150℃）的溫度下生產電池。而部分類型鈣鈦礦型電池的製造工藝要求溫度保持在 932°F（500℃）左右。

鈣鈦礦型太陽能電池往往比硅電池退化得更快，因此周歡萍正在努力提高其長期穩定性。

Manan Suri，31 歲

德里印度理工學院

他研發的電腦晶元模擬了人腦的工作原理。

Manan Suri 構建了模仿大腦學習能力和能效水平的計算機晶元的關鍵要素。他通過利用新一代內存技術的「缺陷」做到了這一點。

這種技術被稱為新一代非易失性存儲器(emerging non-volatile memory，eNVM)。由於其納米級物理特性，eNVM 設備往往以隨機方式運行，這在計算機中通常是一個缺陷。但 Suri 意識到這種不規則性可以幫助研究人員建立所謂的神經形態晶元，以模擬我們大腦中的神經元和突觸。

雖然晶體管將信息存儲為 1 和 0，但將信息存儲在大腦中的生物突觸可以實現多種狀態。這意味著要構建像大腦一樣運作的電腦，通常也需要複雜的人工突觸，而且這些突觸也可以存在多個狀態。

Suri 認識到他可以利用 eNVM 的固有變化來構建能夠進行有監督和無監督學習的大規模神經形態系統。他把這種不規則的行為應用在網路安全和高級感測領域。今年早些時候，他成立了一家初創公司——Cyran AI 解決方案公司 (Cyran AI Solutions)，基於他的 eNVM 研究成果進行神經形態和網路安全硬體的研發。

James Dahlman，31 歲

喬治亞理工學院

他的方法使一次進行 300 種藥物試驗成為可能。

數十年來，製藥業尋找新型癌症療法的做法是將腫瘤細胞放入培養皿中，並逐個測試輸送的納米藥物顆粒，以找到有效的藥物。然後，研究人員只能祈禱這些粒子在到達活體內指定位置之前不會被攻擊或者分解。

「問題是，人們一直在以錯誤的輸送方式測試藥物，」喬治亞理工學院的實驗室負責人 James Dahlman 說。

Dahlman 發明了一種完全不同的方法，用 DNA 序列作為一種條形碼來編碼每個納米藥物顆粒。300 個這樣的納米顆粒被注射到實驗小鼠體內，當研究人員摘除腫瘤時，他們可以使用基因測序技術一次性就確定每個「條碼」（納米藥物顆粒）是如何運作的，而測試數量的增加十分驚人。Dahlman說，他在攻讀博士期間測試了大約 30 個藥物顆粒; 但是僅在 2018 年，他的實驗室計劃測試了 3000 個。舉個例子，他希望這項技術能讓用於治療肺部腫瘤的藥物直接作用於患病區域，而不是造成病人脫髮。

— 創業家（Entrepreneurs） —

他們的創新正在創造新的商業傳奇。

張欣立（Alice Zhang），29 歲

Verge Genomics

她發明了使用機器學習識別帕金森病和阿爾茨海默病新療法的方法。

傳統的阿爾茨海默病、帕金森病和肌萎縮側索硬化症（ALS）等疾病的藥物開發研究並沒有給病人帶來很多幫助。Alice Zhang 正在做新的嘗試。她的公司 Verge Genomics 使用人工智慧來識別有前景的化合物，用取自患者和實驗室測試的高質量數據改進演算法。她希望這能夠為難治的神經退行性疾病（intractable neurodegenerative diseases）帶來更有效的治療方法。

在聽一位研究人員詳細說明數百個基因如何在癌症中相互作用時受到啟發，Alice Zhang 想到了這種非常規的方法。她當時就在想，這種相互作用是否可以應用於神經退行性疾病。她說：「計算生物學已經提供了很多關於癌症的見解，但是關於大腦的見解卻落後了將近 10 年。」

Verge 公司正在開發識別疾病網路中關鍵基因的機器學習模型，並預測哪些化合物可能會干擾其活動。該公司使用動物模型以及用患者的幹細胞培育出的神經進行測試。然後該公司將結果反饋給機器學習模型以進一步完善它。張說，Verge 的 ALS 候選化合物中有七種化合物已經延緩了試管中患者神經元細胞的死亡。

Elizabeth Nyeko，34 歲

Modularity Grid

她為非洲農村提供的能源解決方案，使各地電網更加高效。

如何經濟又高效地為非洲農村提供電力？Elizabeth Nyeko 找到了解決方案。

Modularity Grid 是一家初創公司，總部位於倫敦。作為這家公司的 CEO，Nyeko 開發了用於提升微型電網、小型發電及配電系統性能的技術，在電網擴建成本過於昂貴的地區，為家庭和企業提供電力，然而微型電網也有局限性。

Nyeko 在上一次創業時深有體會，當時她的公司 Mandulis Energy 在烏干達北部建立了生物質燃料微型網，但是很難追蹤單個客戶的電力需求，這也通常會導致電力生產過剩，燃料使用效率低下以及電力價格高漲。

在 Modularity Grid，Nyeko 設計了一個智能雲平台，使微型電網運營商能夠更好地追蹤和預測個人電力消耗量，然後將多餘的電力重新導向需要不間斷電力供應的特定用戶，也被稱為「 anchor load 」。在烏干達的 Mandulis，Nyeko 正在試驗她的 Modularity Grid 解決方案，方案中的「 anchor load 」是村莊的碾米廠，碾米廠還供應稻殼，稻殼本身可以用來給微型電網提供燃料。Nyeko 說：「如果我們能夠為有需要的人們提供足夠的電力，並將剩餘電力重新調配給能夠為農村社區創造價值的事業，那麼我們就可以在低收入地區推廣這種微型電網。」

Nyeko 出生於烏干達北部，從小經歷內戰，後從戰亂中逃離。現在她正在將這項解決方案推廣給其他微型網路提供商，並準備開始與包括西門子在內的德國公司組成的財團在她的祖國開展第二個電力項目的工作。最後，她相信，她的解決方案還可以幫助提高各國電網的效率，不只是非洲，還有其他地區。

Jonas Cleveland，31 歲

COSY Robotics

他正在創造新的購物機器人。

Jonas Cleveland 認為，購物機器人不僅會在大型倉庫的貨架上挑揀貨物，還能夠在當地商業區中穿梭、執行網上訂單、在擠滿了人的商店中搶購商品。

Cleveland的公司叫 COSY，名字源於「認知操作系統」（Cognitive Operational Systems）的首字母。

該公司正在為這些機器人開發感測器感知系統。攝像頭、人工智慧和地圖技術使得它們能夠十分聰明地完成工作，且不會妨礙周圍的人：如果你在藥房或家裝用品店購物，Cleveland 的機器人不會撞到你；如果你在網上完成了訂單，幫你準備訂單的機器人也能區分半打健怡可樂和半打零度可樂。

Natalya Bailey，31 歲

Accion Systems

她用電能驅動微型衛星。

Natalya Bailey 開發了一種系統——用一角硬幣大小的發動機來驅動如鞋盒般小或如冰箱般大的衛星。該系統是基於所謂的電噴射推進概念，即用電能驅動小型火箭。

電噴射技術已經研究了很多年了。自 20 世紀 50 年代起，研究人員就開始研究該技術，但這項研究工作後來被放棄了，其一是因為該項研究需要很高的電壓，其二是所涉及的物理學還未研究透徹。但 Bailey 借鑒了該技術的優勢——節能且不需要有毒推進劑或加壓罐，製造出這樣一種小型發動機，既可獨立使用也可以和其他發動機一起使用。

為了將該技術商業化，Bailey 在波士頓郊外創立了 Accion Systems。她說，航天領域可能感覺像是男孩子們的俱樂部，但她身為女性也做到了。她說：「作為這個領域中極少數女性中的一員，我受到了特別的關注。我認為這可能會帶來一些難得的機會。」

Ashutosh Saxena，34 歲

Brain of Things

當他的智能音箱沒有達到預期的效果時，他自己創建了一個更好的系統。

Ashutosh Saxena 是 Brain of Things 的聯合創始人兼 CEO，他開發了一個名為 Caspar 的 AI 系統，可以把我們的家變成一個我們可以與之交談和互動的機器人。截止今年夏末，加利福尼亞州和東京將有近 500 套公寓會安裝上 Caspar。

其中，每套公寓都配備了大約 100 個設備，包括動作和濕度感測器、麥克風、攝像頭、恆溫器和自動化設備。所有這些設備將居住者的行為數據提供給 Caspar，Caspar 會使用一系列演算法分析數據，逐漸學習和適應居住者的習慣和偏好。

如果你總是詢問很多關於沒有寄到的包裹的問題，Caspar 將會學習如何在包裹到達時給你發送提醒。它還將學習如何根據你此刻的活動為你量身定製音樂播放列表。

當被問及將我們生活中這麼多私密細節委託給計算機是否安全時，Saxena 表示，生成的敏感原始數據都存儲在家中，而不會上傳到雲端。

2015 年，Saxena 和他的室友帶回了兩個智能音箱，隨後他萌生了創建 Caspar 的想法。這些設備，像亞馬遜的 Echo，可以播放音樂、在線訂購物品、打開和關閉燈光，還可以在房子周圍做很多其他事情。室友們試圖努力使這些小工具按照他們期望的方式工作。但現實是，虛擬助手有時會關錯燈，當主人的時間表發生變化時，它們也無法相應調整對其他設備的控制。

於是，作為一個機器人研究員，Saxena 決定創建一個更好的系統。

Saxena 說：「你無需再為還沒送到家的包裹擔心，Caspar 會通知你，它還會通知你訂購洗碗鹽，或根據你的喜好控制你的家居環境。」

印奇，30 歲

曠視科技

他的人臉識別平台改變了中國的商業應用場景。

七年前，印奇在北京與兩位大學朋友成立了一家名為曠視科技的公司。現在來自 220 多個國家和地區的人們使用曠視科技的人臉識別平台——Face ++。該公司目前擁有近 1500 名員工。

曠視科技已經改變了中國的商業應用場景，不僅是線上，還有線下世界。火車站使用臉部識別來加速安檢進程；銀行應用程序使用該技術來確認用戶的身份。

作為一家中國公司，曠視科技有巨大的優勢。在西方，人臉識別技術大多局限於解鎖智能手機等以消費者為導向的應用，但在中國，同樣的技術立即得到了政府和巨頭公司的大力支持。這使得曠視科技有充分的機會將其演算法商業化運用到多種行業，例如公共安全、房地產、金融和零售等。

印奇承認隱私是一個問題。他說他的產品在本地設備上處理敏感的原始數據，而不是將其上傳到雲端。他還希望能有關於用戶隱私的業界標準。他說：「當有一個好的系統來管理和運行這些技術時，它們帶來的好處將超過缺點。」

許寄，33 歲

螞蟻金服

他參與創建的支付系統可以讓金融服務更加普及。

許寄和他的同事們搭建了全球最大支付平台「支付寶」（Alipay），該平台能夠每天承載海量的交易。這無疑是電子商務的福音，但更重要的是，它使更多人都能通過互聯網使用金融服務。

支付寶的初衷是為了讓用戶在阿里巴巴的購物網站進行更便利更可靠的支付，現如今，支付寶已經成為中國電子商務和實體店中普遍使用的電子支付 App。目前，支付寶擁有 5.2 億用戶，對於一部分人來說，現金已經成為過去式：不管是購買日常百貨、支付水電費還是購買電影票，他們只需掏出智能手機，用支付寶掃描付款二維碼即可。

不過，隨著業務的增長，支付寶面臨兩大挑戰。首先，它需要增加其可處理的交易數量。其次，它需要管理越來越多不同種類的資金選擇，畢竟，人們已經開始將各種資金（信用卡、借記卡、電子紅包和投資組合）綁定支付寶用以支付。

作為螞蟻金服核心支付平台二代及三代架構的核心架構師，許寄帶領團隊將日均交易處理能力從千萬級提升到億級，提高了一個量級。之後許寄轉戰螞蟻金服國際化戰場。今天，支付寶已經能夠平穩處理日均 10 億筆以上的交易量。

也正因為支付寶交易能力的增強，向所有收入層次的人提供在線金融服務成為可能。支付寶的一個熱門功能是，用戶可以用在線支出中剩餘的現金投資基金，並以比銀行更高的利率獲得利息。

支付寶的核心團隊位於杭州，而許寄正是在杭州周邊長大，他曾花了大約兩年的時間學習計算機科學課程，並於 23 歲時加入了螞蟻金服。

William Woodford，32 歲

Form Energy

他在為下一代電網級電池尋找材料。

可再生能源固然好，可當太陽下山或沒有風吹過時，供電就會停止，這個時候，電池就顯得至關緊要了。特斯拉和現代等公司正在澳大利亞和韓國開發足球場大小的鋰離子電池來解決這個問題。

但是，這些龐大的電池價格十分昂貴。

William Woodford 是 Form Energy 的首席技術官。他說：「鋰離子電池的成本有底線，而底線取決於所使用的元件。不管組裝的方式有多便宜，你仍然需要使用活性成分，而且這些都是成本。「所以，雖然伊隆·馬斯克可以製造更大更便宜的電池，但是降價也是有限的。例如，碳酸鋰的成本可以高達每噸 2 萬美元。

為了解決這個問題，Woodford 已經找到了一種金屬硫化合物，可以突破鋰離子技術的長期存儲和成本障礙。尤其令人高興的是，硫很便宜而且十分充裕，它常被視作石油和天然氣生產的廢料，並不會被利用。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！