2 月 1 日下午,《麻省理工科技评论》(MIT Technology Review) 2026 年“十大突破性技术”(TR10)闭门解读分享会在上海闵行举办。

会议汇聚了来自能源、生命科学、人工智能领域的优秀学者与商业领袖,与来自产业界的 40 余位观众展开了一场关于未来科技趋势的深度对话。

图 | 现场照片
打开网易新闻 查看精彩图片
图 | 现场照片

若以时间为轴,人类科技史往往由一个个具体的“技术奇点”串联而成。自 2001 年起,《麻省理工科技评论》每年发布的“十大突破性技术”,便充当着这个时代瞭望者的角色。它不以成败论英雄,不以热度排座次,而是试图在纷繁复杂的实验室数据与商业项目中,挖掘尚处早期、却有望深刻影响未来的创新技术。

“十大突破性技术”的核心价值还在于打破科研、产业和政策的信息不对称,推动科技从早期的“大众猎奇”转向深度的“产业应用”,成为产业落地与价值连接的桥梁。入选技术通常已在特定领域发酵成熟,并且正处于未来 3 至 5 年内有望大规模实现商用的前夜。这种动态的定义方式并非简单的名词切换,而是对技术演进路径的修正,确保每一项突破都能在保持领先性的同时,具备转化为现实生产力并驱动产业体系重构的确定性指引。

回顾今年榜单,我们可以发现技术的突破已经全面进入“AI+”时代。AI 已从单纯的概念跃升为一种无所不在的基础设施,与其他九项技术形成了强强关联的共生关系:

“超大规模数据中心”提供的算力正在成为技术发展的底层引擎;“AI 陪伴”也在近两年成为大众感知最强、落地最快的应用;“可控核聚变”也正在通过 AI 实现下一代核能的“爆炸性输出”;“商业航天”和“碱基编辑技术”也在被深刻重构。整体来看,TR10 揭示了一个以 AI 为核心催化剂,将算力资源、能源变革、生命科学及空间经济紧密串联在一起,从早期科研探索向互联互通的产业生态快速跃迁的过程。

图 | 2026 年“十大突破性技术”
打开网易新闻 查看精彩图片
图 | 2026 年“十大突破性技术”

会议伊始,《麻省理工科技评论》中国分析师蒙萧阳也对“十大突破性技术”的评选逻辑进行了复盘,在分析师团队看来,“十大突破性技术”的含金量在于其对未来的精准预测。回顾过去,2013 年入选的“深度学习”当时尚显稚嫩,如今已成产业基石;2017 年的“刷脸支付”曾引发争议,如今已融入日常。

图 | 复盘过去十年百项“突破性技术”
打开网易新闻 查看精彩图片
图 | 复盘过去十年百项“突破性技术”

“我们总结了三个核心标准:技术的突破性、趋势的前瞻性以及商业的可及性。”纵观近十年的百项技术,人工智能与信息技术占据了 30% 的绝对统治地位,紧随其后的是生命科学(26%)与能源气候(18%)。而 2026 年的榜单,涵盖了从超大规模 AI 数据中心到下一代核能,从碱基编辑技术到 AI 陪伴。这清晰地折射出当下科技发展的两大核心矛盾:算力对能源的极度渴求,以及 AI 与生物技术在伦理边界上的艰难探索。

对于这两大核心矛盾,与会嘉宾从各自领域视角出发,提出了自己的观点与判断。

在能源领域,钠离子电池和可控核聚变是讨论的焦点。中科海钠创始人唐堃指出,钠电不是锂电池的替代品,而是在特定场景下更具性价比的选择。资源丰富、低温性能好、安全性高,这些优势让它在储能和低速电动车市场找到了突破口。随着产业链成熟,未来三年内成本有望真正低于磷酸铁锂,实现从“备胎”到主力的转变。

图 | 中科海钠创始人唐堃分享
打开网易新闻 查看精彩图片
图 | 中科海钠创始人唐堃分享

对于看似更加遥远的核聚变,星环聚能创始人陈锐认为,它正在走出实验室探索阶段。高温超导磁体显著缩小了装置体积,AI 技术应用于等离子体的实时控制,这两项进步让工程可行性大幅提升。他判断,未来五年内,中国和美国很可能率先实现净能量增益(Q>1),这将是一个里程碑式的突破,意味着聚变不再是“永远差 50 年”的技术。

图 | 星环聚能创始人陈锐分享
打开网易新闻 查看精彩图片
图 | 星环聚能创始人陈锐分享

生命科学领域同样面临“从原理到工程”的转向。来自北京大学生命科学学院的魏文胜教授强调,CRISPR 之后,真正的瓶颈不是“能不能剪”,而是“敢不敢用”。他的团队转向 RNA 编辑和细胞工程,正是为了规避 DNA 双链断裂带来的不可逆风险。技术成立不等于医学成立,临床转化需要的是一整套系统能力——递送效率、脱靶控制、长期安全性。这和能源领域的逻辑一致:单项指标领先没用,必须整个系统可靠、可控、可负担。

图 | 北京大学魏文胜教授分享
打开网易新闻 查看精彩图片
图 | 北京大学魏文胜教授分享

而作为这些高能耗、高风险技术的加速器,AI 本身也是需要被审视的对象。阿里安全部的可信算法负责人陶嘉羚提出“内生安全”:如今模型已深入金融、医疗等高敏场景,外部护栏远远不够。必须像理解人脑一样,定位模型内部的“意图神经元”,才能实现精准干预。这本质上是在回应一个信任问题:如果 AI 是个黑箱,我们怎么敢把它嵌入关键决策?

图 | 阿里安全部可信算法负责人陶嘉羚分享
打开网易新闻 查看精彩图片
图 | 阿里安全部可信算法负责人陶嘉羚分享

更进一步,当 AI 试图成为“陪伴者”而非工具时,信任问题就叠加了伦理困境。记忆张量 CTO 李志宇提到“AI 记忆操作系统”,点出了当前大模型的“失忆症”——没有长期记忆,就无法建立真实关系。但一旦 AI 记住你的一切,数据主权又该归谁?这和基因编辑面临的伦理拷问如出一辙:我们有能力改变生命密码或塑造数字人格,但社会是否准备好承担其后果?

图 | 记忆张量 CTO 李志宇分享
打开网易新闻 查看精彩图片
图 | 记忆张量 CTO 李志宇分享

尽管视角不同,但与会者关于技术趋势达成了共识:未来的技术突破不再是单点的爆发,而是系统性的融合。未来科技的下一程,比拼的不再是单一技术的峰值性能,而是能否在成本、安全、伦理和工程化之间找到那个微妙的平衡点。

无论是让钠电击穿锂电的成本底线,还是用 AI“驯服”等离子体,或是设计可逆的基因编辑工具,目标都是同一个:让技术真正落地,而不是停留在演示或争议中。这也正是 2026 年“十大突破性技术”榜单的核心精神:技术的突破性不仅在于新,更需要能够普惠我们每一个人,足够可靠,足够安全,足够负责。