它們沒能改變世界，?少暫時如此

《麻省理工科技評論》“十大突破性技術”代表了世界科技發展的最前沿和未來方向，曾經成功預測了包括腦機接口、合成生物學、深度學習、CRISPR基因組編輯等重大技術突破的爆發、商業化及其深遠影響，其專業性、權威性和前瞻性都在科技領域有著極高的認可度，相信我們的讀者對它也非常熟悉了。

不過，正如中科院院士唐本忠所說的，“幾乎沒有任何研究課題會完全按照預期發展；如果有，這種研究不會有任何突破、不會給人帶來任何驚喜?！苯裉煳覀兙蛯⒕酃鉄魪墓怩r亮麗的技術上移開一會兒，關注下那些由于種種原因沉寂在了時代大潮下的技術，看看為什么會出現這樣的情況？它們真的就此“失敗”了嗎？

01特別?，特別響，但……

最近科技大廠的寒潮愈演愈烈，Meta自然也在其列。扎克伯格一邊發文致歉，一邊宣布了1.1萬人的Meta史上最大裁員計劃，聲稱“世界沒按我的預期進行！”這條兼具悲痛與狂妄的發言所指的，很容易聯想到其百億美元豪賭元宇宙的決策，而這一戰略的核心之一，就是其于2014年以20億美元收購的OculusVR虛擬現實頭顯。

1OculusVR，元宇宙?再?？

OculusRift2014年入選了“十大突破性技術”，聲稱其“視覺沉浸式界面將帶來新的娛樂方式與交際手段”，它最大的一個突破在于，高質量的虛擬現實硬件的價格已經便宜到了C端市場可以承受的地步。誠然，與動輒十萬美金的前輩相比，Oculus的成本控制得很好，也掀起了一次VR技術的浪潮。不過，其最近一次沖上熱搜，卻是2022年8月扎克伯格在社交媒體上曬出META元宇宙HorizonWorlds中的自拍遭到“群嘲”，其圖形質量和建模細節被網友與十幾年前的古早游戲放在一起對比，他的化身“甚至沒有腿！”可以說，新一代的OculusQuest2雖然改善了VR眩暈等用戶體驗問題，但放在元宇宙的尺度下，其圖形質量受限于算力和成本等因素仍然與2D游戲有很大差距，更別提扎克伯格愿景中的沉浸感了。

不過，正如扎克伯格自己所說，Meta的策略是“先讓盡可能多的人用上這些工具，假以時日，再建立起一個更好的生態系統”，Quest2的銷量已經接近了1500萬臺（2022年5月數據），Oculus系列VR頭顯產品的市場份額也占到了全球市場的80%，這固然與他們十億人VR互聯的夢想相去甚遠，但要說是徹底失敗，顯然是為時過早的。

2?歌?球，讓?絡??會?

互聯網已經是我們日常生活中不可分割的一部分，就和水、電一樣。不過，時至今日，世界上仍有超過35億的人處在“斷網”狀態，主要分布在眾多偏遠地區。究其原因，這些地區或出于地理條件限制，或由于人口稀少、業務量小，導致通信基站、電力系統和光纜等基礎設施薄弱，建設、運營成本過高而投入產出比低下，網絡服務堪稱“奢侈品”。

這樣的背景下，谷歌于2013年推出了谷歌氣球ProjectLoon計劃，試圖通過飄浮在平流層的大型氦氣球建立空基無限網絡，為世界偏遠地區提供網絡覆蓋。它的好處在于可以避免光纖網絡、通信基站高昂的時間和鋪設成本，可以用穩定可靠且價格低廉的方式向這些地區送去互聯網服務。

為實現長續航、穩定的氣球網絡，谷歌在氣球技術、材料科學、導航通信上做出了多項創新，才最終打破了氣球專家等各界人士對于其可行性的質疑，不僅保證無動力系統的氣球借助自然風在平流層實現精準導航，還能在高速運動的情況下維持區域網絡覆蓋所要求的氣球矩陣密度，其中一個氣球甚至繞地球轉了19圈，在天上足足待了130天。

谷歌氣球于2015年入選了“十大突破性技術”，有望為全球35億“離線”的人們帶來大量教育和就業機會，堪稱科技向善的典范之一。2014年夏天，巴西東北部偏遠地區的一所小學中，學生們終于在一堂地理課上用上了互聯網，老師借助維基百科和在線地圖向孩子們傳授了更多、更直觀的知識，而這“在氣球飄過來之前”是不可能的；2017年10月，谷歌更通過緊急發射多個氣球，幫助遭受颶風蹂躪的波多黎各恢復了通信，使得各種人道主義救援工作得以順利開展，讓當地的10萬居民連上了網。

谷歌氣球原本的商業模式設想是在為偏遠地區海量“離線”人群提供低廉網絡服務的同時，也向他們投放廣告以維持收支平衡。然而很可惜，雖然有很多激動人心的實例，這一計劃從未真正實現盈利。2021年1月，谷歌宣布關閉該項目，稱沒有找到一種方法來降低成本，從而建立一個長期、可持續發展的業務模式。谷歌氣球“墜落”了，而馬斯克的“星鏈”計劃則帶著同樣的愿景，由于“可回收火箭”（2016年入選“十大突破性技術”）的出現在持續推進。也許，全球通網的夢，會以另一種形式延續下去。

3傳感城市，智能、不智慧？

2017年，與谷歌同屬Alphabet旗下的SidewalkLabs為多倫多提出了一個野心勃勃的計劃，要在Waterfront湖濱工業區落地一個以高科技從頭設計的Quayside項目，讓城市變成一個完整的大智慧體，通過一個巨大的傳感器網絡收集、監控各種信息，包含空氣質量、噪聲水平以及人們的行為等數據，并基于這一無所不在的數字層來輔助城市中一切關于設計、政策、活動等的決策，并通過自動交通優化、機器人出租車、自動垃圾收集和加熱人行道等方式解放勞動力，提升居民的生活品質。

傳感城市于2018年入選了“十大突破性技術”，結合了人工智能、傳感器、物聯網、大數據等技術來建設一個擁有自己“操作系統”的智慧社區，并通過開源的形式鼓勵企業為其開發各類服務。設想很美好，技術也非常華麗，不過這一計劃似乎從一開始就有一些“水土不服”，當地居民對這一“互聯網+”的社區愿景并不十分感冒，反而對私營企業收集日常生活活動數據、控制公共街道和交通這種“不夠尊重居民隱私”的行為感到反感甚至憤怒，事實證明，加拿大人對這些行為的“容忍度遠低于美國人”。

這座設想中的“數據富集”的城市，始終未能回答“人們為什么會想住在這里”的問題。目前多倫多市的Quayside2.0計劃目前已經啟動，關注點從數據回歸到了“風、雨、鳥鳴和蜜蜂”，希望建立一個真正宜居的伊甸園。而Quayside項目注定將成為智慧城市理念中濃墨重彩的一筆，或許下一次，技術需要更好地響應人類的需求。

02如果我們把時間尺度放??點

上述的技術都算不上成功，那么，它們就真的從此消亡了嗎？答案是，不一定。

深度學習，?經沉浮的奧德賽

如今，人工智能已經走進千家萬戶，以至于回想起來我們都無法相信它的普及也就是近十年的事情而已，而其核心，就是2012年入選“十大突破性技術”的深度學習?！堵槭±砉た萍荚u論》在當時的節點上，成功且準確地預測了該技術在幾年內的爆發，而這樣的趨勢愈演愈烈，直到現在也沒有減緩的跡象。然而，深度學習即便在當時也并不是很新鮮的事物，反而是由來已久。

事實上，深度學習的核心神經網絡自誕生之初，便是跨學科交叉的產物。1943年，美國心理學家麥卡洛克和數理邏輯學家皮茨基于對大腦神經活動的研究，提出了神經網絡模型和神經元的第一個數學模型——MP模型，為后來的研究工作打下了基礎，開創了一個新時代。

1958年，弗蘭克·羅森布拉特教授基于MP模型提出了感知機模型，通過單計算層為其增加了學習功能，并付諸實踐。這一突破引發了神經網絡領域的第一次浪潮，不過卻在1969年被證明只能解決線性可分問題，且否定了多層神經網絡訓練的可能性，甚至有專家提出了“基于感知機的研究終將失敗”的觀點。此后的十多年，該領域的研究基本處于停滯狀態。

20世紀80年代，計算機得到了飛速的發展，算力相較以前有了質的飛躍，也為神經網絡領域帶來了新的機遇。1986年，被稱為“深度學習之父”的杰弗里·辛頓等提出了一種按誤差逆傳播算法訓練的多層前饋網絡——反向傳播網絡（BP網絡），解決了一些原來的單層感知器無法解決的問題。這一突破有力地回擊了之前的質疑，更引領了神經網絡研究的第二次高潮。

不過，當時的BP算法有著梯度消失的問題，隨著神經網絡隱藏層數目的增加，其分類的準確率反而會下降。同時，礙于當年極其有限的算力，各種淺層機器學習模型相繼被提出，如支持向量機（SVM）等，深度模型的研究也被學界冷落，再次迎來了長達十幾年的低谷。當時，僅有辛頓等極少數學者在研究這一領域，而研究氛圍糟糕到甚至出現了一種說法，即如果你想在頂刊上發表有關深度神經網絡的研究，論文中最好避免出現“神經網絡”的字樣。

情況直到2006年才有了轉機，辛頓在這一年首次提出了“深度學習”，并給出了BP算法梯度消失問題的解決方案。2012年，辛頓帶領團隊參加ImageNet圖像識別比賽，其深度學習算法一舉奪魁，性能碾壓第二名SVM算法。其背后，不僅計算機的發展指數級地提升了算力，互聯網的高速發展也積累了此前無法想象的海量數據，可以用于算法的調試和模型的訓練。自此，深度學習終于迎來了新一輪的爆發，逐漸在許多領域取代了傳統的統計學機器學習方法，成為人工智能中最熱門的研究領域。之后，生成對抗網絡（入選2018年“十大突破性技術”）帶來了又一個爆發性增長點，AlphaGo則轟動世界，極大地擴大了深度學習的影響力。

深度學習的發展歷史悠久，幾經波折，以至于有人做出了圖表來直觀地顯示它的沉浮。我們能看到，在一個較大的時間尺度上，科技創新的進程并非線性發展，而是呈一種螺旋上升的態勢。同時，深度學習爆發的背后，不僅有生命科學領域的神經科學和腦科學的進步，更有著來自計算機芯片尤其是GPU技術、互聯網普及積累的海量數據，以及控制論、算法等多種技術的支持?？梢哉f，一個科技領域的爆炸式增長，大多是多學科交叉、跨學科融合的結果，看清多點突破的結構性發展對我們的判斷至關重要。

03現在讓我們試試把它們放到?起

如今，科技領域的學科交叉愈演愈烈，如果說以前的交叉與融合或多或少帶著前沿探索的隨機性和靈機一動，現在則已經成為科技從業者的普遍共識，儼然是科技發展的主流趨勢了。比如DeepMind令人印象深刻的AlphaFold2（人工智能折疊蛋白質2022年入選“十大突破性技術”）就是一個很好的例子，是生命科學與信息技術、人工智能的結合，目前已經可以用人工智能預測幾乎所有的蛋白質結構，賦能生命科學研究，加快研究進展的同時也減輕了科研人員的負擔。

1MagicLeap，虛擬和現實的舞蹈

這樣的融合發展在當今的科技領域屢見不鮮?；旌犀F實設備公司MagicLeap的創始人羅尼·阿博維茨本身是生物醫療工程背景，之前創立的公司Mako專門為醫生開發手術機器人，而他同時還在自己的流行搖滾樂隊“Sparkydog&Friends”中擔任主唱。盡管Mako的機械臂技術已經可以給到醫生觸感反饋了，他還想讓醫生可以在手術進行時直接在眼前看到內部骨頭的樣子，與此同時，他還希望能利用虛擬技術，在成千上百個屋頂上同時進行一場樂隊演出。帶著這樣的“瘋狂”夢想，他做出了MagicLeap，你只要戴上這臺眼鏡一樣的設備，就可以在現實中看到一些本不存在的東西——比如一只四肢粗壯、長有犄角的藍色怪物——而且非常真實。

這樣的混合現實技術（2015年入選“十大突破性技術”）不同于一般的VR、AR，本質上是通過一個極小的投影儀在你的眼睛上投影，并將光線與自然光完美地融合起來，并不影響你正?？礀|西的方式，因此可以讓虛擬的事物看起來就像是在現實中一樣。這一產品融合了眼球追蹤、虹膜識別、AR、光學以及生物視覺等等，并在發布之初由于一段演示視頻爆火，迅速吸引了大量頭部企業和機構的投資，成為了著名的獨角獸公司。不過，其于2018年推出的MagicLeapOne卻給市場潑了一盆冷水，人們發現它的實際效果遠沒有當年的營銷視頻那么好，價格和體驗也對消費者市場并不友好。盡管如此，這家公司并未放棄，而是大幅轉型，取消了面向C端的開發和銷售計劃，轉而專注于B端的醫療保健、制造業、物流和國防等。

如今，MagicLeap2已經推出并重新受到了市場的青睞。近日，MagicLeap與英偉達以及家裝行業公司Lowe's合作，推出了業界首款數字孿生，這也是當前大熱的概念之一。簡單來說，Lowe's的團隊在英偉達的元宇宙Omniverse中創建了其實體家裝店的虛擬完全復制品，并通過MagicLeap2頭顯設備進行訪問。員工帶上頭顯，即可在實體商店中看到上面覆蓋的數字孿生全息圖，實時完成比對貨架、查看物品信息、檢查庫存等通常較為繁瑣的工作。MagicLeap首席執行官佩吉·約翰遜說道：“MagicLeap2賦予了用戶在物理環境中與關鍵數字內容和數據進行交互的能力，大幅提高了工作效率，還可以結合銷售數據等進行運營優化，增加企業收入?！?p>

可以說，技術不是全部，市場的真實需求同樣重要?？吹叫枨蟛⒎e極尋求戰略調整的MagicLeap，未來可期。

2機器?，?斯克兩條腿的新?？

最近，馬斯克在特斯拉的人工智能日上特別推出了特斯拉機器人Optimus，引發行業熱議。按照馬斯克的說法，Optimus人形機器人就是“有腿的汽車”，特斯拉有大量汽車相關的軟硬件技術積累，可以很容易地移植到機器人身上。未來，他的設想是讓Optimus成為一款大規模生產的、廉價的（不到2萬美元一臺）、真正對人人都有用的機器人。

雖然大家都對特斯拉團隊只花9個月的時間就鼓搗出一臺能走路的機器人感到非常佩服，但機器人業界對馬斯克進軍這一行業的態度則是褒貶不一。有業內人士認為，Optimus目前并沒有展示出任何顛覆性的地方，也幾乎沒有跡象表明特斯拉會比其他玩家更擅長解決機器人領域普遍遇到的問題和挑戰。不過必須承認的是，特斯拉行業領先的電池和電氣系統技術、人工智能自動駕駛解決方案、機械動力系統技術等優勢，乃至馬斯克本人強大的影響力和號召力，確實可能會為機器人行業帶來一些不一樣的東西。

另一方面，特斯拉繼去年宣布逐步放棄雷達技術之后，今年更是連超聲傳感也拋棄了，要全力押注機器視覺技術來解決自動駕駛的避障、導航等問題。而機器人作為一項未來感極強的技術，從“機器人設計”（2001年）到“藍領機器人”（2013年），從“敏捷機器人”（2014年）到“靈巧機器人”（2019年），多次入選“十大突破性技術”，其本質上是一門綜合學科，糅合了人工智能、通信技術、機器視覺、傳感技術、電氣工程乃至生命科學等不同學科，其發展不僅是這些學科交叉融合的結果，更會反作用于這些領域。一項技術的大規模應用往往意味著成本、價格的大幅下降，技術由此變得人人可及，會帶來海量數據，從而導致其周邊有更多的突破出現。所以，我們不妨大膽地猜測，馬斯克此舉正是要利用特斯拉雄厚的資本和多年的技術積累實現機器人的快速、大規模量產，壓低單價使其迅速普及，從而推動數據的富集和更多技術的突破。

04如何科學地看“??突破性技術”？

學科交叉、融合共生是科技發展的大勢所趨?！段磥砗魢[而來》中指出，如量子計算、人工智能、虛擬現實與增強現實等指數型技術的互相融合會帶來巨大的變革力量。要預見未來，單單是看到這些技術突破還不夠，更重要的是從結構上看清它們之間非線性的“融合式”創新，才能準確把握下一個行業爆發點，甚至是下一次范式轉移。（綜合整理報道）（策劃/小文）