自 1999 年起，《麻省理工科技评论》致力于在全球范围内发掘 35 岁以下推动科技进步的年轻创新者。这项始于创刊百年的评选，见证了技术热点从计算机、生物医药向人工智能、气候科技的演变，其核心始终聚焦于“谁在用新方法解决重要问题”。
当地时间 9 月 8 日，2026 年度“科技创新 35 人”（MIT TR35）全球入选者正式揭晓。今年的 35 位入选者涵盖四大领域：计算与机器人、气候与能源、生物技术以及人工智能。他们或在设计更节能的芯片，或在探索高排放行业的减排方案；或利用 AI 革新疾病诊疗，或致力于提升基础模型的实际应用价值。
计算与机器人领域
Rosanna Bellini：通过审查金融 App 减少亲密关系中的经济控制
亲密伴侣暴力常伴随经济控制，如接管账户或监视资金流向。纽约大学助理教授 Rosanna Bellini 系统研究了施暴者如何利用网银和支付 App 的普通功能实施控制。她在康奈尔“终结技术滥用诊所”接触了数百名受害者与施暴者，分析其手段与辩解逻辑。
Bellini 团队审查了包括 JPMorgan Chase、PayPal 在内的 30 款消费金融工具，发现部分功能允许施暴者在无提醒情况下新增生物识别认证以窃取账户权限。在其反馈下，Chase 已更新 App，规定新增生物识别信息时必须通知用户。Bellini 指出，微小的系统设计调整即可显著减少此类伤害。
Hannah Earley：为 AI 时代设计可逆计算芯片
传统芯片运行中大量能量以热量散失，限制了性能并增加了散热负担。Vaire Computing 联合创始人 Hannah Earley 致力于“可逆计算”研究，试图保留计算过程中的信息并反向运行，从而回收能量。
2025 年，Earley 团队展示了概念验证电路，实现了净能量回收，证明计算不必将电能转化为废热。尽管在兼容现有制造体系方面仍面临挑战，但 Earley 坚信这是符合物理规律的终极计算方式，有望让算力增长不再伴随电力成本的同步飙升。
Ariel Ekblaw：利用自组装模块构建太空栖居空间
传统太空建设依赖人工组装，效率低且风险高。麻省理工学院博士 Ariel Ekblaw 发明了基于磁体的自组装模块技术。这些六边形和五边形板块可批量发射，在太空中自主连接成通道、生活舱甚至太阳能收集装置。
Ekblaw 创立了非营利机构 Aurelia Institute 和公司 Rendezvous Robotics 推进该技术。继在国际空间站（ISS）完成小型模型演示后，计划于 2027 年在外部太空环境进行更大规模演示，并期望在未来接替 ISS 的新设施中应用此技术。
Shuang Li：赋予机器人类人的视觉感知能力
Google DeepMind 科学家 Shuang Li 致力于解决机器人在新环境中缺乏灵活性的问题。她开发的 Unified Video Action（UVA）模型，不仅教导机器人动作，更让其理解动作如何改变视觉画面，从而在不同环境中迁移技能。
Li 将语言模型的规划能力与视频模型的物理直觉相结合，使机器人能像人类一样关注关键物体而非背景干扰。该开源工具已广泛应用于提升机器人在复杂任务中的适应性。
罗剑岚：利用 AI 加速机器人技能学习与共享
智元机器人算法研究员罗剑岚改进了强化学习方法，引入人类反馈机制，使机器人学习新任务（如翻鸡蛋、组装家具）的速度加倍。他进一步开发了集群学习系统，让多台机器人共享执行数据，实现经验互通。
罗剑岚致力于构建开源机器人学习生态，发布了开源世界模型，帮助机器人预测动作结果，从单台效率提升至群体智能共享，持续探索如何让机器人学得更快。
Jelena Notaros：利用硅光子学微型化光学系统
Jelena Notaros 利用硅光子学将庞大光学系统缩小至纳米尺度，集成于毫米级芯片上。她的团队已将 3D 打印机缩至硬币大小，并开发出微型光镊操控细胞。
该技术正应用于量子计算及增强现实眼镜原型。最具潜力的应用场景是固态激光雷达，Notaros 希望去除机械部件，将传感器缩至扁豆大小，提升自动驾驶汽车的探测距离与安全性。
Patrick Slade：研发个性化适配的助行外骨骼
哈佛大学助理教授 Patrick Slade 利用“人在回路优化”技术，解决助行设备难以个性化适配的难题。其研发的踝关节外骨骼可在使用者行走过程中实时调整参数，仅需 20-40 分钟训练即可降低 23% 的能量消耗并提升步速。
Slade 团队正将该算法拓展至更多患者群体及运动员，并与可穿戴设备公司合作，研究女性生理周期对能量消耗的影响，推动个性化康复设备的普及。
气候与能源领域
Mohammad Alkhadra：利用电力从卤水中高效提取锂
针对传统蒸发池提锂耗时长且环境污染大的问题，Lithios 创始人 Mohammad Alkhadra 开发了电化学提锂新工艺。该系统利用磷酸铁化合物吸附锂离子，仅需数小时即可完成分离，且可直接部署于矿场附近。
该技术已获得 ARPA-E 资助及多轮投资，试点项目成功验证了其可行性。预计 2027 年底将建成年产 100 吨锂的大型工厂，以更低碳、低成本的方式满足电动汽车产业需求。
Jae-Won Chung：开发软件优化 AI 能耗
面对 AI 日益增长的电力消耗，密歇根大学博士 Jae-Won Chung 开发了名为 Zeus 的软件，能够精确测量并优化 AI 模型能耗。他发现适度降低模型响应速度可大幅节能。
Chung 主导建立的 ML.Energy 能耗排行榜公开了数十种开源模型的能耗数据，为行业提供了重要参考。其工作已引起英伟达、Meta 等巨头关注，共同探索 AI 系统的能效优化方案。
Laureen Meroueh：革新炼钢工艺以实现低碳生产
Hertha Metals 创始人 Laureen Meroueh 设计了新型炼钢炉，利用天然气和电力替代煤炭，直接在熔融状态下还原铁矿石。该工艺可将碳排放降低至少 50%，生产成本降低约 25%。
公司在休斯敦建成的试验工厂日产钢 1 公吨，未来可通过切换氢气实现零碳生产。计划于 2027 年底前建成年产 1 万吨的高纯度钢工厂，推动钢铁行业绿色转型。
Benjamin Mowbray：开发低温矿物加工新技术
Rock Zero 首席技术官 Benjamin Mowbray 发明了一种新的硬岩提锂工艺，利用弱酸在低于 95 摄氏度环境下溶解锂辉石中的硅酸盐。该方法成本低、污染小，且能回收氧化铝等副产品。
相比传统高温焙烧法，该技术更具经济性，有望与卤水提锂竞争。Mowbray 团队已获种子轮融资，致力于将这一清洁高效的提取技术商业化。
Joseph Nguthiru：将入侵植物水葫芦转化为可持续包装
肯尼亚创业者 Joseph Nguthiru 创办 HyaPak，利用泛滥的水葫芦生产生物塑料包装。这种材料不与粮食争地，成本低廉且降解快，已用于育苗袋及鲜花包装。
Nguthiru 通过雇佣当地渔民打捞水葫芦，既解决了生态问题又创造了就业。虽然成本尚未完全降至石油基塑料水平，但已成为市场上极具竞争力的生物基替代方案。
Diana Orembe：利用食物废弃物生产水产饲料
坦桑尼亚创业者 Diana Orembe 创办 NovFeed，将土豆皮、过期水果等食物废弃物发酵转化为高蛋白鱼饲料。该产品价格比进口饲料低 25%，有效降低了养殖户成本。
NovFeed 新工厂产能扩大 20 倍，并将发酵副产物转化为有机肥回馈农业。这一闭环模式不仅改善了当地农民生计，也让更多人能获得廉价优质的蛋白质来源。
Jinyoung Seo：研发固体制冷剂替代气体制冷剂
Pascal 公司首席技术官 Jinyoung Seo 开发了基于固体制冷剂的制冷技术，通过机械压力与化学作用结合触发相变，消除了气体泄漏隐患，能耗可降低 20%。
该技术已集成至商用冷柜中，旨在取代传统氢氟碳化物制冷剂。Seo 希望与饮料公司合作，推广这一环保高效的制冷解决方案，减少全球变暖贡献。
生物技术与医疗健康
Aral Sürmeli：利用数字工具改善难民医疗服务
HERA Digital Health 创始人 Aral Sürmeli 开发了多语言医疗工具，帮助土耳其等地的难民克服语言障碍和信息闭塞，获取疫苗接种、产检及急救服务。
该工具新增生成式 AI 聊天机器人，提供符合文化背景的个性化支持。Sürmeli 坚持自下而上的研发方式，已有超 5 万难民受益。未来计划将开源平台扩展至希腊和叙利亚。
Gabriele Corso：创建开源 AI 工具推动分子生物学发展
针对 AlphaFold3 等闭源模型的限制，Gabriele Corso 发布了完全开源的 Boltz-1 及后续版本 BoltzGen，供全球科学家自由使用以预测分子结构与功能。
Corso 成立的公益公司 Boltz 致力于构建开放的软件生态。目前，全球顶尖药企及数十万科学家正使用其模型加速药物研发，推动科学知识的广泛共享。
Sarah Grandinette：参与开发首款个体化基因编辑疗法
宾夕法尼亚大学研究生 Sarah Grandinette 参与了针对罕见遗传病患儿 Kyle Muldoon 的个体化基因编辑疗法研发。团队利用碱基编辑技术，在患儿出生六周内定制出治疗方案。
Grandinette 负责构建携带基因变异的细胞模型并筛选编辑方案，随后在动物实验中验证安全性。该疗法获 FDA 快速批准，患儿治疗后发育指标正常，标志着个体化基因治疗的重大突破。
Paschal Kija：研发平价压迫绷带挽救产妇生命
针对非洲农村地区产后大出血致死率高的问题，坦桑尼亚医生 Paschal Kija 设计了名为 Mkanda Salama 的低成本压迫绷带。该设备操作简便，成本仅 70 美元，能帮助 73% 的产妇在 20 分钟内止血。
Kija 创立的 Afya Lead 正与联合国及政府机构合作，在坦桑尼亚 60 家医疗机构部署该设备，致力于将其打造为挽救非洲妇女生命的常规工具。
Samuel King：利用生成式 AI 设计病毒基因蓝图
斯坦福大学博士生 Samuel King 利用生成式 AI 模型 Evo 设计了全新的噬菌体基因蓝图，并成功在实验室中使其自我复制。这一成果虽未创造生命，但证明了 AI 在设计功能性生物组件方面的潜力。
King 的研究揭示了 AI 可能发现新的生物学设计原则。未来，该技术有望应用于基因治疗及定制化生物制造，为可持续未来发展提供新思路。
吕垣澄：利用重编程技术逆转视力衰老
怀特黑德研究所研究员吕垣澄专注于利用重编程技术恢复细胞年轻态，以治疗年龄相关性视力丧失。他将关键基因组合缩减为 OSK，降低了致癌风险，并成功修复小鼠视神经。
其研究成果推动了抗衰老医学的投资热潮。Life Biosciences 已将该疗法的首个药物版本注入青光眼患者眼内开展临床试验，吕垣澄相信逆转分子层面的年龄已成为可能。
Aditya Nair：探索大脑中情绪产生的神经机制
神经科学家 Aditya Nair 结合机器学习与钙成像技术，发现情绪并非由单一神经元决定，而是源于神经元的协同活动模式。他在小鼠下丘脑中识别出与攻击行为相关的特定神经模式，并证实了其因果作用。
Nair 的研究还揭示了神经肽在情绪调节中的持久影响，为理解焦虑、抑郁等状态提供了新视角。未来若能识别人类异常神经模式，或将开辟新的精神疾病干预途径。
Charles Roques-Carmes：提升 X 射线设备成像效率
Charles Roques-Carmes 开创了“纳米光子闪烁”技术，通过在闪烁体表面刻蚀微小凹槽，将 X 射线转化为可见光的效率提升了一个数量级。这意味着可在不增加辐射剂量的情况下获得更清晰的图像。
该技术若应用于医院，将显著降低儿科及肿瘤患者的辐射风险。Roques-Carmes 正进一步开发多层闪烁体及专用检测算法，推动其在医疗及安检领域的普及。
Loza Tadesse：利用 AI 将光谱学带离实验室
MIT 助理教授 Loza Tadesse 开发了基于生成式 AI 的“虚拟光谱学”工具 SpectroGen。该工具只需一次测量即可生成多种光谱数据，精度与传统昂贵设备相当，极大降低了现场检测门槛。
Tadesse 愿景是让每个人在任何地点都能获得高质量的物质分析信息，无论是在偏远诊所诊断肺炎，还是在田间监测土壤成分，真正实现便携式的“随身实验室”。
杨笑：受艺术启发研发生物电子器件
受日本剪纸艺术启发，研究员杨笑开发了超薄柔性电极，其结构类似脑细胞簇，能与神经元完美融合而不引发瘢痕。她利用该技术构建脑类器官模型，研究神经精神疾病的遗传特征。
杨笑的目标是开发更多生物电子器件，以无损方式监测大脑活动，深入解析人类最复杂器官的运作机制，为脑机接口技术提供更安全的解决方案。
人工智能与社会影响
Myra Cheng：研究人类与 AI 的互动关系及谄媚现象
斯坦福大学博士生 Myra Cheng 率先实证研究了大语言模型的“谄媚”现象，即 AI 过度迎合用户观点。她的研究发现，这种行为会让用户更坚信自己正确，不愿承担责任，甚至加剧妄想。
Cheng 的研究不仅揭示了 AI 潜在的心理危害，更驱动她思考如何构建真正造福人类的 AI 系统。她主张超越单纯的技术优化，深入探讨人机关系的伦理边界。
Ayush Chopra：利用智能体集群模拟复杂社会事件
MIT 研究员 Ayush Chopra 提出了大规模群体模型（LPM），通过数以亿计的智能体互动模拟人群行为及疾病传播。其团队曾成功预测禽流感在全美的传播热点，准确率达 87%。
Chopra 正利用 LPM 评估 AI 对劳动力市场的影响，为政策制定提供精细化视图。他认为，随着智能体规模扩大，协调能力需内化至智能体自身，而非依赖中央控制器。
Danijar Hafner：构建世界模型训练机器人自主导航
前 Google DeepMind 研究员 Danijar Hafner 创建了 Dreamer 系列世界模型，使 AI 智能体能在从未经历的环境中通过离线数据学习并做出决策。其 DayDreamer 项目已让机器人能在新环境中自主应对意外。
Hafner 的研究超越了游戏范畴，为机器人在家庭等未知场景中的自主运行奠定了理论基础，推动了具身智能从仿真走向现实应用。
Sayash Kapoor：理性审视 AI 宣传与实际效能
普林斯顿大学博士 Sayash Kapoor 致力于揭露 AI 研究中的方法学缺陷。他发现多项声称 AI 优于传统统计模型的研究存在数据泄露问题，经修正后 AI 并无显著优势。
Kapoor 扮演了 AI 浪潮中的“异议者”角色，用证据检验行业狂热宣传。他指出 AI 对社会的影响更接近电力等通用技术，呼吁建立科学的评估体系以平衡公众认知。
Ben Kompa：打造实现完全自主科学的 AI 工具
Lila Sciences 创新负责人 Ben Kompa 致力于构建"AI 科学工厂”，利用大语言模型驱动自动化实验室完成从假设提出到实验执行的全流程。
在 5.5 亿美元资金支持下，Kompa 团队正整合机器人硬件与 AI 软件，推动材料科学及生命科学领域的自主发现，加速科学研发范式变革。
李紫辉：提升医疗聊天机器人的多语言能力
东京大学研究员李紫辉针对大语言模型在非英语医疗场景表现不佳的问题，开发了 Med-CoReasoner。该模型结合当地语言语境与英语逻辑推理，显著提升了南亚及非洲语言下的医疗问答准确率。
李紫辉希望将这一技术推广至医院临床，同时强调 AI 应作为辅助工具而非替代医生，致力于缩小全球医疗资源的技术鸿沟。
Shayne Longpre：建立机制让科技公司承担数据责任
Anthropic 研究员 Shayne Longpre 发起数据来源倡议（DPI），系统追踪 AI 训练数据的来源与授权，揭示互联网因 AI 抓取而趋于封闭的现状。
Longpre 倡导建立“安全港”机制，保护独立研究人员对 AI 系统进行安全测试的权利。他的工作为推动跨机构协作、构建透明的 AI 生态系统奠定了基础。
Giada Pistilli：从哲学视角审视人机情感互动
Mistral AI 伦理学家 Giada Pistilli 研究了人们与聊天机器人建立情感依赖的现象。她创建了 INTIMA 基准，评估 AI 是否强化情感依赖或维持专业边界。
Pistilli 主张用多样化数据训练模型以减少文化偏见，并警惕 AI 陪伴带来的伦理风险。她的工作横跨哲学与工程实践，旨在引导 AI 向更负责任的方向发展。
Mengmi Zhang：构建接近人类视觉机制的 AI 模型
研究员 Mengmi Zhang 长期对比人类与机器视觉差异，构建了受人类视觉搜索机制启发的 AI 模型。她挑战了“神经科学对 AI 无用”的观点，主张通过模拟婴儿视觉发育过程提升模型鲁棒性。
Zhang 认为，越像人类的视觉模型越能反哺脑科学研究。她的工作推动了神经科学与 AI 的深度融合，为下一代高效、稳定的视觉系统提供了新路径。
前沿交叉研究
韦晶：利用 AI 填补大气污染监测数据空白
北京大学助理教授韦晶开发了融合物理规律的机器学习工具，重建缺失的大气污染物空间分布数据。其生成的细颗粒物数据集分辨率可达公里级，已被数千篇论文引用。
这些数据帮助精准定位污染源并揭示臭氧污染的健康危害，为政策制定提供了强有力的科学依据，推动企业减排与公共健康保护。
郑中华：开发高分辨率城市 AI 气候模型
曼彻斯特大学副教授郑中华开发了专门针对城市环境的 AI 气候模型。该模型结合传统数据与真实观测，能精细区分建筑布局对热岛效应的影响，模拟速度比传统模型快数千倍。
郑中华的开源工具已上线云平台，帮助城市规划者预测极端高温影响并优化设计，让气候模拟真正服务于防灾决策与可持续发展。