从量子计算到mRNA疗法，2026年值得关注的七项技术

NATURE

TECHNOLOGY

FEATURES

位于智利的薇拉·鲁宾天文台将在未来十年内对整个南半球天空进行成像观测。图片来源：RubinObs/NSF/DOE/NOIRLab/SLAC/AURA/Hernan Stockebrand

每年年初《自然》都会通过“技术特写”版块发布年度科技观察，展望有潜力在新一年里迎来突破，甚至可能深刻影响科研与产业格局的技术。从量子计算、mRNA疗法到人工智能驱动的气候建模，2026年以下七项技术将值得关注和持续追踪。

01

异种移植

在美国和欧洲委员会成员国，每天分别有十几名、二十几名患者在等待器官移植的过程中去世。巴黎内克尔医院肾脏科医生Alexandre Loupy指出，实际情况可能更为严峻，“许多终末期器官衰竭患者甚至未被列入等待名单。”

异种移植，即以近缘动物的组织或器官替代受损的人体器官，被视为解决供体稀缺的潜在途径。然而这类移植往往因免疫排斥迅速失败。1964年，一名女性在接受黑猩猩肾脏移植后存活了九个月，成为了一个罕见的例外。

免疫排斥的关键在于分子差异。例如，猪细胞表面覆盖着一种名为α-半乳糖的碳水化合物，而人类缺乏该分子，因此会引发强烈的免疫反应。随着CRISPR–Cas9精准基因编辑技术的应用，科学家能够有效去除这些排斥源，并结合新一代免疫抑制剂，大幅改善了患者的预后。

2024年，美国波士顿麻省总医院的临床团队与剑桥的异种移植公司eGenesis合作，首次将经过69项基因改造的猪肾移植到一名患者体内1。这些改造包括去除免疫相关抗原和潜伏病毒序列，并插入人类基因以减少炎症和防止异常凝血。患者在移植后存活了52天，最终因心脏问题去世。随后，美国和中国的多位猪肾移植受者都曾保持八个月以上免于透析的稳定状态，几乎追平1964年的纪录。

2022年，首例基因编辑猪心脏移植人体。图片来源：University Of Maryland School Of Medicine/ZUMA/Alamy

不仅是肾脏。2022年，美国马里兰大学医学院的Muhammad Mohiuddin团队完成了首例基因编辑猪心脏移植，患者在术后存活了60天2。2025年，中国的研究团队又报告了猪肝3和猪肺4的异种移植实验，受者为已被判定脑死亡的患者，这一尝试为未来面向可恢复患者的应用奠定了基础。

麻省总医院移植中心主任、2024年猪肾移植项目主要负责人之一的Leonardo Riella指出，即便是短暂的异种移植，也可能为等待人类供体的患者争取宝贵时间。随着对个体免疫排斥机制的深入理解，这些替代器官有望成为长期解决方案。他说：“异种移植让我们能够跳出传统框架，个体化器官，并让它在免疫系统面前‘隐身’。”

[上下滑动阅读]

02

人工智能加持的气象预测

2025年10月，位伦敦的谷歌DeepMind向美国国家飓风中心发出了一则来自AI模型的预警，指出飓风梅丽莎构成的严重威胁。该模型提前数日就预测到这场风暴将发展成五级强度，并且准确描绘了它穿越加勒比地区的路径，而传统模型未能比肩。这一成功只是人工智能如何加速和改进地方天气预报、风暴追踪乃至全球气候建模的一个缩影。随着技术不断演进，愈加复杂精密的模型正迅速涌现。

从某种角度来看，气象学的确是人工智能的理想应用场景。地球与大气科学研究人员掌握着海量数据，但要将这些数据转化为预报，传统上依赖复杂且计算量巨大的数值天气预报模型来求解繁琐的微分方程。“这涉及数百万行代码和庞大的团队。”剑桥大学的机器学习研究员Richard Turner指出。但在过去三年中涌现出多种有前景的AI模型，例如华为云在深圳开发的盘古气象大模型，通过深度学习将预测速度提升至传统方法的一万倍5。

人工智能模型正在推动天气预报的进步。Credit: CSU/CIRA & NOAA

多数模型仅覆盖部分预测流程。但在2025年，Turner团队发布了“Aardvark”，这是一个“端到端”模型6，能直接处理气象站与卫星的原始数据，生成最多可以提前十天的本地化预报。“我们甚至可以在办公室的一台普通笔记本电脑上运行它。”Turner说道。他指出，Aardvark的预测准确度与现有系统相当，有时还能更胜一筹。Turner还与微软位于阿姆斯特丹的研究院合作，开发了一种名为“极光”的人工智能基础模型。该模型能够精准预测超出常规天气预报范围的气象事件，例如气旋路径和空气质量趋势7。

其他AI模型则更具雄心，它们融合了关于大气、海洋和极地冰层等地球要素的全球性视角，用于分析当前气候并预测未来变化。例如，2025年9月，西雅图艾伦人工智能研究所的工程师James Duncan及其同事提出了“SamudrACE”模型，它整合了大气与海洋的模型，能模拟这些系统长达千年以上的演化8。

波士顿大学的环境数据科学家Elizabeth Barnes指出，AI模型让原本只能依赖超级计算机的模拟项目进入了普通研究者的手中。她说：“过去必须交给其他团队处理的科学问题，现在我自己就能解决了。”

[上下滑动阅读]

03

新一代核能

人工智能投资的激增正在带来电力需求的同步飙升。位于巴黎的国际能源署预测，从现在起到2030年，全球数据中心的能源需求可能每年增长15%。

挪威科技大学能源系统研究员Jonas Kristiansen Nøland认为，即使人工智能热潮消退，能源系统仍迫切需要以气候友好的方式增强电网。这为核能的复兴创造了良机。Nøland尤其看好小型模块化反应堆（SMR），这种核设施的发电量可达500兆瓦。虽不足标准裂变反应堆的一半，但足以为数十万家庭供电。

小型模块化反应堆，例如中国的玲龙一号，为核能发电提供了一种低成本、建设速度快的选择。Credit: Luo Yunfei/China News Service/VCG/Getty

俄罗斯和中国已有运行中的SMR，而全球至少有100个相关项目正在考虑或开发中。其中最先进的包括加拿大安大略省达灵顿核电站计划于2029年投入使用的一个，其设计与全规模裂变反应堆类似。下一代系统也在研发中。例如，美国华盛顿州贝尔维尤的核能公司TerraPower正在推进熔盐反应堆，这是一种高效燃料设计，能显著减少核废料并储存反应堆运行过程中产生的热量以供后续使用。

与此同时，数十年来被称为“未来技术”的聚变能源正逐渐接近现实。2022年，美国加州的劳伦斯利弗莫尔国家实验室首次在它的“国家点火装置”实现了聚变净能量增益。2023年，英国牛津附近的欧洲联合环流器创造了世界纪录，在五秒内产生了足够为12,000户家庭供电的能量。而德国格赖夫斯瓦尔德的文德尔施泰因7-X则实现了43秒的持续运行，展示了比第一代托卡马克设计更稳定的替代方案。

德国马克斯·普朗克等离子体物理研究所的物理学家Sibylle Günter表示，这些进展对渴望清洁能源但不愿涉足核裂变的国家而言尤其令人振奋，包括德国。德国计划到2029年在聚变研究上投资20亿欧元（约23亿美元）。她指出，全球已有50多家聚变初创公司活跃运作，其中包括位于美国麻省德文斯的Commonwealth Fusion Systems，该公司计划于年内完成示范反应堆的建设。

不过，人类短期内还无法依靠聚变供能。Günter认为，燃料生产、监管和工程挑战意味着首批商用反应堆可能要20年后才能上线。但她补充道，对于能获取廉价、安全且丰富的能源这件事来说，“20年并不算长”。

[上下滑动阅读]

04

光学显微脑图谱

凭借对分子尺度细节的精确成像能力，电子显微镜一直是绘制哺乳动物大脑复杂神经回路的首选工具。2024年，MICrONS（基于大脑皮层网络的机器智能项目）以及哈佛大学与美国加州山景城的谷歌研究院的合作团队分别发表了小鼠和人类大脑立方毫米级体积的重建成果（见 go.nature.com/4pI6dpe），充分证明了电子显微镜在连接组学研究中的强大作用。

神经连接可以被精确成像。Credit: Allen Institute

然而，绘制连接是一回事，理解它则是另一回事。“你需要区分存在哪些细胞和突触。”奥地利科技学院的成像专家Johann Danzl说，“它们是兴奋性的，还是抑制性的？进一步深入，还要知道涉及哪些神经递质。”

2025年5月，Danzl团队提出了一种提取此类信息的方法。在基于光学显微镜的连接组学（LICONN）9中，脑样本经历多轮膨胀显微过程——组织被化学固定在水凝胶中并向各个方向均匀膨胀，从而分散其组成的生物分子并使之透明。研究人员利用蛋白质特异性标记，可以在保持组织整体结构的同时，用常规共聚焦显微镜观察细胞结构和组织的纳米级细节。借此，Danzl团队能够绘制轴突和树突的复杂轨迹，并对它们形成的突触进行分类，进而识别相关细胞。

位于美国加州阿拉米达的非营利公司E11 Bio专注于光学连接组学，解决了电子显微映射中的另一大难题：校对。“如果你看MICrONS的数据体积，它非常精美，”E11 Bio的联合创始人兼首席执行官Andrew Payne说，“但最终只有约1%的细胞被重建，其余99%至今仍未完成。”

在2025年9月的一篇预印本中，Payne及其同事描述了一种方法：他们通过基因改造让小鼠神经元表达不同组合的短蛋白表位，使每个细胞呈现独特的“条形码”10。这些条形码随后可通过荧光抗体的顺序染色进行解码，从而实现几乎无误的计算映射和神经元追踪。利用18种表位，该公司能够解析约262,000种条形码。Payne表示，这项技术具有足够的可扩展性，能够绘制整个小鼠大脑的连接。

Danzl指出，要实现这一目标，还需要其他进展，包括更高效的样本处理和更快速的成像。但通过大幅削减校对成本，并用常见的共聚焦显微镜替代昂贵的电子显微镜，这些方法可能让我们离哺乳动物连接组的完整绘制更近一步。

[上下滑动阅读]

05

探索极限

科学家擅长发现界限，然后突破它们。

去年六月，美国国家科学基金会和能源部发布了薇拉·鲁宾天文台的早期图像。这座位于智利安第斯山脉的开创性设施，以首位提供暗物质存在证据的美国天文学家薇拉·鲁宾命名。在未来十年里，它将对南天的每一个点进行约800次测量。借助创新的多镜设计和庞大的32亿像素数字相机，这项扫描将产生权威的天体目录，并记录下它们随时间发生的变化。华盛顿大学的天体物理学家Željko Ivezić说：“预计我们将观测并编目约200亿个星系，以及接近这个数量的恒星。这个数字将超过地球上的人口，而且对每一个天体，我们都会测量许多参数。”

来自30多个国家的数千名科学家已经排队等待使用该天文台的数据。这些数据预计将从2028年初开始发布。Ivezić预期该设施将可解决一系列的问题，从调查可能威胁地球的小行星，到证明（或否决）天文学家认为导致宇宙加速膨胀的神秘“暗能量”的存在。

在距离我们更近的地方，中国科学院三亚深海科学与工程研究所的海洋生物学家张海滨则致力于研究海洋的超深渊带生命。位于海平面以下6公里甚至更深处的这一区域，栖息着多样而奇特的生物。但在这种深度开展载人任务极具挑战，大多数生物样本只能通过拖网在海底收集。“所有这些动物在被打捞上来时都已死亡，”他说，“而且有些样本我们甚至无法确切知道它们的采集位置。”

科学家们已经乘坐“奋斗者”号潜水器前往了海洋的最深处。Credit: Long Lei/Xinhua/Alamy

过去三年里，张海滨一直在使用一艘创新型潜水器“奋斗者”号进行考察。它由耐压钛合金建造，并配备了复杂的样本采集机械臂，可在超过万米的深度作业。张海滨已经到达过马里亚纳海沟的海底——海洋最深处，他的团队现在正作为中国的全球深渊深潜探索计划的一分子，调查地球其他超深渊带。

张海滨认为这些考察具有变革性。例如，在2025年的一项研究中，他和同事们分析了一类在超深渊带繁衍的奇特端足类甲壳动物的群体遗传学11。“这是一次非常令人兴奋的经历，”他说，“我真的亲眼看到了我研究的动物活着的样子。”

[上下滑动阅读]

06

mRNA疗法

信使RNA（mRNA）在临床上首次亮相，是作为一波快速研发的新冠病毒（SARS-CoV-2）疫苗的先锋。据估计，这些疫苗至少挽救了250万人的生命12。不幸的是，去年8月，特朗普政府削减了近5亿美元的mRNA疫苗研究项目拨款，并提出了关于该技术安全性的可疑担忧。

事实上，基于mRNA的疫苗和疗法仍在不断展现巨大潜力。它们的设计和制造简便、成本低廉，加上在体内停留时间短，吸引了各领域的临床研究者。佛罗里达大学盖恩斯维尔分校的小儿肿瘤学家Elias Sayour说：“通过这些突破性的mRNA技术，以信息的形式介入从而操控人类的‘软件’这一理念蕴含着巨大的潜力，足以改变世界。”

在肿瘤学领域mRNA疫苗尤其前景广阔，它们被当作治疗手段而非用于预防。例如，去年2月，美国的一个团队展示了定制的mRNA疫苗编码肿瘤特异性抗原，可以让接受胰腺癌免疫治疗的患者在无复发生存期上延长数年13。

这种mRNA疫苗甚至可以在不使用肿瘤特异性抗原的情况下对抗癌症。2025年10月，Sayour与得克萨斯大学安德森癌症中心的放射肿瘤学家Steven Lin报告了一项涉及180名癌症患者的回顾性分析。他们发现，在开始抗肿瘤免疫治疗后100天内接种过mRNA新冠疫苗的患者，其总体生存期几乎是未接种患者的两倍14。Sayour和同事计划在未来几个月直接通过临床试验验证这一想法。

与此同时，宾夕法尼亚大学的研究人员在2022年展示了他们可以在体内利用mRNA重新编程免疫细胞，使其表达嵌合抗原受体（CAR）蛋白15，从而快速靶向并清除动物模型中的致病细胞和蛋白。通常，CAR-T疗法需要繁琐的骨髓采集、干细胞工程和移植，而体内方法则可能在不降低疗效的情况下让这种治疗更易获得。该研究的共同负责人、药物递送专家Hamideh Parhiz说：“在人源化小鼠和非人灵长类实验中疗效非常理想。”

CAR-T细胞主要用于治疗癌症，最近也用于治疗自体免疫疾病。但Parhiz和她的同事正在测试它们阻止纤维化疾病中器官致死性瘢痕组织形成的能力。她的团队还展示了体内mRNA方法对血液干细胞的重新编程，或将成为直接治疗多种遗传疾病的新途径，只需替换掉缺失或有问题的蛋白质。

这种非凡的潜力能否帮助mRNA疗法克服政治阻力？Sayour希望如此。他说：“这种技术被妖魔化了。为什么我们要否定如此令人振奋的东西？这令我难以置信。”

[上下滑动阅读]

07

量子计算

理论上，量子计算能够模拟复杂的科学现象，其能力远超经典计算机，但研究人员一直难以将这些系统真正应用于现实世界。重大障碍之一是“错误校正”。经典计算机依靠冗余的数字比特来评估数据的可靠性，但量子计算机无法做到这一点。量子数据不能直接复制，而对“量子比特”的测量会破坏其量子态。

现有的解决方案需要为每一个数据处理用的“逻辑量子比特”配备多个用于校验的量子比特。在最糟糕的情况下，实际计算任务可能需要数百万甚至数十亿个量子比特，而目前的设计最多只包含几千个。普林斯顿大学的物理学家Nathalie de Leon说：“就在四五年前，如果你问任何人‘我们能否在这些处理器上大规模地进行有意义的量子错误校正？’，很多人都会笑话你。”

如今没人再笑了。2023年，加州圣塔芭芭拉的谷歌量子AI实验室研究人员在其基于超导体的平台上首次成功演示了一个具备错误防护的逻辑量子比特16。该系统的效用受限于量子比特的短寿命，随着退化，它们会产生噪声并削弱错误校正。但de Leon与普林斯顿的同事Andrew Houck和Robert Cava已经开发出显著延长量子比特寿命的策略。

2021年，他们的团队通过一种基于钽的超导体配方，有效地将量子比特寿命提升了三倍，超过300微秒。这种材料可以更彻底地清洁，去除影响性能的污染物17。而在去年11月，de Leon和Houck通过系统化评估制造流程设计出一种工艺，将量子比特寿命提升至1.6毫秒以上18。De Leon目前正与谷歌合作改进其“Willow”量子处理器。她还计划再将量子比特的寿命延长十倍。如果成功，实际可用的处理器只需约30,000个量子比特即可建成。她说：“这几乎是必将发生的。”

Mikhail Lukin（右）和他的团队开发了左侧的中性原子量子计算机。Credit: Rose Lincoln/Harvard Staff Photographer (CC BY)

直到最近，最先进的量子系统，例如谷歌的，都是基于超导体构建的。但另一种方法正在兴起：利用大量中性原子阵列来提供量子比特。虽然速度比超导体慢，但中性原子量子比特更容易被大规模组装和操控。哈佛大学物理学家Mikhail Lukin的团队一直在推动这种系统的实用化。

去年11月，Lukin和同事提出了一种具备强大错误校正能力的“通用”中性原子处理器设计19。该系统仅包含448个量子比特，但他们还展示了一个可运行数小时的3,000量子比特处理器20。他表示，这些技术“绝对可以扩展”到数万个原子，甚至可能达到数十万个。“现在的挑战是如何真正控制它们并构建有意义的电路。”Lukin在麻省剑桥市合作创立了QuEra公司以推动这些技术的商业化。他认为一个实用系统可能只需几年就能实现了。

接下来才是真正的工作：弄清楚量子计算究竟能带来什么，以及它在哪些方面优于现有技术。Lukin说：“这些其实是全新的仪器，从某些角度看，它们甚至还不能算是计算机。令人兴奋的是，这些系统已经在合理规模上运行，我们可以开始实验来探索它们的潜力。”

[上下滑动阅读]

原文作者：Michael Eisenstein

参考文献：

1. Kawai, T. et al. N. Engl. J. Med.392, 1933–1940 (2025).

2. Griffith, B. P. et al. N. Engl. J. Med.387, 35–44 (2022).

3. Tao, K. S. et al. Nature641, 1029–1036 (2025).

4. He, J. et al. Nature Med.31, 3388–3393 (2025).

5. Bi, K. et al. Nature619, 533–538 (2023).

6. Allen, A. et al. Nature641, 1172–1179 (2025).

7. Bodnar, C. et al. Nature641, 1180–1187 (2025).

8. Duncan, J. P. C. et al. Preprint at arXiv

   https://doi.org/10.48550/arXiv.2509.12490 (2025).

9. Tavakoli, M. R. et al. Nature642, 398–410 (2025).

10. Park, S. Y. et al. Preprint at bioRxiv

    https://doi.org/10.1101/2025.09.26.678648 (2025).

11. Zhang, H. et al. Cell188, 1378–1392 (2025).

12. Ioannidis, J. P. A., Pezzullo, A. M., Cristiano, A. & Boccia, S. JAMA Health Forum6, e252223 (2025).

13. Sethna, Z. et al. Nature639, 1042–1051 (2025).

14. Grippin, A. J. et al. Nature 647, 488–497 (2025).

15. Rurik, J. G. et al. Science375, 91–96 (2022).

16. Google Quantum AI. Nature614, 676–681 (2023).

17. Place, A. P. M. et al. Nature Commun.12, 1779 (2021).

18. Bland, M. P. et al. Nature647, 343–348 (2025).

19. Bluvstein, D. et al. Nature649, 39–46 (2026).

20. Chiu, N.-C. et al. Nature646, 1075–1080 (2025).

自然技术特写

《自然》技术特写是编辑独立的《自然》增刊，重点关注实验室新技术的开发和应用，有时也会涉及临床和商业应用。研究机构与企业可以合作伙伴身份加入特定主题的《自然》技术特写，为《自然》的读者带来自身领域的新鲜成果和见解。

2026年《自然》技术特写的主题与排期如下：

4.2

自驱动实验室

“自驱动实验室”是一种自主实验室，在其中，人工智能与自动化结合推动研究进展而无需人为干预。本期《自然》技术特写将探访一家位于瑞典的自驱动实验室，报道它的样貌、运作方式、能力与局限，以及研究人员如何与它协作。

5.7

MPRAs

MPRAs，即“大规模平行报告基因检测”，用于同时测量大量DNA序列的基因调控活性。它们为“基因组AI”系统提供数据，使其能够“设计”出具有特定活性的全新序列（例如在特定细胞类型中发挥作用的新型调控DNA用于基因治疗）。本期《自然》技术特写将重点介绍MPRAs的应用。

5.21

抗生素发现 / 人工智能

人工智能应用于抗生素发现主要有两种途径：利用AI从基因组序列推断某个生物体可能合成的代谢产物，进行合成和测试；利用AI直接设想全新的分子。本期《自然》技术特写将关注人工智能在抗生素诞生过程中的助力。

6.4

虚拟细胞 / 系统生物学

虚拟细胞，即通过计算机、AI对细胞工作方式进行详细模拟，本质上是一系列数学模型整体描述某个或全部生化过程。本期《自然》技术特写将介绍这些模型是什么、如何运作、可能的用途及现状。

7.16

表观基因组编辑

本期《自然》技术特写将探讨表观基因组编辑常使用的基因组编辑系统，不是改变DNA序列，而是改变其在细胞中的化学修饰。这些修饰（如甲基化或乙酰化）会影响DNA在细胞中的读取方式，即决定基因是否表达，而不依赖于序列本身。

7.30

基因编辑器的局限

流行的CRISPR-Cas9系统会在DNA中产生双链断裂，复杂化编辑过程。有时这些断裂会通过修复机制引入突变，而不是预期的改动。相比之下，Prime editing和碱基编辑器无需这种破坏性断裂即可改变DNA序列，它们在需要精确基因组修改的人类基因治疗等应用中尤其有前景。即便如此，这些编辑器（以及其他方法）仍有无法做到的地方。本期《自然》技术特写将探讨不同方法的能力与局限，以及研究人员希望填补的技术空白。

10.8

无细胞蛋白表达

本期《自然》技术特写将关注“无细胞蛋白表达”这种系统。它允许研究人员利用粗细胞提取物或混合纯化蛋白来表达特定蛋白。这在生物制造中常有应用，令研究人员能够控制合成环境，例如在合成生物制药时不必在细胞内生产再进行纯化。

Nature Portfolio出版包括《自然》技术特写、自然聚焦、自然指数特别报告、焦点关注在内的多种增刊与特辑，各具特色和侧重点。研究机构与企业可以合作伙伴身份参与，分享相关领域的研究成果，也可告诉我们您希望探讨的主题，与我们一起为《自然》读者呈现优质的科学内容。

自然合作｜《自然》技术特写

《自然》技术特写是编辑独立的《自然》增刊，追踪推动科学研究的工具和技术，向广泛的研究人员和思想领袖进行介绍。增刊重点关注实验室新技术的开发和应用，有时也涉及临床和商业应用，发表“技术特写”和“技术新闻”两类文章，同时也为高校、科研院所及企业提供成果传播和人才招聘等信息发布的渠道。

点击识别二维码，咨

询《自然》技术特写

团队

版权声明：

本文由施普林格∙自然上海办公室负责编译。中文内容仅供参考，一切内容以英文原版为准。欢迎转发至朋友圈，如需转载，请邮件China@nature.com。未经授权的翻译是侵权行为，版权方将保留追究法律责任的权利。

© 2026 Springer Nature Limited. All Rights Reserved