“35岁以下科技创新35人”2026年全球入选者名单揭晓！

当地时间 9 月 8 日，2026 年度《麻省理工科技评论》“35 岁以下科技创新 35 人”（MIT Technology Review Innovators Under 35，MIT TR35）全球入选者正式发布。

今年的 35 位入选者主要来自四个方向。

在计算与机器人领域，有人正在设计更节能的芯片，也有人尝试让机器人更快学会新的技能；在气候与能源领域，研究者把目光投向农业、重工业等高排放行业，寻找新的减排和清洁生产方式；在生物技术领域，AI、基因编辑等工具正在被用于疾病诊断和治疗；在人工智能领域，一部分人继续改进基础模型，另一部分人则在寻找更具实际价值的 AI 应用。

“35 岁以下科技创新 35 人”2026 年全球入选者名单如下（*以下排名不分先后）

她通过审查常用金融 App，减少亲密关系中的经济控制。

纽约大学助理教授 Rosanna Bellini 是较早系统研究这一问题的学者之一。她发现，网上银行和支付 App 中一些看似普通的功能，可能被施暴者利用。与此同时，她也在研究施暴者为什么这样做，以及他们通常采用哪些手段。

她为 AI 时代设计更节能的计算机芯片。

31 岁的 Vaire Computing 联合创始人兼首席技术官 Hannah Earley 正在探索一种可能的解决方案：可逆计算（reversible computing）。

2025 年，Earley 和同事展示了一套概念验证电路，证明这种方法已经可以在真实硬件中完成计算。测试中，系统实现了净能量回收：回收的能量至少能够抵消回收过程本身的消耗。这意味着，计算并不一定要把大量电能变成废热。

她为外太空设计栖居空间。

Ariel Ekblaw 发明了一种用自组装部件替代人工操作的方法。通过这种方法，可以达成成本更低、更易于扩展的设计，并让建造过程更加安全。

她正在帮助机器人像我们一样看待世界。

32 岁的 Li 在美国麻省理工学院读博期间的研究表明，语言模型可以指导机器人的决策：在给定固定环境的情况下，AI 智能体能够描述出达成特定目标的正确行动路线。

他用 AI 让机器人更快学会更多技能。

33 岁的罗剑岚一直在研究，怎样把这个过程做得更快、更有效。他在传统强化学习方法上进行改进，让机器人能够用更少的训练掌握更多任务，同时也尝试让机器人共享各自积累的经验，从彼此的数据中学习。

她用微型光学系统为设备节省空间。

Jelena Notaros 正在用硅光子学（silicon photonics）把复杂的光学系统缩到微小的硅晶圆上。这不仅能减少设备体积和能耗，为其他元件腾出空间，还可能借助成熟的标准光刻工艺降低成本，实现规模化制造。

他想让助行设备真正适配每一个人。

哈佛大学生物工程助理教授 Patrick Slade 正在尝试解决这个问题。他研究的核心技术之一是“人在回路优化”（human-in-the-loop optimization）：让使用者在实际使用过程中不断提供反馈，再由机器学习算法实时调整设备参数，逐渐找到更适合个人的方案。

他帮助难民获得医疗服务。

34 岁的 HERA Digital Health 创始人 Aral Sürmeli 的解决办法，是开发一款工具，帮助难民了解并使用土耳其的医疗体系。

他的公司利用电力从水中提取锂。

Mohammad Alkhadra 开发了一种从卤水中提取锂的新方法。简单来说，这套工艺利用电力，只需几个小时便可以从水中分离出锂。

他开发了让 AI 更节能的软件。

在密歇根大学攻读博士学位期间，30 岁的 Jae-Won Chung 开发了一款软件，将这些数据汇集到同一个界面中。这款名为 Zeus 的软件不仅能追踪能耗，还能提出优化建议。Chung 表示，在某些情况下，模型被调校出的响应速度可能超过实际需要；只要稍微放慢一点，往往就能大幅节能。Zeus 的测量结果也是 ML.Energy 能耗排行榜的数据基础。该项目由 Chung 及其同事主导，向公众开放数十种 AI 模型的能耗数据。

她正在尝试用更低的成本，生产更清洁的钢铁。

34 岁的 Meroueh 设计了一种新的炼钢炉，希望把原本复杂的生产流程进一步简化。她的方法让铁矿石在熔融状态下直接完成还原，并用天然气和电力替代煤炭。按照 Meroueh 的说法，这套工艺可以将碳排放至少降低一半，同时让生产成本比传统炼钢方式低约 25%。

他开发了一种矿物加工新方法。

几年前，Mowbray 在麻省理工学院从事博士后研究时，参与开发了一种新工艺：用弱酸溶解锂辉石中的硅酸盐。这样不仅能分离并回收锂，还能提取氧化铝、二氧化硅等其他有价值的材料。所用的酸则可以回收并重复使用。

他把一种入侵植物变成了可持续包装材料。

28 岁、来自肯尼亚的 Joseph Nguthiru 开发的材料以水葫芦为原料，不与粮食争夺资源，成本也比不少生物塑料更低。

她将食物废弃物变成水产养殖饲料。

30 岁的 Orembe 认为，自己找到了解决办法。她创办的初创公司 NovFeed 正在利用食物废弃物生产鱼饲料，通过一套工艺，将废料转化为优质、高蛋白的饲料。

他用固体制冷剂替代危害环境的气体制冷剂。

Jinyoung Seo 相信，改用通过固体而非气体制冷剂传递热量的制冷技术，可以大幅削减这些排放。他在哈佛大学攻读化学博士学位期间研究的正是这一方向。2023 年，现年 33 岁的他与他人共同创办了位于马萨诸塞州的初创公司 Pascal，并担任首席技术官，希望将这一理念推向市场。

他利用 AI 追踪污染物的扩散。

北京大学助理教授韦晶开发了一系列机器学习工具，将物质在空气中运动和发生反应所遵循的物理规律融入模型训练。借助这些规律，模型能够重建数据集中缺失的气体、液滴和颗粒物的空间分布，而且几乎可以针对任意时间点进行重建。

他开发了更懂城市的 AI 气候模型。

33 岁的郑中华目前是曼彻斯特大学数据科学与环境分析副教授，并开发了一套专门面向城市环境的 AI 气候模型。

他为分子生物学创建了开源 AI 工具。

Gabriele Corso 基于计算机科学背景，开发出能够预测新分子（包括复杂蛋白质和新型药物）结构与功能的软件，然后将这些工具开源，供所有人使用，共同推动该领域的发展。

她参与开发了首款个体化基因编辑疗法。

如今 26 岁的 Sarah Grandinette，当时还是 Kiran Musunuru 实验室的研究生。她说，Kyle 一获得基因诊断结果，她就立刻投入到了这个项目。

她的首要任务，是找到一种可能帮助 Kyle 的基因编辑方法。研究团队已决定采用碱基编辑：这是一种基于 CRISPR 技术的方法，通过化学方式改变 DNA 中的单个“字母”。

他开发的平价压迫绷带可能挽救产妇的生命。

28 岁的 Kija 在实习期间，他接触过一些通过压迫腹部来减少产后出血的设备。但这些设备要么非常简陋，只有一块被当作绷带的布，要么太贵且太复杂，受过有限培训的医护人员无法操作。

他让 AI 设计病毒……而且成功了。

2025 年，斯坦福大学博士生 Samuel King 使用生成式 AI 模型Evo，为噬菌体（一种感染细菌的微型病毒）创建了全新的基因蓝图。

他的逆龄技术有望恢复视力。

吕垣澄在怀特黑德研究所（Whitehead Institute）研究人类视网膜细胞，并开发预防年龄相关性视力丧失的基因疗法。不过，他在博士期间的研究依旧热度不减。6 月，初创公司 Life Biosciences 宣布，在该方法的首次人体临床试验中，已将他所开发的重编程疗法的一个药物版本注射进一位青光眼患者的眼内。

他正在寻找大脑中“情绪是怎么产生的”。

30 岁的 Aditya Nair 将机器学习和钙成像结合起来，同时分析数百个神经元的活动。借助这种方法，他在小鼠下丘脑中发现了一些与攻击行为密切相关的神经活动模式。

他找到了一种让 X 射线设备更高效的方法。

32 岁的 Charles Roques-Carmes 改进了 X 射线和 CT 设备中使用的一种材料，开创了一种名为“纳米光子闪烁”的新方法。设备的整体效率提升了一个数量级，可在不增加辐射的情况下获得更好的图像。

她正在把光谱学从实验室带到现场。

34 岁的 Tadesse 是 MIT 机械工程系助理教授，她正在开发能够更快速分析多种物质化学成分的工具。她的实验室开发了一种微型传感器，可以通过简单的呼气测试诊断肺炎，也可以用于检测其他生物分子、工业化学品或几乎任何研究人员感兴趣的物质。

她从艺术中汲取灵感，研发生物电子器件。

34 岁的杨笑提出了一个解决方案：让植入物更像脑细胞。这意味着要把它们做得极其微小。她和同事利用光刻技术制作出显微尺度的超薄金属与聚合物器件。

她正在帮助我们理解人类究竟会与 AI 建立怎样的关系。

Myra Cheng 在《科学》发表了一项研究，探讨迎合型模型如何改变用户看待人际冲突的方式。结果表明，这类 AI 更容易让用户相信“自己才是对的”，也让他们更不愿意为自己的行为承担责任。

他用智能体集群模拟复杂事件。

美国麻省理工学院研究员 Ayush Chopra 有不同的愿景：大规模的智能体集群协同工作，为整个人群探索问题。

他创造的世界模型能训练机器人在陌生空间中导航。

Hafner 专注于创造世界模型，用于训练智能体进行规划，以及训练机器人在陌生地形和区域中行进。

他用理性去审视 AI 相关的狂热宣传是否真的兑现了自己的承诺。

Kapoor 发现，那些所谓的新型内战预测模型，其实并不比几十年前的传统统计模型更准确。他开始怀疑，这种问题恐怕并不只存在于政治学领域。随后，他展开了一项更大规模的审查，最终在近 300 篇论文中发现了类似问题，涉及的领域从精神病学一直延伸到营养学。

他正在打造实现完全自主科学的工具。

如今，作为Lila AI实验室创新负责人，Kompa 的工作是在 AI 与实验室之间建立连接，使这一愿景在材料科学、化学和生命科学领域成为现实。

她正在让医疗聊天机器人更好地服务非英语用户。

东京大学研究人员李紫辉采用的是一个分两步推进的方法。首先，她和合作者建立了一套评测基准，用来比较不同大语言模型在不同语言下完成相同医疗任务时的表现。她尤其关注南亚和非洲地区的语言，因为这些语言在 AI 企业使用的训练数据中往往最为稀缺。随后，团队再根据评测暴露的问题，设计相应的方法来提升模型表现。

他正在寻找一种能够规模化让科技公司承担责任的方法。

32 岁的 Shayne Longpre 刚刚从 MIT 媒体实验室取得博士学位，并加入 Anthropic。过去几年里，他一直试图改变这种严重的信息不对称。

他们的研究已经揭示了一些重要变化。例如，为了阻止 AI 爬虫抓取网站内容用于模型训练，越来越多网站开始限制访问，互联网因此正在变得更加封闭。团队还发现，中国开源 AI 模型的下载量已经超过美国开发的模型。

她是一位研究我们如何与 AI 互动的哲学家。

34 岁的 Pistilli 如今在法国 AI 公司 Mistral 领导一个团队，试图让 AI 更有效地处理不同的语言和文化。

她正在打造更接近人类视觉方式的 AI 模型。

本文内容来源：麻省理工科技评论，转自“时代学者”