新国大吴昌盛：AI时代的传感技术也要有“温度”

从博士期间探索面向可持续发展的能源技术，到博士后期间被临床中婴儿娇嫩的皮肤触动，如今他是新加坡国立大学的一名助理教授，吴昌盛的科研轨迹一直伴随着科技人文关怀。今年，他因在“自适应生物电子”领域的成果入选了《麻省理工科技评论》2026 年度“35 岁以下科技创新 35 人”（TR35）亚太区名单。

他用热响应水凝胶解决了器件贴合与剥离的痛点，又用跨物种的仿生思路，借鉴猪笼草来捕获微量液体。

在他的眼里，最好的技术既要能够算得准，更要戴得舒服和用得安全。

破局硬连接：水凝胶的温柔贴合和剥离

医院里的监护设备往往连着各种电线，贴在皮肤上的胶带撕下来时有时会扯痛皮肤，对于刚做完手术的婴儿以及儿童来说，这种体验非常不好。早年间在儿科脑氧合监测和皮瓣移植术后的监测工作中，传统医用胶带的劣势让吴昌盛印象深刻。

黏附过强非常容易损伤娇嫩的皮肤，遇到体液又非常容易失效，甚至有时候医生为了固定探针只好动用缝合。这些真实的临床困境让其意识到，传感器能否可靠地使用，很大程度上取决于它怎样地接触组织，以及监测结束后怎样地被安全移除。

为了解决这一难题，吴昌盛团队与来自华中科技大学的吴豪教授团队围绕响应型水凝胶生物界面展开了一系列合作。此前，他们面向皮瓣术后血液循环监测，开发了可打印的热响应水凝胶界面，让器件在监测时稳定贴合皮肤，结束后通过温度调节降低黏附，实现温和移除。

在此基础上，团队进一步将研究拓展到湿滑、柔软的脑组织表面，开发了带有热响应微球的水凝胶生物界面。这种材料可以吸收脑表面的液体，帮助柔软的界面和皮层紧密贴合。

（来源：吴昌盛）

当手术监测结束需要移除器件的时候，通过受控加热触发微球相变和脱水，界面的黏附强度就会得到大幅降低，医生便能进行温和的剥离。目前，这套集成了接触压力与神经电信号监测的系统，已经在兔脑肿瘤切除模型中完成验证，用于提供实时的操作力反馈，并评估压力相关的神经损伤。

这种设计理念把贴合、测量以及移除一同纳入考量，让材料本身的响应能力去适应复杂的临床需求，使界面在监测时保持稳定的接触，在任务完成之后安全释放。

对蜘蛛网说再见：可穿戴监测的轻量与关怀

对于很多需要进行长期监测的患者来说，连接在身上的导线不仅限制活动，也可能增加日常生活和照护的负担。吴昌盛关注的，是怎样让监测更自然地融入生活，让患者在获得可靠监护的同时，保有活动的自由与舒适。

在此前的合作研究中，吴昌盛及合作者开发了用于儿童脑血流动力学监测的无线近红外光谱设备。儿童天性好动，身体活动容易导致信号产生运动伪影。团队从器件与皮肤的接触入手，将设备做得更轻、更柔软，帮助维持稳定的光学接触，同时通过无线化减少导线牵拉带来的干扰。在数据处理环节，还可以结合多波长及不同探测距离的信息进行交叉参考，识别并标记明显受干扰的信号片段。

评价一套儿童监测系统到底好不好，不仅要看测量的精度，还要看孩子在日常活动之中，系统究竟有多少时间能够提供可信的数据。因此，设备需要在真实的护理流程中，接受医护人员在准确性、有效监测时间以及误报情况等方面的评估。成本也是持续监测的现实门槛。

传统的有线监测系统主机价格高昂，配套的一次性贴片一般需要按日更换。相比之下，该团队的无线微型设备成本被压缩到了只有几百美元的量级，并且可以在同一位患者身上重复使用，有望减轻持续监测的经济负担。

这种探索也延伸到了精神与心理健康领域。根据该团队在精神科等领域的合作经验，一次在医院进行的近红外光谱量化评估测试只需要十到十五分钟左右。而从医院中的单次评估走向居家定期监测和长期追踪，则对设备提出了更全面的要求：除了控制成本，还要考虑贴片反复使用的可靠性、不同测试环境下的数据一致性，以及配套的软件应用是否足够的方便，从而让患者、家长和医护人员能轻松上手。

未来，该团队希望通过更广泛的验证，推动这类设备在真实护理与日常生活中持续提供可靠数据，让患者戴得舒服、医护人员用得方便，也让家庭和医疗机构负担得起。

跨界仿生：从猪笼草到磁增强软体机器人

从柔软的人体组织，到植物表面的微量液体，再到机器人运动中的反复变形，吴昌盛的研究始终面对一个共同问题：材料与系统怎样适应复杂的真实环境？自然界中生物演化出的精妙结构，为此提供了丰富的启发。

以植物吐水为例，这些液滴包含植物内部的化学信息，为科学家观察其生理变化提供了一个窗口。但是吐水量很小、又容易蒸发，如何及时收集并进行监测，是首先需要解决的难题。

吴昌盛团队把猪笼草定向输液的机制引入到了微流控芯片之中，利用楔形微通道以及非对称润湿性，让微量的液体能够实现自驱动的定向收集。

（来源：吴昌盛）

这样一种跨物种的仿生思路，提炼了不同生物解决问题的多重机制，再把这些机制组合成了一个适合新场景的系统，进而用来监测植物内部的状态。事实上，仿生最有价值的部分，就在于从生物体身上汲取科研灵感，并用工程手段将其转化为一个个实际可用的平台。

这种系统集成的思路同样体现在该团队在软体机器人的研发上。软体机器人需要电池来支持感知以及通信，可是加上电池之后往往会增加身体的刚度，反复的变形也会影响电池内部的电化学稳定性。

该团队巧妙利用了机器人自身的磁性条件，让外部磁场负责操控软体结构运动，这时磁性弹性体产生的局部磁场则会有助于改善邻近电池的电化学过程，进而抑制锌枝晶和正极劣化。

当把驱动层、电池和电路沿着厚度方向垂直集成，不仅能够提高身体面积的利用率，还能够保留柔顺性。也就是说，一个部件的物理属性，能够同时帮助另一个部件解决难题，这种身体、感知以及控制之间的闭环关系，其实正是具身智能所强调的方向。

材料与结构承担了柔顺运动以及供能稳定性的部分任务，惯性传感器负责提供反馈，再通过数字孪生和控制系统实现扰动纠正和避障。未来在机器学习的帮助之下，还可以进一步帮助处理复杂环境，实现硬件设计与算法能力的共同发展。

类似的思路也延伸到了团队近期发表的磁-机械-电化学耦合纤维研究中。通过不同物理过程之间的耦合，材料本身能够参与功能调节，为材料、结构与功能的一体化设计提供更多可能。

AI 边界与多模态融合的探索

当前，AI 在图像识别和语言处理上表现出色，但是在处理人体的复杂生理信号时，吴昌盛有着十分冷静的思考。他强调 AI 必须受到物理规律和参考测量的约束，因为同样一段信号的变化，可能来自于组织刚度的改变，也可能仅仅是因为贴片位置移动或者身体运动。

假如模型没有能够区分这些因素，就容易把测量条件的改变误判为是生理变化。所以，AI 必须和实验设计一起进行考虑。

他认为，人们需要有意识地改变这些条件，理解它们分别是怎样影响信号的，并通过独立的参考测量来验证模型。与此同时，训练和测试也应该覆盖不同的人、不同的测量时间和佩戴条件，检验模型离开原来的实验环境后到底是否仍然可靠。

他希望 AI 既可以更有效地处理复杂信号，同时也能识别出何时证据不足，知道何时能够去相信某一个结果。

区分目标本身的变化与测量条件的变化，也是触觉感知中的一个关键问题。该团队与清华大学的丁文伯教授团队长期合作，研发仿生多模态触觉传感器。传感器产生的摩擦电信号可以反映材料的特征，视触觉信号则能够提供接触力和形变的信息。把这两类信息融合起来之后，模型就能够结合接触方式来判断接触的是什么物体。

（来源：吴昌盛）

在此基础之上，该团队和合作者提出了触觉语言模型，把不同模态的输入转化为一种统一的图像表示，再与语言模型加以连接，让机器人能够描述物体的属性，并把这些信息和物体的用途联系起来。

但是，这种融合方法也有取舍，时序信号转成图像之后，可能会损失一部分的时间信息。目前，该团队更关注的是融合后是否保留了关键的物理信息，让机器人既能感知接触中到底发生了什么，也能理解物体以及支持后续交互。

面对未来，吴昌盛认为在多模态数据的分析上，目前大家都还在摸着石头过河。现在很多研究其实都是在做加法，也就是尽可能多地增加监测模态，从而收集海量的数据。

但是，不同信号之间有哪些内在联系、分别提供了什么信息，还需要进一步理解。他希望从生理机制出发，研究不同信号如何反映相互关联的生理过程，并将这些联系转化为分析模型中的适当约束。这样既有望提高解码的准确性和可靠性，也能帮助判断不同模态提供的信息是互补的，还是冗余的。

在真实的医疗场景中，不可能让所有用户都穿戴所有种类的监测器件。团队希望针对具体疾病和使用场景，在保留关键生理信息、保证监测可靠性的前提下，选择必要的模态组合，让个性化监测更加方便、可及。

在谈到未来五年最有希望落地的技术时，吴昌盛更看好那些面向明确任务的非侵入式可穿戴监测，也很看好工业场景中的触觉感知模块。

他认为，可穿戴监测可以围绕一个具体问题展开，建立清晰的使用流程以及评价标准，工业触觉也可以从特定材料识别和抓取反馈开始，在一个相对可控的环境中证明价值。

对于想要进入这个交叉领域的年轻人，他建议做材料和器件的同学要补齐统计和编程知识，做 AI 的同学要去理解传感器的原理和噪声，把从物理刺激到传感信号，再到模型判断的每一步都加以连接。他强调，在技术快速迭代的当下，始终以人的真实需求为出发点，才能让前沿科技带着“温度”走进日常生活。

参考资料：

A wireless, skin-interfaced biosensor for cerebral hemodynamic monitoring in pediatric care.” Proceedings of the National Academy of Sciences 117 (50), 31674-31684 (2020)

A wireless near infrared spectroscopy device for flap monitoring: proof of concept in a porcine musculocutaneous flap model.” Journal of Reconstructive Microsurgery 38 (02), 096-105 (2022)

A soft biosensor with printable responsive hydrogel interfaces for detection and differentiation of blood circulation complications.” National Science Review 13 (5), nwag058 (2026)

A soft bioelectronic system with a responsive hydrogel neural interface for direct force quantification and real-time intraoperative craniocerebral injury monitoring.” Nature Biomedical Engineering, (2026)

A multiplexed wearable microfluidic platform for non-invasive sweat-inspired monitoring of plant guttation biomarkers.” Nature Communications 17, 11267 (2026)

Magnetic field–enhanced vertical integration enables embodied intelligence in untethered soft robots.” Science Advances 11 (37), eadv9572 (2025)

Magneto-mechano-electrochemical fiber for self-sustainable electronic textiles.” Science Advances 12, eaef4338 (2026)

Biomimetic multimodal tactile sensing enables human-like robotic perception.” Nature Sensors 1 (1), 52–62 (2026)

Neuromotor Hierarchy Network: Physiological Inductive Biases for Robust Generalization in sEMG Decoding.” arXiv preprint arXiv:2610.07713