未來，這些產業將顛覆我們的認知

文／本刊記者 陳杰

“未來20年，有哪些傳統行業將因為前沿科技發展而產生重大變革？”

近日，中國工程院院士李蘭娟在科普中國聯手知乎推出的“向科學要答案”專題活動上，拋出這一問題，瞬間便霸榜成為熱點話題，各行各業專家學者也予以積極回應。

在農村，種地看不見人；得了疾病，一次基因掃描，就可以針對性地研制基因修復藥物；酒店變成無人自助服務，商鋪換成機器人上班；衣服可以再造衣服，實現100%低碳回收……在知乎，醫學、紡織以及人工智能等行業的答主對相關產業未來20年的展望，也成為話題下的高贊回答。科技在未來如何顛覆我們的產業認知？

精準醫學未來可期

“科技發展肯定會助推醫學領域迎來重大突破！”極薩學院聯合創始人冷哲告訴科普時報記者，醫學從誕生之初到現在經歷了很多變化，從最初的傳統醫學到現代的循證醫學，醫學有了長足的進步。而面向未來，精準醫學則會成為整個醫學行業產生重大變革的推動力。

傳統醫學主要依靠于經驗的傳承，而經驗的最大問題在于其局限性。隨后是循證醫學的出現，其核心是在臨床實踐中以客觀的科學研究結果作為證據，制定患者的治療方案，為的是克服傳統醫學憑借經驗的弊端。

當然，這并不是說循證醫學就沒有問題。冷哲說，循證醫學所注重的證據大部分來源于大隊列數據的驗證，而這些證據在面臨某一個個體的時候，可能會因為強調普遍性和忽略個體特殊性，過分依賴統計學分析而降低了疾病的深層機制和臨床共識的權重。

近些年，科學家們不斷以各種方法來嘗試解決這一問題。隨著人類基因組計劃的完成，包括基因組學、轉錄組學和蛋白組學的飛速發展，醫學領域終于有了一個全新的思路——精準醫學。

冷哲說，精準醫學所倡導的是針對每個患者的個體特征定制治療方案，根據特定患者對特異性疾病的易感性、特異性療法和預后進行亞群分類，從而采取相應的預防、治療、干預措施。“要強調的是，精準醫學并沒有推翻循證醫學，而是循證醫學的細化。”

精準醫學嘗試從基因組學等角度來揭示疾病的發生和發展規律，把很多看起來癥狀類似的病人從基因層面進行更為精準的細分。從基因角度對藥物的安全性和療效進行評估，從而獲得對個體更加確定的療效，超越機械式看指南治病的方法。

“目前精準醫學應用最多的領域還是在癌癥的靶向藥物選擇方向。”冷哲說，精準醫學的未來不會局限于針對不同的人采用不同的療法，甚至可能出現針對不同的人開發不同的藥物。隨著基因編輯技術的成熟，未來不排除那種在科幻電影中出現的一次基因掃描，就可以有針對性地做出基因修復藥物的情景。

紡織產業不再“夕陽”

“公眾的印象中，紡織業就是勞動密集的產業，是大量產業工人巡視紡織機器或踩著縫紉機，重復著單一動作的夕陽產業。”紡織品化學工程師姚蔚銘接受記者采訪時說，其實紡織的產業鏈極長，從纖維紡絲涉及的材料學、化學、化工學，到紡織涉及的紡織學、機械自動化、數學，再到成衣制作涉及的服裝工程、服裝設計等等，需要糅合多個學科知識才能做成一件普通衣服，而其中任何一個學科的高精尖發展最終都會隨著產業化反饋到人們所穿衣服上。

你能想到，炎熱的夏天人們感冒是因為穿著造成的嗎？夏天室外高溫，室內開著空調很涼快，人們在驟冷驟熱的環境中進出，穿著不變就很易容就感冒。

姚蔚銘說，將來隨著相變微膠囊技術的成熟，人們的衣服就可以擁有“相變恒溫”功能。“我們可以將37.5℃的相變材料做成微膠囊形式，添加到任何一種面料材質的衣服上，減少夏天在室內戶外穿梭時驟冷驟熱的不適感，讓衣服穿著起來更加舒適。”

夏季，服裝防曬也是一種剛需，但是防曬衣很大的問題并不是防曬效果如何，而是穿起來太悶。防曬衣的防曬原理是吸收太陽光中的紫外線，但這些被吸收的光能會轉化成熱能，讓本來就裹覆全身的防曬衣更加悶熱。

“光輻降溫技術可以在衣服紗線上添加對太陽光全波段反射的物質，直接反射紫外線和紅外線。”姚蔚銘說，這種技術可讓夏季的衣服穿起來不僅防曬還非常涼快。

到了冬天，人們對服裝的要求無外乎是既輕薄又保暖，而這對傳統服裝材料而言就是個悖論，哪件羽絨服不是很輕很保暖但也很臃腫呢？

“改變，均源自科技創新。”姚蔚銘說，北京冬奧會上有的國家的隊服就使用了一種特殊的面料，紗線會隨著溫度變化而自動收縮，從而控制羽絨服面料的蓬松度，這樣衣服就能在室外有很好的保暖效果，在室內也不會覺得悶熱。

智能終端更具“主觀能動性”

AI技術發展已有幾十年了，但智能終端設備的“主觀能動性”提升并不是很快。

“5G時代的高可靠低延遲通信技術，基于分布式優化算法可以讓終端智能設備自組網解決局部的人工智能問題。”牛津大學在讀博士潘周聃接受記者線上采訪時表示，多智能終端的協同問題，可以不用依賴通過把所有數據上傳給中央服務器就能得到解決。

AI領域的解決方案多是需要一個極為高效的中央服務器，事無巨細地控制和安排著每一個智能終端。這種方式帶來的問題，就非常考驗中央服務器端高并發通信能力及其統籌全局的計算能力，而這兩個能力挑戰會隨著機器人數量的增多而非線性地激增。

潘周聃說，分布式優化算法的核心架構是通過分布在智聯體自身獨立的“運算單元+彼此間通信”，迭代出一個解決局部問題方案。“與中心化服務器架構相比，這樣的分布式算法并不需要把所有信息都分享出去，也不需要將信息時時刻刻傳送給中央服務器，不給服務器算力添麻煩。”

當前，分布式優化算法面臨的挑戰首先是需要每臺智能設備擁有足夠智能，同時還需要一個延遲低的點對點通信，來加速溝通迭代的過程。前者隨著最近10年移動互聯網技術的發展，帶來大量優秀的低功耗高性能智能終端設備處理芯片；后者在5G時代已經漸漸成為可能。

“隨著芯片技術以及通信技術的進一步發展和迭代，AI未來必將給我們帶來更多驚喜。”潘周聃展望道，未來的自動農業無人機可以結伴而行，自主組隊規劃路徑完成農藥噴灑任務；風電光電設備與當地的家庭、工廠組網，并一起完成發電、供電任務；高速公路上，無人駕駛汽車自主構建“車聯網”有序地行駛……