微软的超级智能战略与AI治理理念 - 微软消费人工智能主管苏莱曼正致力于打造一款“符合人类利益”的超级智能 并承诺若该技术对人类构成威胁将立即停止研发 [1] - 苏莱曼强调公司不会继续开发可能失控的系统 并认为这种以安全为先的理念在当前行业中仍属新颖立场 [2] - 苏莱曼与微软的观点是 超级智能系统唯有服务于人类才能取得成功 [3] 微软与OpenAI的合作关系演变 - 微软此前主要依赖OpenAI提供AI工具 但目前正委任苏莱曼负责打造能够与业界最佳产品竞争的产品 [2] - 在今年十月前 苏莱曼的工作受限于合同条款 该条款禁止微软研发通用人工智能或超级智能 [4] - 根据新协议 微软获得了独立或与第三方合作开发通用人工智能的权利 作为交换 微软放弃了限制OpenAI与第三方合作的权利以换取使用其最新产品的机会 [5] - OpenAI如今与软银 甲骨文等多家企业达成协议 建设的数据中心规模已超出微软原计划为其建造的数量 [5] 行业竞争格局与AI发展现状 - 包括OpenAI和Anthropic在内的众多AI企业均宣称有类似服务人类的目标 但苏莱曼认为微软的目标具有独特性 [4] - 业内关于超级智能的讨论仍是理论性的 像ChatGPT这样的技术仍在发展中 无论是对于消费者还是企业高管而言都是如此 [5] - 微软Copilot消费助手的智能代理功能“并非总是准确” 仍在开发与实验阶段 [6][7]

核心观点 - OpenAI最新发布的GPT-5.2模型在关键思维能力测评中实现了质的飞跃 特别是在抽象推理与泛化能力(ARC-AGI-2)上从GPT-5.1的17.6%跃升至52.9% 标志着大语言模型在长期短板上的巨大突破 [1] - GPT-5.2在衡量模型经济价值的重要指标GDPval上 分数从38.8%飙升至70.9% 凸显了模型扩展能力与推理能力的同步突破 [1] - 尽管近期OpenAI因竞争对手Google的Gemini模型成功扩展而显得措手不及 但此次数据表明其推理能力正在实现以往看似不可能的任务 [1] 模型性能对比 (GPT-5.2 vs. 前代及竞品) - **软件工程能力(SWE-Bench Pro)**: GPT-5.2达到55.6% 高于GPT-5.1的50.8% 也高于Anthropic Claude Opus 4.5的52.0%和Google Gemini 3 Pro的43.3% [2] - **科学问题能力(GPQA Diamond)**: GPT-5.2达到92.4% 高于GPT-5.1的88.1%和Anthropic的87.0% 略高于Google的91.9% [2] - **科学图表推理(CharXiv)**: GPT-5.2达到82.1% 显著高于GPT-5.1的67.0% 也略高于Google的81.4% [2] - **高等数学(FrontierMath)**: GPT-5.2在Tier 1-3达到40.3% 高于GPT-5.1的31.0%和Google的37.6% 在更难的Tier 4达到14.6% 高于GPT-5.1的12.5%但低于Google的18.8% [2] - **竞赛数学(AIME 2025)**: GPT-5.2达到100.0% 高于GPT-5.1的94.0% Anthropic的92.8%和Google的95.0% [2] - **抽象推理(ARC-AGI 1)**: GPT-5.2达到86.2% 高于GPT-5.1的72.8% Anthropic的80.0%和Google的75.0% [2] - **抽象推理与泛化(ARC-AGI 2)**: GPT-5.2达到52.9% 远高于GPT-5.1的17.6% 也高于Anthropic的37.6%和Google的31.1% [3] - **知识工作与经济价值(GDPval)**: GPT-5.2达到70.9% 远高于GPT-5.1的38.8% 也高于Anthropic的59.6%和Google的53.5% [3]

文章核心观点 - OpenAI最新发布的GPT-5.2模型在关键能力指标上实现了质的飞跃 特别是在抽象推理和经济价值评估方面取得了巨大突破 标志着大语言模型在核心短板上的显著进步 [1] 模型性能突破 - **抽象推理能力(ARC-AGI-2)大幅跃升**: GPT-5.2在ARC-AGI-2测试中的表现从GPT-5.1的17.6%飙升至52.9% 实现了超过200个百分点的相对提升 这是模型在抽象推理与泛化能力这一长期短板上的巨大突破 [1] - **经济价值评估(GDPval)显著提升**: GPT-5.2的GDPval分数从GPT-5.1的38.8%大幅提升至70.9% 凸显了模型扩展能力与推理能力的同步突破 测试时模型已启用最大推理效能 [1] - **综合性能领先**: 在多项基准测试中 GPT-5.2均展现出领先或顶尖水平 例如在AIME 2025数学竞赛中达到100% 在GPQA科学问题上达到92.4% 在CharXiv科学图表推理上达到82.1% [2] 行业竞争格局 - **OpenAI重夺领先地位**: 尽管近期因Google的Gemini模型成功扩展而显得措手不及 但GPT-5.2的发布数据表明 公司在推理能力上正在实现以往看似不可能的任务 重新确立了技术领先性 [1] - **关键指标对比优势**: 在核心的抽象推理测试ARC-AGI-2中 GPT-5.2的52.9%显著高于Anthropic Claude Opus 4.5的37.6%和Google Gemini 3 Pro的31.1% 在衡量知识工作的GDPval测试中 GPT-5.2的70.9%也高于Claude的59.6%和Gemini的53.5% [2] - **多维度性能比较**: 在软件工程(SWE-Bench Pro) 高级数学(FrontierMath)等多个专业领域测试中 GPT-5.2均保持了对主要竞争对手的领先或竞争优势 [2]

文章核心观点 中国主要造车新势力（理想、小鹏、蔚来等）在新能源汽车市场竞争进入“淘汰赛”、增长放缓的背景下，正积极效仿特斯拉的战略，将业务边界从汽车制造拓展至人工智能、机器人、芯片及出行生态等领域，以构建新的增长故事和长期竞争力，但这一转型依赖于持续且高强度的研发投入，而投入规模仍受制于汽车主业的基本盘[5][7][11][19][26] 行业趋势：新能源汽车市场进入存量竞争与淘汰赛阶段 - 中国新能源汽车渗透率快速提升，2024年前9个月燃油车市场份额首次跌破50%，降至49.9%，较去年减少2.5个百分点[5] - 行业领导者预测未来渗透率将持续攀升：何小鹏预测未来3年中国新能源汽车渗透率将达85%以上；李斌预测2030年新能源汽车将占新车销量90%以上；理想汽车预测2026年国内新能源汽车渗透率在55%-60%之间，其中高端市场渗透率将突破60%[5] - 市场进入“零和博弈”，增长必然放缓，行业热议“决赛论”与“淘汰赛”，何小鹏断言未来中国市场仅能剩下5家强势品牌[7] - 为应对淘汰赛，新势力聚焦降本、提量、盈利，目前仅理想、赛力斯和零跑三家实现盈利（零跑有望在2024年实现全年盈利），小鹏和蔚来目标在2024年第四季度实现季度盈利[7] - 汽车业务故事退潮，新势力造车业务越来越趋向传统汽车公司，强调通过平台化、规模化和供应链合作（如小鹏与华为合作电机，蔚来与供应商组建芯片合资公司）来控制成本[8] 公司战略：效仿特斯拉，向AI与机器人领域拓展新业务 - **特斯拉的转型路径**：公司定位从汽车公司转向人工智能机器人公司，其价值增长路径将依赖于人工智能软件、自动驾驶生态和机器人产品的规模化落地[11] - 特斯拉2025年股东大会通过的马斯克薪酬计划核心指标均与AI相关：1000万个活跃的FSD订阅、交付100万台机器人、100万辆Robotaxi商业运营[11] - 特斯拉在2025年9月发布的“大师计划第四篇章”中，明确将发展重心从电动汽车全面转向人工智能和机器人领域[12] - **中国新势力的跟进**： - **理想汽车**：发布首款AI眼镜Livis，成立“空间机器人”和“穿戴机器人”部门，长远目标是成为通用人工智能时代的终端企业，未来将研发更多AI硬件产品[2][3][10] - **小鹏汽车**：在2024年AI科技日展示了成熟的机器人产品、飞行汽车，并重启了Robotaxi落地计划，其技术路线图强调自研AI芯片和物理AI模型构成底座[10][14] - **蔚来汽车**：持续投入自研芯片[10] - **赛力斯、长安、吉利**：也推出了成型的人形机器人产品[10] - 新势力认可特斯拉将人工智能与物理世界融合的技术路径，并在逻辑上高度相似，旨在通过技术复用（如基座模型、芯片）控制成本[14][16][19][20] 研发投入：新故事依赖高强度投资，但规模与重心存在差异 - **特斯拉研发投入规模与结构**： - 年研发投入从2020年的14.91亿美元增长至2024年的45.4亿美元，营收占比稳定在4%以上[20] - 2023年研发费用增速达29.1%，主要投向Dojo超算和机器人；2024年增速放缓，重点在Robotaxi、FSD和AI芯片[21] - 2024年前三季研发费用已达46.29亿美元（超去年全年），预计全年至少62.79亿美元，其中约60%投向人工智能与自动驾驶，约30%投向硬件与机器人[23] - **小鹏汽车研发投入规模与结构**： - 年营收从2020年的58.44亿元增长至2024年的408.66亿元[23] - 研发费用从2020年的17.26亿元增长至2024年的64.57亿元，研发费用率最低超过15%，最高接近30%[23] - 2020-2022年研发兼顾三电、新车型等；2023年起AI相关投入比例提升，但费用仍倾向新车型与智能座舱[23] - 2024年上半年约70%研发资源集中于智能驾驶、电动化平台及AI大模型，全年AI相关投入接近50亿元（含算力租赁、训练及团队扩张）[24] - **理想汽车研发投入规模与结构**： - 研发费用规模自2022年起超越小鹏[26] - 2024年前，AI相关研发主要限于智能驾驶和Mind GPT，主要费用流向汽车技术[26] - 2024年提高了AI技术相关的研发费用率，2024年预计总研发投入120亿元，其中50%（约60亿元）与AI技术相关[26] - AI投入中，约45%用于基础建设（基础模型、芯片、OS、算力），约55%用于产品技术研发（VLA模型、智能座舱等）[26] - **投入对比与展望**：新势力在AI领域的投资强度与规模仍与特斯拉有较大差距，受制于汽车市场的激烈竞争，需先稳住基本盘[26]。何小鹏预测，未来汽车企业年度研发投入将攀升至500亿元，其中300亿需用于人工智能研发[26]

公司对人工智能的战略定位与研究方向 - 公司研究聚焦于未来3-5年，致力于大模型、大数据、大算力在工农业和科技产业的实际应用 [3] - 人工智能在公司的地位重要，但当前最重要的是通信技术（CT），包括无线电、光通信、核心网和数据通信，因为没有网络的算力是信息孤岛 [28] - 公司未来三到五年内的研究方向相当于德国的工业4.0，强调人工智能在工业中的应用 [27] 人工智能在具体行业的应用案例与价值 - 在钢铁行业，通过大模型优化高炉控制，可提高高炉效率1% [3] - 在煤炭行业，实现地下500-700米或更深的无人挖煤，并通过大模型提高洗煤精度0.1% [3] - 在港口运营中，如天津港和秘鲁钱凯港，实现了集装箱装卸、堆垛到通关的全流程无人化 [3] - 在医疗领域，瑞金医院的病理大模型和中山医科大学的眼科模型已投入使用，帮助提高诊断能力 [4] - 利用5G和光纤网络，在西藏牧区可实现远程超声波肝包虫检测，展示了低时延网络的应用价值 [7] - 在铁路系统，国铁正在试验5G-R无线调度系统，以支持时速450公里的高铁和载重3万吨的货运列车，未来中国铁路网可能达30-40万公里干线轨道 [13][14] - 软件工程领域，AI辅助编程已释放约30%的软件工程师工作量，未来可能达到60-70% [16] 对算力、模型与未来技术发展的看法 - 认为未来将是算力过剩的时代，而非算力不足 [16] - 认为人工智能的发明贡献仅占2%，而在产业上的应用贡献将占98% [24] - 认为量子计算未来一定会成功，但公司不承担量子研究，成功后可能会购买量子计算机 [24] - 强调人工智能重在应用，应用AI会强大一个国家，而不仅仅是发明AI的IT公司 [24] 对教育、人才与创新的观点 - 区分学校与企业的属性：学校探索人类未来（0-1创新），企业创造商业价值，将理论变为工业现实 [1][7] - 认为网络教育推动了从物理集中式向逻辑分散式教育模型的转变，有利于边远地区天才的崛起 [5][6][26] - 鼓励青年人才敢于摸高，探索真理，并认为因材施教很重要，不是每个人都要去摸高 [9] - 指出中国青年创业氛围浓厚，在机器人等领域有数百万青年参与，形成了不羡慕外部机制的内部创新环境 [10][11] - 提到公司曾招聘三千多名边远地区本科毕业生，经过三年培养后授予专科认证，从事芯片生产和精密制造工作，重新定义“工人” [9] - 认为在计算机时代的脑力劳动中，男性和女性没有本质区别 [18] - 强调理论研究的伟大，列举了傅里叶变换、拉普拉斯方程等例子，认为理论是推理出来的“空想” [17] 公司的全球化合作与开放态度 - 公司尊重各国人才与技术，在不同国家设有机构进行合作发展，例如在俄罗斯因其理论科学先进而规模化发展 [20] - 表示渴望全球化，自力更生是被逼无奈，并承认在诸多方面使用的芯片至少落后国内其他企业一代 [29] - 强调中国需要更加开放，向世界文明学习，不能闭关自守，开放改革使中国富起来，现在需要发展“新质生产力” [30] - 提及与ICPC的合作始于偶然，并通过“黄大年茶思屋”网络平台与全球科研人员交流 [19][30] - 对罗马尼亚的数学传统和工业历史表示赞赏，并坚持加强与其合作 [21] - 认为美国创造的科技文明对世界有益，美国制裁的只是公司，中国大多数公司仍可使用美国技术，这对中国产业发展有好处 [28][29] 对特定国家或地区技术发展的建议 - 对印度尼西亚，建议其AI发展重点在于“应用”领先，例如利用北斗卫星与公司技术实现厘米级定位，发展船舶与港口自动化 [21][22] - 对白俄罗斯，肯定其在热工理论（如热管和磁流变抛光技术）上的伟大贡献，这些技术对解决芯片散热问题至关重要 [23]

科技助残行业动态 - 全国残特奥会成为科技助残产品的重要展示与应用平台 多项智能化、个性化装备与服务在赛事中得到应用 包括导盲机器狗、脑控轮椅、智能调脊机器人以及融合AI大模型与5G通信技术的无障碍服务系统 [1] - 科技助残产品已深入残特奥会运动员的比赛、训练及生活场景 例如六足导盲机器狗引导盲人门球选手 数字孪生技术打造的全时空指挥体系管理场馆无障碍设施 [3][4] - 粤港澳大湾区作为我国科技创新和辅具研发生产高地 借助残特奥会平台 以精细化管理和先进装备推动“有爱无碍”理念具象化 [6] 政策与市场环境 - 2024年12月 中国残联、国家发展改革委、教育部等九部门联合印发《关于推进科技助残的指导意见》 提出加大研发力度、加快成果转化、汇聚壮大力量、优化创新环境等要求 [9][10] - 一年来多项政策落地生花 在2025年5月的第七次全国自强模范暨助残先进表彰大会上 有多家科技企业与科技工作者获得表彰 [12] 公司/产品进展 - 科大讯飞推出的“三声有幸”AI公益计划已创造3.8万个无障碍应用 公司还与中国残联成立“通用人工智能助残联合实验室” 通过举办培训、创新大赛等活动回应残疾人走向社会的需求 [12][13] - 广东佛山一家辅具厂家生产的全地形无障碍机器人已在残特奥会上投用 [7] - 残特奥会组委会表示科技助残是本届最大亮点 例如通过微信小程序可呼出专项手语翻译服务 无障碍参赛体验已贯穿赛场全流程 [7] 行业趋势与影响 - 残特奥会引入的智能装备技术为残疾人运动员突破自我提供了有力支撑 不仅拓展了残疾人体育边界 未来更有望实现“可复制”与“可普及” 走入家庭提升生活质量 [15] - 从1984年至今 每届残特奥会科技元素的迭代升级 勾勒出残疾人事业发展的上扬曲线 科技助力“平等、融合、共享”理念闪耀 推动“残健共融”图景从愿景走向现实 [17]

文章核心观点 - 地平线副总裁兼首席架构师苏箐认为，当前一代深度学习技术可能已触及天花板，未来三年智驾行业将进入在现有系统上做极致优化的阶段，而非理论内核重构 [1] - 苏箐警示行业应对端到端技术热潮保持冷静，指出其发展将面临高成本与基础理论突破停滞的挑战 [1][3] 智驾技术范式演进 - 2024年初特斯拉FSD V12版本上线成为分水岭，其首次采用端到端神经网络架构，将感知、决策与控制整合为单一模型，证明了该技术的可行性 [2] - 该技术推动智驾行业技术范式从规则驱动转向数据驱动 [2] - 端到端技术的普及将带来两大趋势：智驾系统越来越“类人”，以及L2与L4级别的智驾方法论走向统一 [2] 行业未来发展趋势 - L2级辅助驾驶将迎来巨大发展红利期，城区辅助驾驶将逐步普及到10万元级别车型 [2] - 方法论统一后，同样的开发范式不仅能提升L2体验，也能以更低成本和更广部署区域落地L4系统（如Robotaxi） [2] 面临的挑战与行业现状 - AI与AGI的基础理论在未来三到五年可能不会有全新突破，行业将进入演进和优化阶段 [3] - 后续各家企业可能会开始堆算力、叠模型容量 [3] - 开发和试验端到端系统的成本极高，做一轮试验可能要十个亿，且不一定成功 [3] - 苏箐回顾2022年时曾对行业感到失望，认为当时的自动驾驶与人类司机相比差距极大 [2]

公司战略与愿景 - 公司从“向高而行”的技术突破转向“向高同行”的产业协同，旨在赋能行业、普惠大众，加速智能汽车和通用机器人时代的普及 [5] - 公司明确自身定位为“机器人时代的Wintel”，不做本体（车企或机器人品牌），而是作为产业基座和赋能者，秉持“全维利他”的生态信仰 [9] - 公司的企业使命是研发和量产最好的技术，让少数人的尖端技术成为多数人的日常，赋能智能汽车和机器人，让人类生活更安全、更美好 [28] 技术架构与发布 - 公司正式发布第四代BPU架构“黎曼”，这是面向通用机器人计算的终极架构，实现了关键算子算力10倍提升、高精度算子支持数量超10倍增加，并支持全浮点计算，面向大语言模型能效提升5倍 [14] - 从第一代伯努利架构到第四代黎曼架构，公司BPU在十年间将计算性能提升了超过1000倍，远超传统摩尔定律 [14] - 公司发布第四代编译器天工开物OpenExplorer®4.0，引入AI驱动优化策略，编译速度从小时级提升至分钟级，模型性能提升20% [14] - 公司发布两大具身智能开源模型：专注于运动智能的具身智能小脑基座模型HoloMotion，以及赋予空间感知与操作能力的具身智能大脑基座模型HoloBrain [25] 产品进展与市场数据 - 首搭公司HSD辅助驾驶系统的星途ET5和深蓝L06在上市两周内，HSD激活量已超12000辆，将城区辅助驾驶体验带入15万元以内的主流市场 [7] - 基于单颗征程6M芯片的城区辅助驾驶解决方案即将量产上车，旨在将成熟可靠的城区智能驾驶体验普惠到10万元级的国民车市场，首批合作伙伴包括博世、卓驭等 [21][23] - 征程家族芯片达成百万颗出货的时间不断缩短：征程3耗时约36个月，征程5缩短至24个月，征程6系列仅用12个月 [20] - 征程6家族实现全阶市场覆盖：征程6B/L生命周期定点量已超1000万；征程6E/M发布首年即实现超百万出货；征程6H/P意向量产车型超20款，2025年11月起陆续上市 [20] - 从征程2到征程6，五年时间，公司征程家族芯片累计出货量突破1000万套 [29] 商业模式创新 - 公司推出全新的“算法服务”商业模式“HSD Together”，向全行业开放其已验证的全栈能力 [20] - 在该模式下，合作伙伴可聚焦系统集成、车型适配等功能定制开发，而公司提供数据服务、算法适配工程与咨询以及核心的基座模型授权 [20] - HSD Together模式旨在让合作伙伴基于公司的成熟智能基座，将产品开发中的人力投入、算力消耗与上市周期均大幅降低90% [20] 生态拓展与行业影响 - 公司已成为中国最大的消费类机器人计算平台，旗下地瓜机器人上市产品超过100款，连接着超100家上下游合作伙伴与10万余名开发者 [24] - 公司技术驱动包括云鲸扫地机器人、维他动力机器狗、影石Insta360全景无人机在内的各类智能机器人终端 [24] - 公司旗下地瓜机器人与500余所大中小学合作，培养未来产业人才 [27] - 公司期待未来3至5年与生态伙伴携手，共同实现“城区辅助驾驶方案HSD千万量产”的里程碑 [29]

在人工智能应用竞争激烈的2025年末，一匹"黑马"正以加速度闯入更多人视野。 12月10日，阿里巴巴官方信息显示，旗下AI应用"千问"自11月17日全面公测仅23天，月活跃用户数（涵盖 APP、Web、PC全端）已破3000万大关，一举成为全球增长最快的AI应用之一。 有业内观察人士指出，这展示出市场对AI应用的旺盛需求，也体现出AI应用的竞争焦点正从炫技式的"会聊 天"转向务实的"能办事"。 不只是流量狂欢 千问的快速起势是多种因素共同作用的结果，其背后既体现了技术积累的价值，也反映出战略定位在市场竞争 中的关键作用。 首先，底层模型的技术支撑即基于阿里千问（Qwen）大模型的长期积累，为快速发展奠定基础。实际上，自 2023年起，阿里便采取了积极的开源策略，其Qwen系列模型在Hugging Face等全球开发者社区获得了广泛认 可。 截至目前，阿里千问Qwen已开源300多款模型，囊括文本、编程、图像、语音、视频等全模态，覆盖0.5B到 480B等全尺寸，在全球主要模型社区的下载量已经突破6亿，衍生模型突破17万个。 其次，明确的功能场景聚焦加速了其用户增长。千问发布伊始便定位"会聊天、能办事"这一方向 ...

梁文锋及DeepSeek入选《自然》年度人物 - 梁文锋入选《自然》杂志2025年度十大科学人物榜单，因其创立的DeepSeek模型对AI领域的重要贡献与变革性影响[1][2] - 《自然》给予梁文锋“科技颠覆者”的评价，并提及他此前在金融投资界的背景[3] - 另一位中国入选者是中国科学院深海科学与工程研究所研究员杜梦然，因其团队发现了地球上已知最深的基于化学合成的生命群落[3][6][8] DeepSeek模型的技术与市场影响 - DeepSeek模型凭借出色的“性价比”策略，将模型成本降至行业难以置信的水平，并提升了国产大模型在全球社区的技术声量[4] - DeepSeek的出现证明了大模型不一定要堆数据、堆参数、堆服务器，也能做出一线水准的能力[4] - DeepSeek近期发布并开源了其V3.2系列模型，在Agent评测中达到了当前开源模型的最高水平[4] 梁文锋的个人背景与职业历程 - 梁文锋1985年出生于广东湛江，17岁以“高考状元”成绩考入浙江大学电子信息工程专业，后攻读同专业研究生，师从项志宇教授研究机器视觉[5] - 2008年从浙大毕业后投身量化投资创业，其团队在2010年后乘上量化投资东风，自营资金很快超过5亿元人民币[6] - 2015年，梁文锋与校友共同创立幻方量化，一年后推出首个AI模型用于交易[6] - 2021年，幻方量化成为国内首家突破千亿规模的量化私募机构[6] - 2023年5月，瞄准通用人工智能，幻方量化成立独立新组织“深度求索”，即DeepSeek[6] 杜梦然的研究成果与个人背景 - 研究员杜梦然及其团队于2024年在日本千岛—堪察加海沟底部，使用“奋斗者号”载人潜水器发现了地球上已知最深的基于化学合成的生命群落，挑战了现有关于深海极端生命和碳循环的模型[6][8] - 杜梦然1987年出生于安徽亳州，现任中国科学院深海科学与工程研究所研究员、中国科学院大学专任教师、深海科学研究部副主任[10] - 她在中国海洋大学取得海洋化学学士学位，后赴美国Texas A&M University攻读博士学位，回国后加入中国科学院深海科学与工程研究所[10] - 其主要研究方向为深海深潜科学与探测技术，曾跟随“蛟龙”号、“深海勇士”、“奋斗者”号载人潜水器下潜20余次，研究成果发表在《科学》等顶级期刊[11] 《自然》年度榜单其他入选者概览 - Susan Monarez：因坚守科学底线被解职的美国疾控中心前主任，其离职引发对科学独立性的反思[13] - Achal Agrawal：印度自由数据科学家，通过揭露学术不端推动印度国家院校排名体系将论文撤稿纳入考核[14] - Tony Tyson：薇拉·鲁宾天文台的构想与推动者，该望远镜将以前所未有规模透视暗物质与宇宙演化[15] - Precious Matsoso：成功引导世卫组织近200个成员国就首份《全球大流行病条约》草案达成一致的谈判者[16] - Sarah Tabrizi：亨廷顿病研究领军人物，其团队在基因疗法临床试验中取得了延缓疾病进程的关键证据[17] - Luciano Moreira：在巴西建造全球最大“蚊子工厂”，通过释放携带沃尔巴克氏体的蚊子有效降低登革热发病率[18] - Yifat Merbl：从蛋白酶体中发现一个由数千种潜在抗菌肽构成的全新免疫防御系统[19] - KJ Muldoon：一名身患超罕见病的婴儿，在六个月大时接受了首例高度个性化的CRISPR基因编辑疗法[20]