未来，这些产业将颠覆我们的认知

文／本刊记者 陈杰

“未来20年，有哪些传统行业将因为前沿科技发展而产生重大变革？”

近日，中国工程院院士李兰娟在科普中国联手知乎推出的“向科学要答案”专题活动上，抛出这一问题，瞬间便霸榜成为热点话题，各行各业专家学者也予以积极回应。

在农村，种地看不见人；得了疾病，一次基因扫描，就可以针对性地研制基因修复药物；酒店变成无人自助服务，商铺换成机器人上班；衣服可以再造衣服，实现100%低碳回收……在知乎，医学、纺织以及人工智能等行业的答主对相关产业未来20年的展望，也成为话题下的高赞回答。科技在未来如何颠覆我们的产业认知？

精准医学未来可期

“科技发展肯定会助推医学领域迎来重大突破！”极萨学院联合创始人冷哲告诉科普时报记者，医学从诞生之初到现在经历了很多变化，从最初的传统医学到现代的循证医学，医学有了长足的进步。而面向未来，精准医学则会成为整个医学行业产生重大变革的推动力。

传统医学主要依靠于经验的传承，而经验的最大问题在于其局限性。随后是循证医学的出现，其核心是在临床实践中以客观的科学研究结果作为证据，制定患者的治疗方案，为的是克服传统医学凭借经验的弊端。

当然，这并不是说循证医学就没有问题。冷哲说，循证医学所注重的证据大部分来源于大队列数据的验证，而这些证据在面临某一个个体的时候，可能会因为强调普遍性和忽略个体特殊性，过分依赖统计学分析而降低了疾病的深层机制和临床共识的权重。

近些年，科学家们不断以各种方法来尝试解决这一问题。随着人类基因组计划的完成，包括基因组学、转录组学和蛋白组学的飞速发展，医学领域终于有了一个全新的思路——精准医学。

冷哲说，精准医学所倡导的是针对每个患者的个体特征定制治疗方案，根据特定患者对特异性疾病的易感性、特异性疗法和预后进行亚群分类，从而采取相应的预防、治疗、干预措施。“要强调的是，精准医学并没有推翻循证医学，而是循证医学的细化。”

精准医学尝试从基因组学等角度来揭示疾病的发生和发展规律，把很多看起来症状类似的病人从基因层面进行更为精准的细分。从基因角度对药物的安全性和疗效进行评估，从而获得对个体更加确定的疗效，超越机械式看指南治病的方法。

“目前精准医学应用最多的领域还是在癌症的靶向药物选择方向。”冷哲说，精准医学的未来不会局限于针对不同的人采用不同的疗法，甚至可能出现针对不同的人开发不同的药物。随着基因编辑技术的成熟，未来不排除那种在科幻电影中出现的一次基因扫描，就可以有针对性地做出基因修复药物的情景。

纺织产业不再“夕阳”

“公众的印象中，纺织业就是劳动密集的产业，是大量产业工人巡视纺织机器或踩着缝纫机，重复着单一动作的夕阳产业。”纺织品化学工程师姚蔚铭接受记者采访时说，其实纺织的产业链极长，从纤维纺丝涉及的材料学、化学、化工学，到纺织涉及的纺织学、机械自动化、数学，再到成衣制作涉及的服装工程、服装设计等等，需要糅合多个学科知识才能做成一件普通衣服，而其中任何一个学科的高精尖发展最终都会随着产业化反馈到人们所穿衣服上。

你能想到，炎热的夏天人们感冒是因为穿着造成的吗？夏天室外高温，室内开着空调很凉快，人们在骤冷骤热的环境中进出，穿着不变就很易容就感冒。

姚蔚铭说，将来随着相变微胶囊技术的成熟，人们的衣服就可以拥有“相变恒温”功能。“我们可以将37.5℃的相变材料做成微胶囊形式，添加到任何一种面料材质的衣服上，减少夏天在室内户外穿梭时骤冷骤热的不适感，让衣服穿着起来更加舒适。”

夏季，服装防晒也是一种刚需，但是防晒衣很大的问题并不是防晒效果如何，而是穿起来太闷。防晒衣的防晒原理是吸收太阳光中的紫外线，但这些被吸收的光能会转化成热能，让本来就裹覆全身的防晒衣更加闷热。

“光辐降温技术可以在衣服纱线上添加对太阳光全波段反射的物质，直接反射紫外线和红外线。”姚蔚铭说，这种技术可让夏季的衣服穿起来不仅防晒还非常凉快。

到了冬天，人们对服装的要求无外乎是既轻薄又保暖，而这对传统服装材料而言就是个悖论，哪件羽绒服不是很轻很保暖但也很臃肿呢？

“改变，均源自科技创新。”姚蔚铭说，北京冬奥会上有的国家的队服就使用了一种特殊的面料，纱线会随着温度变化而自动收缩，从而控制羽绒服面料的蓬松度，这样衣服就能在室外有很好的保暖效果，在室内也不会觉得闷热。

智能终端更具“主观能动性”

AI技术发展已有几十年了，但智能终端设备的“主观能动性”提升并不是很快。

“5G时代的高可靠低延迟通信技术，基于分布式优化算法可以让终端智能设备自组网解决局部的人工智能问题。”牛津大学在读博士潘周聃接受记者线上采访时表示，多智能终端的协同问题，可以不用依赖通过把所有数据上传给中央服务器就能得到解决。

AI领域的解决方案多是需要一个极为高效的中央服务器，事无巨细地控制和安排着每一个智能终端。这种方式带来的问题，就非常考验中央服务器端高并发通信能力及其统筹全局的计算能力，而这两个能力挑战会随着机器人数量的增多而非线性地激增。

潘周聃说，分布式优化算法的核心架构是通过分布在智联体自身独立的“运算单元+彼此间通信”，迭代出一个解决局部问题方案。“与中心化服务器架构相比，这样的分布式算法并不需要把所有信息都分享出去，也不需要将信息时时刻刻传送给中央服务器，不给服务器算力添麻烦。”

当前，分布式优化算法面临的挑战首先是需要每台智能设备拥有足够智能，同时还需要一个延迟低的点对点通信，来加速沟通迭代的过程。前者随着最近10年移动互联网技术的发展，带来大量优秀的低功耗高性能智能终端设备处理芯片；后者在5G时代已经渐渐成为可能。

“随着芯片技术以及通信技术的进一步发展和迭代，AI未来必将给我们带来更多惊喜。”潘周聃展望道，未来的自动农业无人机可以结伴而行，自主组队规划路径完成农药喷洒任务；风电光电设备与当地的家庭、工厂组网，并一起完成发电、供电任务；高速公路上，无人驾驶汽车自主构建“车联网”有序地行驶……