21世纪十大IT技术及其最新进展！

到了21世纪，IT行业进入发展的快车道，新名词不断出现，令人眼花缭乱，所谓内行看门道，外行看热闹，如果没有一定的背景知识，许多方面看热闹也没法看，有些新闻报道，新名词背后，摸不清其实质内容，为了大家方便，我们花了一点时间，将网上的信息，归纳整理了一番，分为十个方面作简要的介绍，希望能对读者有所帮助。

- 文章信息 -

本文作者：邵慰严、叶洎沅。邵慰严老师以近90岁的高龄为这篇文章搭建了主题框架，并亲自完成了主要内容的编写。孙树亭先生对大数据一节内容做了重要的润色和修改。这里对两位老专家致以崇高的敬意，他们为我们树立了终身学习的榜样。

作为交通工具，人力车、马车被用了上千年，130年前汽车问世，用了近50年才逐步淘汰马车。可是从第二次世界大战结束以来，现代科学技术发展飞快，可说是日新月异，电脑、电话、手机不停翻新，像BP传呼机还来不及流行就被遗忘了。

市场的需要，推动技术的发展，例如1949年上海的电话号码只有5位数，算下来最多只有9×10⁴=90000——9万门，后来很长时间用6位数，容量到了9×10⁵=900000——90万门，到今天全国大部分城市都用8位数，容量可以到电话9×10⁷=90000000——9000万门。我国的手机号码是11位，可有电话用户9×10¹⁰=90 000 000 000——90亿门。

在农业社会，几千年也没什么革命性的变化，工业社会，有三次工业革命，第一次是以蒸汽机发明为代表，第二次是进入电气时代，第三次就是20世纪的计算机普遍应用；

上世纪七十年代，人类开始进入信息社会，信息社会是以计算机为基础的信息化技术（Information Technology）以及互联网（Internet）的普及为标志，互联网是怎么开始发展起来的呢？1969年12月加州大学等几所大学，后来（1970年6月）麻省理工（MIT）等院校，以及美国航空航天局（NASA）和兰德公司（Rand Corporation）等加入，互联网最初设计是为了能提供一个通讯网络，即使一些地点局部被核武器摧毁，互联网也能正常工作。到1983年，整个世界开始普遍采用了这个体系结构。

社会信息化程度用信息社会指数ISI（Information society index）表示，一般用四大类11项指标来衡量，这四大类是：信息量，信息装备量，信息主体（应用）水平，信息消费比例，ISI以0.6为标志，小于0.6，属准备阶段，大于0.6为发展阶段，中国的上海，北京，广州和深圳等大城市ISI已超过0.6。

进入21世纪，科学技术飞速发展，各种新概念，新名词不断出现（这些可能就是未来的朝阳产业），令人眼花缭乱。本文将对二十一世纪最具发展潜力的十大IT新技术作简要介绍，帮助读者们理解和思考。介绍的顺序如下：

接下来，让我们进一步深入介绍这十大技术吧！

01

虚拟现实和增强现实

虚拟现实（VR,Virtual Reality）和增强现实（AR，Augmented Reality）都是计算机生成的一种模拟环境，可以创建和体验虚拟世界的仿真系统，使用户可以感受到如同置身该环境中，可以像飞人一样，现场参观世界上的任何一个景点；我在电脑上玩过健身游戏：打网球，或打保龄球，其实并没有什么球，可以使你汗流浃背。2021年脸书（Facebook）改名Meta，有人说，是因为读起来有点像中文“非死不可”，不吉利，其实改名Meta是由于意指“元宇宙”（Metaverse）。

其实直到今天的2026年，人们还难以对“元宇宙”的具体概念形成统一的定义，大致可以认为是VR+AR+5G的应用，例如视频会议，可以将线上的谈判对象虚拟到同一房间，犹如面对面，甚至将来握手时会有触感（目前尚在开发中），所以有人将元宇宙看作是下一代的互联网。2021年作为“元宇宙元年”，元宇宙概念曾经迅速在股票市场掀起飓风，相关概念股价曾连续大涨，虽然现在这个泡沫已经破裂了，但是其代表的虚拟与现实融合技术还是在产业端悄然扎根了。

例如根据公开报道，长龙（杭州）航空维修工程有限公司，已经开发了“民航维修AR培训眼镜”，能对维修技师提供沉浸式实操指导与考核。而在一些保存珍贵文物的博物馆，观众也可以利用AR眼镜获得对这些珍贵文物更全面的图像、动画和语音讲解。这种AR眼镜通过在常规镜片中嵌入光波导芯片实现信息展示，不再需要早期VR那种头盔显示，大大降低了重量和功耗，从而可以实现长时间佩戴和长续航。

图：将高性能视觉SoC芯片嵌入镜片， 从而让眼镜拥有了智能算力（图片来自Rokid眼镜官网）

根据今年（2026）年的最新消息，国内外有多个团队正在研发针对视障和近视人群的智能眼镜，利用AI算法实现自动定焦、成像分析和信息提示等功能，帮助上述人群进行障碍提示和辅助阅读，使其生活更加便利。

02

物联网

说到物联网（Internetof Things,简称IoT）的起源，有个咖啡壶的故事，那是1991年，英国剑桥大学特洛伊计算机实验室的科学家们，要喝咖啡，可是咖啡壶在楼下，咖啡煮好了吗，要到楼下去看，很不方便，他们编写了一套程序，咖啡壶旁边安装了一个便携式摄像头，利用终端计算机的图像捕捉技术，以3帧/秒的速率传递到实验室的计算机上，这就是物联网最早的雏形。

直到1999年麻省理工学院的自动识别中心（Auto-ID）凯文.阿什顿（KevinAshton）教授首次提出IoT的概念，他将其定义为：把所有物品通过射频识别（RFID）等与互联网连接起来，实现智能化识别和管理的技术。

2005年国际电信联盟（ITU，International telecomnication Union）发布的报告中定义物联网为：通过二维码识读设备、射频识别(RFID)装备、红外感应器、全球定位系统和激光扫描器等信息传感设备，按照约定的协议，把任何物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。

物联网的组成元素包括：

● 物（Things）——以智能家居为例，所有家用电器，窗帘，门窗等，都是物，“物”需要配上传感器，发出状态信息，经与设定值对比，由执行机构作出相应的改变或调整；

● 网络（Internet）——用多种方式传递信息，接受如平台传感器发出的信息，通知执行机构执行命令，并在平台上作数据处理；

● 平台和应用界面（Platform interface）——这里的界面可以是电脑，或智能手机，在其上显示感测结果和执行结果。

物联网的基本架构大致可分为四大层（感知层，网络层，平台层，和应用层），见下图：

注1：图中ZigBee是一种短距离传输的无线网上协议，其特点为低复杂度、低速、低耗电、低成本、支持大量网上节点及多种网上拓扑，并且可靠和安全。

注2：图中RFID是Radio Frequency Identification 射频识别系统的缩写，又称电子标签，RFID技术可同时识别多个高速运动物体和标签，短距离可在工厂的流水线上跟踪物体，长距射频产品多用于交通上，识别距离可达几十米，如自动收费或识别车辆身份等。

物联网的运作依赖于四个关键步骤：

● 捕获数据：设备利用传感器收集环境或状态数据（如温度、位置或视频）。

● 共享数据：通过 Wi-Fi、5G、蓝牙或低功耗广域网将数据传输至云端系统。

● 处理数据：软件程序接收数据并进行逻辑判断（如检测到异常即触发警报）。

● 采取行动：系统或设备自动执行指令（如调节空调温度、关闭阀门）。

物联网的关键支撑技术包括：

● 传感器技术：低成本、高精度的传感器使得设备具备了“感知”能力。

● 云计算与边缘计算：提供海量数据的存储、算力支持与快速响应。

● 人工智能 (AI)：对采集到的大数据进行深度分析，在系统在感知后能“思考”。

● 高速通信网络：如 5G 及未来的卫星物联网技术，保障广覆盖、低延迟的数据传输。

物联网的典型应用场景包括：

● 智慧家居：家电、机器人、智能温控及安防系统等，用于提升居家便利性与安全性。

● 智慧工厂：在智能工厂中利用传感器预测设备故障、优化供应链物流。

● 智慧城市：智能交通信号灯、水位监测和智能电网，解决城市拥堵与资源浪费问题。

● 智慧医疗：可穿戴设备和远程医疗仪器，实现实时的健康体征监测与远程诊疗。

除了以上典型应用场景之外，还有一种应用场景与我们的生活息息相关，这就是车联网。我们不妨专门对车联网进行一番稍微详细的介绍。

借助新一代信息通信技术，融合车内网、车际网和车载移动互联网，实现车内全方位网络链接，以及车与车、车与路、车与人和车与云平台利用传感器感知车辆的状态信息，并借助无线通信网络与现代智能信息处理技术，实现交通的智能安全化管理，以及交通信息服务的智能决策和车辆的智能化控制。

车联网的目的是：为车与车之间的间距提供保障，降低车辆发生碰撞事故的几率；车联网可以帮助车主实时导航（以前通过GPS，现在使用北斗）直到自动驾驶，并通过与其它车辆和网络系统的通信，提高交通运行的效率。

我国的车联网技术自2009年开始，到2016年,华为、奥迪、宝马和戴姆勒等公司为了连接电信行业和车辆制造商，为未来的移动和运输服务开发端到端解决方案，合作推出5G汽车联盟（5GAA），得到国际多家电信和汽车公司参与，车联网需要射频识别（RFID）,传感器及网络技术，卫星定位技术，大数据分析技术，和统一的标准体系。我国很多城市都已经可以做到在公交汽车站上预报汽车到站时间。

近年来，车辆自动驾驶技术得到了快速发展，到2025年底为止，L2级组合驾驶辅助，例如特斯拉的Autopilot，已经开始逐步普及。L3甚至L4级的有条件自动驾驶也已经进入了测试阶段。在某些城市的特定区域，无人出租车也在进行试点应用，而这些都离不开车联网这种基础设施的建设。

03

区块链

区块链（Blockchain）是信息技术领域的重要概念，是一种利用密码学、分布式网络和共识机制构建的分布式账本（Distributed Ledger）技术。它按照时间顺序将数据记录存储在称为"区块（Block）"的数据结构中，并利用密码学哈希算法将各个区块依次连接形成链式结构，从而保证数据记录的完整性和可追溯性。

区块链具有以下几个主要特点：

● 去中心化：数据由网络中的多个节点共同维护，不依赖单一中心服务器，提高了系统的可靠性和容错能力。

● 不可篡改：已经写入区块链并经过网络共识确认的数据，修改成本极高，因此具有较强的防篡改能力。

● 公开透明、可追溯：每个区块都包含前一个区块的哈希值，形成完整的数据链，方便追溯历史记录。在公有链中，交易数据通常可以公开查询；在联盟链和私有链中，则根据权限进行访问控制。

● 可验证：任何拥有权限的节点都可以验证交易记录的真实性和完整性。

2019年1月10日，国家互联网信息办公室发布《区块链信息服务管理规定》，为我国区块链信息服务建立了基本监管框架。同年10月，中共中央政治局就区块链技术发展现状和趋势进行了第十八次集体学习，强调要"把区块链作为核心技术自主创新的重要突破口加快推动区块链技术和产业创新发展"。这表明我国高度重视区块链核心技术研发及其产业应用。

区块链的发展

区块链技术最早因比特币而受到广泛关注。2008年，一位使用化名"中本聪（Satoshi Nakamoto）"的人发表论文《比特币：一种点对点的电子现金系统（Bitcoin: A Peer-to-Peer Electronic Cash System）》，提出了一种无需中心机构参与即可实现电子货币交易的方案。该方案综合运用了密码学、公钥加密、数字签名、时间戳、工作量证明（Proof of Work，PoW）、Merkle树等多种技术，构建了后来被称为"区块链"的数据结构。

2009年，比特币创世区块（Genesis Block）诞生，标志着世界上第一个成功运行的大规模区块链网络正式上线。

2010年5月22日，一位程序员使用10,000枚比特币购买了两份披萨，这是比特币历史上首次用于现实商品交易，这一天后来被称为"比特币披萨日（Bitcoin Pizza Day）"。

随着比特币的发展，区块链技术逐渐从数字货币扩展到金融、供应链、数字身份、政务服务、知识产权等多个领域，其"分布式记账""不可篡改""可信协作"等特点得到了广泛的应用。

区块链的工作原理

在区块链系统中，每个区块都包含一定数量的交易数据、时间戳、前一区块的哈希值以及其他必要信息。其中，哈希算法（Hash Algorithm）是区块链的重要基础技术。哈希算法能够将任意长度的数据计算为固定长度的数字摘要（Hash值）。即使原始数据发生极其微小的变化，其哈希值也会产生巨大差异，因此可以快速验证数据是否被篡改。

由于每个区块都保存着前一区块的哈希值，一旦某个区块的数据被修改，其后的所有区块哈希值都会发生变化，从而能够及时发现异常。这也是区块链具有较高防篡改能力的重要原因。

区块链的分类

按照参与节点和管理方式不同，区块链通常分为三类：

（1）公有链（Public Blockchain）

任何个人或组织都可以自由加入网络、发起交易并参与共识，系统具有最高程度的开放性和去中心化特征。比特币、以太坊等典型区块链均属于公有链。

（2）联盟链（Consortium Blockchain）

由多个组织共同管理，仅授权成员节点参与共识和记账。联盟链兼顾效率、安全和隐私保护，目前广泛应用于金融、供应链、跨境贸易等行业。

（3）私有链（Private Blockchain）

由单个组织控制节点和访问权限，仅授权用户可以读写数据。私有链更适用于企业内部数据管理、审计和业务流程优化，其本质更接近一种具有区块链特征的分布式数据库。

区块链的应用

目前，区块链已经在多个领域开展应用探索，包括：

● 数字货币

● 跨境支付

● 供应链金融

● 商品溯源

● 医疗健康

● 数字身份认证

● 政务服务

● 知识产权保护

● 智能制造

● 物联网等。

例如，在国际贸易融资领域，部分商业银行已利用区块链平台开展跨境贸易融资试点，通过共享可信数据，提高业务处理效率。区块链技术可以带来以下优势：

● 提高交易效率，减少中间环节；

● 降低运营和对账成本；

● 增强数据可信度和可追溯性；

● 提高跨机构协同效率；

● 降低单点故障风险。

区块链的发展与监管

随着区块链技术不断发展，其应用已逐渐从加密货币扩展到实体经济的多个领域。长期以来，区块链这种“去中心化”的特征给比特币和其他区块链资产的持有者们带来了一种信心，即这类虚拟资产很难被政府监管，因此可以被用于洗钱等非法交易。2025年10月美国司法部宣布没收柬埔寨太子集团创始人陈志控制的12.7万枚比特币（当时价值约150亿美元），成为了比特币发展史上的一个里程碑事件，它宣告了比特币所谓“绝对安全、完全匿名和不受监管”的核心叙事已经不再成立。到2026年7月，比特币的单价已经下跌到65，000美元，8个月内的下滑幅度高达近50%。

区块链技术的发展过程是一个非常发人深省的故事，它代表了部分IT极客心目中那种绝对自由的“乌托邦”理想的破灭，任何技术创新，最终都要与法律监管之间寻求某种平衡。

目前，各国政府也不断完善相关法律法规，加强对数字资产、虚拟货币交易及反洗钱等方面的监管。需要指出的是，区块链的"去中心化"并不意味着"无法监管"。虽然区块链网络本身具有较高的技术安全性，但其交易活动仍可能涉及交易平台、钱包服务商、法币兑换机构等现实世界主体，因此仍然受到各国法律法规的约束。近年来，各国执法部门通过链上数据分析、数字取证和国际司法合作，已成功侦破多起利用加密货币实施洗钱、电信诈骗等违法犯罪案件。

区块链技术本身是一项中立的基础技术，其价值取决于具体应用场景和监管环境。未来的发展方向将是在保障数据安全、保护用户隐私、促进创新应用与依法合规之间实现平衡，使区块链技术更好地服务于数字经济和社会治理的发展。

04

光子芯片

光量子，简称光子（photon）不同于量子（quantum），是传递电磁相互作用的基本粒子，1905年由爱因斯坦提出，1926年美国物理化学家吉尔伯特·路易斯（Lewis）正式命名。光子静止质量为零，以光速运动，并具有能量、动量和质量。

光子芯片（Photonic Integrated Circuits, 简称PICs）是采用光波（而非电子）作为信息传输和数据运算载体的新型芯片。它利用光波导、调制器等光学器件替代传统晶体管，具有超高速率、超大带宽和极低功耗等优势，是突破摩尔定律限制、应对AI算力瓶颈的核心前沿技术。

光子芯片通常由硅制成，硅的储量丰富，且具有良好的光学特性，但难以满足集成光子芯片所需的一切条件，因此出现了诸多新材料，如磷化铟、氮化硅、二氧化硅、氮化铝、铌酸锂、碳化硅等。

超低损耗的光子芯片对未来通讯、计算和6G技术都至关重要。与电子芯片相比，光子芯片在诸多领域有着明显的优势：

● 速度极快：光速远超电信号，信息传输延迟极低。

● 功耗极低：利用光传输信息没有电子在导线中的发热与电阻损耗，能效比传统电子芯片高出数倍甚至千倍。

● 多路并行：可以利用不同的波长（波分复用）在同一通道中独立进行多项计算。

● 绕过物理极限：光的波长在百纳米到微米级，因此光子芯片不需像传统制程那样极端缩小纳米尺寸就能获得极大性能提升。

电子芯片和光子芯片各有优缺点，光子的优势是稳定，不容易受外界影响；这也是光的劣势，意味着人们想操控光，改变它的状态，手段非常有限。我国在光子芯片方面取得一定进展，广泛用于人工智能，激光雷达、微波滤波器、毫米波生成等领域，

截止2026年，光子芯片主要有三条相对成熟的技术路线：磷化铟（InP）、砷化镓（GaAs）和硅光。其中磷化铟方案是电信长距离传输这种中高速率场景的主力方案，但是由于其所用的衬底价格昂贵，因此总成本较高。砷化镓方案则在数据中心内部、车用激光雷达等短距离传输场景的主力方案，因其工艺简单，成本较低。硅光技术是利用CMOS工艺将光器件集成到硅芯片上，实现“光电合一”，在人工智能应用大幅增加的今天，其成本和性能上都是AI算力中心的主流选择。

05

大数据

大数据（Big Data）是指规模极其庞大、复杂，以至于传统数据处理软件无法有效收集、管理和分析的数据集。它不仅指代数据本身，也涵盖了相关的处理技术与生态系统，能帮助企业和机构预测趋势、优化运营并实现精准决策。

“大数据”是科学技术和生产力发展到一定阶段后的必然产物。2008年《自然》杂志专刊将“大数据”分为萌芽阶段（20世纪80年代到21世纪初），也称数据挖掘阶段，突破阶段（2003-2006年），也称非结构化数据阶段，成熟阶段（2006-2009年）以《谷歌文件系统》（GFS，Google File System）和《基于集群的简单数据处理:MapReduce》的出现为标志；应用阶段（2009-至今），大数据基础技术成熟，开始向商业、科技、医疗、政府、教育、经济、交通、物流及社会的各个领域渗透，因此2013年也被称为大数据元年。

图：计算机数据量的名称

大数据的核心特征通常被归纳为五个“V”：

● 体量（Volume）：数据规模庞大，通常达到TB、PB甚至ZB级别。这种数据量远非传统结构化关系数据库所能管理。

● 速度（Velocity）：数据产生、处理和分析的节奏极快，支持实时或近实时处理。

● 多样性（Variety）：数据类型复杂，包含结构化（如数据库）、半结构化和非结构化数据（如音视频、社交媒体文本甚至地理坐标定位等）。

● 真实性（Veracity）：数据的准确性、可靠性和质量控制。

● 价值（Value）：真正的大数据是可以通过算法和分析从中提取技术或者商业价值的。非常多的案例已经证明了这一点：

大数据应用是从2009年开始的，当年谷歌公司应用了GFT（（Google Flu Trends）“谷歌流感趋势”，成功地预测了H1N1病毒在全美的大流行；

一个经典的故事来自沃尔玛超市，一个美国家庭收到了超市投送的关于孕妇用品的促销劵，很明显促销劵是冲着这个家庭中的那位16岁女孩来的，女孩的父亲觉得受到了侮辱，于是怒气冲冲地找到了这家超市讨个说法。为了平息这位父亲的怒气，超市做出了诚恳的道歉。但数天后，这位父亲赫然发现，其16岁的女儿真的未婚先孕了。

近年来我们可能注意到车辆套牌案件几乎消失，原因是公安部门启用了大数据分析，基于同一辆车不可能在同一时间段内出现在两个完全不同位置的原则，实现了对潜在套牌车辆的快速定位，再通过其他辅助手段可以精确识别套牌车辆，抓获犯罪嫌疑人。在这一技术手段的影响下，套牌已经毫无利益可言。

近年来我们能直观感受的另一个现象是，到不同医院看病时不再被要求做重复的检查，这个既降低老百姓花费，又降低国家医保负担的现象背后是医疗大数据支撑下的检查结果互认，

06

云服务

云服务（Cloud Services）是指通过互联网按需提供的各种计算资源、软件和基础设施。用户无需购买或维护物理硬件，即可远程获取数据存储、处理能力、数据库及应用程序。这种模式大幅降低了 IT 运营成本，并提供了极高的弹性与扩展性。

云服务是继计算机、互联网后，信息时代的又一新发展。这不是一种新技术，而是一种新应用。云服务通常分为三大核心层级，如下图所示：

● 基础设施即服务 (IaaS)：提供底层的虚拟化计算、存储和网络资源。用户可完全控制操作系统和应用程序。例如：Amazon Web Services (AWS)、阿里云 (Alibaba Cloud)和Google Cloud。

● 平台即服务 (PaaS)：为开发者提供构建、测试和部署应用程序的环境和工具。开发者只需专注于编写代码，无需管理底层服务器。例如Google App Engine和Microsoft Azure。

● 软件即服务 (SaaS)：直接向最终用户提供的完整应用程序，通过浏览器或客户端即可直接使用。例如：Microsoft 365 或 Gmail。

今天，云服务已经在生活中无处不在，我们在家中点外卖时，用微信与亲友视频时，刷视频看短剧时，背后都是云服务。很难再想象回到那个没有云服务的时代了。

07

太赫兹

1太赫兹（Terahertz，缩写为THz）是10的12次方（即1万亿赫兹），“太赫兹”波是指频率范围在0.1-10 THz，相应的波长在3mm-30μm，介于微波和红外光学之间的电磁波频谱区域。它在频谱上具有特殊而重要的应用价值。

图.太赫兹波的波长和频率范围

太赫兹在通讯领域的应用

无线通讯领域从第1代（1G）发展到5代（5G），其最大速度和带宽如下表，由表可见，大约每十年增进一代。第1-第4代（1G-4G），频率吉（G）Hz（10亿赫兹，300mm的波长）。

第5代（5G）通讯的特点是网速快、信号广、延时少，5G有FR1和FR2两个频段，FR1是低频（厘米）波段，450MHz - 6000MHz（1米以下，不到1米），波长较长，传播距离更远，美国用FR2，是高频（毫米）波段，24250MHz - 52600MHz，波长短（1-10毫米），传播距离短。

用于第六代（6G）通讯，美国政府下属的联邦通信委员会(FCC) 一致投票决定开放“太赫兹波”频段，该频段在95千兆赫(Ghz)到3太赫兹(Thz)范围内，可开放提供6G实验使用。根据定义，太赫兹辐射是指频率从0.1太赫兹10太赫兹，波长介于微波与红外线之间的电磁辐射区域。

太赫兹用于通信可以获得10GB/s的无线传输速度，特别是卫星通信，由于在外太空，近似真空的状态下，不用考虑水分的影响，这比当前的超宽带技术快几百至一千多倍。这就使得THz通信可以以极高的带宽进行高保密卫星通信。

太赫兹的其他应用

太赫兹的其他应用非常广泛，例如在生物医学，由于太赫兹能量很小，不会对物质产生破坏作用，所以以后可能用太赫兹射线代替x光作人体检查；另外由于THz射线的穿透性和对金属材料的强反射特性，在安全检查中已被实际应用，例如英国发展的THz安检设备已经投入试用。并且THz的高频率使得成像的分辨率更高，所以可以很容易看到隐藏在衣物、鞋内的刀具、枪械等物品。

太赫兹科学与技术已经被国际科学界公认为是下一代IT产业的基础技术之一，吸引各国科学家的研究和80家的高科技公司研发销售THz的相关产品，太赫兹领域已经逐渐成为高新科技产业技术的必争之地。

08

机器人与具身智能

卡雷尔·恰佩克(Karel Capek，1890～1938）捷克作家，于1920年创作了一部科幻舞台剧《罗素姆万能机器人》，他把长得像人，而且动作像人的机器名叫罗伯特（robot，捷克语“robota”，意为苦役和强迫劳动）。这部科幻经典不仅成为了“机器人”一词的源头，更是奠定了此后百年间人类对机器人的基本想象与忧虑。在书中他预测机器人发展会有三个阶段，开始阶段只能按编好的程序完成规定的任务，中期阶段开始有触觉、听觉和视觉，到了后期阶段则能根据外界环境的变化，调整自己的行为，甚至反叛人类。

为了扭转人类对这种新兴科学技术的矛盾心态，美籍科幻小说家艾萨克·阿西莫夫（Isaac Asimov，1920—1992)）在其1941的短篇小说《Runaround》(被译为《转圈圈》或《环舞》)中，首次提出了的机器人学的三大定律:

第一定律（安全原则）：机器人不得伤害人类，或坐视人类受到伤害。2. 第二定律（服从原则）：除非违背第一定律，否则机器人必须服从人类命令。3. 第三定律（自保原则）：除非违背第一或第二定律，否则机器人必须保护自身安全。

这三大定律提出的理想是美好的，然而却无法实现。现实中没有任何机器人被写入这三条代码，一是因为工程层面上无法执行；二是在伦理上无法默认所有人类都是“善意”的。

让我们回到现实中来吧，机器人（Robot）的科学定义是一种能够自动执行任务的机器装置。它既可以接受人类指挥，也可以运行预先编排的程序，或者根据人工智能技术制定的原则行动。其核心分类包括：

● 工业机器人：用于工厂流水线和仓库，负责焊接、搬运和喷漆等工作。

● 服务机器人：用于餐厅送餐、家庭清洁（如扫地机器人）和物业保安等。

● 特种机器人：用于排爆、深海探测、空间探索和灾后搜救等高危环境。

● 仿生机器人：模仿人类（人形机器人）或动物（如四足机器狗）的外形与运动方式。

21世纪以来，机器人相关行业得到了蓬勃发展，最为关键的进展是机器人开始具备“感知”能力，从而不再仅仅局限于在工业车间里做苦役，它们开始走出工厂，开始“感知世界”和“学会思考”。随着传感器和SLAM（全称Simultaneous Localization and Mapping,即同步定位与地图构建）等技术的发展，服务机器人行业开始崛起，从越来越先进的扫地机器人，到手术机器人和物流机器人，无不代表着机器人与人类日常生活更加贴近。

近年来，随着传感系统、控制系统、执行机构和人工智能这几大关键技术的长足进步，机器人技术发展正在迎来“具身智能”的爆发。2013年美国波士顿动力发布Atlas，2022年特斯拉发布Optimus和我国的宇树机器人亮相春晚，这些标志性事件都意味着，机器人正在从执行特定任务的“专用设备”进化为能适应多种场景的“通用劳动力平台”。人工智能算法的发展更是为这种进化构建了软件上的基础。

中国清华大学有一名叫“华智冰”的虚拟学生，她由清华大学计算机系、北京智源研究院、智谱AI和小冰公司联合研发，于2021年6月正式“入学”，师从唐杰教授。她并非实体机器人，但其在艺术创作（如作诗绘画）、交互表现（唱歌跳舞和对话沟通）等领域已经达到了人类的表现。假以时日，一旦给她一副人形机器人的硬体，她会否成为具身智能体的祖先，是值得让人拭目以待的。

关于人形机器人的另一个有趣的事件是2017年，沙特王国向由香港大卫-汉森公司制造的机器人索菲亚（Sophia）授予了公民身份。索菲亚拥有仿生橡胶皮肤，能模拟60多种面部表情，能进行眼神接触、人脸识别和语音对话。在当年10月利雅得举办的“未来投资倡议大会”上，她还和伊隆马斯克进行了互动，当马斯克问她和人类的关系时，她回答：“If you’re nice tome and I will be nice to you.(意译为人不犯我我不犯人。）

2025年4月，全球首个人形机器人半程马拉松赛在北京亦庄举办，20多支机器人团队参赛，规则允许换电机和电池，当时大多数队伍未能完成比赛，冠军的成绩是2小时40分，远逊于人类选手，而且当时多数机器人都依赖人工遥控，而非自主导航。然而到了2026年，机器人参赛队伍增加到了102支，自主导航赛队达到了40%，其中自主导航完赛的队伍有18支，包括以50分26秒超过人类纪录成绩完赛的“天工Ultra”也是全程自主导航的，在不允许换电机和电池的严苛规则下，这一成绩充分说明了人形机器人整体的可靠性提升。在2026年8月22日，国产的天卓机器人在百米预赛中跑出9秒39，打破了人类的百米世界纪录。

在微观医学领域，智能化的纳米机器人也在快速发展中，哈尔滨工业大学研发的“特洛伊纳米机器人”可以借助葡萄糖动力或磁场导航，将药物精准释放到血栓表面，从而治疗心血管疾病。未来更是有望用于治疗神经系统疾病。

除了在民用领域，军用领域中机器人的应用也在快速发展中。自乌克兰战争爆发以来，据称俄乌双方都已经采购了数万套地面无人系统，其任务覆盖了从后勤补给、警卫、火力压制到攻击等多个方面。2026年7月，乌克兰还发布了用无人艇送无人车进行登陆作战的案例。

未来，无论我们个人喜欢与否，机器人都已经注定要在我们的社会中扮演越来越重要的角色，毕竟，包括我国在内的世界主要经济体都面临着人口老龄化的现实，面向家庭服务的具备看护、陪伴功能的智能机器人将是社会的迫切需要，仅仅这个市场可能就有数千亿元的市场价值。近年来很值得老年朋友关注的一项技术就是外骨骼机器人，在增强行动能力、辅助康复训练和预防意外跌倒这三个方面，可以大大提升老年人的生活质量。

笔者最为期待的就是脑机接口与具身智能机器人的组合，将前者作为人类大脑与机器人之间的直接通信桥梁，让人的想法绕过肌肉，直接变成机器人的动作，再把机器人的感知传递回大脑，实现“意图-执行-反馈”的闭环，这种“三元智能”——即脑机接口（意图解码）+人工智能（任务分解）+具身智能（物理执行）的协同，将是未来技术的终极形态，希望我们都能够看到这种革命性的技术问世。

09

量子通信与量子计算

量子理论（Quantum Theory）是描述微观世界（如原子、亚原子粒子）物质和能量基本规律的物理学理论。它揭示了微观粒子具有能量不连续（量子化）、波粒二象性、状态叠加以及量子纠缠等违背日常宏观直觉的奇特现象。

在1900～1930年间，一群人类天才——包括普朗克、爱因斯坦、玻尔、海森堡和薛定谔等人，通过不断提出假设、证实和证伪，以及激烈的争论（最经典的两场争论应该是爱因斯坦与玻尔之间“上帝掷不掷骰子”，以及薛定谔和哥本哈根学派之间的死磕，薛定谔为此提出了著名的思想实验“薛定谔的猫“），最终奠定了量子理论的基础。之后的近百年中，大量实验证明了上帝确实掷骰子，玻尔一派赢得了科学的胜利，爱因斯坦和薛定谔虽然是这场争论中的”失败者“，但他们参与争论的过程，依然是他们留给人类的伟大遗产。量子理论催生了激光、半导体和核磁共振等工程技术，深刻地改变着人类文明。

近年来，在量子叠加和量子纠缠的物理基础上，量子信息学应运而生，量子通信和量子计算技术开始进入IT行业的领域。

说到量子纠缠，倒是让笔者想起自己身上发生的一个故事。那是1987年，当时笔者去美国达拉斯探望小女儿夫妇。有一天下午，女婿开车带我们两个老人出去，在一个路口被后车追尾，撞击很严重，导致了坐在后排的笔者出现了脑震荡的症状。车祸发生没多久就接到远在上海的大女儿的越洋长途，还在半夜的她居然梦见我们出车祸了。我们都感到很神奇，难道这就是亲人间的心灵感应？民间一直有说法，将心灵感应解释为量子纠缠的一种表现，不知是否真是如此？

回到正题，2026年3月，美国计算机协会将2025年度图灵奖颁给了IBM的量子信息科学家查尔斯·贝内特（Charles H. Bennett） 和加拿大蒙特利尔大学的密码学家吉尔·布拉萨德（Gilles Brassard）。以表彰他们在1984年提出的首个量子密钥分发协议（BB84），后者奠定了量子信息科学的基础。1994年，彼得·首尔（Peter Shor）提出了Shor算法，证明量子计算机能高效地破解广泛使用的RSA密码，当时引发了信息安全领域的广泛讨论。

中国在量子信息领域已经跻身世界前列。在量子通信领域：

● 2016年，中国发射全球首颗量子科学试验卫星，在国内实现了星地间的量子密钥分发，并与奥地利完成世界首次洲际间量子保密通信。

● 2017年中国建成了上千公里的京沪量子保密通信干线。

在量子计算领域，中国是全球唯一一个同时实现光量子与超导两条技术路线的国家。光量子路线的代表，“九章四号”在2026年发布，使用3050个光子，计算速度比全球最快的传统超级计算机快1054倍。超导路线的代表“祖冲之三号”则在2024年发布，处理“量子随机线路采样”问题的速度比国际最快的超级计算机快千万亿倍。

当然目前量子通信和量子计算仍处于研究阶段，距离工业和消费应用仍有很长的路要走，近年来这两项技术逐渐得到了金融和生物医药领域的关注，让我们拭目以待，让百年前伟大先贤们的遗产能够发挥更大的价值。

10

人工智能

人工智能（Artificial Intelligence，简称AI）是研究如何让计算机模拟、延伸和辅助人类智能活动的一门综合性交叉学科，涉及计算机科学、数学、认知科学、神经科学、心理学、语言学等多个领域。人工智能的目标是使机器能够完成学习、推理、感知、规划、决策、理解自然语言以及自主执行任务等智能活动。

人工智能的诞生

1956年夏天，美国达特茅斯学院（Dartmouth College）举办了一次著名的学术研讨会，约翰·麦卡锡（John McCarthy）、马文·明斯基（Marvin Minsky）、克劳德·香农（Claude Shannon）、艾伦·纽厄尔（Allen Newell）、赫伯特·西蒙（Herbert Simon）等科学家共同探讨"如何让机器模拟人类智能"这一问题。

会议期间，麦卡锡首次正式提出了Artificial Intelligence（人工智能）这一术语，因此1956年通常被认为是人工智能学科诞生的标志，也被称为"人工智能元年"。

2026年，人工智能作为一门独立学科已经走过了70年的发展历程。

人工智能发展的三大学派

人工智能的发展经历了多次高潮与低谷，其主要研究思想通常可以概括为三大学派。

（1）符号主义（Symbolicism）又称逻辑学派。符号主义认为，智能来源于逻辑推理和符号操作，只要将知识表示为规则，计算机便能够进行推理和决策。典型技术包括：专家系统（Expert System）、知识图谱（Knowledge Graph）和自动推理。

这一学派具有推理过程清晰、结果可解释性强等优点，但严重依赖人工构建知识库，难以处理复杂、不确定和开放环境中的问题，因此在感知和学习方面存在明显局限。

（2）行为主义（Behaviorism）又称控制论学派。行为主义认为，智能来源于个体与环境之间持续不断的交互，而不是复杂的内部推理过程。其代表技术包括：

● 强化学习（Reinforcement Learning）

● 机器人控制

● 自动驾驶

2016年，Google DeepMind研发的AlphaGo战胜世界围棋冠军李世石，成为强化学习和深度学习结合的重要里程碑。

行为主义能够不断根据环境反馈优化策略，因此非常适合解决机器人控制、游戏决策、自动驾驶等问题。但是，这类方法通常需要大量试错训练，训练成本较高，在知识推理和语言理解方面存在一定局限。

（3）连接主义（Connectionism）又称仿生学派。连接主义认为，人类智能来源于大量神经元之间复杂的连接关系，因此可以利用人工神经网络模拟人脑的信息处理方式。

20世纪80年代以来，神经网络技术不断发展，但受限于计算能力和数据规模，一度发展缓慢。进入21世纪以后，随着GPU计算、大规模数据集以及深度学习算法的发展，连接主义迎来了快速发展阶段。

2012年深度学习在ImageNet图像识别竞赛中取得突破，被普遍认为开启了现代人工智能的新阶段。

2022年底，ChatGPT正式发布，大语言模型（Large Language Model，LLM）迅速进入公众视野，人工智能开始从专业研究领域走向大规模社会应用。

近年来，多模态模型、智能体（Agent）和推理模型的发展，又进一步拓展了人工智能的应用边界。

大语言模型与人工智能的新阶段

近年来，大语言模型成为人工智能发展的重要方向。

这类模型利用海量文本进行预训练，通过深度神经网络学习语言规律，不仅能够进行自然语言对话，还能够完成翻译、编程、写作、知识问答、数学推理以及图像理解等多种任务。

随着模型规模不断扩大，以及推理能力、多模态能力和工具调用能力不断增强，人工智能逐步由"能够回答问题"发展为"能够完成任务"。

不少研究者认为，大语言模型代表了连接主义发展的重要成果，但未来的通用人工智能（Artificial General Intelligence，AGI）很可能并不会完全依赖某一种技术路线，而是融合符号推理、神经网络、强化学习、知识表示以及自主规划等多种方法，形成更加完整的智能体系。

关于图灵测试

图灵测试（Turing Test）由英国计算机科学家艾伦·图灵于1950年提出，用于衡量机器是否能够表现出与人类相当的智能行为。

近年来，一些研究机构组织了现代版本的图灵测试，部分先进的大语言模型在特定实验条件下已表现出较高的人类相似度。但由于测试方法、评价标准和实验对象存在差异，目前学术界尚未形成"某个模型已经正式通过图灵测试"的统一结论。因此，更准确的表述应为："部分模型在特定实验中表现达到或超过图灵测试设定标准。"

人工智能国际竞争

近年来，人工智能已经成为国际科技竞争的重要领域。

美国和中国均持续加大人工智能领域的研发投入，在基础模型、算力基础设施、半导体、高端人才以及产业应用等方面展开竞争与合作。

英伟达（NVIDIA）首席执行官黄仁勋曾提出人工智能产业发展的"五层蛋糕"框架，将AI产业划分为能源、基础设施、计算平台、基础模型和应用等多个层次。他认为，人工智能的发展需要整个产业链协同推进，不同国家和地区在各层次具有不同优势。

这一观点说明，人工智能竞争不仅体现在模型性能上，还涉及能源供给、算力建设、芯片制造、软件生态以及产业应用等多个方面。

基础设施与”人工智能+“

在人工智能问世之初，由于发展目标和技术路线均不明确，导致发展缓慢。而近年来这种情况发生了巨大的变化，因此各大国都开始针对人工智能开展了战略规划。

在中国国务院“十五五规划”中，涉及人工智能的部分提出：全面实施“人工智能+”行动，推动AI与经济社会各领域深度融合，同时加强治理和安全保障。

输电国际能源署（IEA）预计，全球数据中心用电量可能从 2025 年约485 TWh增长到 2030 年约950 TWh，接近翻倍。这意味着 AI 的发展不仅仅关系到科技公司，也会影响能源基础设施的建设需求：天然气、核能、太阳能、风能等可再生能源的供应，以及配套的储能基础设施等，都需要配合数据中心的建设。半导体制造等行业也需要根据AI的发展需求进行调整。因此未来的 AI 产业可能不再只是”软件 + AI 模型“，而会变成“AI + 芯片 + 数据中心 + 电力 + 机器人”。这可能是未来十年非常重要的产业链。

人工智能的发展机遇与挑战

当前，人工智能正在深刻改变社会运行方式。

一方面，人工智能显著提高了科研、教育、医疗、金融、制造等领域的生产效率，为经济社会发展带来了新的动力。

另一方面，它也带来了就业结构变化、数据安全、隐私保护、知识产权、算法公平、能源消耗以及人工智能治理等新的挑战。

因此，世界各国都在积极探索人工智能治理体系，希望在鼓励技术创新的同时，加强安全监管和伦理规范，引导人工智能健康、有序发展。

后记

上面我们总结了21世纪以来最为重要的十大IT技术，它们已经成为推动新一轮科技革命和产业变革的重要力量。它们必将在提高生产效率、促进科技创新、改善公共服务等方面发挥更加重要的作用。然而，任何事物都有两面性，如何实现技术创新、产业发展、安全治理和伦理规范之间的平衡，也将成为这些技术持续发展的重要课题。