1月23日，腾讯发布《2024数字科技十大前沿应用趋势》报告，从连接、交互、计算和智能四个维度，对100多项未来技术和重点方向给出了趋势性判断。腾讯集团副总裁、腾讯研究院院长司晓说：“过去一年，我们见证了数字科技的加速度。眺望未来2-3年的科技趋势，我们正驶向一个由连接衍生交互、由计算催生智能的时代。”

AI+基因计算解读生命密码

市场研究公司Global Market Insights Inc.发布报告预测，到2032年，基因组学行业中的人工智能市场规模将达到125亿美元，复合年增长率为39.2%。AI与基因计算融合开始进入加速阶段，有望在生物育种、医疗健康、生物医药等领域开辟广阔的技术创新和产业应用前景。

AI已成为基因组学创新的关键驱动力。

• 前基因组时代（1958-1980s），生物信息学作为生物学、计算机科学、数学和统计学交叉学科出现，人类专家初步探索将AI技术应用于基因数据分析，例如使用模式识别来预测蛋白质结构和功能、使用统计学习方法来理解基因表达数据。

• 基因组时代（1990s-2010s），人类专家能够系统分析和比较整个物种的遗传信息，并利用AI进行基因组数据解析，辅助基因序列比对、变异检测、功能注释和复杂疾病的遗传关联分析，显著提高了数据分析的效率和准确性；

• 后基因组时代（2010s-），研究重点转向基因功能的综合分析、基因表达调控、个体遗传差异分析等，深度学习、AI大模型成为关键驱动技术，用于处理复杂海量多模态数据，实现单细胞测序，优化基因编辑策略，促进智能化生物育种、药物发现以及个性化健康预测、基因疗法发展。

利用大模型破解复杂生物问题成为布局热点。2023年8月，清华大学智能产业研究院与水木分子发布多模态生物医药百亿参数大模型BioMedGPT，在数据层面整合了基因、分子、细胞、蛋白、文献、专利、知识库等多源异构的数据。谷歌旗下深度思维公司（Google DeepMind）也于9月宣布开发出新的AI大模型AlphaMissense，在人类蛋白质中成功预测了7100万个可能的错义突变（基因突变的一类），并将89%的突变分类为可能致病或可能良性；11月，深度思维再次宣布，AlphaFold预测范围从蛋白质结构扩展至DNA、RNA等生物分子。

AI+基因计算将助力实现个性化健康预测。人类专家结合基因组信息和AI算法，构建高度精准的疾病预测模型，可以预测个体在未来发生特定健康问题的风险，从而实现早期干预。基因测序是理解遗传信息、研究基因功能、诊断遗传疾病、发展新治疗方法的基础，其目标是确定DNA分子中四种核苷酸（腺嘌呤A、胸腺嘧啶T、胞嘧啶C、鸟嘌呤G）确切顺序的过程。过去基因测序技术主要是对整个组织进行测序，包含成千上万个细胞。近年来，基因测序技术有了突破性进展，从多细胞/组织层级开始向单细胞层级进化。腾讯AI Lab研究提出单细胞注释模型scBERT，在单细胞测序领域首次引入大型语言模型BERT范式，将细胞中基因的表达信息转化成可被计算机理解、学习的“语言”，并对细胞进行精准标注，实现了高解释性、高泛化性、高稳定性的单细胞类型注释技术，能给细胞中的每个基因都印上专属“身份证”，可用于临床单细胞测序数据，并辅助医生描述准确的肿瘤微环境、检测出微量癌细胞，从而实现个性化治疗方案或者癌症早筛。同时，对疾病致病机制分析、耐药性、药物靶点发现、预后分析、免疫疗法设计等领域都具有极其重要的作用。

AI+基因工程促进分子药物设计和研发规则创新。AI技术在药物研发中，正在逐渐用于海量文献信息分析整合、发掘药物靶点、化合物高通量虚拟筛选、全新分子设计/优化、分子ADMET成药性预测、分子逆合成分析、耐药性预测等多个场景。在发掘药物靶点方面，AI算法能够分析大量基因数据，快速识别疾病相关的生物标记和潜在药物靶点，提高药物研发的针对性和成功率。2023年7月，美国丹娜-法伯癌症研究所基于人体基因表达数据集，预训练了一个基于迁移学习的AI模型——Geneformer，通过AI绘制基因互作网络，有助于加快疾病治疗靶点发现，对于罕见病，有望在未来仅需少量的数据就能推测出这些罕见疾病的病理机制。在生物合成基因簇挖掘方面，通过深度学习和模式识别技术，AI能够分析复杂的微生物基因组数据，高效地识别和预测可能编码天然产物的基因簇。腾讯量子实验室开发了一套从微生物基因组中分析和预测生物合成基因簇的深度学习方法，可对基因组数据进行分析，发现、筛选并鉴定出潜在的、具有新颖结构的活性化合物相关生物合成基因簇，大幅提升新型生物活性分子的挖掘效率，助力新药研发创新。

AI+基因计算为促进生命科学和生物经济发展提供了新方法、新途径、新机遇，但与此同时，在监管机制、隐私保护、数据安全、技术控制、基因编辑等方面可能会出现更多的治理和伦理挑战，我们也需要重视和审慎应对，从而通过国际和国内产学研用各界共同努力，让科技的发展向造福人类、促进公共利益的方向迈进。

报告指出，脑机接口经过百年的近现代技术发展，已形成一系列基本的技术研究和应用范式。然而，由于对人脑原理研究认识进展的缓慢和局限性，目前脑机接口整体仍处于发展早期。

近年来在数字技术尤其AI不断突破的加持下，加上生物相容性电极、小型化设计与集成、微创植入、多模式传感器等关键技术进展，脑机接口呈现出加速发展的趋势。预计医疗、军事、教育、混合现实交互、类脑智能等领域将发挥重点带动作用，全球商用市场将以17%的年平均增长率到2030年突破60亿美元。从长远看，脑机接口的意义更为重大，是人类应对人工智能威胁、减弱老龄化社会冲击、探索人类本质等重大问题，构建人机和谐社会的重要路径之一。

一、脑机接口加速脑科学研究，助力医疗领域神经系统疾病监测及诊疗突破

医疗领域是脑机接口未来发展的首要牵引，占据约60%市场份额，预计未来十年保持领先。脑机接口与医疗的结合应用展现出广阔的前景，能帮助开发更好的诊疗和康复手段，并加速神经科学和临床神经医学研究。重点应用方向包括：

• 神经调节：神经发育障碍和退行性导致的疑难疾病，脑机接口可实现精准监测、分析和干预。如脑深部刺激技术，正加速应用于癫痫和帕金森病治疗。对于学习障碍和自闭症等，基于脑电反馈的及时干预有显著应用潜能，如集中注意力、提升阅读效率。

• 运动恢复：通过捕捉大脑的运动意图并转换为控制信号，脑机接口可以帮助肢体受损或瘫痪人员恢复部分自主运动能力。如瑞士洛桑联邦理工大学成功让脊髓受损患者恢复行走能力，Neuralink以颈脊髓损伤等患者为临床试验重点对象。

• 感官补偿：脑机接口还能针对感官缺陷或损伤患者，解码大脑信息并实现感官补偿。目前助听方面已发挥重要作用，并向语音、视觉等拓展。如锁定综合征和渐冻症会导致失语，患者借助脑机接口能控制光标、文字生成、语音合成等，与外界重建交流。如加州大学成功将大脑信号转换成合成语音，帮助中风失语女性以高达80字/分钟的速度再“说话”。

未来，脑机接口可望向神经系统相关的疾病治疗、人体增强等多样化的场景深化应用。研发重点和难点之一涉及大脑记忆和意识的疾病，如阿尔茨海默症，利用脑机接口实时监测和干预可能加速病理研究和诊疗手段开发，并支持对人类大脑原理的研究。

二、脑机接口与混合现实深化融合，将推动新一代人机交互模式变革

新一代XR设备的兴起，激发人机交互模式的演进需求，驱动脑机接口的融合发展。脑机接口可以实现更直接的脑电交互，结合XR等的视觉、手势、语音等交互，能够提供更为丰富、自然的交互方式。近期突出的市场创新进展有：

• 肌电交互：Meta正在研发一款具有革命性的交互腕带，基于EMG（肌电图）读取用户手臂神经信号，可以在手指运动发生前就定位跟踪，甚至能感知极微小的手势，能用于隔空操控鼠标、打字、玩游戏等。

• 眼动交互：苹果正式发布头显Vision Pro，提出空间计算并展现出惊艳的虚实交互体验。其中暗藏了眼动交互功能，如通过监测瞳孔变化预测用户行为从而实时重建UI，使得个性化交互更便捷、流畅。

• 脑电+XR多重交互：OpenBCI与Varjo合作开发出Galea BCI设备，成功把包含多种传感器的非侵入式脑机接口系统和混合现实系统整合一体，创造出能进行多重体验交互的新型软硬件平台，如让残疾人能更精准脑控无人机。

未来在商业及生活服务方面，脑机接口与XR等结合适用领域会十分广泛，如娱乐、社交、身份识别、疲劳干预、个性化学习等。这类脑机技术多采用非植入式，更加安全便捷、更易被大众接受，更有可能形成消费级应用从而加速脑机接口普及。

三、脑机接口与人工智能相辅相成，成为促进人机和谐共生的重要路径之一

生成式AI爆发带来潜在威胁，提高了脑机接口发展的必要性。脑机接口有望架设人脑与数字体、机器等的高速连接，增强人脑能力避免被直接替代，同时促进更安全、高效的AI发展。类脑智能成为重点发展方向之一，主要有两方面：

• 提高大脑解读能力：AI大模型等技术的加速突破，能支持更高效处理脑机接口采集的大量脑信号，提升对大脑文字、影像等信息解码与重建效率，促进大脑信息处理机制等的基础研究。如大阪大学研究团队基于扩散模型，成功重建通过功能近红外光谱（fMRI）获得的人脑活动图像。

• 促进类脑计算发展：脑机接口促进脑数据采集和脑科学研究，能反过来支持类脑计算的框架、算法、芯片等技术创新，跳出冯-诺伊曼计算结构局限，推动更低功耗、高效率、可信可控的AI发展。如IBM推出类脑芯片原型NorthPole，相比传统CPU大幅提升能效25倍。

未来随着脑机接口和AI结合的进一步深入，长期有望促成新的类脑计算结构体系、赛博格（人机融合体）、脑联网等的发展突破，降低AI风险、促进人机和谐共生。