2025全球前沿科技热点研究报告

2025全球前沿科技热点研究FrontierScienceandTechnologiesinFocus2025国际大都市科技创新评价中心上海市前沿技术发展研究中心上海科学技术情报研究所编委会成员陈 超 侯永刚 钟 婷 林 鹤 陈 曹 磊 祝 毓 路 炜 顾震宇 宁 项目组成员课题组长： 陈 晖小组组长： 党娜 王生 杜 渐 温村小组成员：薛逸飞薛亮盛阳徐余恒韩飞报告撰写：（按姓名笔划顺序排列）杜渐李灵捷李春霞汪逸丰宋鸿陈莹陈晖金旸赵晓勤党倩娜徐岑筱徐慧婷韩飞温一村薛逸飞研究单位： 上科学术情研究所目录第Ⅰ部分：前沿科技热点研究综述 1研究的框架、方法与数据 1前沿科技热点研究结论 4第Ⅱ部分：前沿科技热点解读 7信息技术领域 7代理人工智能(AgenticAI) 7边缘人工智能（EdgeAI） 存算一体（ComputingInMemory,CiM） 16量子–经典混合计算（HybridQuantum-ClassicalComputing） 21先进封装（AdvancedPackaging） 24量子区块链（QuantumBlockchain） 29生命与健康领域 35mRNA疫苗及疗法（mRNA&Therapeutics） 35人工智能药物发现（AI-PoweredDrugDiscovery） 39类器官与器官芯片（Organoids&Organs-on-Chips） 44单细胞组学（Single-CellOmics） 49靶向蛋白降解ProteinDegradation,TPD） 54材料领域 58第四代半导体（4thGenerationSemiconductors） 58能源领域 62可控核聚变（ControllableNuclearFusion） 62全固态电池（All-Solid-StateBattery） 65绿色氢能（GreenHydrogen） 70空间及交通运输领域 74自动驾驶（AutonomousDriving） 74在轨服务与制造（In-SpaceServicing&Manufacturing） 78液体燃料火箭（Liquid-propellantRocket） 82气候、生态与环境领域 86环境监测与气候建模（EnvironmentalMonitoring&ClimateModelling） 86先进制造及其他领域 90人形机器人（HumanoidRobots） 90第Ⅰ部分：前沿科技热点研究综述上海图书馆（上海科学技术情报研究所）长期跟踪新兴前沿科技发展，本报告是此项目的第八轮研究，旨在系统、客观地揭示当前全球前沿科技领域的热点所在。研究的框架、方法与数据基本框架本项研究综合应用科技情报研究的方法和工具，从定性分析和定量分析的角度，相互印证，相互补充，考察国际前沿科技热点所在，并确保其客观性和时效性。其一，分析世界主要国家或地区在科技研发战略或计划方面的权威文本。在当今世界科技研发领域是存在领头羊效应的，无论从科技研发的投入规模还是最终研发取得的成果来看，欧美日以及部分新兴经济体的科技发展战略都应该得到重点关注。其二，分析主流咨询机构涉及前沿科技的相关报告。资本对于前沿技术研发是非常敏感的，很多有影响力的咨询机构长期关注新兴技术及其商业模式的创新，对于技术的产业化发展前景具有较好的洞察力。其三，利用专利分析工具对专利数据库进行分析，确定相关领域的前沿技术方向与热点。ClivtenlticsssntilSinenditos数据库进行学术论文的聚类分析，由此识别当今学术领域的前沿热点。

ESI）其五，互联网科技媒体主要包括互联网上的权威科技期刊、综合性科技网站及其社交网络等，其新闻报道、科技评论和观点性文章一般都经过同行评审与解读，具有较高专业学术价值和新颖性，在一定程度上反映了前沿研究和新兴技术领域的最新突破。有鉴于此，运用大数据分析，聚焦互联网科技媒体，依托构建前沿科技专题研究语料库，对前沿科技热点进行识别与跟踪。由前述五个维度形成本项研究的基本框架，如图Ⅰ-1所示。图Ⅰ-1 本项研究的基本框架资料来源：上海科学技术情报研究所（ISTIS）编制方法及数据来源本轮研究五个维度所涉及的研究方法和数据来源均有所不相同，简述如下。主要国家或地区科技发展战略分析这一部分主要采用文本分析，主要对重点国家和地区美国、欧盟、英国、德国、日本、韩国的科技战略预算文件或年度工作计划，针对其规划或资助的20份。主流咨询机构相关报告分析12间周期发布同一主题的报告。这些机构分别是：高德纳咨询公司（Gartner）、（MIT）EconomicForum）（IBM）CBinsight（Deloitte）（Accenture）（McKinsey&（StanfordUniversity）、未来今日战略集团（原未来今日研究所）（FTSG（FTI））及福布斯（Forbes）12份。技术专利文献分析DialogInnography专利数据库，数据库选取主要基于以下两点考虑：专利分析功能，进行聚类分析及主题词词频统计。在DialogInnography专利数据库中，通过IPC分类号对IPC分类的8个部（A部-G部EPOPCT2024.01.01~2025.06.30，限制检索结果的专利强度在61IPCA部为例，检索式为(@metaIPC_A)AND(@datepublishedfrom01/01/2024to06/30/2025)。对检索所得专利样本进行PatentScape专利分析，对主题词进行词频排序，将高词频主题词进行人工分析解读，最终确定相关领域的前沿技术方向。学术论文的聚类分析11000多种学术期100022个专业领域，按被引频次的高低确定出衡量研究绩效的阈值，给出居世界前1%的研究论文排名——ESIEssentialScienceIndicators（ESI）数据库中192023–2024ESICiteSpace摘、关键词中提取相关名词短语，进行共词聚类分析，对得到的聚类核心文献进行手工梳理，由此得到各学科领域最新的热点研究领域。基于互联网科技媒体语料库大数据分析根据业界领导力（要考察科技媒体本身的专业性和权威性。另外，参考美发布的科技媒体领导者榜单LeaderBoards）15前沿科技热点研究结论在前述研究结果的基础上进行归并，首先确定当前全球科技发展中较为集75个维度分析结果中交叉较多的子领域，再逐项筛选其中的具体技术或科学热点；最后，征询并参考各行业科技情报专家以及部分领域研发人员的意见，并应用人工智能（AI）工具。本轮研究最终确定的“2025全球前沿科技热点”，列表如下（表Ⅰ-1）。表Ⅰ-1 2025全球前沿科技热点行业（项数）具体科技热点信息技术（6）代理人工智能（AgenticAI）边缘人工智能（EdgeAI）存算一体（ComputeinMemory，CiM）量子–经典混合计算（HybridQuantum-ClassicalComputing）先进封装技术（AdvancedPackaging）量子区块链（QuantumBlockchain）行业（项数）具体科技热点生命与健康（5）mRNA疫苗及疗法（mRNAVaccines&Therapeutics）人工智能药物发现（AI-PoweredDrugDiscovery）类器官与器官芯片（Organoids&Organs-on-Chips）单细胞组学（Single-CellOmics）靶向蛋白降解（TargetedProteinDegradation，TPD）材料（1）第四代半导体（4thGenerationSemiconductors）能源（3）可控核聚变（ControllableNuclearFusion）全固态电池（All-Solid-StateBatteries）绿色氢能（GreenHydrogen）空间及交通运输（3）自动驾驶（AutonomousDriving）在轨服务与制造（In-SpaceServicing&Manufacturing）液体燃料火箭（Liquid-propellantRocket）生态、气候与环境（1）环境监测与气候建模（EnvironmentalMonitoring&WeatherModelling)先进制造及其他（1）人形机器人（HumanoidRobots）资料来源：上海科学技术情报研究所（ISTIS）编制第Ⅱ部分：前沿科技热点解读信息技术领域代理人工智能（AgenticAI）代理人工智能（AgenticAI）AI是一种能够在有限甚至无需人为干预情况下自主感AI自主规划步骤来完成复杂任务，而不需要人类逐步指令参与。其核心在于“自AIAutomation，RPA）等AIAIAI走向“主动代理”的范式转变。技术的发展现状及态势AI2023Auto-GPT、AgentGPT等自主代理项目，它们将大语言模型（LargeLanguageModel，LLM）AIGPT（ModelScopeGPT）等产品，以及IBM、AWS等公司的代理AI开发框架。代AIAPILLMAI一步获得反馈，不断逼近既定目标。AI言理解和生成能力，充当代理的“大脑”，帮助其理解复杂指令和环境描述，AI过向量数据库等技术实现长期记忆，以支撑长程任务。再次，规划与决策算法（Chain-of-Thought）AI能够将大目标分解为子任务并排序执行。许多代理框架引入了显式的计划模块，让模型学会自行迭代思考和纠错，而非一次性生成答案。此外，工具整合能力至AIAPI（应用编程接口）调用外部工具（如数据库查询、网络浏览、计算引擎等）来弥补自身知识盲区或执行物理世界操作。这种AI与外部环境联通的“AIAI应用的边界。AISalesforce的研究衡AIAI代理对于复杂多步骤30%左右，这揭示了技术与预期之间的差距，主要的技术瓶颈见表Ⅱ-01-01。表Ⅱ-01-01 代理AI技术当前存在的技术瓶颈瓶颈类别核心问题潜在影响认知与推理任务成功率低，输出不可工具与集成与企业现有系统（如ERP、CRM）集成困难，工具调用不稳定，模型与工具兼容性差部署成本高，系统脆弱，难以融入实际业务流程数据与基础设施致行动失败安全与控制自主行为带来失控风险，如未经授权的操引发安全事件和伦理问题，削弱企业信任，增加监管风险系统与协作资料来源：上海科学技术情报研究所（ISTIS）编制技术发展的竞争态势当前，全球主要科技力量均高度重视代理AI技术的研发，现阶段呈现百花齐放的局面（表Ⅱ-01-02）。美国走在技术前沿，依托其在大模型和软件生态的领先地位，孕育了大量代理AI项目和企业。OpenAI、微软等大企业引领方向：OpenAI的GPT-4模型配合插件功能，为代理应用奠定基础；微软则将代理理念融入其Copilot系列产品中，通过Office等工具的自动化来实践AI代理概念。IBM、AWS等公司也迅速布局，推出IBMWatsonxOrchestrate、AWSBedrockAgentCore等专门的代理开发与管理平台，提供企业级AI代理解决方案。表Ⅱ-01-02 国际上代理AI重点产品或项目（部分）机构代表产品/项目关键能力要点适用情境OpenAIOperator；AgentKitOS/浏览器级任务执行；Agent构建/评估/部署一体化套件任务型自动化、IT服务、研究与生产力代理MicrosoftCopilotAgents（CopilotStudio）企业级自定义/托管代理；流程编排、长时任务；与业务系统深度联动销售/客服/财务/供应链端到端流程GoogleGemini2.5ComputerUse；ProjectAstra浏览器/移动端UI操控；原生多模态Web表单自动化、UI测试、实时助理AWSAgentsforAmazonBedrock（InlineAgents、多代理协作）运行时动态定义代理；多代理协作跨区域企业部署、以代码管理的代理网络AnthropicComputerUse；MCP（ModelContextProtocol）电脑/协议连接数据与工具；安全可审计企业内应用与数据的标准化接入资料来源：上海科学技术情报研究所（ISTIS）编制AIAuto-GPTBabyAGIAI算法与框架的迭代。如，LangChain等开源AIAI开发者热门选择。欧洲和其他国家同样不甘落后，积极投入该领域研究。不过相较而言，欧美在底层技术和基础平台上占据优势，形成了以美国为中心、多国竞相追赶的格局。AI球主要竞争力量之一。中国科技巨头和独角兽企业纷纷入局，依托自主大模型AI生态（表Ⅱ-01-03）。大批创业公司也纷纷涌现，如上海的创MonicaAIManus，深圳的面壁智能、杭州的实在AIAI研发上的深度投入。表Ⅱ-01-03 中国代理人工智能重点产品或项目（部分）机构代表产品/项目关键能力要点开放性及其产品生态其他百度文心智能体平台AgentBuilder一站式智能体构建；与百度搜索功能和商业组件联动面向开发者与企业；文档完善完备ToC/ToB混合场景阿里云通义千问Qwen-Agent/样例GitHub+文档站开源生态与阿里云百炼/ModelStudio联动字节跳动CozeAgent平台低/无代码构建与多SaaS化平台与开发者社区国内外均提供服务入口腾讯元器/混元场景化企业代理平台；与混元大模型结合面向企业工作流、营销/客服/库存等情境支持发布到微信及QQ等AI实验室科研多智能体框架Intern·Agent多专职智能体协同打造“想法–方案–实验”闭环研究型生态；多学科合作2025年于WAIC及多渠道发布动态资料来源：上海科学技术情报研究所（ISTIS）编制技术产业化的前景AI为人工智能技术下一波商业落地的重要驱动力。其商业化应用前景可以从以下几方面展望。一是赋能企业数字化转型，通过引入具备自主决策和协作能力的AI代理，企业有望重构传统业务流程；二是打造专业助手与增强人力资源，代AI产品与服务模式，“Agent即服务（Agent-as-a-Service）”正在出现，厂商有望为客户提供预训练好的智能代理，按需定制在特定场景中使用。另一方面，也需要理性看待代理AI的商业化落地。目前大多数代理AI应用仍在早期试点和小规模部署阶段，其真正大规模创造商业价值尚需时间磨合。但随着技术成熟和应用普及，代理AI有充分的潜力引领新一轮产业变革；代理AI有望驱动生产效率大幅提升、催生新职业形态、改变人机交互范式，并对法律监管和就业结构等带来深远影响。【参考文献】Gartner.Gartner10StrategicTechnologyfor2025[R/OL].2024.https:///en/articles/top-technology-trends-2025.IBM.WhatisagenticAI?[EB/OL].2025.https:///think/topics/agentic-ai.工信部电子知识产权中心.[R].2025头豹研究院、Frost&Sullivan2024AIAgent[R/OL2025./attachment/17403264/h4LU8jfD51kzthvXd78Cke.pdf.边缘人工智能（EdgeAI）（EdgeAIAIonthe直接部署在传感器或物联网设备等靠近数据生成的边缘设备上执行机器学习任务，不持续依赖云基础设施或数据中心，即可实现实时感知、推理、部分模型训练和调度等，以降低时延，减少带宽，保护数据隐私，提高自动化程度，从而有效缓解传统以云为中心的人工智能系统的局限性，推动端侧智能发展。AI驾驶汽车和机器人、设备预测性维护和分析、自动化质量控制、车联网、医疗诊断、智能助手、流视频分析、安防等。技术的发展现状及态势AI的三层架构边缘AI涉及三层架构，包括边缘设备、边缘服务器和云平台，三层协同。设备层涉及边缘设备、嵌入式芯片和轻量化AI工具等，支持数据源端的实时数据采集、初步处理和本地推理，不依赖于持续的云连接，在有限功率和内存下运行边缘适配模型。AI模型推理加速、模型更新分发、部分训练/微调、本地存储、实时决策等。如英JetsonEGXAIXeonD处理器、OutpostsAIAI在受限环境中的推理效率。云平台用于深度学习模型训练、大规模数据存储及集中编排调度。主流的边缘云服务如亚马逊IoTGreengrassAzureIoTedgecloudIoTAIAI发展的三个阶段AI部署于边缘设备。第二阶段，将实现模型训练、迭代及部署的全流程边缘化，减少云端依赖。第三阶段，边缘智能将具备自主化学习、自适应调整的能力。目前，正处于第一阶段向第二阶段快速过渡的中间期。2024年以来，陆续出现了可在设备端进行微调或增量训练与自动化部署的产品和工具，如，谷歌的CreateMLAI的使能技术及其发展趋势AIAI扩展性和互操作性等方面的挑战。端侧轻量化模型显现卓越性能。模型压缩、剪枝、蒸馏、量化与结构设计等技术推动轻量小模型激增，赋能端侧智能部署，以尽可能实现性能与功耗的平衡。DeepSeekR1、MetaLlama、GPT、千问等主流大模型都推出了小模型版本，为边缘侧特定任务带来适配性能。这些具备低功耗、低成本、高灵活性等特征的小模型，也成为推动分布式智能、AI代理（AIAgent）等下一代人工智GenAI家居和工业物联网等场景实时应用需求。边缘原生算法/AI落地的新引擎。边缘原生为边缘实时推Gemma3n缘原生算法/模型部署同时依赖多类技术支持，包括容器技术，以简化跨设备应DevEdgeOpsAIOpenVINO等，以简化边缘模型开发和部署，提供快速的本地化、个性化服务等。AI硬件开发加速。AI处理器正通过紧凑、节能的形式，AIJetson系JetsonThor2070FP4TFLOPSAI片上系统产品AIEdge2AIUltra200H系列处理器的边缘AISoCNPUiGPUAI应用对GPUAI（Ambarella）N1-655GenAI系统可实现多通道、多模态视觉语言模型（VLM）和神经网络（NN）20W。边云组合有效增强边缘AI应用的可扩展性。混合边缘云（HybridEdge-Cloud）面临的数据隐私、安全和带宽方面的挑战，推动了混合边云人工智能的发展，将敏感数据保留在边缘，部分选择性数据传输到云端进行更深入分析。混合边AIAIAIAI技术的智能资源管理与调度技术、服务编排技术等，如AIAI工作负载在云和边缘之间的布局。AI计算的模式，模仿生物神经元的异步特性，从而优化能效，帮助在边缘上以低功耗执行复杂任务，有望成为未来主流应用。英特尔、IBM、BrainChip等公司Loihi2TrueNorthAkidaAI系统能耗1%6G量子等技术支持下，实现超低延迟、大规模并行处理和实时边缘智能。AI系统等方面的差异。目前，开放边缘计算计划（OECI）等生态建设加快，通过AIONNX（OpenNeuralNetworkExchange）AI开源生态系统等，支持跨硬件、跨平台兼容。边缘部署还广泛使用容器化和虚拟化等技术，如DockerKubernetesAI跨硬件保持一致性运行。AI正在加强可解释性。AIAI（xEdgeAI）AIAI模型可通过采用轻量级方案，如显著图（Saliencymap）、预计算特征归因（PrecomputedFeature（context-awareexplanations）AIAI的关键挑战AIAIAIAI落地的主要障碍。其次，功耗和性能平衡的矛盾长期存在。边缘AI需要解决功耗和性能的平衡，需要在功率受限的终端设备上尽可能实现高性能计算和实时推理，尽管英伟达JetsonThor等新一代边缘计算平台可有效降低能耗并提升性能，但大规模普适化部署仍受限，未来还需要通过推动芯片异构集成、高带宽本地存储等技术，以及提高电池寿命、缩短计算与数据存储距离等来进一步平衡性能与能效。第三，大型模型难以落地。边缘设备受限于体积、成本与功耗，难以支撑庞大的计算需求，即使采用量化、剪枝、蒸馏等压缩技术也难以完全缓解，且一定程度上也会牺牲模型的精度，特别在复杂感知或多模态任务上。此外，在AI优化的策略，通过开发更适配边缘的轻量级原生模型等，突破瓶颈。AI部署面临软硬件碎片化难题，导致跨平投入进行适配和优化。技术发展的竞争态势AI-02-01部分该领域主导型企业的战略方向及其进展。表Ⅱ-02-01 边缘AI技术领域的主导型企业及其研发进展企业研发的战略方向主要进展英伟达（Nvidia）边缘高算力平台，主要Blackwell架构开发边缘系列，扩展平台工业等领域的高性能边JetsonThor、AGXOrin、OrinNX等系列产品，通过高性能AI应用开发提供支持缘推理产品企业研发的战略方向主要进展高通（Qualcomm）在移动设备、网络边缘设备、汽车、工业等场的高性能产品SnapdragonXEliteSnapdragon8支持高性能边缘算力）Snapdragon支持可穿戴设AI推理），SnapdragonRide（面向汽车端侧智能）、DragonwingAIOn-Prem（面向IoT）等英特尔（Intel）AIAI部署和无缝集成AI推OpenVINOAIAI套件ARMAI技术AIEthosNPU系列产品、IoTCortex-ACPU产品、CorstoneIoT参考设计平台等谷歌（Google）持续强化边缘AI布局Coral系列设备为低功耗边缘推AI工Gemini华为+AI速轻量化边缘部署,并持续推进行业落地和生态建设AIAI计算框架、开源异构计算架构、华为智能边缘IEFAI部署openPangu-Embedded-7B/1B等百度“云智一体”战略构建了融合昆仑芯、飞桨深度学习框架等在内AI/推理部AI计算盒等资料来源：上海科学技术情报研究所（ISTIS）编制AI科技、爱芯元智、燧原科技、紫光展锐）、大模型（MiniMax、阶跃星辰、无问芯穹）、边缘终端（如矩控新辰、时擎科技）等关键领域具有竞争力的企GPU、GPGPUAIRISC-VAI加速器等多种AI研发与产品布局围绕“云–边–端”协同体系快速推进，并结合上海丰富产业场景与软硬件优势，广泛推动在智能汽车、工业物联网等领域的落地，并通过联合实验室等加快技术转化。技术产业化的前景AI以及加密计算、联邦学习（以及量子联邦学习）、互操作性等技术发展，边缘AIAI快速规模化应用及tner202575%AI浪潮AI已从新锐小众工具发展成为PrecedenceResearchAI市场21220341430亿美元。工业制造、医疗、自动驾驶、智慧城市等场景对“本地实时推理+AI落地AI部署和相关基础设施投资进一步加快。【参考文献】EdgeAIFoundation.The2025EdgeAITechnologyReport[R].2025https:///content/dam/qcomm-martech/dm-assets/documents/files/white-paper_1.1.pdfMcKinsey.TheriseofedgeAIinautomotive[EB/OL](2025-8-25)n-automotive高通AI[R].2025https:///Public/Upload/file/20250220/1740020308269161.pdf存算一体（ComputingInMemory,CiM）存算一体（ComputingInMemory，CiM）技术是指将计算逻辑直接嵌入到存储单元中，使数据在存储器内完成部分或全部计算任务，以减少存储器与处理器之间的数据传输。传统的冯诺依曼计算体系采用存储和运算分离的架构，存在“存储墙”与“功耗墙”问题。一方面存储器的访问速度远小于处理器的运算速度，系统数据处理能力会受到内存传输带宽限制，导致处理器实际算力低于理论算力；另一方面，在冯诺依曼的架构，数据在存储器与处理器之间频繁迁移会带来巨大22nm200行度。技术的发展现状及态势根据实现方式、计算范式、存储介质等的不同，存内计算可以分为不同的技术路线。（Near-Memory（ProcessingIn（ComputingIn三类。Cowos缩短两者物理距离，提升数据传输带宽，减少数据搬运时延、功耗。英伟达、MntelSKM2.5/3DH100Hopper架构，采用台4nm80G188GHBM33TB19792.83。（Die）本身具HBM-PIM、SKGDDR6-AiM存内计算是真正意义上的存算一体，其在芯片设计中，彻底融合存储与计算单元，消除存算界限，实现“存储即计算”。而根据计算范式不同，存内计将数学运算转化为电路中的电压–电流关系，实现矩阵乘加运算，能效高、天然并行性、低延迟，但精度和可靠性较低（对环境噪音敏感）。数字存内计算基于数字逻辑，通常通过加法树与移位器实现，可以实现任意精度，但单位面积能效和成本相对较高。性存储器两大类。基于静态随机存取存储器（SRAM）、非易失闪存（NORFlash）等传统存储器的存算一体，将有望在2–3年内规模商用，在端侧、边缘侧的人工智能推理运算中展现出10倍能效优势。基于磁随机存储器（MRAM）、可变电阻式内存（ReRAM）、相变存储器（PCM）、铁电存储器（FRAM）等新型非易失存储器的存算一体还在探索中，因其具有高性能、低功耗的特点（表Ⅱ-03-01），未来10年有望在数据中心侧实现突破。表Ⅱ-03-01 主要新型存储存算一体技术特点对比技术类型MRAMReRAMPCMFeFET读写速度2-3纳秒7.2-15纳秒50-100纳秒微秒级耐久性1016次以上1012-1014次107-1010次1014次以上非易失性是是是是存储密度单ReRAM0.02-0.04μm2/单元0.05-0.1μm2/单元与NORFlash相当工艺成熟度22-28nm量产，3D堆叠技术尚不成熟40nm以下量产，3D堆叠技术复杂，存在良率问题成本高，支持3D堆叠与NORFlash工艺兼容能效比15TOPS/W，写入能耗高于读取（写入能耗是读取的9倍）2.2-2.4TOPS/W55.21-88.51TOPS/W低功耗资料来源：上海科学技术情报研究所（ISTIS）编制MRAM基于磁性隧道结（MTJ）的电阻变化存储数据。其优点在于高速存取、低功耗、高耐久性、抗辐射等；其劣势主要在于成本高、存储密度相对较2T1RMRAMSRAMReRAM（高/低阻态3D单位成本最低等；其劣势主要体现在需误差补偿电路应对电阻漂移等。主要应AI推理与边缘侧存算一体。PCM（结晶/（不同态下电阻不同存储（55.21-88.51TOPS/W）微秒级3D工艺复杂。主要应用于数据中心等高带宽、非易失性存储计算场景。FeFET基于铁电材料极化状态存储数据。其优点在于低功耗、高可靠性，与NORFlash工艺的兼容性等；其劣势主要体现在单元面积大，集成度受限，以及温度敏感等。FeFET主要应用于低功耗、非易失性端侧计算场景。算精度，由于器件的一致性、稳定性问题导致的误差，以及计算过程的噪声，存算一体的精度相比数字计算有一定下降，需要结合电路特征优化算法，以满足应用需求。②软件生态，存算一体是一种数据驱动的计算，需要将神经网络模型部署在合适的存储单元上，并通过数据流调度来控制整个运算过程，更加智能、高效、便捷的数据映射工具将不可或缺。③体系架构，当前新型非易失存储器的存算一体主要是基于向量乘矩阵的计算方式，常用于特定的机器学习应用（如，神经网络推理、训练），难以扩展到其他的应用场景，且无法与现有的存储系统配合，进行数据的高效处理。未来需要突破从存储器件到编程模型，再到系统架构和应用的“全栈协同设计”，使得存算一体架构走向通用。技术发展的竞争态势近年来，存算一体技术取得显著进展，逐渐从概念性探索进入应用验证与产业化加速阶段。目前，美国、亚太地区在该领域处于世界前列。美国领导技术创新。国家战略层面，2012年，美国国防高级研究计划局eFlashRRAM2018MRAM存算2023RA（PMA”57800IBMIBM201822nmFinFET2021Intel4Loihi21281001.2Fwdnxt，尝试开发将存储和计算结合的创新方案。IBM基于相Mythic、SyntiantKnowm亚太地区则依托存储、芯片制造优势，积极开展技术产业化前期研究。三SK20221自然MRAM存内计算最新研28nmCMOSMRAM阵列芯片运行了手写数字识别和人AI98%93%2024SK海力士宣LPDDR6-PIMSRAMReRAM、PCM20241阵列芯片。2024A3nm32.5TOPS/WFully-DigitalCIMMacro3nmCIM32.5TOPS/W55TOPS/mm²。近年来，我国在存算一体技术领域也已从跟跑发展到并跑。在存算一体基础研究方面，中科院微电子所、北京大学、清华大学、复旦大学、上海交通大学、中科院上海微系统所、华中科技大学等，取得了一系列成果，发表了一系列在国际上具有一定影响力的学术论文。企业层面，兆易创新、华为等信息龙恒烁股份、曦智科技（上海）、光本位科技（上海）、昕原半导体（上海）等NorFlash、RRAM、SRAM、MRAM等存算一体技术路线开发，并积极推动成果落地。此外，在存算一体的产业化方面，20256月，中AI300TOPS/W（GPU3倍），首次在边缘设备实100TOPS科学评选的“2025年度十大科技突破”。技术产业化的前景AINorflash、MRAM等存算一体技术已开始在智能语音、AIAI落地中的性能与功耗平衡；未来，随着新型存储存算一体技术的进一步成熟，其应用将逐步由边缘侧延伸至云端及高算力场景，为自动驾驶、数据中心等提供高能效、高性价比的算力方案。此外，存算技术一体技术将进一步与物联网感知技术结合，推动物联网技术向感存算一体方向发展，实现对环境的实时感知与决策，加快人工智能向认知智能迈进。更重要的是，存算一体技术也将为类脑计算等新技术发展奠定基础。其通过模拟人脑神经元与突触的融合机制，推动构建高能效、高并行度AI算力架构新范式，开启类脑智能新时代。7nm数字芯片。通过存算一体计算架构与先进封装集成技术的协同创新，可在一定程度上规避国外先进工艺封锁，形成中国AIAI等应用创新提供自主可控的算力支持。【参考文献】K.S.KimandJ.R.Choi,TrendsandChallengesinComputing-in-MemoryforNeuralNetworkModel:AReviewFromDeviceDesigntoApplication-SideOptimization[J],IEEEAccess,vol.12,2024,pp.186679-186702Mannocci等In-memorycomputingwithemergingmemorydevices:Statusandoutlook[J],IAPLMachineLearning,2023.3中国移动研究院[R].2022 量子–经典混合计算（HybridQuantum-ClassicalComputing）（HybridQuantum-ClassicalComputing）是目前量子计算中比较务实、也是非常活跃的研究范式，其核心思想是：不追求一个巨大、和经典处理器（CPU/GPU）各自发挥优势，协同工作。量子处理器负责处理其擅长的特定任务（如模拟量子系统、优化特定计算），而经典处理器则负责整体控制、优化、纠错和后续处理。技术的发展现状及态势近年来，量子–经典混合计算的进展主要体现在以下几个方面：硬件与云平台的深度融合：从“接入”到“原生混合”应用程序编程接口远程调用一台量子设备。现在，领先的厂商正在将经典和量子计算资源在硬件和软件层面进行更深度的集成。如，由英伟达（Nvidia）Quantinuum的HH-Series原生集成了英伟达的GPUGPU并专用纠错控制硬件会通过快速解码“错误综合征”（syndromes）并反馈，在逻辑量子比特上完成实时纠错操作。这一过程需要满足容错条件，是构建可扩展量子计算系统的关键技术环节。IBMQiskitRuntime和量子系统二号（QuantumSystem。QiskitRuntime（CPU/GPU）直接部署在量子数据中心内部，紧邻量子硬件。这使得原本需要在用户本地计算机和云端量子设备之间来回通信数千次的任务，现在可以在云端高速、低延迟地完成，将某些算法的执行时间从数月缩短到数小时。QuantumSystem则是这一理念的硬件体现，它是一个模块化、可扩展的架构，为未来连接多个量子芯片和经典计算单元奠定了基础。该架构结合了量子通信和计算，并辅以经典计算资源，并利用中间件层适当集成量子和经典计算工作流程。算法与应用的爆发：超越“玩具问题”相对于被称为“量子玩具”的早期量子计算简化设备而言，量子–经典混合计算正从概念验证走向解决具有实际价值的问题，尤其是在材料科学、化学和优化决策领域。变分量子算法（VQE/QAOA）的深化：在化学模拟中，研究人员开始模拟Quantinuum和摩根大通（JPMorganChase&Co）合H1处理器上模拟了boscho其复杂度远超此前所能及。虽然距离完全实用化尚有距离，但这是迈向解决实际化学问题的重要里程碑。量子机器学习（QML）的兴起：这是近两年最热门的领域之一。核心思想（QuantumKernelMethods）IBMXanaduRigetti吸引了大量机器学习研究者进入该领域。在金融领域的应用落地尝试：量子–经典混合计算被用于投资组合优化、投资组合，虽然性能尚未超越顶级经典算法，但已在特定问题上展示了潜力，多家大型银行和金融机构都在积极进行概念验证（PoC）项目。软件与工具的成熟：降低开发者门槛软件的进步使物理学家和算法专家之外的普通开发者也能开始尝试量子–PnnanndunsolowQuantum（Google）自动处理量子计算和经典计算之间的切换和优化，而无需关心底层是哪种量子BraketMicrosoftAzureQuantum等平台不仅提供多种量子硬件后端的接入，还提供了强大的经典计算资源和无服务器（Serverless）模式，用户只需提交混合计算任务，平台会自动调度和管理所有资源，极大地简化了使用流程。技术发展的竞争态势量子–经典混合计算是目前量子计算中务实且进展最快的方向，全球主要科技强国都在积极布局（表Ⅱ-04-01），大体形成了当前“中美双极竞速、多极发展”的格局。表Ⅱ-04-01 不同国家与地区在量子–经典混合计算领域的进展国家/地区战略特点/定位代表性进展/优势领域企业/机构参与情况美国全面领先，注重开放生态构建和硬件性能突破超导量子计算领先；IBM推出模块化QuantumSystemTwo；IBMAMD（ORNL）研究量子与超算深度融合的软件架构IBMGoogleAMD等巨头引领；橡树岭国家实验室等国家级研究机构深度参与中国举国体制推动，差异化突破，强调自主可控和应用探索量子比特光量子（“九章四号”）优势；稀释制冷机国产化突破；量子保密通信领先；北京量子院提出新型混合算法HAWI、北京量子院等科研机构欧洲上游设备优势明显，多国合作推进生态整合，聚焦离子阱等技术路线奥地利科学院离子阱处理器高保真度；波兰部署全球首个经典-量子混合（SuperMUC-NG集成量子计算机）多以跨国合作和科研机构为主导，如奥地利科学院、波兰波兹南超算中心等日本“量子中心超算”战略，注重量子与现有超算的深度集成引进美国以外首台IBMQuantumSystemTwo，并与“富岳”超算实现底层指令级高速互联所IBM度合作资料来源：上海科学技术情报研究所（ISTIS）编制其二，“量超融合”成为中短期核心范式，随着量子计算和超级计算技术的快速发展，两者逐渐融合形成混合计算模式，取长补短，构建混合算力平台，这（（Qiskit）技术产业化前景学界普遍认为，量子–经典混合计算被是通往未来通用量子计算的必经之路，也可能在未来成为强大容错量子计算机的有机组成部分。近年来，其进展迅速，在优化与机器学习、量子化学与材料模拟设计、密码学与网络安全、工业与工程应用，以及基础科学研究领域均有实验性应用，取得了较好的效果。问题，即，随着量子比特数增加，经典优化器需要处理的参数呈指数级增长，使得训练变得极其困难，成为当前算法研究的核心挑战；通信开销（网络通信在量子–经典计算（尤其是在需要频繁反馈的算法）中的信息传递的瓶颈；错误累积问题，即，量子计算中的错误和经典优化中的误差会相互影响和累积，需要更精细的错误抑制和缓解策略，等。面对现有问题与挑战，通过硬件的性能提升、算法的误差缓解、软件的生态优化，借由量子–经典混合计算走向通用量子计算的远景应为可期。【参考文献】Pratibha;Mahmud,N.AReconfigurableFrameworkforHybridQuantum–ClassicalComputing[J].Algorithms2025,18,271./10.3390/a18050271Rizvi,S.M.A.;Paracha,U.I.;Khalid,U.;Lee,K.;Shin,H.QuantumMachineLearning:HybridQuantum-ClassicalVisionModels[J].Mathematics2025,13,2645./10.3390/math13162645陈文锦QTorch:基于独立的量子程序设计语言的量子–[J].计算机工程与科学，2025，47（3）：412-421.先进封装（AdvancedPackaging）（AdvancedPackaging）是指封装集成电路（IC）种创新技术，在单个电子设备中集成和互连多个半导体芯片和元器件，以提高性能、降低功耗和成本，并实现更小的尺寸和更高的功能密度。与传统封装相比，它具有高集成度、工艺方法多元化以及更优质的导电和散热性能、长期可（AI）与高性能计算（HPC）5G设施、自动驾驶或物联网（IoT）平台等应用构建紧凑且功能强大的系统。技术的发展现状及态势2.5D3D（SiP）更高密度的集成和更强的系统功能，是推动摩尔定律得以延续的关键技术。6种类型（表Ⅱ-05-01）。表Ⅱ-05-01 先进封装技术的主要类型技术维度主要类型技术特点基础互联与平面扩展倒装芯片封装（Flip-Chip）Flip-Chip则将芯片直接翻转水进行连接。Flip-Chip具有较高的信号密度、较小体行业得到了广泛应用晶圆级封装（WLP）WLP是在切割晶圆成单个芯片之前，在整个晶圆上进行封装过程。WLP分为扇入型晶圆级芯片封装（an-InCSPan-OutWLCSP），其特点是在整个封装过程中，晶圆始终适合高密度需求高性能集成与立体堆叠2.5D封装2.5D（CPUGPU）通过矽中介层，进行垂直以及水平的互连3D封装3D封装则直接将多个芯片进行垂直堆叠，透过矽通孔（TSV）进行连接，实现极高的讯号传输速度系统功能与异构集成系统级封装（SiP）SiP是通过将多个裸片（Die）及无源器件整合在单可以帮助芯片成品增加集成度、减小体积并降低功以减少厚度并提升散热性能Chiplet（芯粒）封装Chiplet的封装是将一个大型、复杂的系统芯片（SoC）先进封装技术（2.5D中介层、3D堆叠、EMIB、混合键合等一个完整的系统。Chiplet封装技术的出现是为了解高系统集成度、性能和灵活性资料来源：上海科学技术情报研究所（ISTIS）编制随着半导体晶圆的功能和性能要求不断提高，先进封装技术变得越来越重2025–20352.5D3D封装。2.5D3D2.5D3D更小的间距尺寸。然而，如今通过采用混合键合技术（通过铜—铜直接键合，实现超高密度的芯片互连的方法），可以实现个位数的间距尺寸，这表明该领2.5D3D更大面积的硅中介层：3倍光罩尺寸的限制，2.5D硅桥解决方案将很快取代硅中介层，成为高性能计算芯片封装的首选方案。作2.5DL3.5倍光罩尺寸的量产。面板级封装：该封装技术支持更大尺寸的中介层，并通过同时生产更多封装件来降低成本。尽管潜力巨大，但翘曲管理等挑战仍需解决。其日益凸显的重要性，反映出业界对更大尺寸且更具成本效益的中介层日益增长的需求。玻璃中介层：其性能可与硅中介层媲美，同时具备可调热膨胀系数（CTE）和更优可靠性等附加优势。玻璃中介层还兼容面板级封装技术，有望以更可控的成本实现高密度布线，使其成为未来封装技术的理想解决方案。混合键合技术：2.5D3D垂直集成，逻辑芯片、存储芯片将逐步实现分层化堆叠，在有限空间内显著提升计AI/HPC3D混合键合技术是实现芯片间超细间距垂直互连的关键技术。该技术已应用于多款高端服务器AMDEPYC（SRAMMI300（用I/OCPU/GPU芯片）HBM发展1620DRAM堆叠结构。Chiplet架构标准化与规模化：2022年，AMD、Arm、谷歌云、英特尔、Meta、微软、英伟达、高通、三星电子、台积电和日月光等芯片制造商与超大UCIe连规范，使来自不同厂商、采用不同晶圆厂制程、具备不同功能的小芯片都能在单一封装中协同工作，促进芯片设计向模组化、芯粒化的技术演进，以建立一个开放的互连生态系统。UCIe202585UCIe3.0UCIe3.0标准封装先进封装）AI、HPC和数据分析等领域对高速传输的需求。UCIe3.0还维持了向后兼容性，确保现有系统和基础设施能够无缝整合新标准。光电共封装（CPO）：这是一种新型的光电子集成技术，源于对更高数据吞吐量与更优能效的双重需求，被视为继CoWoS之后的下一个先进封装趋势。CPO正成为提升I/O带宽、降低能耗的关键解决方案。光通信具备的多重优势使CPO成为数据密集型、高能效HPC系统的理想选择。技术发展的竞争态势先进封装凭借小型化、高密度、低功耗、异构集成等能力，正从制造后端走向系统设计的前端。2024–2025年间涌现出创纪录数量的技术突破以及技术组合持续发展。先进封装领域的主要参与者包括台积电、英特尔、三星等晶圆代工/IDM巨头，以及日月光、长电科技等专业封测代工厂。它们各自推出CoWoS、Foveros等平台技术，形成差异化竞争（表Ⅱ-05-02）。表Ⅱ-05-02 先进封装产业链重点企业产业布局企业名称国家/地区代表性技术应用领域优势产业动态技术路线引领者台积电中国台湾CoWoS（2.5D）、InFO（扇出）、SoIC（3D混合键合）AI5G芯片领先的制程与封装协同，客户生态庞大启动开发SoW-X先进封装，生产高效能数据中心AI芯片；2nm制程逐步进入量产阶段，成为台积电未来五年营收成长的关键驱动力英特尔美国EMIB（嵌入式桥接封装）CPU+GPU异构整合（MeteorLake等）强调Chiplet先进封装，打造IDM2.0战略ECTC大会上披露了多项芯T，用于提升芯片封装尺寸和供HBM4/4e等新技术三星电子韩国I-Cube（2.5D）；H-Cube（2.5D）；X-Cube（TSV/3D堆叠）HBM存储+逻辑整合，AI/HPC存储（HBM）+逻辑芯片一体化整合能力250亿日元（1.7亿美元20273月165AI6415mm×510mmSoP，以加Dojo超级运算平台的封装供应链规模化生产推动者日月光中国台湾扇出、2.5D/3D统级封装HPC全球最大OSAT65亿元新台币以扩大厂房装产能长电科技中国晶圆级封封装、系统级封装、倒装芯片封装、引线键合封装广泛应用于汽车电子、AI、HPC、高密度存储、网络通信、智能终端、工业与医疗、功率与能源等领域中国大陆最大OSAT（海车规级芯片封测基地完成建设，将于下半年通线投产；（江阴司，聚焦系统级封装等核心业务，打造先进封测智能制造创新发展新路径产业布局企业名称国家/地区代表性技术应用领域优势产业动态安靠美国2.5D封装、扇出、系统级封装服务高通、苹果等客户美国最大OSAT拟斥资20亿美元在美国打造先进封装测试工厂并计划在2028年初投入运营在异构集为芯片制造商提供实现密度互连及更复杂封装设计所需的工具和技术设立EPIC先进封装合作平台，并采用专为加速先进芯片封装技术商业化而设计的新合作模式；BESI最合技术市场的竞争地位成先进封装三大关键领应用材料美国合键合、晶先进封装技术领域最大的供应商之一圆对晶圆键合、以及先进衬底东京电子日本探针台是CoWoS和CPO先进封装的关键设备生产用于三3nm2nm工艺的涂布显影设备全球涂胶显影设备龙头企业20252029财年期间投资1.5万亿日元，要研发方向包括低温刻蚀（CCP）和导体刻蚀（ICP）技术SIPLACE在芯片贴装、引线键合、表面贴装技术等三大领域市占率排名全球第一，尤其在晶圆级封装、微机电系统封装设备领域拥有超过2000项核心专利在上海临港成立奥芯明半导体（上海首个研发中心正式在上海临港技术落地的关键支撑（设备）ASMPT新加坡CA2（直接从晶圆上处SIPLACETXmicro（专为模块与SiP设计物联网设备、传感器、电源模块和医疗的高速贴装设备方案DKGalaxy（晶圆、基板与PCB专用平台）推出EVG®880LayerRelease离型层系统，无需玻璃载体，实现EVG奥地利晶圆键合、光刻、薄晶圆加工和量测设备AI、HPC数据中心等高需求应用提供支持在混合键合套刻精度控制方面实现重大突破了超薄芯片堆叠先进封装，以及用于前端处理的超薄3D层堆叠，包括先进逻辑、存储器和功率器件成型，为未来3D集成提供了新的工艺；发布EVG®40D2W，为业界首款专用于晶粒对晶圆套刻精度计量的测量平台资料来源：上海科学技术情报研究所（ISTIS）编制技术产业化的前景从移动设备和消费电子到人工智能和数据中心，先进封装技术正不断适应20252025重需求与挑战，却始终保持着持续上升的趋势。其多功能特性使先进封装技术能够持续创新与适应，在产量、技术要求及平均销售价格方面满足多元化市场的特定需求。2030830亿美元。【参考文献】IDTechEx,AdvancedSemiconductorPackaging2025-2035:Forecasts,Technologies,Applications[R/OL].[2025-09-15].https:///en/research-report/advanced-semiconductor-packaging/1042KunLiao,ZhaochuDongetal.ExploringtheIntersectionofBrain-ComputerInterfacesandQuantumSensing:AReviewofResearchProgressandFutureTrends[J].AdvancedQuantumTechnologies.[2023-10-31].DOI:10.1002/qute.202300185.UCIeConsortiumReleases3.0Specification64GT/sPerformanceandEnhancedManageability（2025-08-05）[N].[2025-09-15].https:///_files/ugd/8dc731_ae67289d0ec646cdba5c1aee245538b3.pdfAdvancedPackaging:A$83Bmarketby2030duetoarichmixofcoreplatformsandsupportingtechnologies[R/OL].（2025-07-05）[2025-09-15].https:///product/report/status-of-the-advanced-packaging-industry-2025/量子区块链（QuantumBlockchain）量子区块链（QuantumBlockchain）是指利用量子计算的叠加、纠缠等特性来增强或重塑区块链分布式共识、加密安全、智能合约等核心功能的融合技术，结合了量子计算的前沿特性和区块链的分布式账本优势，成为以量子技术为基础的下一代去中心化分布式账本系统。其技术发展的核心驱动力目前主要有两方面：一是应对量子计算对传统密码学的潜在威胁，二是探索量子技术优势如何为区块链带来新的范式突破。量子区块链具有强大的技术优势。一是具有极强的前瞻性防御，基于量子抗性的加密算法可以抵御未来量子计算对传统加密算法的攻击，解决区块链未来被破解的担忧；二是具有极高的安全性，基于量子密钥分发（QKD）和量子安全多方计算（QSMPC）等技术可以实现无条件安全的密钥交换，增强区块链交易的隐私性和安全性；三是具有极高的效率与公平性，基于量子纠缠或量子随机数生成器等形成新的共识机制，使区块链系统更去中心化、更公平。技术的发展现状及态势随着量子计算的进展，量子计算强大的计算功能对经典密码学系统构成了RSAECC等加密算法被破解强一致性等特点受到挑战。为了能够防御针对区块链的量子攻击，量子区块链技术得以发展，2016年美国国家标准与技术研究院（NIST）提出需要建立新的（PostQuantumCryptography，PQC）量子区块链的关键技术目前，量子区块链的关键技术主要包括以下几个方面。一是后量子密码算法（PQC），是实现量子安全最可行的过渡方案和最直接的技术路径，使用基于格、哈希（Hash）、编码、多变量、同源等密码技术和算法，逐步融入区块链底层架构，替换掉现有区块链中脆弱的加密算法，从而增强了签名与加密环节的量子抗性，为构建高安全等级的分布式账本提供了关键技术支撑。（QuantumKey利用量子不可克隆三是量子随机数生成（QuantumRandomNumberGeneration，QRNG），利用光子的量子随机性等量子现象来生成真正随机且不可预测的随机数源，而非PoS共识机制、智能合约的随提供更高等级的安全性和不可预测性。四是量子共识机制，利用量子纠缠、叠加态等量子计算特性来实现更快、能耗更低的量子共识协议，设计量子原生分布式账本，实现经典区块链无法实现的功能和性能，如在共识机制方面，利用量子纠缠和量子投票协议，实现更快、更节能、更安全的量子共识机制；在智能合约方面，利用量子算法进行处基于量子不可克隆原理，创建绝对安全、可验证的量子时间戳；在提升交易吞吐量方面，通过量子算法优化网络路由和交易打包过程。目前，相关研究还处于理论探索阶段，离实际应用比较遥远。量子区块链的未来发展未来量子区块链的发展将呈现三个阶段。一是短期内，以后量子密码算法（PQC）标准落地、集成与迁移为主要进程，美国国家标准与技术研究院等机PQC算法的标准化进程，一旦标准确立，各大区块链项目将开始算法迁移和升级工作。量子密钥分发（QKD）和量子随机数生成（QRNG）与区块链的结合也将在政务、金融等领域进行试点应用。目前有部分区块链项目在（recoveryfork）的方式，以防御量子攻击。二是中期内，混合架构将成为主流，出现经典–量子混合区块链，即网络整体仍由经典节点维护，但特定任务，如随机数生成、优化计算等，由量子协处理器或量子云服务完成。也将会出现成熟的“量子密钥分发（QKD）网络+区块链”和“量子随机数生成（QRNG）+共识机制”等混合解决方案，支持量子密码算法（PQC）的区块链公链和联盟链将成为新建项目的默认选项，传统（（Quantum三是长期看，量子原生区块链有所进展，随着通用量子计算机和量子互联网的发展，真正利用量子计算特性来设计的量子原生分布式账本架构可能会成前所未有的安全性、速度和功能技术发展的竞争态势由于量子技术在国家层面具有战略意义，量子区块链技术的竞争也呈现出国家战略制高点的竞争态势，表现在量子尖端技术和标准等方面。在技术上，中国在量子通信和量子计算方面，如量子密钥分发（QKD），处于世界领先地2017并在发射全球首颗量子科学实验卫星“墨子号”，在国际上率先实现了千公里级的星地双向量子密钥分发。在标准方面，国际电信联盟、国际标准化组织、国际电工协会、国际电子电气工程师协会等均启动了量子保密通信的标准化工作，欧洲电信标准化协会200825个国家8215NIST、、Sphincs+202388月在FIPS203FIPS204FIPS205在企业层面，主要是进行生态和技术的角逐，呈现出三个主要群体的竞争（表Ⅱ-06-01）IBMQiskit是全球性能最强的量子计算和CirqPythonAzureQuantum作为云量子计算服务平台，为量子区块链提供基础算力支PQCJP将量子密钥分发（QKD）与分布式账本技术结合应用于金融市场的方法，这为量子区块链的发展提供了应用支撑。二是区块链企业，高度关注量子攻击带来的威胁，积极参与量子区块链集成和迁移的研究，如以太坊基金会（EthereumFoundation）Algorand（PQC），竞争重点在于谁能更安全、更早地实现过渡，并保住现有生态。三是量子区块链原生企业PQC解决方案（如加密库、签名服务）QANplatform、Abelian等项目则宣称以量子抗性为设计目标，试图在新技术范式中抢占先机。表Ⅱ-06-01 量子区块链部分典型企业和组织公司/机构名称国家类型主要技术和应用方向IBM美国技术开发在量子计算、区块链和后量子密码学方面都处于全球前列，正在探索企业级解决方案，其参与研制的Dilithium成为美国国家标准与技术研究院公布的四个标准算法之二，现已开发另两种后量子加密算法SLH-DSAFN-DSA公司/机构名称国家类型主要技术和应用方向Google美国技术开发在量子计算（Willow）和后量子密码学领域领先，与多个公司一起研发后量子加密算法，其云服务未来可能集成量子安全区块链服务Microsoft美国技术开发NIST后量子加密NISTAzureQuantum生态系统提供相关服务JPMorganChase美国应用Kinexys（Onyx），建立了高速量子安全加密敏捷网络（Q-CAN），作为测试适用于银行和金融的下一代量子技术的研究平台，正在积极研究向后量子密码的迁移EthereumFoundation瑞士区块链代币发行研究团队一直在关注和研究后量子密码学，提出在2.0，基于哈SNARKAlgorandFoundationLtd美国区块链代币发行年推出后量子安FalconKeys，以防范未来的量子计算威胁QANplatform爱沙尼亚技术开发QANplatformLayer1混合区块链平台，可以迁移以太坊等QuintessenceLabs澳大利亚技术开发专注于量子网络安全，提供量子密钥生成、加密敏捷密钥管理和量子密钥分发，聚焦量子随机数生成器（QRNG）和量子密钥分发（QKD）技术等QuantumResistantLedger瑞士技术开发一开始就设计为抗量子的区块链项目，使用基于哈希的签名方案（XMSS）中国科学技术大学中国基础研发在量子通信、量子计算机领域处于世界领先地位，其研究成果为量子安全网络的建设奠定了基础。中国电信中国技术开发发布全球首个融合QKD和PQC的分布式密码体系，可以提供端到端抗量子计算的密钥分发与密钥全生命周期管理。研发区块链即服务（BaaS）的天翼链Dilithium+SM2混合签名作为可选签名组LPN、格设计的安全多方算法，推进实现抗量子组件融合阿里巴巴中国技术开发建立蚂蚁链区块链平台，研究在交易中集成抗量子签名算法，应用于多种场景资料来源：上海科学技术情报研究所（ISTIS）编制技术产业化的前景量子区块链技术可以广泛应用于多行业多场景中，如金融领域（数字货币、跨境支付与结算等）、安全领域（身份认证、敏感数据的存储与审核等）、关键基础设施领域（能源电网调度、物联网协作等）、供应链管理、医疗健康、科学研究等，成为构建未来可信的数字基础设施的关键技术之一。根据市场资讯公司MktsandMkets2024.57亿美元，203075.94准与技术研究院后量子密码算法（PQC）和量子通信协议标准制定与落地的推证状况、高昂的迁移成本与风险等，均是巨大的挑战。【参考文献】ChuntangLi,etc.,QuantumBlockchain:ADecentralized,EncryptedandDistributedDatabaseBasedonQuantumMechanics[J].JournalofQuantumComputing,2019,1(2):49-63.ManjulaGandhiS,etc.Quantumblockchain:Trends,technologies,andfuturedirections[J].IETQuantumCommunication,2024,(5):516–542.MarketsandMarkets.QuantumCryptographyMarket[EB/OL].2024-10[2025-09-15].https:///Market-Reports/quantum-cryptogra.生命与健康领域mRNA（mRNAVaccines&Therapeutics）mRNA（信使核糖核酸）疫苗这一革命性技术迅速进入公众视野。mRNA疫苗不仅在传染病预防中展示其卓越性能，也激发了科学界探技术激活机体免疫系统以清除癌细胞[1]。技术的发展现状及态势1990mRNAmRNAmRNAmRNA可以避免被免疫系统识别和降解mRNA在体内的不稳定性和高免疫原性问题；非翻译区的优化和poly(A)mRNARNAmRNA配制技术逐渐成为传染病和肿瘤防治领域的焦点。2023年诺贝尔KatalinKarikóDrewmRNACOVID-19大流行过程中发挥巨大作用；同时，mRNA疫苗也在此期间取得了快速发展。mRNA疫苗作用机制如图Ⅱ-07-01mRNA疫苗后，体外转录（IVT）mRNA通过递送载体进入靶细胞的细胞质中（过程①–④），通过靶细胞的表达系统合成具有特定药理活性的抗原蛋白（过程⑤），翻译的抗原蛋白被蛋白酶降解为抗原肽，然后被转运到内质网中，并通过主要组织相容性复合体（MHC）Ⅰ途径呈CD8+T（过程⑦–⑧）由宿主细胞分泌（过程⑥）并被附近的抗原呈递细胞（APC）吸收（过程⑨–⑩），MHCCD4+T细胞，分泌细胞因子引发细mRNA相关技术，可以参见《2021全球前沿科技热点》。B细胞产生抗体（过程⑪–⑫）。抗原蛋白也可以通过一MHCCD8+T细胞，从而杀死肿瘤细胞或病毒感染的细胞，以达到预防和治疗疾病的目的。图Ⅱ-07-01 mRNA疫苗作用机制示意图资料来源：AbishekWadhwa,etal.2020mRNA疫苗技术的优势其一，mRNA疫苗是一种无感染、安全的平台，没有感染或插入基因组突mRNA修饰和递送方法来调节。其二，mRNA疫苗允许同时递送多种抗原，特别是对于肿瘤疫苗，疫苗具建立了成熟的mRNAmRNA三大技术瓶颈有待突破mRA（1/mRNA疫苗的产业化仍面临三大核心挑战：抗原设计瓶颈：如何在有限载荷内选择最具免疫原性的抗原表位，直接影响疫苗效力。针对这一瓶颈，目前接受度较高的解决方案是基于寨卡病毒疫苗E蛋白Ⅲ区（EDⅢ）体，实现剂量依赖性免疫反应。递送系统瓶颈：mRNA分子量大且带负电荷，难以自由进入细胞。针对这明该递送系统可较好地解决这一问题。mRNA疫苗需-70℃30%以上，严重制约在资源匮乏地区的应用。该瓶颈问题目前尚无有效的解决方案。技术发展的竞争态势疫情结束后，mRNA疫苗在其他传染病、肿瘤免疫等领域的研发及产业化也逐渐成为研究热点，相应的竞争也日趋激烈。KnowMade的研究报告，2024mRNA735个新专2023639mRNA德国拜恩泰科美国莫德纳Sanofi（法国赛诺菲物（Abogenbio）192024mRNA技术领域的科研投入和技术实力。2023mRNAmRNA域申请数量一直处于前列，高于感染领域，说明肿瘤已超过感染性疾病，成为mRNA疫苗技术专利的主要布局领域。7000mRNA疫苗有640个，它们均处于Ⅰ/ⅡTSA过度表达，但同时也存在于正常组织中，特异性较低。TSA在正常组织中不存在，但在个体肿瘤细胞中表达，具有高度特异性，因此被认为是理想的肿瘤疫苗抗原（表Ⅱ-07-01）。表Ⅱ-07-01 部分进入临床试验阶段的肿瘤mRNA疫苗产品厂家肿瘤类型抗原研究阶段临床实验登记号脂质载体mRNA疫苗CV9201CureVacStageIIIB/IVNSCLCMAGE-C1，MAGE-C2，Survivin，5T4I/II期NCT00923312DCCV9103CureVac前列腺癌PSMA，STEAP1I/II期NCT00831467DCDC疫苗ZwiBememan急性髓系白血病WT1II期NCT01686334DCDC疫苗美国贝勒医学院胰腺癌胰腺癌mRNA及裂解物I期NCT04157127DCBNT111BioNTech晚期黑色素瘤NY-ESO-1，MAGE-C3，酪氨酸酶，gp100I期NCT02410733LipoplexTSAsmRNA疫苗BNT122BioNTech晚期黑色素瘤新生抗原II期NCT03815058LipoplexmRNA-4157莫德纳，默克高危黑色素瘤的完全切除新生抗原II期NCT03897881LNPSW1115C3StemimaTherapeutics实体瘤新生抗原I期NCT05198752LPPPercellVac3北京启辰生生物科技有限公司脑癌，转移瘤新生抗原I期NCT02808416DC资料来源：刘财旺,等虽然目前的肿瘤mRNA疫苗仍处于临床试验阶段，全球尚未有任何一款该类疫苗获批上市。然而，莫德纳和默沙东联合开发的mRNA-4157/V940已获得美国食品药品监督管理局（FDA）的突破性疗法认证。莫德纳预计该疫苗将于2027年正式上市。莫德纳在中国也有布局相关的mRNA癌症疫苗的专利/申请。国内企业如立康生命、新合生物、斯微生物等致力于个性化mRNA肿瘤新抗原疫苗，艾博生物、威斯津生物、远大医药等则在通用型mRNA肿瘤疫苗开发方面稳步推进。技术的产业化前景可以预见，在政策、资本和技术多重推动下，未来5–10年将是中国mRNAIIT（研究者发起试验mRNA药物生态系统的快速崛起，不mRNAmRNA有报道采用类似重组蛋白的方式基于细菌/mRNA，从而在保证mRNAmRNA仍较多，为了实现国产mRNA疫苗的国际化，具有自主知识产权的国产物料的开发力度需要进一步加强。【参考文