來(lái)源： 科技日報 作者： 馮衛東 劉霞

   請讀者朋友們先靜下心來(lái)想想，你能想到的最沮喪、最棘手或者簡(jiǎn)單說(shuō)來(lái)最煩惱的問(wèn)題是什么？接下來(lái)，你再想想什么技術(shù)可以解決這些問(wèn)題。為此，美國麻省理工學(xué)院（MIT）的《技術(shù)評論》雜志為讀者朋友們遴選出了2013年的10大突破性技術(shù)，這些技術(shù)為解決問(wèn)題而生，將會(huì )極大地擴展人類(lèi)的潛能，也最有可能改變世界的面貌。

   《技術(shù)評論》雜志的編輯在文章中指出，今年，我們首次用“突破性技術(shù)”來(lái)代替以往的“新興技術(shù)”。我們對突破性技術(shù)的定義非常簡(jiǎn)單：能讓人們以新方式使用技術(shù)的進(jìn)展。它或許是一種為人們提供有用接口的直觀(guān)設計（比如智能手表）；或者是使腦損傷患者能重新形成記憶的實(shí)驗設備（比如記憶植入物）。有些技術(shù)可能對經(jīng)濟持續穩定的發(fā)展至關(guān)重要（比如3D打印技術(shù)和超級電網(wǎng)）；而另外一些技術(shù)則可能會(huì )改變我們的溝通方式（比如臨時(shí)社交媒體）或者與我們的未來(lái)密切相關(guān)（比如產(chǎn)前DNA測序）。有些技術(shù)是工程師們天才創(chuàng )意的結晶；而有些技術(shù)則是科學(xué)家們對長(cháng)期困擾他們的問(wèn)題所采取的諸多嘗試的集大成者（比如深度學(xué)習和超高效太陽(yáng)能電池）?？偠灾?，我們希望這份年度技術(shù)榜單不僅能告訴人們需要知道這些技術(shù)；也借此對提出這些創(chuàng )意的人致以崇高敬意。

   這些突破性技術(shù)中，深度學(xué)習位居榜首，其余九個(gè)分別是：超級電網(wǎng)、記憶植入物、藍領(lǐng)機器人、智能手表、產(chǎn)前DNA測序、3D打印技術(shù)、臨時(shí)社交媒體、來(lái)自廉價(jià)手機的龐大數據和超高效太陽(yáng)能電池，我們希望這些技術(shù)能為我們繪制出一幅比較全面的科技發(fā)展現狀圖。

  （一）深度學(xué)習：讓機器學(xué)會(huì )思考和做決定

   現在的機器擁有超強的計算能力，能識別對象并實(shí)時(shí)翻譯講話(huà)。人工智能終將變得越來(lái)越聰明。

   重要性：如果計算機能夠可靠地識別模式并對外部世界的發(fā)展趨勢給出正確推論，那么，它可以更有效地幫助人類(lèi)。

   突破：這種人工智能方法可以放之四海而皆準，廣泛應用于多個(gè)領(lǐng)域。

   重要參與者：谷歌公司、微軟公司、IBM公司、加拿大多倫多大學(xué)的杰弗里•辛頓教授。

   美國發(fā)明家、預言家雷•庫茲韋爾曾發(fā)明了盲人閱讀機、音樂(lè )合成器和語(yǔ)音識別系統。2012年7月，庫茲韋爾拜訪(fǎng)了谷歌公司的首席執行官拉里•佩奇，但他的目的并非為了找工作。庫茲韋爾是一名受人尊敬的發(fā)明家，也在變成研究機器智能的未來(lái)學(xué)家。他想與已經(jīng)看過(guò)他即將出版的《如何創(chuàng )建思維》這本書(shū)手稿的佩奇討論此書(shū)，他對佩奇表示，他想創(chuàng )辦一家公司來(lái)實(shí)現自己的想法——建造一臺真正的智能計算機：能夠理解語(yǔ)言，接著(zhù)進(jìn)行推論然后自己做出決定。

   很顯然，這樣一種嘗試需要谷歌公司海量的數據庫和無(wú)與倫比的計算能力。佩奇對庫茲韋爾說(shuō)：“我可以給你一些權限，讓你使用我們公司的數據庫和計算機，但是，靠一家公司單打獨斗，很難做成這件事。”因此，佩奇建議除了自己開(kāi)公司，從沒(méi)有在其他公司工作過(guò)的庫茲韋爾加入谷歌。庫茲韋爾很快做出了決定：今年2月，他正式入職谷歌，成為該公司的工程部主管。庫茲韋爾說(shuō)：“50多年來(lái)，我專(zhuān)注研究人工智能就是為了這一刻。”

   吸引庫茲韋爾的不僅包括谷歌公司的計算資源，而且，也包括該公司在人工智能的新領(lǐng)域——深度學(xué)習方面所取得的令人驚嘆的進(jìn)步。深度學(xué)習軟件試圖模擬大腦新皮質(zhì)內神經(jīng)元的活動(dòng)，新皮質(zhì)是哺乳動(dòng)物大腦皮質(zhì)的一部分，在腦半球頂層，大約2到4毫米厚，分為6層，占據大腦80%的這些皺褶正是人類(lèi)思想的發(fā)源地。深度學(xué)習軟件能非常真切地學(xué)會(huì )識別用數字形式表示的聲音、圖像和其他數據的不同模式。

  幾十年前，就有科學(xué)家提出了深度學(xué)習的基本思路：軟件能用人造“神經(jīng)網(wǎng)絡(luò )”來(lái)模擬大腦新皮質(zhì)中的神經(jīng)元陣列，幾十年來(lái)，研究這一領(lǐng)域的科學(xué)家們可謂喜憂(yōu)摻半。但是，得益于數學(xué)公式的改進(jìn)和計算能力的提升，計算機科學(xué)家現在能為更多虛擬神經(jīng)元建立模型。

   隨著(zhù)科學(xué)家們的研究不斷深入，現在，這些軟件在語(yǔ)音和圖像識別方面取得了可喜的進(jìn)步。去年6月，谷歌研發(fā)的一套深度學(xué)習系統證明，其在YouTube視頻的1000萬(wàn)張圖像中識別出諸如貓等物體的準確度為此前任何一個(gè)圖像識別系統的兩倍。谷歌還利用該技術(shù)，降低了其最新研發(fā)的安卓（Android）手機軟件的語(yǔ)音識別的錯誤率。去年10月，微軟首席研究官里克•拉希德在中國演講期間，向與會(huì )來(lái)賓演示了一款令人驚嘆不已的語(yǔ)音軟件。該軟件可將拉希德的口頭發(fā)言轉錄成英文文本，錯誤率僅為7%，之后，再將英文文本翻譯成漢語(yǔ)文本，然后模仿他的口音用普通話(huà)說(shuō)出那些文本。同樣在去年10月份，一個(gè)由三名研究生和兩位教授組成的團隊贏(yíng)得了化學(xué)與制藥公司默克公司舉辦的一場(chǎng)競賽，競賽的主旨是鑒別出可導致新藥的分子，該團隊正是采用深度學(xué)習的方法，將目標對準那些最有可能與靶標綁定的分子，從而取得了成功。

   谷歌目前已經(jīng)成為一塊極富吸引力的磁鐵，吸引著(zhù)全球研究深度學(xué)習和相關(guān)的人工智能領(lǐng)域專(zhuān)家紛至沓來(lái)。2013年3月，谷歌收購了由加拿大多倫多大學(xué)計算機科學(xué)教授杰弗里•希頓創(chuàng )立的深度學(xué)習企業(yè)DNNresearch，希頓也曾獲得過(guò)默克大獎。希頓目前將自己的時(shí)間一分為二：一半給大學(xué)；一半給谷歌。辛頓表示，他計劃“將這一領(lǐng)域的理念提取出來(lái)，用來(lái)解決實(shí)際問(wèn)題——諸如圖像識別、搜索、自然語(yǔ)言理解等方面的問(wèn)題”。

   上述研究進(jìn)展時(shí)刻在提醒人工智能研究領(lǐng)域的專(zhuān)家們：科幻小說(shuō)和電影中出現的機器終將出現在現實(shí)生活中。的確，機器智能已滲透到各行各業(yè)并在逐步改變這些行業(yè)的面貌，從通訊、計算到醫療、制造以及運輸等，不一而足。IBM研究的超級計算機Watson在美國著(zhù)名的智力比賽中獲勝讓這一切得以彰顯。Watson也使用了一些深度學(xué)習技術(shù)，而且，科學(xué)家們現在也在訓練它幫助醫生做決定。微軟也在手機操作系統Windows Phone和Bing語(yǔ)音搜索中用到了深度學(xué)習技術(shù)。

   然而，要想將深度學(xué)習技術(shù)從語(yǔ)音和圖像識別領(lǐng)域擴展到其他應用領(lǐng)域則需要科學(xué)家們在概念和軟件上做出更大突破，而且還需要計算能力的進(jìn)一步增強?；蛟S，在幾年內，我們不會(huì )看到計算機能自己思考，但幾十年內或許可以。微軟美國研究院的院長(cháng)皮特•李說(shuō)，深度學(xué)習已經(jīng)引發(fā)了人工智能領(lǐng)域很多新的大挑戰。

   建造大腦

   當然，有挑戰就會(huì )有人想解決辦法，一直有一些富有競爭力的方法來(lái)應對這些挑戰?，F在，人們已經(jīng)可以將現實(shí)世界的信息和規則“喂給”計算機，為了做到這一點(diǎn)，需要程序員們不辭辛勞地編寫(xiě)這方面的軟件。這會(huì )耗費大量人力物力，但是，系統仍然無(wú)法處理模糊數據，這些程序的使用范圍僅限于一些受控的應用領(lǐng)域，諸如手機的菜單系統等，該系統要求你通過(guò)說(shuō)出特定的詞語(yǔ)來(lái)提要求。

  人工智能領(lǐng)域出現后不久，神經(jīng)網(wǎng)絡(luò )也于上世紀50年代開(kāi)始興起。神經(jīng)網(wǎng)絡(luò )似乎很有前景，因為它們試圖模擬大腦的工作方式，盡管采用的是一種非常簡(jiǎn)化的形式。程序能標示出一套虛擬的神經(jīng)元然后隨機給它們分配數值或者“權值”，以讓它們之間相互關(guān)聯(lián)。這些“權值”決定了每個(gè)模擬的神經(jīng)元的反應——用數值輸出0和1來(lái)表示，通過(guò)這種方式可以對圖像中的邊框或者藍色陰影、話(huà)語(yǔ)中的一個(gè)音素的某個(gè)能級等特征進(jìn)行數字化表達。

   程序員需要訓練神經(jīng)網(wǎng)絡(luò )通過(guò)用含有這些物體的圖像或含有這些因素的聲波的數字化后的版本來(lái)探測一個(gè)物體或者音素。如果該網(wǎng)絡(luò )無(wú)法精確地識別某個(gè)特定的模式，將會(huì )有一個(gè)算法來(lái)調整這些權值。這種訓練的最終目的是讓網(wǎng)絡(luò )能夠持續一致地識別出語(yǔ)音或者圖像中的這種模式，也就是說(shuō)，識別出每句語(yǔ)音中的音素“d”或者每幅圖像中的狗，這同小孩子通過(guò)觀(guān)察人們稱(chēng)作狗的動(dòng)物的頭型、行為以及毛皮、吠聲等等來(lái)認識狗如出一轍。

   但是，早期的神經(jīng)網(wǎng)絡(luò )一次能模擬的神經(jīng)元的數量有限，因此，它們無(wú)法識別出復雜程度很高的模式，這種情況一直持續到上世紀70年代。

   在上世紀80年代中期，辛頓和其他人使用所謂的“深度”模型，引發(fā)了神經(jīng)網(wǎng)絡(luò )研究的新一輪復興，深度模型能更好地利用軟件模擬多層神經(jīng)網(wǎng)絡(luò )。但是，這一技術(shù)仍然需要大量的人力投入：程序員們不得不在將數據填入神經(jīng)元網(wǎng)絡(luò )前給每個(gè)數據貼上標簽。而且，復雜的語(yǔ)音或者圖像識別所要求的計算能力彼時(shí)也讓人望塵莫及。

   在過(guò)去十年里，辛頓和其他研究人員才終于做出了一些根本性的概念上突破。2006年，辛頓研發(fā)出了一種更有效地訓練單層神經(jīng)元的方法。即第一層網(wǎng)絡(luò )學(xué)習一些基本的特征，諸如圖像的邊緣或者聲音的最小單元等。它通過(guò)發(fā)現那些出現頻率反常高的數字化后的像素或者聲波組合來(lái)做到這一點(diǎn)。一旦第一層精確地識別出這些特征，那么，它將被“喂給”第二層，以便第二層訓練自己識別更復雜的特征，諸如邊角或者聲音單位的組合等等。這一過(guò)程在多層之間不斷重復，直到該系統能夠可靠地識別出音素或者對象為止。

   就像上面提到的圖像中的貓。去年6月，谷歌演示了迄今最大的神經(jīng)網(wǎng)絡(luò )，其擁有超過(guò)10億個(gè)節點(diǎn)。美國斯坦福大學(xué)的計算機科學(xué)教授安德魯•恩格和谷歌的科學(xué)家杰夫•迪恩讓系統從1000萬(wàn)個(gè)隨機選擇的YouTube視頻上挑出了貓的圖像。在該軟件模型中，一個(gè)模擬的神經(jīng)元主要注意貓的圖像。其他神經(jīng)元則專(zhuān)注于人臉、黃色的花朵以及其他物體的圖像。因為深層學(xué)習擁有的強大功能，盡管此前并沒(méi)有人給這些圖像貼上標簽，該系統還是識別出了這些互不相干的對象。

   然而，讓某些人工智能專(zhuān)家深感震驚的是深度學(xué)習在圖像識別領(lǐng)域所取得的驚人成就。該系統可以給YouTube視頻中的對象分類(lèi)，并添加主題，準確率達16%，盡管聽(tīng)起來(lái)并不是很高，但與以前的方法相比，準確率提高了70%。迪恩強調稱(chēng)，要知道，YouTube視頻中的對象總共有2.2萬(wàn)個(gè)類(lèi)別，大部分人都無(wú)法做到這一點(diǎn)。當該系統被要求將圖像分成1000多個(gè)常見(jiàn)類(lèi)別時(shí)，準確率一下子飆升到50%。

  大數據

  在實(shí)驗中訓練多層虛擬神經(jīng)元占用了谷歌公司的1.6萬(wàn)臺計算機處理器，谷歌公司研發(fā)這些計算基礎設施的目的是用于搜索引擎和其他服務(wù)。機器學(xué)習新興公司Vicarious的聯(lián)合創(chuàng )始人迪利普•喬治稱(chēng)，人工智能領(lǐng)域最近取得的進(jìn)步80%要歸功于計算能力的增強。

  然而，谷歌龐大的數據中心深度學(xué)習飛速發(fā)展只是這枚硬幣的一面，谷歌的操作策略則是這枚硬幣的另一面，這些操作策略就是，將計算任務(wù)分開(kāi)，讓不同的計算機執行不同的操作以便很快完成這些任務(wù)。這是迪恩早期的研究成果，迪恩已在谷歌工作了14年。這一策略讓深度學(xué)習神經(jīng)網(wǎng)絡(luò )的訓練速度大大提高，使谷歌能夠運行更大的網(wǎng)絡(luò )并朝這些網(wǎng)絡(luò )填入更多數據。

   而且，深度學(xué)習也提高了智能手機上聲音搜索軟件的性能。直到去年，谷歌的安卓（Android）手機軟件使用的方法還會(huì )弄錯很多單詞的意思。但是，在準備于去年7月發(fā)布新安卓系統的過(guò)程中，迪恩領(lǐng)導的研究團隊用基于深度學(xué)習的系統取代了部分語(yǔ)音系統。因為多層神經(jīng)元能對一個(gè)聲音的多種變形進(jìn)行更精確的訓練，所以，該系統能更可靠地對各種支離破碎的聲音進(jìn)行識別，尤其是在地鐵等嘈雜環(huán)境中的聲音。因為新系統能夠更好地理解話(huà)語(yǔ)所表達的真實(shí)意義，因此，返回的結果可能也會(huì )更加精確。幾乎一夜之間，錯誤率下降到了25%，結果好得出乎人意料之外，有些評論家現在甚至認為安卓的語(yǔ)音搜索功能比蘋(píng)果手機最著(zhù)名的Siri語(yǔ)音助手還要更智能。

   盡管上述諸多進(jìn)展令人歡欣鼓舞，但是，并非每個(gè)人都認為深度學(xué)習會(huì )助推人工智能超越人腦。有些批評家表示，深度學(xué)習和人工智能從根本上忽略了大腦生物學(xué)的很多方面，太過(guò)于注重計算能力。

   其中一個(gè)批評來(lái)自手提微型電腦Treo的發(fā)明者、PalmComputing公司的創(chuàng )辦人杰夫•霍金斯，2004年，霍金斯就出版了《人工智能的未來(lái)》一書(shū)，主要討論大腦如何工作以及如何為建造智能機器提供引導。

  霍金斯上一個(gè)風(fēng)險投資是Numenta公司，這是一個(gè)令人興奮的新公司，它試圖建立像人腦一樣的計算機，該公司正在研發(fā)一種機器學(xué)習系統，其在生物學(xué)上受到了深度學(xué)習理論的啟發(fā)，但并不使用深度學(xué)習。Numenta的系統能夠幫助預測能源消耗模式以及諸如風(fēng)車(chē)等機器失敗的可能性。

  霍金斯表示，深度學(xué)習無(wú)法解釋時(shí)間的概念。他說(shuō)，大腦會(huì )處理傳感數據流，而且，人類(lèi)的學(xué)習依靠回憶模式序列：當你觀(guān)察到一只貓在做某些有意思事情的視頻，有意義的是運動(dòng)本身，而非谷歌在實(shí)驗中使用到的一系列靜止圖像?；艚鹚拐f(shuō)：“谷歌的態(tài)度是，數據彌補了一切。”

  不過(guò)，即使數據不能彌補一切，諸如谷歌等公司用來(lái)解決這些問(wèn)題的計算資源也不會(huì )被棄置。深度學(xué)習的支持者們強調說(shuō)，這些數據非常關(guān)鍵，因為大腦本身比今天的任何一個(gè)神經(jīng)網(wǎng)絡(luò )都要復雜得多。他們表示：“人類(lèi)需要很多計算資源來(lái)使思想更好地工作。”

   敢問(wèn)未來(lái)之路在何方？

   盡管谷歌對深度學(xué)習的未來(lái)應用并不那么確定，但是，其前景確實(shí)慢慢在發(fā)酵。顯然，更好的圖像搜索能夠幫助YouTube。而且，迪恩表示，深度學(xué)習模型能使用語(yǔ)音數據來(lái)更快地訓練系統識別其他語(yǔ)音數據。更復雜的圖像識別技術(shù)有望使谷歌的自行駕駛汽車(chē)表現更好。而且，深度學(xué)習和人工智能軟件也將幫助谷歌和其廣告客戶(hù)更好地了解人們的想法與需求，從而對廣告營(yíng)銷(xiāo)產(chǎn)生重大影響。

   上述美好暢想正是吸引庫茲韋爾的魅力所在，65歲的庫茲韋爾多年來(lái)一直潛心研究智能機器。在高中階段，他就編寫(xiě)軟件使計算機能夠制造出不同形式的音樂(lè )，并于1965年在電視秀節目《我有一個(gè)秘密》中進(jìn)行了演示。從那時(shí)起，他的發(fā)明囊括了多個(gè)第一：第一臺盲人閱讀器；第一個(gè)可以對要打印的任何字體的文本進(jìn)行掃描并數字化的軟件；第一個(gè)能再造交響樂(lè )器的聲音的音樂(lè )合成器；第一個(gè)具備大型詞典的對話(huà)識別系統。

  他現在的設想是，未來(lái)，人們的手機通訊錄中會(huì )有一個(gè)“網(wǎng)絡(luò )朋友”，可以在用戶(hù)允許的情況下閱讀電子郵件、追蹤用戶(hù)的一舉一動(dòng)，因此，當你有任何問(wèn)題時(shí)，他都會(huì )告訴你答案。這并非他在谷歌的直接目的，但是，這一目的與谷歌聯(lián)合創(chuàng )始人謝爾蓋•布林的目標相吻合。在公司成立之初，布林就表示，他想建造《2001太空漫游》中人工智能電腦HAL9000（HAL9000作為太空船的總控制電腦，既具有電腦對任務(wù)的絕對服從及精確性，又具有人類(lèi)思維甚至感情，它在太空旅行中設計害死了除戴維之外的所有宇航員，最后戴維讓其停止運行）那樣的智能機器，唯一不同的是，他制造出來(lái)的機器不會(huì )殺人。

   庫茲韋爾目前的目標是幫助計算機理解甚至表達自然語(yǔ)言。他說(shuō)：“我的使命是讓計算機對自然語(yǔ)言有足夠的理解力，然后來(lái)做有用的事情——更好地進(jìn)行搜索、更好地回答問(wèn)題。”最終，他希望制造出比IBM公司的Watson更好的機器——盡管他很欣賞Watson表現出的理解能力和快速反應能力。

   庫茲韋爾并不僅僅專(zhuān)注于深度學(xué)習，盡管他承認他的語(yǔ)音識別方法也同樣基于大腦如何工作的理論。他想給單詞、詞組以及句子的本來(lái)意義建模，包括容易讓計算機犯錯的模糊意義。他說(shuō)：“我想尋找一種圖畫(huà)式的方式來(lái)表達語(yǔ)言的語(yǔ)義。”

   這就需要一種更綜合的方式來(lái)用圖表表示句子的句法。谷歌也在使用這種分析方法改進(jìn)翻譯中的語(yǔ)法。更好地理解自然語(yǔ)言將需要計算機能夠掌握我們人類(lèi)認為是常識的意思。為此，庫茲韋爾將會(huì )用到谷歌的知識圖譜——谷歌對大約7億個(gè)主題、方位、人等進(jìn)行的分類(lèi)以及它們之間的幾十億個(gè)關(guān)系。知識圖譜去年投入使用，會(huì )給搜索者提供問(wèn)題的答案而非只有鏈接。

   最終，庫茲韋爾計劃用深度學(xué)習算法來(lái)幫助計算機處理“語(yǔ)言中的軟邊界和模糊內容”。這聽(tīng)起來(lái)令人有點(diǎn)望而卻步，實(shí)際情況也的確如此。他說(shuō)：“理解自然語(yǔ)言并非像搜索那樣，是一個(gè)在某個(gè)時(shí)刻就可以完成的任務(wù)，它是一個(gè)永遠也無(wú)法完成的計劃。”

   盡管庫茲韋爾的設想可能需要多年才能變成現實(shí)，在可見(jiàn)的未來(lái)，深度學(xué)習可以在語(yǔ)音和圖像識別之外的其他領(lǐng)域找到用武之地。首先，在藥物發(fā)現方面——辛頓的團隊在默克大賽中取得大獎就證明了這一點(diǎn)。

   情況還不止于此，微軟公司的皮特•李說(shuō)，深度學(xué)習可以應用于機器視覺(jué)方面，機器視覺(jué)就是用機器代替人眼來(lái)做測量和判斷，這一技術(shù)可以將成像應用于工業(yè)檢測和機器人視覺(jué)引導等方面。他也預想私人傳感器的出現——深度神經(jīng)網(wǎng)絡(luò )能夠用來(lái)預測可能會(huì )出現的醫療問(wèn)題。而且，貫穿整個(gè)城市的傳感器提供的數據可能會(huì )讓深度學(xué)習系統預測什么地方可能會(huì )出現交通擁堵。

   在一個(gè)企圖為人腦建模這樣富有深遠影響力的領(lǐng)域，一項技術(shù)并不能解決所有問(wèn)題，這一點(diǎn)難以避免。但現在，深度學(xué)習正在引領(lǐng)人工智能的發(fā)展方向，迪恩說(shuō)：“對于我們理解世界來(lái)說(shuō)，深度學(xué)習真的是一個(gè)非常強大的工具。”

  （二）超級電網(wǎng)：出了問(wèn)題也不怕

   瑞士ABB集團新研發(fā)的斷路器可以實(shí)現長(cháng)距離的直流電輸出構想，且適用于現有地區及國家的電網(wǎng)中，可以在5毫秒內切斷相當于整個(gè)核電廠(chǎng)輸出功率的巨大電流，速度之快相當于蜜蜂振翅一次；電流之大相當于100萬(wàn)歐洲人的用電。這種大功率的斷路器有望使直流電網(wǎng)變得更實(shí)用。

   重要性：直流電網(wǎng)可能會(huì )因此變得更高效，而且，也能廣泛地同風(fēng)力發(fā)電廠(chǎng)和太陽(yáng)能發(fā)電站連接到一起。

   突破：第一臺實(shí)用的混合式高壓直流斷路器。斷路器指能夠關(guān)合、承載和開(kāi)斷正?；芈窏l件下的電流，并能關(guān)合、在規定的時(shí)間內承載和開(kāi)斷異?；芈窏l件（包括短路條件）下電流的開(kāi)關(guān)裝置。

  重要參與者：瑞士ABB集團、德國西門(mén)子公司、美國電力研究院（EPRI）、美國通用原子公司。

  高壓的直流電輸電線(xiàn)能夠有效地在幾千公里內以及水下長(cháng)距離傳輸電力，其性能遠勝目前在輸電網(wǎng)中廣泛使用的交流線(xiàn)。但是100多年以來(lái)，交流電線(xiàn)一直占據主流，因為高壓的直流電只能用于點(diǎn)對點(diǎn)傳輸，而無(wú)法形成穩定的電力系統所需要的集成電網(wǎng)。

   去年12月，瑞士的ABB公司正式宣布，他們在高壓直流斷路器研發(fā)領(lǐng)域獲得突破性進(jìn)展，他們研發(fā)出了一種實(shí)用的高壓直流電斷路器，能將出現問(wèn)題的部分電網(wǎng)切斷，從而保證電網(wǎng)的其他部分正常工作。這一創(chuàng )新進(jìn)展解決了直流電網(wǎng)所面臨的主要技術(shù)障礙，為打造高效可靠的直流電力供應系統翻開(kāi)了新的篇章。

   清潔能源如太陽(yáng)能、水力發(fā)電等，不是位于偏遠的高山、沙漠，就是自家屋頂。遺憾的是，既有的交流電系統無(wú)法妥善解決遠距離傳輸的電力損失，而直流輸電技術(shù)是最佳解決之道。高壓直流輸電技術(shù)可實(shí)現水力電廠(chǎng)的遠距電力傳輸、離岸風(fēng)電與太陽(yáng)能并網(wǎng)及不同地區之間點(diǎn)對點(diǎn)的互相連接。

   如此一來(lái)，來(lái)自于撒哈拉沙漠的太陽(yáng)能就可以為多云的德國提供電力；來(lái)自于歐洲各地的風(fēng)能也可以在夜間點(diǎn)亮電燈，從而照亮城市的夜空。結果，將會(huì )有更多可靠的可再生能源，同仇敵愾地與化石能源競爭，改變目前各種可再生能源單槍匹馬同化石能源作戰的現狀。

   除了持續發(fā)展混合式直流斷路器之外，ABB同時(shí)也建立了高壓直流電網(wǎng)模擬中心，為未來(lái)電網(wǎng)系統進(jìn)行先期研究。