熊猫体育科技有限公司|中国官方网站|熊猫体育公园/校园AI体育/智慧社区

力拔山兮气盖世！戴上它，秒变大力士

Sun, 28 Dec 2025 02:00:19 +0800

出品：科普中国

作者：李瑞（半导体工程师）

监制：中国科普博览

轻松举起千吨级物体，随意就能将巨石抛至太空——你有没有被电影中绿巨人这样的超级力量所震撼过？但或许，获取这样的“超能力”并不是梦。在中国科学技术大学人形机器人研究院的实验室里，一双看似普通的黑色机械手套正在改写人类体能的极限。

当实验者戴上它，原本需要多人合力才能搬动的200公斤石板，一个人就能轻松翻起；在单杠上的悬挂时间从不到两分钟延长到近三分钟；连续搬运重物时的肌肉疲劳感大幅降低。这不是科幻电影中的道具，而是中国科学技术大学特任教授孙帅帅课题组与合作者联合研发的，基于磁流变技术的手部外骨骼系统。

这项发表在国际机器人学顶级期刊《IEEE机器人学汇刊》上的研究成果，代表着机器人领域的重大进展。要知道，该期刊每年全球发文量仅约200篇，接收率极低，能够在此发表意味着研究达到了国际领先水平。

控制背包、磁流变制动器以及手部外骨骼共同构成了整个系统

（来源：参考文献[1]）

从实验室到废墟：一个关于力量的故事

地震后的废墟现场，时间就是生命。大型机械设备难以进入狭窄空间，救援人员只能依靠双手清理瓦砾、搬开石板。然而，人类的体力是有限的。长时间的高强度作业不仅效率低下，更可能因疲劳导致二次事故。如何在不依赖外部大型设备的情况下，让救援人员获得超越自身极限的力量，成为了科研工作者思考的问题。

传统的解决方案多采用电机驱动的外骨骼系统。然而，这些系统普遍存在输出力小、体积大、重量大的问题。即使是目前最先进的电机驱动外骨骼，单个手指的辅助力通常只有20牛左右，最大也不过10牛每指（也就是单手力量增加5公斤左右），在几百公斤的石板面前，根本不够看。

孙帅帅团队另辟蹊径，将目光投向了一种特殊的智能材料——磁流变材料。这种材料在20世纪40年代被发现，但直到近年来才在高端装备领域崭露头角。它像是拥有了“变形”能力，可以在液态和固态之间自由切换：没有磁场时，材料中的磁性颗粒随机分布，整体呈现流动性；一旦施加磁场，这些颗粒会沿着磁力线方向排列成链状结构，材料的剪切应力瞬间增大，变成半固体状态。

基于这种特性，研究团队创新地设计了磁流变轴承和滚珠丝杆结构的被动致动器。在仅需5瓦功耗下，系统就能实现最高1046牛的输出力。这个数字意味着什么？一个成年人的体重大约是700牛，1046牛足以支撑一个半成年人的重量！更重要的是，相比传统方案，磁流变系统的“力-功率比”提升了整整一个数量级。

不插电的超能力：人体动能成“秘密能源”

这套外骨骼系统最令人惊叹的设计，是它能够在不需要外部电源的情况下增强握力。这听起来似乎违背了能量守恒定律，但实际上，这是系统巧妙地利用了人体自身的动能。

当使用者快速握拳时，手指的线性运动通过滚珠丝杆转换为螺母和飞轮的旋转运动。这个过程就像给发条玩具上弦，将动能储存在旋转的飞轮中。当需要发力时，储存的旋转能量又通过滚珠丝杆反向转换，产生强大的轴向推力，从而增强握力。整个过程无需任何外部能源，完全依靠人体自身的运动能量。

研究团队通过精密计算，发现在典型的快速握拳动作中（速度约80毫米/秒），系统能够产生约91.7牛的理论增强力。而在实际测试中，6名实验者的平均握力增强到85.8牛，提升幅度为41.8%。考虑到机械传动中不可避免的摩擦损耗，82.2%的能量转换效率其实已经相当可观。

这种设计的巧妙之处在于，它将原本会浪费掉的动能收集起来，在需要的时候释放。就像混合动力汽车的制动能量回收系统一样，每一次握拳动作都不会白费，而是为下一次发力做准备。

磁流变手部外骨骼系统的机械结构分解图

磁流变致动器：提供力量增强的核心部件

电源和传感器控制板：负责能量转换和传感器数据处理

连杆：在致动器和外骨骼之间传递力

外骨骼：包覆手部的框架结构

魔术贴带：将手指固定到外骨骼上，确保同步运动

压力传感器：检测抓握意图，位于食指指尖的背侧和腹侧

（来源：参考文献[1]）

磁流变的魔法：毫秒间完成的软硬“变形”

磁流变材料的响应速度是这套系统成功的关键。从施加磁场到材料变硬，整个过程只需要几毫秒。这种近乎瞬时的响应，让系统能够精准地配合人体动作。

为了让材料既有力又灵活，研究团队在材料配比上下足了功夫：磁性颗粒含量太少，锁定力不够；含量太多，零磁场下的阻力又会影响手指灵活性。通过系统的实验对比他们发现，40%的颗粒质量分数是最优选择。在这个配比下，磁流变轴承在0.5特斯拉磁场强度下能产生足够的锁定力矩，而在零磁场时的阻力仅为12牛，不会明显影响手部活动。

磁路设计也同样精妙：线圈被巧妙地安置在内套筒外侧，恰好位于两个轴承之间。这种布置让磁力线能够集中穿过磁流变轴承，形成闭合磁路。通过COMSOL多物理场仿真，研究团队优化了磁路结构，确保每一分电能都能高效转化为磁场能量，不浪费。

更值得称道的是系统“按需供能”的智能控制策略。通过集成在指尖的压力传感器，系统能够实时检测使用者的抓握意图。当两个传感器同时受压时，判定为抓握动作，系统自动供电提供支撑；当腹侧传感器压力降低时，判定为松手，系统断电并执行消磁程序。如此以来，一块2500毫安时的电池就能支持数小时的连续使用。

磁流变致动器的核心结构和工作原理

其核心是磁流变材料在不同磁场下的状态变化——零磁场时颗粒随机分布可自由旋转，施加磁场后颗粒形成链状结构限制旋转

（来源：参考文献[1]）

实战见真章：多维度性能验证

实验室数据再好，不如实战检验。研究团队设计了一系列贴近实际应用的测试场景。这些测试不仅验证了系统的性能，更揭示了其在真实世界中的巨大潜力。

在持续提重实验中，5名实验者双手各提20公斤重物，保持100秒。通过采集前臂屈指深肌的表面肌电信号，研究人员发现，佩戴外骨骼后，肌电信号幅值平均降低了60%以上——这意味着完成同样的任务，肌肉只用不到一半的力。更重要的是，而未佩戴外骨骼时，肌电信号的中值频率持续下降，这是肌肉疲劳的典型表现；但带了手套的，中值频率保持稳定，不易劳累。

单杠悬挂实验更加直观地展示了系统的效果。实验者的悬挂时间从79秒延长到158秒，整整翻了一倍！按照体能训练的标准，1分钟以下属于“初级”水平，1-2分钟为“高级”，2-3分钟则达到“精英”级别——外骨骼让普通人也能一跃成为“精英”。

当然，最贴近实际应用的还是地震救援模拟。实验设置了两个任务：营救被压人员和转运伤员。在营救任务中，实验者需要搬开压住“伤员”的大型石板。未佩戴外骨骼时，即使用尽全力，石板也纹丝不动；佩戴后，石板被轻松翻起，并且前臂肌电信号降低了70%以上。而在伤员转运任务中，实验者抬着60公斤担架在跑步机上行走。结果显示，佩戴外骨骼后呼吸频率降低20%，心率略有下降，最大运送距离从平均500米提升到1100米。

特别值得一提的是连续作业能力测试。实验者需要连续翻起5块相同重量的石板，模拟灾后清理现场。积分肌电（iEMG）数据显示，佩戴外骨骼后的肌肉总体活动量降低了52%。这不仅意味着当下的工作更轻松，还能够保持更长时间的工作能力，这在争分夺秒的救援现场，就可能是多救了一个人的差距。

磁流变手部外骨骼系统在连续作业中的效果

表面肌电信号（sEMG）：反映肌肉收缩强度，佩戴外骨骼后明显降低

积分肌电信号（iEMG）：反映肌肉总体活动量，佩戴外骨骼后降低52%，表明肌肉疲劳程度大幅减轻

（来源：参考文献[1]）

面向未来：从原型到产品的进化之路

尽管取得了突破性进展，研究团队也清醒地认识到，从实验室原型到实用化产品，还有很长的路要走。

目前，这套系统重量约1.7公斤（单手），其中很大一部分来自飞轮和磁路所需的铁磁材料。未来的优化方向包括采用高性能复合材料减轻结构重量，使用钕铁硼等强磁材料，让手套减重提效。

人机交互的改进同样重要。现有系统主要通过压力传感器判断抓握意图，未来可以加入肌电信号、关节角度等多模态信息，实现更精准的意图识别。并且，研究团队还在探索基于机器学习的控制策略，让系统能够适应不同使用者的操作习惯，更加智能化。

制造工艺的提升也在计划之中。3D打印技术的应用将大大降低生产成本，同时能根据使用者手部尺寸进行定制化设计。模块化设计理念的引入，让飞轮、致动器等部件可以根据不同应用场景灵活配置。

手部外骨骼只是开始，基于同样的磁流变技术，还可以开发肘部、肩部乃至全身的增强装备。这些装备可以相互配合，形成一个协调的增强网络，让使用者获得全方位的能力提升。

科技改变生活：当创新走出象牙塔

这项研究的意义，远不止“搬重物”那么简单。

对老龄化社会来说，轻量化、低功耗的手部外骨骼可以帮助他们轻松提起菜篮、拧开瓶盖，保持独立生活能力；对于长期从事重复性体力劳动的工人来说，外骨骼技术可以分担他们的工作负荷，减少肌肉骨骼疾病的发生。对于残障人士，这项技术更是意义非凡。虽然目前的系统主要面向健康人群的能力增强，但磁流变技术的高精度控制特性，使其非常适合开发康复训练设备——通过提供可调节的阻力和辅助力，帮助患者进行针对性的康复训练。

在应急救援领域，这项技术的应用前景更是尤其广阔。地震、矿难、火灾、洪水，救援人员拥有一套可靠的外骨骼系统，就可能多撑一会、多救一人，就可能就是无数家庭生与死的未来。目前，研究团队已经与相关部门展开合作，推动技术的实用化进程。

正如孙帅帅教授所说：“我们希望这项技术不仅停留在实验室，而是真正走向应用，帮助那些需要帮助的人。”这条道路虽然漫长，但每一步都值得期待。因为在这条路的尽头，是无数等待救援的生命，是千万劳动者的健康，是科技让生活更美好的承诺。

科技的价值在于造福人类。当磁流变材料遇上中国智慧，当基础研究走向实际应用，我们看到的不仅是一双机械手套，更是科技改变生活的生动诠释。

参考文献：

1.Mai, Xianlong, et al. "Non-motorized Hand Exoskeleton for Rescue and Beyond: Substantially Elevating Grip Endurance and Strength." IEEE Transactions on Robotics (2025).

当重庆火锅遇上“人工舌头”：科学家如何用科技解辣？

Sun, 28 Dec 2025 01:00:18 +0800

重庆火锅的辣，是一种让人又爱又怕的滋味。从温和的“微微辣”到挑战极限的“变态辣”，每个人的耐辣程度都不一样。但你是否想过，这种“辣”其实可以被科学地测量出来？最近，一项发表在《自然》杂志上的研究，就让我们看到了未来“辣度测评”可能不再需要人类“以身试辣”。

辣的“罪魁祸首”是什么？

我们感受到的辣，其实并非一种味道，而是一种痛觉和热觉的混合感受。这一切都源于辣椒中的辣椒素。当我们吃下辣椒，辣椒素会与舌头上的特定受体结合，向大脑发送“灼热”和“疼痛”的信号。这就是为什么吃辣会“烧嘴”，甚至让人流汗、流泪。

重庆火锅的迷人之处，就在于辣椒素与花椒带来的麻感、牛油的醇香相互交织，形成独特的复合口感。但辣度究竟有多高？传统上，这依赖于经验丰富的调味师或勇敢的试吃员来评判，既主观，又“费嘴”。

灵感来自牛奶的“人工舌头”

怎么才能客观、精确地测量辣度呢？研究团队从生活中找到了答案：牛奶。很多人都有经验，被辣到时喝牛奶比喝水更解辣。这是因为牛奶中的蛋白质（如酪蛋白）可以与辣椒素结合，将其“包裹”起来，阻止它继续刺激我们的痛觉受体。

受此启发，科学家们发明了一种凝胶基的人工舌头。它的核心材料是一种特殊凝胶，里面混合了奶粉、丙烯酸和氯化胆碱。简单来说，这个凝胶在通电时，内部的离子可以自由移动，从而导电。

当含有辣椒素的样品（比如一滴火锅红油）接触这个凝胶时，神奇的事情发生了：辣椒素会与凝胶中的牛奶蛋白结合，形成庞大的复合物。这些“大块头”会阻碍凝胶中离子的流动，导致导电能力下降。辣椒素越多，导电性下降得就越厉害。

通过测量电流变化的大小，科学家就能精确反推出样品中的辣椒素含量，从而客观量化其“辣度”。

从“不辣”到“危险辣”：建立科学的辣度标尺

为了给辣度定标，研究团队用这个人工舌头“品尝”了八种从温和到极辣的辣椒。根据电流变化的数据，他们建立了一个从0（完全不辣）到70（危险辣）的科学辣度标尺。

随后，他们用人工舌头测试了辣椒粉、塔巴斯科辣酱等八种辛辣食品，同时也请了专业的人类感官测评员对同样的食品进行辣度评级。结果令人惊喜：人工舌头的测评结果与人类测评员的排序高度吻合。

这意味着，这个小小的凝胶装置，真的可以替代人舌，进行快速、客观、可重复的辣度检测。

这对重庆火锅意味着什么？

想象一下这样的未来：

1.标准化辣度：火锅店可以运用这项技术，精确调配锅底，确保每一锅“中辣”的辣度都完全一致，给食客稳定、可靠的体验。

2.个性化选择：顾客或许可以用手机连接一个小型化的人工舌头设备，测一下自己耐辣的极限数值。点单时，系统可以根据你的“辣度数据”推荐最合适的锅底，告别“盲目挑战”。

3.品质监控：辣椒、花椒等原料的采购和仓储过程中，辣度可能变化。食品厂商可以用这种设备进行快速质检，确保产品风味稳定。

科技让美食更懂你

当然，美食的体验终究是主观而复杂的。重庆火锅的魅力，除了辣，还在于麻、香、鲜的层次，以及围炉相聚的氛围。人工舌头或许能精准量化“辣”，却无法衡量我们对火锅的热爱。

但这项研究清晰地展示了一个趋势：科技正以前所未有的方式融入我们的生活，甚至舌尖。它让我们能以更科学、更安全的方式，去理解、掌控和创造风味。

供稿单位：重庆市无线电科普体验中心

审核专家：张启义

声明：除原创内容及特别说明之外，部分图片来源网络，非商业用途，仅作为科普传播素材，版权归原作者所有，若有侵权，请联系删除。

为什么你会“幻痛”？答案藏在大脑的“无实物表演”里

Sat, 27 Dec 2025 01:00:17 +0800

图/文：朱佳霖

你有没有过这样的体验？看到别人拔牙的视频，自己的牙齿也会一阵“幻痛”；电影里的主角被打了一拳，自己的脸上也会起鸡皮疙瘩……

日前，一支跨国合作的科研团队发现：我们的大脑里，藏着一张“视觉-触觉共享地图”——当视觉系统在工作时，触觉系统也会被“激活”。所以，我们的每一次注视，身体里都有可能在上演无意识的“排练”。

01 大脑视觉与触觉的“领地地图”

为了揭示大脑如何实现“视觉共情”，研究团队做了两个实验：先召集了174名健康、成年的实验志愿者，对他们进行了2小时的磁共振脑功能成像扫描。其中一小时，参与者处于静息态，让大脑进入自然的“待机”模式；另一小时则观看几段影片，内容包括握手、拍肩等身体接触。科学家记录观看视频时大脑的激活区域，绘制出了一张视觉区域“地图”。

科学家又召集了新一批志愿者做了第二个实验：参与者分别活动身体的12个部位，同样记录不同部位活动时大脑的激活区域。由此获得了一张触觉区域“地图”，显示不同部位在大脑中的“领地”。

02 大脑的“无实物彩排”

在获得这两张地图后，科学家将它们的数据整合，运用拓扑算法绘制了“连接地图”。连接地图直观地显示了大脑触觉感受区与大脑其他区域的联系程度。对比大脑“发呆待机”的状态，当参与者观看视频时，大脑触觉感受区与视觉区域的联系大幅增强。

这说明，我们的大脑视觉区不仅在看，还在同步模拟和映射视频中人物的身体动作。

比如看到视频中的人鼓掌时，大脑负责手部触觉的区域反应最大；看到脚部踢踏动作时，大脑激活了脚部压力感受区……

大脑视觉系统会依据一套精确的“视觉-身体坐标转换表”，它让我们无需亲身体验，就能在神经的微观世界里，同步“彩排”他人的触碰和动作。

03 大脑的“视觉-触觉翻译官”

这个“体验模拟器”的核心，就是身体纹状皮层（EBA）。传统观念认为它的工作很简单——只负责“看”身体动作。但新研究发现，它不只是“摄像头”，还是视觉与触觉的交通枢纽。

EBA在枕叶和颞叶的交界地带，位于“梭状回”的后端偏外侧，它接收后方功能区送来的 “视觉空间形状信息”，知道身体在哪儿、是什么姿势；和前方功能区送来的 “视觉运动信息”，知道身体怎么动。EBA整合这两种信息，转译成对应的身体感觉信号。值得一提的是，EBA只被人体运动信息激活，如果一只鸟在无人的自然风光里飞过，EBA活动不会显著增强。

04 临床展望：告别“强迫测试”

该发现对现有的大脑研究有着突破性影响。一直以来，科学家都注意到：许多自闭症谱系儿童在早期就会出现视觉与触觉协调困难——比如讨厌被触碰，却对闪烁的光线异常着迷；或是难以通过观察理解他人的动作和情绪。

过去，要评估孩子的大脑感觉处理功能，往往需要他们配合完成枯燥、重复的测试任务。这对于本身就存在感官过载、注意力难以集中、甚至伴有癫痫症状的患儿来说，是几乎不可能完成的任务。

这一研究或许带来了解决方案：孩子只需安静看一段动画片，或只是放松发呆几分钟，医生便可通过分析他们大脑中的“连接地图”，评估其感觉整合功能是否发育正常。

首批L3级自动驾驶来了，这次真的可以“脱手”了吗？

Fri, 26 Dec 2025 08:00:38 +0800

很多人都期待：在拥堵通勤上，车辆能真正“自己开”！近日，随着我国两款L3级自动驾驶车型获附条件准入许可，这一愿景正加速驶入现实。

12月15日，工业和信息化部正式公布我国首批L3级有条件自动驾驶车型准入许可，两款分别适配城市拥堵、高速路段的车型将在北京、重庆指定区域开展上路试点。“对整个行业而言，这意味着我国自动驾驶正在从技术验证转向量产应用，从某个角度上来讲，则意味着我国自动驾驶的准入管理，迈出了关键一步。”工业和信息化部装备工业发展中心副主任刘法旺说。

12月20日，国内首块L3级自动驾驶专用正式号牌“渝AD0001Z”在重庆诞生。12月23日，北京首批L3级高速公路自动驾驶车辆专用号牌也正式发放。

重庆号牌（左）北京号牌（右）

首批L3级自动驾驶获批意味着什么？相较L2级的组合驾驶辅助系统有何“升级”？个人车主能开上吗？技术发展背后，相关的法律体系又该如何健全？国家应急广播记者为此专访了重庆交管部门及汽车工程专家等权威人士。

本次试点主要“试”什么？

是否意味着“量产在即”？

按照工业和信息化部、公安部等四部门确定的准入试点工作规范，试点包括准入试点和上路通行试点两个环节。

准入并非简单的“一纸许可”，而是以系统性安全评估为前提，积累行业实证经验。湖南大学机械与运载工程学院副教授李凡介绍，当前试点工作采用小切口的方式，附条件地进行准入。比如说，获准试点的运营主体需要在限定路段、限定车型上进行使用。

北京这家获批的车企生产的纯电动轿车，可以实现高速公路和城市快速路单车道内最高时速80公里的自动驾驶功能，目前该功能仅限在北京市有关路段开启。

重庆这家获批的车企生产的纯电动轿车，可以实现在交通拥堵环境下高速公路和城市快速路单车道内最高时速50公里的自动驾驶功能，目前该功能仅限在重庆市有关路段开启。

也就是说，获得准入许可并不意味着自动驾驶可以立即“全面推广”或“大规模量产”。重庆市公安局交通管理局车管所民警冉一阳介绍，“目前试点车型暂不面向普通消费者（销售），仅限试点使用主体上路通行试点。”

不过，此次在北京进行试点的车企表示，明年1月以后，消费者将可通过打车的方式体验到L3级自动驾驶车型。

李凡表示，此次L3上路试点其实是一个逐步发现问题并解决问题的过程，后续相关限制条款有望逐步开放，自动驾驶将会逐步进入大家的日常生活。

L3级试点车配有安全员

安全，是自动驾驶绕不开的关键话题。

L3级是从辅助驾驶到自动驾驶的一个关键分水岭。湖南大学机械与运载工程学院副教授李凡介绍，一些车企的L3级自驾系统配备了“双冗余设计”来确保安全，简单来说，就是在启用L3级自驾过程中，若第一套系统出现问题，第二套系统很快能接管，两套系统可以互相备份，有足够的安全冗余，从而提高车辆安全性能。

图库版权图片，转载使用可能引发版权纠纷

据GB/T 40429-2021《汽车驾驶自动化分级》显示，L3级定义为有条件的自动驾驶，即在设定的运行条件下，自驾系统可持续执行转向、加速、制动等动态驾驶任务，驾驶员无需持续监控行驶环境，但需要在系统发出接管请求时及时响应。

汽车驾驶自动化分级标准

重庆市公安局交通管理局车管所副所长张小华表示，试点行驶中驾驶室必须配备由公安交管部门备案的安全员，一旦发现系统提示人工接管或者不适合自动驾驶条件时，安全员必须及时接管和干预车辆，采取相应措施确保行车安全。

据GB/T 44721-2024《智能网联汽车自动驾驶系统通用技术要求》，L3级自动驾驶系统必须在触发接管时为驾驶员提供至少十秒的缓冲时间，这十秒的接管窗口旨在确保驾驶员有足够的时间从监督状态切换到主动驾驶状态。

自动驾驶技术在升级

法律体系如何健全？

在传统交通场景中，两车碰撞发生后的事故责任主体只有两方，即两方驾驶员，但在L3自动驾驶的场景下，两车若发生碰撞，责任主体则变为四方甚至更多，即两方驾驶员、两方车企及自动驾驶软件服务提供商，事故责任认定将变得更为复杂。

可持续交通创新中心研究员郑飞表示，现在的L3到L5是一种技术的分级，未来需要结合分级及应用场景，做法律类型化的规制。

在自动驾驶和人驾驶之间进行切换的情况下，出现事故应由人承担责任，还是由车、系统还是指定的授权运营主体来承担责任，需要对人机的责任有显著区分。

尤其是对于接管的概念，比如开启自动驾驶后，遇到事故需要驾驶员接管，究竟是一种权利还是义务，需要在法律层面上澄清，这样才有利于责任的分配。

来源：国家应急广播综合CCTV-13《新闻1+1》

本文封面图片来自版权图库，转载使用可能引发版权纠纷

你吃的每一块牛排，都可能影响地球未来……

Fri, 26 Dec 2025 02:31:02 +0800

编译：高杰

当我们为新年制定

“吃得更健康”的目标时，

可能没意识到：

餐盘里的选择，

不仅关乎身材，

更牵着地球的未来。

日前，不列颠哥伦比亚大学的研究团队在《环境研究：食物系统》期刊发表了一项重磅研究，结论令人警醒：全球已有27亿人的饮食相关温室气体排放，超出了将全球变暖控制在2℃以下所需的个人碳足迹上限。更关键的是，若不及时调整，到2050年，全球90%的人都需要改变现有饮食方式。

图源：shutterstock

这意味着，

守护气候安全，

除了少开车、减少工业污染，

“吃对饭”已成为不可或缺的一环。

全球近一半人吃超“地球预算”

该研究覆盖了112个国家（占全球食物相关温室气体排放的99%），并将每个国家的人口按收入分成10组，最终算出了每个人的“食物排放预算”——也就是为了让全球变暖不超过2℃，每个人每年饮食相关的排放量不能超过1.6吨二氧化碳当量。

但现实远比想象中严峻：

研究发现，全球约44%的人口（近27亿人）已经突破了这个临界值，其中高收入国家居民是主要贡献者。更值得注意的是，这个数字比较保守，因为研究使用的是2012年的数据，而这些年全球排放量和人口都在增长，实际超标的人数只会更多。

以加拿大举例，至少90%的人需要调整饮食，甚至所有收入组的饮食碳排都超过了预算上限。更惊人的是，加拿大人平均43%的食物相关排放，都来自牛肉。

年度食物消费人均温室气体排放（按收入十分位）示范图

研究主导者Juan Diego Martinez博士还提到一个关键现象：排放量最高的15%人群，贡献了30%的食物相关排放，相当于底层50%人群的总排放量。这些高排放人群主要是高排放国家的富裕阶层，包括中非共和国、巴西、澳大利亚等。

为什么饮食碳排会超标？

可能有人会疑惑：一顿饭而已，怎么会产生这么多碳排放？其实，饮食碳排超标的背后，是生产模式、消费习惯等多重因素的叠加。

首先，食物系统本身就是“排放大户”。全球食物系统的排放量，占人类温室气体总排放量的1/3以上。尤其是集约化养殖，牲畜消化产生的甲烷（温室效应是二氧化碳的28倍以上）、饲料种植中化肥释放的一氧化二氮（温室效应是二氧化碳的300倍以上），都是重要的排放来源。

其次，高碳饮食结构成了普遍现象。欧美等发达国家人均肉类消费量远超健康标准，而近年来中国、印度等新兴市场国家的肉类消费也在快速增长。就像Martinez博士所说，他在拉丁美洲长大，大量吃牛肉是当地文化的一部分，他完全理解减少牛肉消费的难度，但数据不会说谎——牛肉生产的碳排放量，是普通蔬菜的数十倍。

此外，食物浪费也加剧了排放负担。全球约1/3的粮食会在生产、运输、消费过程中被浪费，这些未被食用的食物所消耗的资源和产生的排放，都成了无效碳排放，进一步加重了地球的压力。

我们可以做出哪些饮食改变？

难道为了减碳，就要放弃喜欢的食物吗？其实不然。Martinez博士强调，饮食减碳不需要牺牲饮食质量，一些小小的改变，积累起来就能带来巨大的气候收益。

第一，吃多少拿多少，剩余食物合理利用。减少食物浪费，就意味着减少排放、减少烹饪次数，还能收获简单美味的剩菜，比如剩米饭做蛋炒饭、剩蔬菜煮杂蔬汤，既不浪费，又很美味。

第二，减少或替换红肉消费。既然牛肉排放占比极高，我们可以尝试用鸡肉、鱼肉等白肉，或者豆制品、坚果等植物蛋白替代。研究显示，每人每天减少50克红肉消费，每年就能减少约0.5吨二氧化碳当量的排放。

还要特别提醒的是，饮食减碳并不是要替代“少开车、少飞行”等其他减碳方式。对于频繁飞行且喜欢吃牛肉的人来说，这不是二选一，而是两者都要尽量减少。

气候变化从来都不是遥远的话题，它就藏在我们的一日三餐里。从当前开始，不妨试着多添一份蔬菜、少点一份牛排，把剩菜打包带回家。这些看似微小的选择，正在一点点守护我们共同的地球家园。

我国创造超导电动磁悬浮推进世界纪录

Fri, 26 Dec 2025 02:31:01 +0800

【导语】近日，国防科技大学磁浮团队在磁悬浮试验中，成功让试验车在两秒内加速至700公里/小时，刷新全球同类平台速度纪录。该团队自1980年起深耕磁悬浮技术，成果丰硕。此次突破不仅标志我国在高速磁悬浮技术领域达国际领先水平，也为未来真空管道磁悬浮交通、航天助推发射等提供新选项。

近日，国防科技大学磁浮团队在磁悬浮试验中，成功在两秒内将吨级试验车加速至700公里/小时。测试速度打破了同类型平台全球纪录，成为全球最快的超导电动磁悬浮试验速度。

超导电动磁悬浮车“贴地飞行”的第一视角

据了解，该团队自1980年开始深耕磁悬浮技术，先后支撑北京地铁S1线、长沙磁浮快线等四条磁浮线路的成功运营。今年1月7日，该团队在超高速超导电动磁悬浮系统试验中实现吨级载荷最高试验速度超过648公里/小时，刷新了当时该领域的世界纪录。时隔不到一年时间，该团队在400米磁悬浮试验线上，成功实现吨级载荷700公里/小时的最高试验速度并安全停车，再次刷新超导电动磁悬浮领域世界纪录。

该系统总师李杰表示，此次试验中，该团队在总体方案、超高速电磁推进、电动悬浮、超导磁体等关键技术方面都取得了实质性的突破。这一超高速超导电动磁悬浮系统的成功，不仅标志着我国在超高速磁悬浮技术领域达到了国际领先水平，为我国未来的真空管道磁悬浮交通发展提供了新的选择，也为航天助推发射和试验测试提供了新方法新手段。其后续的技术迭代及产业化应用，将为我国的航空航天以及轨道交通事业发展带来新动能。

记者张强通讯员张照星王连春

内容来源：科技日报、央视新闻客户端

注意：封面图为版权图库图片，转载使用可能引发版权纠纷。

别只给我答案，给我看看你的草稿纸：为什么未来的AI必须学会“讲道理”？

Fri, 26 Dec 2025 02:00:17 +0800

想象一下，你正在向一位全知全能的先知询问一个关乎命运的问题，比如你的公司该不该进行那场豪赌般的并购，或者你的身体状况需要哪种治疗方案。先知沉默片刻，吐出了一个斩钉截铁的“是”或“否”。

你敢信吗？

这正是我们今天面对顶尖人工智能系统时的处境。以大型语言模型为代表的生成式AI，展现出了令人惊叹的能力，它们能写诗、能编程、能通过极其困难的职业资格考试。它们看起来无所不知，常常能给出极其精准的回答。但在这些令人眼花缭乱的表现之下，隐藏着一个让科学家和工程师们深感不安的根本性问题：我们其实并不真正知道它是怎么得出那个答案的。

在计算机科学领域，这被称为“黑盒问题”。当今最强大的AI模型，其核心本质是基于海量数据训练出来的超级统计引擎。当我们输入一个问题，模型内部数以千亿计的参数开始疯狂运转，计算着下一个最可能出现的字词是什么。这种基于概率的生成方式，意味着AI并不是在像人类一样进行严密的逻辑推导，而是在进行一场规模宏大的模式匹配。

它就像一个看过无数本数学习题集的天才学生，在考试时能凭直觉瞬间写出正确答案，但如果你让它把解题步骤一步步写在草稿纸上，它可能会愣在当场。

对于写一首十四行诗或者生成一张有趣的图片来说，这个黑盒问题也许无伤大雅。即使AI偶尔“产生幻觉”，一本正经地胡说八道，我们也大多是一笑了之。

当我们将AI引入手术室辅助医生诊断，引入法院辅助法官量刑，或者引入金融系统进行巨额投资决策时，情况就完全不同了。在这些高风险领域，“正确率”不再是唯一的考量指标，“可解释性”和“可验证性”变得生死攸关。

如果一个医疗AI建议对患者进行一项高风险手术，医生不能仅仅因为“AI是这么说的”就执行。医生需要知道：AI是基于哪些具体的化验指标、结合了哪几篇最新的医学文献、排除了哪些其他可能性，才最终推导出这个建议的。如果AI无法清晰地展示这一连串的推理链条，那么它的建议就如空中楼阁，无法被负责任地采纳。

这就是为什么未来的AI研究必须跨越的一道鸿沟：从单纯追求结果的准确性，转向追求“可验证推理”。

所谓可验证推理，并不是让AI在得出结论后，再编造一段看似合理的解释来敷衍人类。真正的可验证推理，要求AI在生成答案的过程中，就必须明确地生成一系列中间步骤。这些步骤必须是清晰的、符合逻辑的，并且最重要的是，是人类专家可以介入并逐一核查的。

如果AI在第二步的推导中犯了常识性错误，人类可以立刻指出并纠正，而不必等到最终那个荒谬的结论出现。这就像老师检查学生的作业，不仅看最后的数字对不对，更要看解题思路是否成立。

实现这一目标并不容易。目前主流的深度学习架构在处理符号逻辑和因果推理方面存在先天的短板。为了让AI学会“讲道理”，研究人员正在探索各种路径。例如，有人试图将传统的符号逻辑推理与现代的神经网络相结合，创造出既能从数据中学习，又能遵循严密逻辑规则的“神经符号系统”。还有人致力于开发新的训练方法，强制模型在输出最终答案前，必须先生成一段连贯的思维链条，如果这段思维链条逻辑不通，就会受到算法的惩罚。

从长远来看，只有具备可验证推理能力的AI，才能真正建立起人类对机器的信任。我们不需要一个总是正确却高深莫测的“神谕”，我们需要的是一个可以与之辩论、可以审查其思路、可以指出其错误的智慧合作伙伴。当AI不仅能告诉我们“是什么”，还能清晰地论证“为什么”的时候，人工智能时代才算真正到来。

“聪明”的玉米长啥样？这项研究关系你我的饭碗

Fri, 26 Dec 2025 01:30:30 +0800

2025年11月，《2025中国农业科学重大进展》报告发布，其中“发掘玉米密植的智慧株型基因”入选十大前沿成果。该研究由中国农业大学田丰、李继刚团队完成，于2024年6月发表于《自然》杂志。团队鉴定出lac1基因，破解了玉米“上紧下松”株型的分子密码，并建立了“一步成系”快速育种技术，打通了从基因发现到品种培育的转化壁垒，为我国粮食安全筑牢科技根基。这是该团队继2019年发现“紧凑株型”基因（发表于《科学》杂志，入选《2020中国农业科学重大进展》）之后取得的又一重大突破。

一个天然突变，如何让玉米学会“上紧下松”？

玉米是全球第一大粮食作物，长期以来，提高种植密度一直是增加玉米单产水平的关键途径。然而，我国玉米平均种植密度仅为4500株/亩，远低于美国的6500株/亩，这一差距背后折射出的是技术瓶颈——如何让玉米在高密度种植条件下依然保持高产？

密植带来的最大挑战是植株间叶片相互遮挡引发的避荫反应，导致群体产量不增反降。传统育种思路认为，紧凑株型能够减弱避荫反应，但这种“一刀切”的紧凑并非最优解。在密植群体中，上部叶片接受充足光照而“光饱和”，中下部叶片却因遮挡而“光饥饿”，不同冠层的叶片其实需要差异化的空间姿态来最大化光能捕获效率。尤其对于玉米而言，其果穗生长于植株中下部，被称为“棒三叶”的叶片对籽粒产量贡献极大。因此，理想的耐密高产株型并非简单的全株叶片紧凑，而是“上紧下松”——上部叶片紧凑，减少对下层的遮挡；中下部叶片相对舒展，高效捕获透射光。这种能优化密植群体光温分布的冠层结构，被称之为“智慧冠层”，但长期以来，控制这种“智慧株型”的关键基因一直未被发现。

漫画由AI生成（AI绘制仅供参考）

研究的突破口来自一个天然突变体材料。团队敏锐地发现一株玉米表现出明显的“上紧下松”特征，恰好符合“智慧株型”的理想模型。通过遗传定位，研究人员将控制该性状的基因锁定为lac1。该基因编码油菜素内酯合成途径中的一个关键酶，一个273bp转座子的插入导致了这一性状的产生。

令人振奋的是，lac1基因不仅塑造了理想的株型结构，还赋予了植株更好的生理适应性。连续多年多地试验证明，携带lac1突变的材料在高密度下，能显著提高群体中下部冠层的透光率和穗位叶的光合速率，最终实现群体增产。这种“形态优化”与“生理适应”的双重优势，正是智慧株型的核心价值所在。

lac1赋予玉米“智慧株型”并促进密植增产

研究进一步揭示了lac1响应光信号、动态调控株型以适应密植的分子机制。在密植遮荫环境下，光信号通过光敏色素phyA和转录因子RAVL1的互作来调控lac1表达，使叶夹角随密度增加而减小。而在lac1突变体中，这一光信号通路被阻断，使得植株既能保持“上紧下松”的基础架构，又避免了过度的避荫反应，从而在密植条件下表现出更高的产量潜力。

“一步成系”：改写育种“时间表”

优良基因的发现，如何快速转化为农民田里的品种？这是育种应用的重要挑战团队突破单倍体诱导系遗传转化瓶颈，将单倍体诱导技术（快速获得纯合系）与CRISPR 基因编辑技术（精准修饰目标基因）进行集成，建立了“一步成系”高效育种体系。利用这一技术，团队成功对20个自交系进行了lac1基因的定向修饰，单倍体纯合编辑效率达到6.8%，所获得的双单倍体编辑系均表现出“智慧株型”特征。用其改良的玉米商业杂交种在田间试验中，展现出显著的密植增产效果。

利用lac1和“一步成系”技术定向改良玉米商业杂交种奥科903

这一技术体系的建立改变了传统育种的“游戏规则”。以往利用分子标记辅助选择技术进行一个性状的定向改良，需要多代回交自交，往往耗时长达3-4年。而“一步成系”技术仅需一次杂交操作，在8–10个月内即可获得性状稳定、背景纯净的改良自交系，育种周期大幅缩短，效率显著提升。该技术不仅适用于株型改良，也为其他重要农艺性状的快速精准修饰、多性状协同改良乃至野生种的快速驯化提供了强大工具，标志着从基础研究到育种应用的完整闭环已经形成。

“一步成系”单倍体诱导编辑技术

从一个基因到“一场理念革新”

在我国耕地资源约束日益趋紧的背景下，依靠科技提升单产水平是保障粮食安全的根本出路。lac1基因带来的耐密增产潜力，相当于在有限耕地上实现了“隐性扩容”。

这项研究更深层的意义在于作物株型育种理念的革新：理想的作物株型不应是简单的“紧凑”或“披散”，而应能根据群体内光温环境的差异，进行分层、动态的自我优化，使上下层叶片从资源竞争转向协同利用，实现“因地制宜”的智慧配置。这种从“一致性”到“差异化”、从“静态结构”到“动态适应”的育种理念转变，有望开启作物高产育种的新范式。

展望未来，作物育种正迈入“智慧设计”的新时代。lac1基因的研究表明，未来育种将更加依赖于对基因组信息的精准解读与调控。随着人工智能、大数据与育种技术的深度融合，实现株型、产量、抗性等多性状协同优化的“定制型”作物将成为可能，从而构建起面向未来的高产育种技术体系。

农业科技的转化应用仍需跨越“最后一公里”。从实验室的基因编辑系到田间的主推品种，还需要跨越多点试验、品种审定等转化壁垒，需要科研机构、种子企业、农业推广部门的紧密协作。

当前，我国正在实施新一轮千亿斤粮食产能提升行动，科技创新是实现这一目标的关键支撑。随着更多此类重大成果的涌现和转化，我们有理由相信，中国人的饭碗将端得更稳、更牢。

科学性审核：田丰中国农业大学教授

鸣谢：中国植物学会

对抗性训练到底在“对抗”啥？一文读懂关键

Thu, 25 Dec 2025 08:30:23 +0800

在人工智能(AI)日益渗透到各领域的今天，模型自身的鲁棒性与安全性已成为其可靠应用的前提。对抗性训练作为一项前沿技术，正如同⼀面强大的盾牌，能够有效抵御AI技术中最具隐蔽性的挑战之一：对抗性攻击。

什么是对抗性训练？

要理解对抗性训练的作用机制，首先需要明确其核心载体——对抗样本。所谓对抗样本，是指经过精心构造的特殊数据：它们与原始样本高度相似，仅需施加微小的针对性干扰，例如对图像像素进行微调、对文本词语进行替换，就能诱导原本性能优异的模型做出错误预测。这种干扰往往难以被人类察觉，却能直接突破AI的决策防线。

而对抗性训练，正是通过在模型常规训练过程中主动引入这类对抗样本，利用其刻意干扰的特性迫使模型跳出对表面特征的依赖，转而学习数据更本质、更稳定的特征表示，最终实现鲁棒性的提升。简单来说，它相当于为AI模型构建了一个模拟攻防场景，让模型在训练阶段就见过攻击手段，从而在实际应用中具备更强的抵御能力。

双面性：优势与挑战

1、对抗性训练的优势并非局限于防御攻击这一单一功能，而是贯穿模型从训练到部署的全生命周期，在性能、安全与可解释性三大维度形成协同增益：

2、从脆弱到抗扰：对抗性训练使模型对输入扰动具备更强的容忍度，能够有效识别并抵御多种类型的对抗攻击，提升系统在真实场景中的可靠性。

3、提升泛化能力：通过在训练中引入多样化、高难度的对抗样本，模型被迫学习更本质的特征表示，从而在面对未知数据时表现更佳。

4、强化安全防护机制：在网络安全、入侵检测、恶意软件识别等高风险领域，对抗性训练能够帮助系统识别隐蔽攻击，成为保护关键信息系统的重要技术手段。

5、增强模型可解释性：对抗样本常揭示模型决策依赖的脆弱特征，推动研究人员理解其内在机制，进而优化模型结构或数据预处理流程。

6、隐私保护潜力：对抗性机制可被用于干扰恶意查询，防止通过推理攻击提取训练数据中的敏感信息，为隐私增强机器学习(Privacy-Enhancing ML)提供支持。

尽管对抗性训练的价值显著，但在实际落地过程中，仍需突破多重技术与场景限制：

1、高昂的计算成本：生成高质量对抗样本并完成鲁棒性训练，通常需要消耗数倍于常规训练的计算资源与时间，这对硬件设备与训练效率提出了更高要求。

2、过拟合对抗样本的风险：若训练过程中对抗样本的多样性不足，模型可能在 “对抗环境” 中过度特化，即能抵御训练过的攻击，却在干净数据上的预测准确性大幅下降，反而影响正常使用。

3、超参数调优难度大：训练过程中需在 “鲁棒性” 与 “准确性” 之间找到精准平衡，同时合理设置对抗强度、样本比例等超参数。这些参数的调优缺乏通用标准，高度依赖技术人员的经验与反复试验。

4、无法实现绝对防御：对抗性攻击技术正与防御技术同步演进，新的攻击手段，如自适应攻击、黑盒攻击等不断出现，单一的对抗性训练难以应对所有未知攻击形式。

5、数据依赖性强：在医疗、工业等垂直领域，获取足够多样化、符合真实场景的对抗样本存在困难，部分领域的数据本身稀缺，且构造对抗样本可能涉及伦理或安全风险。

6、边缘部署受限：在手机、物联网设备等计算资源有限的边缘设备上，传统对抗性训练的模型体积与推理速度难以适配，轻量化部署成为关键难题。

7、技术门槛较高：对抗性训练的正确实现需要深入理解对抗攻击原理、模型优化逻辑与相关框架，对研发团队的技术储备要求较高，普通开发者难以快速掌握。

写在最后：

综合来看，对抗性训练虽然不是完美的解决方案，但却是当前AI领域不可或缺的工具。它不仅在模型鲁棒性与泛化能力之间搭建了关键桥梁，更为医疗、金融、自动驾驶等关键领域的AI部署提供了基础安全保障。

可以预见的是，未来，对抗性训练的价值将进一步实现突破，成为构建AI安全生态的基础设施，为AI从可用向可信的跨越提供重要支撑。

供稿单位：重庆天极网络有限公司

审核专家：李志高

声明：除原创内容及特别说明之外，推送稿件文字及图片均来自网络及各大主流媒体。版权归原作者所有。如认为内容侵权，请联系我们删除。

我国在量子纠错领域达到关键里程碑

Thu, 25 Dec 2025 02:30:44 +0800

【导语】记者近日获悉，中国科学技术大学团队基于超导量子处理器“祖冲之3.2号”，在码距为7的表面码上实现低于阈值的量子纠错，且错误率随码距增加显著下降。这一成果标志我国量子计算达关键里程碑，开辟了比美国谷歌公司更高效的“全微波波控”新路径，为未来大规模容错量子计算奠定关键技术基础。

记者近日从中国科学技术大学获悉，该校教授潘建伟、朱晓波、彭承志和副教授陈福升等，基于超导量子处理器“祖冲之3.2号”在码距为7的表面码上实现了低于纠错阈值的量子纠错，演示了逻辑错误率随码距增加而显著下降。这一成果标志着我国达到了“低于阈值，越纠越对”的关键里程碑，并开辟了一条较美国谷歌公司更为高效的“全微波控制”新路径，为未来大规模容错量子计算奠定关键技术基础。

12月22日，该成果以封面论文和“编辑推荐”的形式发表于国际学术期刊《物理评论快报》，美国物理学会《物理》栏目进行专题报道。

实现容错通用量子计算机的必要条件是通过量子纠错抑制量子比特的错误率以满足大规模集成的要求。表面码是目前最成熟的量子纠错方案之一。然而，量子纠错需要引入大量额外的量子比特和量子门操作，导致更多的噪声源和错误通道。如果物理量子比特的原始错误率过高，增大纠错码距带来的额外错误反而会淹没纠错带来的收益，导致“越纠越错”。其中，“泄漏错误”尤为致命——随着系统规模的扩大，泄漏错误的累积效应将成为阻碍纠错性能提升的主要瓶颈。因此，如何使系统的整体操控精度突破一个严苛的“纠错阈值”，从而实现“越纠越对”的量子纠错，是衡量量子计算系统能否从实验室原型走向实用化的关键分水岭。

在前期研究基础上，中国科学技术大学团队基于107比特“祖冲之3.2号”量子处理器，提出并成功实践了一种全新的“全微波量子态泄漏抑制架构”。研究团队结合全微波量子态泄漏抑制架构，实现了码距为7的表面码逻辑比特。实验结果显示，逻辑错误率随码距增加显著下降，错误抑制因子达到1.4，证明了系统已工作在纠错阈值之下，成功达到了“越纠越对”的目标。（记者吴长锋）

内容来源：科技日报

注意：封面图为版权图库图片，转载使用可能引发版权纠纷。

猪基因组不再有秘密？中国农大补全家猪基因组“最后一页”

Thu, 25 Dec 2025 00:30:33 +0800

家猪（Susscrofa），既是餐桌上不可或缺的肉食来源，也是生物医学研究中举足轻重的模式动物。自一万年前被人类驯化以来，在全球农业和科研领域都占据着关键地位。然而，受限于过往的测序技术，猪的参考基因组就像一幅残缺的拼图，在着丝粒、Y染色体等重复序列富集区域，存在数百个未被解析的“缺口”。

近日，中国农业大学动物科学技术学院方美英教授团队在《自然·遗传》（Nature Genetics）发表一项突破性研究《公猪T2T基因组组装为群体结构与体型选择研究提供了新见解》（Telomere-to-telomere genome assembly of a male pig provides insight into population structure and selection for body stature）。该研究首次完成了中国五指山小型猪端粒到端粒无间隙基因组组装（T2T-pig1.0），其中包含完整的Y染色体和着丝粒区域。为揭开猪的群体起源、体型进化等关键问题提供了全新的“基因密码本”。

研究团队整合超长ONT、PacBio HiFi、Bionano光学图谱、Hi-C及二代测序等多种数据（总数据量达1776.7Gb），构建出全长2.63Gb、QV值51.41的无缺口基因组。与现有参考基因组Sscrofa11.1相比，T2T-pig1.0新增解析区域194.42 Mb，包含1189个此前未发现的基因。

AI绘制仅供参考

借助染色质免疫共沉淀测序等技术，团队鉴定出总长约107.3Mb（占基因组4.0%）的着丝粒区域，其中五种卫星重复单元（SAT–SAT3、SatY1和SatY2）占主导地位，且存在独特的染色体分布模式，还首次发现猪着丝粒中存在DNA转座子和LTR入侵。为猪着丝粒图谱绘制和结构特征解析提供了新的视角。

同时，T2T-pig1.0实现完整Y染色体组装，长度43.25Mb，新增 29.64 Mb未解析序列，鉴定出两种新的ChrY特异着丝粒重复SatY1和SatY2。跨物种比较显示，五指山猪与杜洛克猪约210万年前分化，猪、人、山羊和绵羊的性染色体关键区域维持较高共线性，可能有共同进化起源。

基于T2T-pig1.0参考基因组，团队对来自亚洲、欧洲、北美60个品种的407份全基因组测序数据进行群体遗传分析，比对准确性显著提升，错配率和未配对读段数量减少，共检测到约1785万个SNPs，其中1.9%位于PUR区域。分析结果清晰揭示，亚洲家猪由三种主要祖源成分构成，东北亚猪群中存在欧洲家猪的遗传成分，更精准呈现了家猪群体遗传结构及亚洲猪群间的基因渗入关系。通过选择信号分析，团队鉴定到2956个选择区域、657个候选基因，其中PUR区域的GALNT13基因表现出显著选择信号。功能研究发现，GALNT13在猪骨相关组织中高表达，且在小型猪中表达量显著降低，该基因过表达可促进软骨细胞分化、抑制增殖，通过调控软骨细胞增殖与分化影响体长发育，参与猪体型形成。

这项研究为猪基因组研究提供了关键基础数据，对猪品种改良具有重要指导价值，同时拓展了猪作为生物医学模式动物的应用前景。据了解，中国农业大学为论文唯一通讯单位，中国农大动科学院博士后雒亚彪，博士生黄宁和查程万为共同第一作者，方美英教授和贾善刚老师为共同通讯作者。吴常信院士为本研究提供了实验室平台支撑。海南省农业科学院畜牧兽医研究所提供测序样本。本研究获国家自然科学基金区域联合基金重点项目（U22A20508）、国家重点研发计划、拼多多-中国农业大学研究基金等项目资助。

科学性审核：雒亚彪中国农业大学动物科学技术学院博士后

记者：武玥彤

AIGC训练：徐嘉懿（实习）