美公司推進磁懸浮太空坡道 探索低燃料火箭發射新模式 | 每日全球科技要聞

▌英國發布生命科學十年計劃，強化科研轉化與NHS協同創新

英國政府發佈《生命科學部門計劃》，制定十年戰略，推動科研突破轉化爲更強大、預防導向的國家醫療體系（NHS），並強化生命科學對經濟的帶動作用。計劃圍繞“世界一流研發、本土企業培育、醫療系統改革”三大支柱，提出六項行動，包括開放健康數據、加快臨牀試驗、提升監管效率、推進AI醫療與設備國產化等。政府承諾總投資超20億英鎊，其中5.2億用於製造項目，6億投入健康數據平臺，釋放“健康+增長”雙重紅利。

▌FDA首公開藥品審批反饋函，推進全球監管透明化變革

美國FDA首次發佈逾200封藥品及生物製品審批“完整回覆函”（CRLs），全面披露2020–2024年審批拒絕的真實原因，涵蓋安全性、有效性、生產缺陷等問題。該舉措打破長期“黑箱”機制，迴應業界對監管可預期性與公衆知情權的訴求。FDA局長強調，此舉將減少重複試錯、加速療法上市，並重塑全球藥品監管透明邏輯。目前信函已通過openFDA網站向公衆開放，後續將持續擴展。

▌英初創公司實現3D打印鉭金屬壓力放大器賦能核聚變裝備

英國First Light Fusion宣佈，已利用3D打印成功製造出用於慣性約束聚變的鉭金屬壓力放大器部件，在500萬大氣壓下表現與傳統部件等效，顯著降低製造成本與週期。該成果得益於與愛爾蘭Croom Medical聯合開發的TALOS™激光粉末牀熔融工藝，突破了高性能鉭部件的加工瓶頸。公司已完成集成測試並計劃擴展至材料研究與國防等領域。

▌日瑞科學家合作實現室溫氫儲突破

京都大學與瑞士洛桑聯邦理工學院聯合開發出一種可在室溫下穩定存在的富氫液體，基於氨硼烷與四丁基硼氫化銨形成的深共晶溶劑（DES），通過強氫鍵抑制晶格有序性，實現液態儲氫。該材料含氫量高達6.9%，超過美國能源部2025年目標（5.5%），爲氫能的日常化儲存與運輸提供新路徑。研究人員指出，該成果有望突破當前氫燃料在高壓儲運、安全與成本等方面的關鍵瓶頸。

▌美公司推進磁懸浮太空坡道，探索低燃料火箭發射新模式

美國初創公司Auriga Space宣佈開發磁懸浮太空發射系統“Zeus”，利用電力驅動超強磁鐵將航天器加速至6倍音速後送入亞軌道，火箭僅需少量燃料完成入軌。該系統採用可重複使用軌道與陡坡發射設計，旨在顯著減少推進劑依賴。公司已獲600萬美元融資，計劃2025年部署實驗級平臺“Prometheus”及戶外加速器“Thor”，率先服務高超音速測試市場。該方案被視爲繼太空電梯設想後的新型“地面助推”路徑。

▌歐盟發佈2028–2034年預算草案，設立4090億歐元競爭力基金

歐盟委員會公佈2028–2034年多年期財政框架提案，總額接近2萬億歐元，相當於2028年至2034年期間歐盟國民總收入的1.26%。草案設立4090億歐元歐洲競爭力基金，重點支持清潔轉型、數字化、生物科技與太空國防等四大領域，擬簡化融資平臺並引導更多私營資本投入。科研旗艦計劃“地平線歐洲”將獲1750億歐元，繼續支撐從原始研發到商業擴展的全週期創新生態。新框架延續“統一規則+一站式資助”模式，強化單一市場科技主權與韌性戰略。

▌日本發佈《聚變能白皮書》，加快商業化與監管體系佈局

該白皮書提出建立技術中立、風險適配的監管體系，明確2030年代實現商業化目標。回顧了日本在ITER裝置、JT-60SA等領域的研發進展，評估美英法聚變監管經驗，並梳理Kyoto Fusioneering、EX-Fusion、Helical Fusion等私營企業的多元路線。政府計劃投入超百億日元推進科研與材料試驗設施建設。

▌2025歐洲創新記分牌發佈，中國首次超越歐盟躋身全球第二

該發佈涵蓋32項指標，系統評估歐盟成員國及全球主要經濟體創新表現。數據顯示，自2018年以來歐盟整體創新能力提升12.6%，但2024–2025年間略降0.4%。瑞典重回歐盟第一，英國晉級爲“創新領跑者”。全球層面，韓國蟬聯第一，中國首次超越歐盟與美國並列第二，創新表現增長幅度全球最高（+44.7%），突出表現在企業研發投入、政府支持和技術擴散方面。

▌美國Nexus超算2026年啓用，形成國家級AI研究基礎設施

美國國家科學基金會（NSF）投入2000萬美元，由佐治亞理工學院聯合伊利諾伊大學香檳分校國家超級計算中心，共同建造專爲AI優化的超級計算機Nexus。該系統預計2026年春季竣工，峰值算力達400 PFLOPS，相當於全球80億人每秒各執行5000萬次計算，該系統通過高速網絡連接形成國家級AI研究基礎設施。

▌美開發AI模型LEONARDO，揭示納米粒子複雜運動規律

佐治亞理工學院團隊開發深度生成模型LEONARDO，可從液相透射電子顯微鏡（LPTEM）數據中學習並模擬納米粒子運動軌跡。模型結合物理指導的損失函數，實現高保真重建與預測，生成的軌跡與真實實驗無可區分。該系統有望生成大規模運動數據集，訓練智能成像系統並實現顯微鏡自適應控制，爲開發“智能顯微平臺”奠定技術基礎，提升納米尺度觀察與材料表徵能力。