Sztuczna inteligencja wskazała technologie przyszłości. W tym siebie

Poprzednie edycje raportu opierały się na ankiecie eksperckiej. W 2026 roku Frontiers, naukowa organizacja wydawnicza współtworząca raport Top 10 Emerging Technologies od lat, zastąpiła ją narzędziem opartym na dużych modelach językowych. Trzy modele (GPT-4.1 mini, GPT-5 i Gemini 2.5) działały równolegle: każdy generował propozycje technologii z ośmiu dziedzin akademickich i trzynastu sektorów przemysłowych, wzajemnie weryfikując swoje wyniki. Z ponad 1200 kandydatów eksperci ludzcy wybrali osiemdziesiąt, a Rada Doradcza wyłoniła finałową dziesiątkę.

Poniżej opisujemy tę dziesiątkę, zwracając przy tym uwagę na to, jak bardzo AI staje się elementarną częścią ich rozwoju. Nie jest już technologią wspomagającą, a pełnoprawnym elementem, bez którego rozwój przedstawionych rozwiązań byłby utrudniony, a na pewno – znacznie wolniejszy.

AI, która uczy się fizyki

Największą niespodzianką na liście dla osób śledzących AI jest technologia określana jako modele świata. Nie chodzi jednak o kolejną iterację dużego modelu językowego.

Modele językowe uczą się z tekstu: z opisów świata, jego interpretacji, jego historii zapisanej słowami. Modele świata uczą się z bezpośredniego doświadczenia środowiska fizycznego, rejestrowanego przez kamery, czujniki, akcelerometry. Wideo ze spadającym jabłkiem, sygnał czujnika rejestrującego uderzenie i zdanie opisujące grawitację trafiają w to samo miejsce wspólnej przestrzeni reprezentacji. Model nie uczy się słowa „grawitacja”. Uczy się grawitacji.

Architektonicznie kluczem była opublikowana w 2022 roku architektura JEPA Yanna LeCuna (Joint Embedding Predictive Architecture). Zamiast rekonstruować każdy piksel wideo, model uczy się przewidywać skompresowane reprezentacje tego, co wydarzy się dalej: relacje przyczynowe, dynamikę, strukturę zdarzeń. To inny rodzaj uczenia niż przewidywanie następnego tokenu.

Pierwsza duża implementacja tych idei w praktyce to platforma NVIDIA Cosmos, uruchomiona w 2025 roku i wytrenowana na 20 milionach godzin nagrań ze środowisk robotycznych, przemysłowych i drogowych. Roboty trenowane na Cosmosie radzą sobie w fizycznych sytuacjach, których nigdy wcześniej nie napotkały, bo rozumują z wewnętrznego modelu zachowania materii, nie z biblioteki zapamiętanych przypadków.

W 2026 roku badacze ze Stanford Doerr School of Sustainability wbudowali podejście modeli świata w symulację klimatyczną, osiągając rozdzielczość nieosiągalną dla modeli klasycznych przy odwzorowaniu burzliwej dynamiki atmosferycznej.

Kwant i AI razem

Tworzenie leków ma strukturalny problem: około 90% preparatów odpada w badaniach klinicznych. Część tych niepowodzeń wynika z tego, że komputery klasyczne nie potrafią dokładnie modelować interakcji molekularnych. Muszą upraszczać, a każde uproszczenie to potencjalny błąd w przewidywaniu, czy dany związek zwiąże się z docelowym białkiem. Komputery kwantowe za to modelują atomy bezpośrednio, tymi samymi prawami fizyki, które nimi rządzą.

W 2025 roku IBM i Moderna ukończyły największą dotychczas kwantową symulację fałdowania białek i struktury mRNA. Rynek kwantowego odkrywania leków podwoił wartość w ciągu pięciu lat. We Francji startupy Pasqal i Qubit Pharmaceuticals, z dofinansowaniem Wellcome Trust, rozwijają odkrywanie małych cząsteczek na komputerach kwantowych z neutralnymi atomami.

To nie jest rywalizacja między AI a obliczeniami kwantowymi. Procesory kwantowe działają równolegle z klasycznymi systemami wysokiej wydajności, a AI przyspiesza projektowanie ścieżek biologicznych przed uruchomieniem symulacji i interpretuje jej wyniki. Choroby dotąd uznawane za zbyt złożone do modelowania klasycznego stają się realnymi celami badawczymi.

Szczepionka szyta na miarę

Spersonalizowane szczepionki mRNA przeciw nowotworom to kolejne rozwiązanie, któ®e nie byłyby możliwe bez AI.

Po biopsji naukowcy sekwencjonują mutacje guza i identyfikują białka, po których komórki nowotworowe można odróżnić od zdrowych. Modele AI skracają czas od profilu mutacji do gotowej sekwencji szczepionkowej z miesięcy do godzin. Szczepionka mRNA syntetyzowana na tej podstawie instruuje układ odpornościowy pacjenta, żeby rozpoznawał komórki niosące te markery. Każda dawka jest unikalna.

W sześcioletnim badaniu na Memorial Sloan Kettering Cancer Center przeżywalność pacjentów z rakiem trzustki, u których układ odpornościowy odpowiedział na terapię, wyniosła 90%. Standardowa pięcioletnia przeżywalność dla tego nowotworu to 13%. W wieloośrodkowej próbie klinicznej w USA i Europie spersonalizowana szczepionka zmniejszyła ryzyko nawrotu lub śmierci u pacjentów z czerniakiem wysokiego ryzyka o 49% w porównaniu do samej immunoterapii. Ta kombinacja weszła właśnie w trzecią fazę badań klinicznych. W marcu 2026 roku Narodowy Instytut Raka USA ogłosił partnerstwo publiczno-prywatne o wartości 200 milionów dolarów na finansowanie kolejnych prób.

Leki, które trafiają w cel

Egzosomy to maleńkie pęcherzyki błonowe, które komórki produkują, żeby przesyłać sobie białka i instrukcje genetyczne. Organizm rozpoznaje je jako własne, więc omijają bariery biologiczne, w tym barierę krew-mózg, przez którą większość syntetycznych nośników leków nie przechodzi. Zmodyfikowane inżynieryjnie egzosomy można załadować lekiem i wyposażyć w białka powierzchniowe naprowadzające je na konkretny typ komórek. AI uczestniczy w projektowaniu tych białek i optymalizacji ładunku.

W badaniu klinicznym w MD Anderson Cancer Center egzosomy dotarły do mutacji w raku trzustki, z którą nie poradziły sobie żadne wcześniejsze leki. W 2025 roku naukowcy wykazali, że egzosomy niosące narzędzia do edycji genów przekraczają barierę krew-mózg bez wywoływania odpowiedzi immunologicznej, co otwiera drogę do terapii choroby Alzheimera, Parkinsona i glejaka. Od 2022 roku uruchomiono ponad 200 prób klinicznych. Eli Lilly zawarło z firmą Evox Therapeutics umowę wartą 1,5 miliarda dolarów.

Szyfrowanie na czas kwantowy

Komputery kwantowe, gdy osiągną wystarczającą moc, będą w stanie złamać algorytmy chroniące dziś większość komunikacji, transakcji finansowych i danych medycznych. W środowiskach bezpieczeństwa opisywane jest zjawisko „zbieraj teraz, odszyfruj później”: aktorzy państwowi gromadzą zaszyfrowane dane dziś, licząc na ich odszyfrowanie w przyszłości.

Kryptografia kratowa odpowiada na to zagrożenie, ukrywając dane wewnątrz wielowymiarowych struktur geometrycznych z celowo wprowadzonym szumem matematycznym. Atakujący nie może odróżnić właściwego rozwiązania od tysięcy fałszywych. W 2024 roku NIST wybrał algorytmy kratowe jako główny standard szyfrowania post-kwantowego. ISO i europejski ETSI przyjęły ten sam fundament. UE wyznaczyła 2026 jako termin obowiązkowego startu migracji dla systemów publicznych. NSA wymaga algorytmów post-kwantowych we wszystkich nowych systemach bezpieczeństwa narodowego od stycznia 2027. Google zobowiązał się ukończyć migrację do 2029 roku.

Przyszłość energii, materiałów, chemii

Cztery pozostałe technologie z listy dotyczą systemów energetycznych, materiałów i chemii środowiskowej. AI odgrywa w nich rolę pomocniczą. Przełom jest tu inżynieryjny i regulacyjny.

Energia „wszystko do sieci”. Samochody elektryczne, baterie domowe i budynki przestają być wyłącznie odbiorcami prądu i stają się aktywnymi węzłami sieci, zdolnymi do magazynowania energii i oddawania jej w chwilach szczytowego popytu. W 2025 roku australijskie gospodarstwa domowe zainstalowały ponad 180 tysięcy baterii domowych, a programy rządowe płacą właścicielom za podłączenie ich do oprogramowania koordynującego zbiorowe zasoby. Technologia istnieje. Brakuje modeli taryfowych i regulacji.

Bezpośrednia ekstrakcja litu. Tradycyjne wydobycie litu polega na pompowaniu słonej wody do ogromnych stawów parujących przez nawet dwa lata. Nowe metody pobierają lit ze słonej wody w kilka godzin, z odzyskiem sięgającym 80-95% zamiast dotychczasowych 50%. Pierwsza przemysłowa instalacja bez stawów parujących działa od 2024 roku w Argentynie, na wysokości 4000 metrów n.p.m. Projekt w Kalifornii, łączący energię geotermalną z ekstrakcją litu, otrzymał w lutym 2026 roku federalną pożyczkę w wysokości 1,4 miliarda dolarów.

Pasywne materiały chłodzące. Materiały te oddają ciepło bezpośrednio w przestrzeń kosmiczną przez okno atmosferyczne w podczerwieni, obniżając temperaturę powierzchni poniżej temperatury otoczenia bez zużywania energii elektrycznej. Farby tego typu kosztują około 6 dolarów za metr kwadratowy i pozwalają zaoszczędzić 15-20% energii w obiektach handlowych. Powłoka opracowana przez brytyjski startup AssetCool zwiększa przepustowość istniejących kabli energetycznych o 30% bez rozbudowy infrastruktury. Kalifornia i Chiny wpisały te materiały do obowiązujących norm budowlanych.

Niszczenie PFAS. Związki per- i polifluoroalkilowe, zwane „wiecznymi chemikaliami”, są odporne na ciepło, wodę i rozkład chemiczny. Wykryto je w śniegu arktycznym, wodzie deszczowej i we krwi niemal każdej badanej osoby. Do niedawna można je było jedynie filtrować, nie niszczyć. Kilka metod chemicznych i elektrochemicznych wykazało teraz zdolność do ich trwałego rozkładu na wodę, dwutlenek węgla i sole mineralne. Instalacja w Grand Rapids w stanie Michigan pracuje nieprzerwanie od 2023 roku. Japońska firma Daikin zniszczyła w 2025 roku ponad 170 tysięcy galonów własnych ścieków przemysłowych. Limity prawne mające na celu ochronę środowiska w UE, USA, Japonii i Australii zamieniają to w potrzebę rynkową.

AI transformatorem świata

Tegoroczna lista WEF nie jest przeglądem tego, co naukowcy dopiero planują. To przegląd tego, co istnieje w laboratoriach i pierwszych instalacjach przemysłowych, a teraz czeka na decyzje: regulacyjne, inwestycyjne, zakupowe.

Ważne jest coś jeszcze. Większość technologii z tej listy nie powstałaby w obecnym kształcie bez AI albo nie rozwijałaby się w takim tempie. Modele językowe skracają projektowanie szczepionki z miesięcy do godzin. Symulacja kwantowa wspierana przez AI otwiera klasy chorób, których farmakologia dotąd nie mogła zaadresować, bo obliczeniowy koszt ich modelowania był po prostu zbyt wysoki. Modele świata pozwalają robotom działać w środowiskach, których nikt im wcześniej nie opisał.

Środowisko naukowe adoptuje AI szybko, zanim większość branż zdąży postawić pierwsze pytania o strategię. Widzi w niej nie zagrożenie dla własnej roli, lecz narzędzie do domknięcia badań, które trwają od lat bez rozstrzygnięcia, i do postawienia pytań, których wcześniej nikt nie stawiał, bo ich zakres przekraczał możliwości dostępnych metod. Ta lista jest jednym z pierwszych miejsc, gdzie to przyspieszenie jest widoczne nie jako deklaracja, lecz jako konkret: działające instalacje, wyniki prób klinicznych, podpisane umowy i federalne pożyczki. AI nie obiecuje już zmiany świata. Pomaga go zmieniać.

Raport „Top 10 Emerging Technologies of 2026” opublikował World Economic Forum we współpracy z Frontiers w czerwcu 2026. Analizy strategiczne przygotowała Dubai Future Foundation.