截至8月13日，上交所融资余额报10290.63亿元，较前一交易日增加34.93亿元；深交所融资余额报9963.80亿元，较前一交易日增加81.70亿元；两市合计20254.43亿元，较前一交易日增加116.63亿元。
截至8月20日，上交所融资余额报10816.43亿元，较前一交易日增加78.50亿元；深交所融资余额报10437.73亿元，较前一交易日增加74.72亿元；两市合计21254.16亿元，较前一交易日增加153.22亿元。
近日，我国科研团队通过对嫦娥六号月壤样品的高精度年代学研究，首次精确测定出月球阿波罗盆地形成于41.6亿年前，这一发现精准限定了该盆地形成的时间，将月球“撞击风暴”开始的时间点向前推进了至少1亿年，有助于推动人类重新认识地月系统的演化。该成果8月20日在国际学术期刊《自然·天文学》发表。
在这项研究工作中，中国科学院广州地球化学研究所徐义刚院士领衔的科研团队，在3.5克月壤中发现了三颗大小在150微米到350微米的特殊岩石碎屑。这些岩屑是阿波罗盆地形成时产生的撞击熔融岩石，是记录撞击事件最理想的“岩石时钟”。研究团队准确测定了岩屑的年龄，同时综合遥感图像和地球化学数据等多方面的信息，最终确认岩屑记录的41.6亿年为阿波罗盆地的形成年龄。
嫦娥六号月壤中识别的撞击岩屑
月球表面遍布的巨型撞击盆地，其中大多数是约38亿年前太阳系内小天体撞击的遗迹。科学界一直争论这场太阳系内“撞击风暴”是逐渐减弱的，还是在距今约40亿到38亿年间出现了强度骤增。这一持续数十年的争议源于月球上关键撞击盆地缺乏精确年龄数据。嫦娥六号采样点所在的阿波罗盆地位于月球南极—艾特肯盆地内部，是该区域最大的次级撞击构造，其形成年龄可能标志着月球晚期撞击事件的启动时间。
综上所述，我国科研团队这项研究将月球“撞击风暴”开始的时间点向前推进了至少1亿年；并且通过分析，揭示了月球“撞击风暴”强度是呈渐变衰减趋势的，并不是强度骤增。这项研究将有助于推动人类重新认识地月系统的演化。
在刚刚落幕不久的世界人形机器人运动会上，一场全程无遥控、踢足球机器人在网络上火了。
这支踢足球的机器人队伍来自加速进化（北京）机器人科技有限公司（以下简称“加速进化”，英文名：Booster Robotics），这家成立于2023年的公司在今年7月举行的2025 RoboCup巴西机器人足球世界杯上，帮助中国队（清华火神队）首次在AdultSize 组别（人形机器人足球成人组一米以上机器人）组别夺冠，一举打破了欧美国家在该项顶级赛事上长达 28 年的垄断。
加速进化机器人在足球场上的表现
为什么要让机器人上场踢足球？实现无遥控操作机器人踢足球的关键挑战是哪些？
近日，澎湃科技（www.thepaper.cn)专访了加速进化副总裁赵维晨。赵维晨解释说，之所以将目标对准了足球赛事，是因为足球赛是一个高动态、强对抗、对运动控制和决策智能要求极高的场景。
加速进化副总裁赵维晨 受访者供图
赵维晨认为人形机器人必须先做到“四肢健全”，再追求“心智健全”，足球场景是锻炼机器人的运动能力、感知算法等关键技术的试金石，这些能力提升后都能迁移到未来的家庭陪伴、教育等更多场景。
谈及技术路径，赵维晨直言，当前引发热议的VLA技术路径仍是建立在大语言模型的逻辑之上，过于依赖海量标注数据和固定模式，并不是最优解，三到四年内一定会被颠覆。
以下是澎湃科技专访内容：
VLA算法未来三年内会被全颠覆
澎湃科技：足球赛对人形机器人有哪些技术挑战？
赵维晨： 人形机器人必须先做到“四肢健全”，再追求“心智健全”。有了强大的运动能力的支撑，大脑算法可以先用相对简单的分层模型落地应用，通过落地应用采集到真实场景的数据，结合合成数据，才能逐步训练出认知健全的大脑，这与人类的成长路径相似。
足球场景能锻炼机器人的运动能力、感知算法，比如识别球、队友和对手位置等、定位导航和决策逻辑，将来这些能力能迁移到家庭场景，譬如机器人能主动迎接、跟随，情感陪伴，充当互动教练，以及实现工业场景里精细的手部操作。
澎湃科技：实现无遥控人形机器人参与踢足球的难度有多大？
赵维晨：足球赛事对抗激烈，机器人需要强大的运控算法来抵御冲撞并保持平衡，摔倒后可在一秒内自主起身。我们率先应用端到端运动大模型，直接将视觉信号输入神经网络，输出关节控制指令，大幅提升运动泛化性和稳定性。第一个应用是大力射门：去年世界冠军最高踢到35厘米，我们能踢到2米，直接越过人墙。
澎湃科技：你们的训练数据主要来自哪里？
赵维晨：主要来自足球场景采集真实的物理数据，并结合视频合成数据，通过最新的模仿学习加强化学习实现视觉信号直接输入神经网络。
我们认为，遥操的数据体量无法支撑具身大脑的训练，目前视觉语言动作模型（VLA）算法还是基于大语言模型那套，未来三年内会被全新的底层算法体系颠覆。
澎湃科技：今年北京的世界机器人大会上关于视觉语言动作模型（VLA）有很多争议你们怎么看？
赵维晨：自动驾驶单日数据量可达上亿条，而全国具身最大的开源数据集规模才百万级别（不到10TB），大语言模型是靠几十年互联网上的文本数据累积，而机器人加上双轮双臂操作10万或100万小时，根本不可能训练出一个多模态具身大脑，只能验证早期算法框架。具身智能真正的路径与自动驾驶类似，先通过L1、L2、L3再落地收集大量真机数据，然后再逐步迭代到AGI。
技术层面，我们认为，视觉语言动作模型（VLA）不是最终解，它仍是基于Transformer的LLM逻辑。大语言模型迭代经历十多年海量语料，才形成如今的尺度定律（Scaling Law）。VLA模型总体依赖训练数据中的固定模式，需要海量标注数据才能“记住”固定场景，很难帮具身泛化。
现在所有的技术方案，未来三到四年一定会被颠覆，也会出现类似DeepSeek这样的鲶鱼效应、开源的方案。
机器人进入家庭还需要10年
澎湃科技：2024年10月你们的BoosterT1发售，现在销售情况如何？客户主要是谁？
赵维晨： 销售没超出预期。2025年我们上半年出货交付了数百台，其中50%是全球化订单，主要集中在赛事和科研。顶尖球队采购我们的机器人软硬件平台，用于开发和测试决策算法。足球也是开发者入门的理想场景，从入门到精通，甚至能发表顶级论文，打赢人类至少100篇顶刊。
澎湃科技：你们会担心订单量吗？
赵维晨：对我们来说，最核心的不是订单量，而是交付量。我们现在T1成本价在10万元人民币左右，很多公司签署了大量“意向订单”，但如果没有量产的工程化能力，没有交付能力，旧不是真的商业化。我们的订单交付周期在15到20天左右。
未来我们的商业化路径也很清晰：短期做赛事、科研、教育（比如高校和K12的机器人课程）、这是百亿级赛道；中期从明年开始，切入家庭搬运、陪伴这些场景，目标千亿级市场；长期结合开发者生态往家庭管家、智能助理这些通用机器人方向走，那是万亿级市场。
澎湃科技：目前投资人最关心你们的是哪几个问题？
赵维晨：比较关心我们的应用Agent生态建设，硬件量产进度，全球化进度，以及运控算法在全球市场的领先程度。其他很多问题上面有覆盖。
具身智能大模型还没有显著的共识
澎湃科技：在你们看来，人形机器人走进家庭场景要经过哪些场景和技术验证？
赵维晨：我们很明确不做工业场景，因为简单任务已经被传统机械臂解决了，剩下的要么太难，五年内落不了地，要么市场太小。轮加双臂结构早在5年前就有成熟的舵机高性价比解决方案，能够解决大多数封闭工业场景的需求。
我们重点会放在家用机器人，让它成为除手机、电脑外新的交互形态和生产力工具，要对标苹果和微软，做三件事：硬件（端）、操作系统、开发者工具。就像手机电脑得有应用才能普及，机器人要进家庭，也得有第三方开发者基于开放生态、简单工具和操作系统开发应用，实现各种家用场景的落地，尤其是后两者涉及大量软件的投入。
大脑层面我们不着急，等三年后技术路线收敛些，我们有了一定收入体量再投入。
澎湃科技：是否可以理解为，你们也在等一个适配机器人的AI大脑？
赵维晨：我们认为端+操作系统+开发工具是个万亿美元的市场，大脑也是万亿美元的市场。但作为创业公司我们目前不会投入在大脑，因为成功率太低。等我们收入达100亿人民币的时候，在大量垂直场景落地后，我们会开始大脑层面的投入，但目前可以先合作为主。
澎湃科技：人形机器人进入家庭，你们保守估计还有多久？这是一个目前可以预见的必然趋势吗？如果是，你们认为会以怎样的形态？
赵维晨：一定会经历从早期使用者到早期大众最后到后期大众的链路。核心是得通过杀手级应用和教育（如学校计算机机房，上机器人课程普及）进入早期使用者，再通过生态成熟、应用多样化、成本下降进入大众市场。前者需要3年，进入早期大众可能需要5至10年，10年后实现较大规模普及。
澎湃科技：在你们看来，现在人形机器人还有哪些非共识问题有待解决？
赵维晨：一个是大脑层面的技术路径非共识，目前VLA的路径一定不是终解。另外比如核心零部件硬件部分的技术路径也没有收敛，包括灵巧手原来都是直线推杆，现在变成关节电机，还有一部分在做绳驱，用一段时间会松。现在比如加入钨丝等新材质。
在这波技术路径下，很明显的一个变化是，当下的硬件本体的构型有收敛的趋势，在外形方面正在变得比较类似。但在具身智能大模型的领域，还没有看到特别显著的共识。
在今天（8月8日）开幕的2025世界机器人大会上，2025具身智能机器人十大发展趋势发布。
第一，物理实践、物理模拟器与世界模型协同驱动的具身感认知。物理实践是具身智能的本质，物理模拟器可以构建高保真的训练环境，世界模型可以提供环境当中比较本质的内部特征。三者融合既可以保证丰富有效、真实的环境，也可以用于训练具身智能机器人与环境的接触和非接触交互的感认知能力，为其决策和控制奠定基础。
第二，多层次端到端的具身决策，由多模态大模型启发的，具有数理基础的认知与规划研究，与生命科学家的成果融合，并与实时的控制模块融合，可以显著增强具身智能机器人在非结构化环境下的泛化性和实用性。
第三，从控制角度来看，可以融合模型预测，强化学习和生命科学的具身智能控制。一方面可以把模型预测控制的动态优化能力，把强化学习自适应决策融合起来，更进一步的与生命科学的冗余多环路控制机制相融合。这样的话，可以更加让具身智能机器人向人发展，实现具身智能的新控制，提升其在新环境当中的适应性和高性能。
第四，生成式人工智能驱动的具身智能机器人设计。通过对于电机、减速器、驱动器、结构、连接件和材料的统一优化，同时与工材领域的科学成果相结合，在物理模拟器当中实现硬件与控制策略的协同优化，可自动探索任务中实现最优的具身智能的机器人设计。
第五，高度协同与动态适配的具身智能软硬件一致性。具身智能机器人需要软硬件的一致性，在硬件开发的阶段需预置适配算法的接口规范，在算法的设计当中又会内嵌物理约束，就是软中有硬，硬中有软，并且通过联合仿真验证，就是有软有硬的情况下，让系统更加保持一致，让软件模块更加接近硬件，让整体系统更加符合我们的软硬件一致性的期望。
第六，具身智能机器人大工厂，在仿真环境当中实现自然语言交互、环境生成、机器人本体设计、决策-控制算法以及软硬件一致性算法等研发，让他们有机地结合在一起，并且反复进化。这样的系统可以根据性能和需求实现快速设计，实现高质量具身智能机器人系统，为社会服务。
第七，具身智能大规模高质量数据集，基于物理实体采集与仿真合成构建大规模高质量具身智能数据集。这里高质量是一个关键，关于大规模，科研的期望是让它规模要变小。同时可以显著提升具身智能机器人的本体构型优化、多模态训练效率及跨场景策略迁移能力。
第八，具身智能机器人集群及与人协同的发展，融合多智能体的协同机制，构建具身智能机器人集群。同时不断提升具身智能机器人的安全性，及其与人的共情能力，让具身智能机器人真正走向我们，真正走向人类，成为人类的朋友。
第九，跨学科的具身智能机器人开源社区。首先具身智能机器人的发展需要信息科学、工程与材料科学、数学物理科学、生命科学等多学科协作，将在全球范围内聚集各领域的顶级科学家和工程人员，促进具身智能领域的技术探讨，助力产业链的上下游深度融合和协作发展。
第十，面向具身智能机器人的安全评估与伦理建设，通过行为规范验证、决策可解释性分析，和数据安全性研究等，能够确保建立面向具身智能机器人的安全评估体系和伦理规范。确保在复杂开放环境中决策的可靠性、可解释性以及行为的安全性，这才使得具身智能机器人能够走向我们的服务行业。
GPT-5终于现身了，这款被OpenAI称为目前“最聪明、最智能”的新旗舰模型减少了幻觉、改善了指令遵循，在视觉推理、智能编程、研究生级科学问题解决等多项能力上，仅需使用OpenAI o3模型50%-80%的输出token，就能实现更优表现。
数字经济学者刘兴亮8日在接受澎湃科技采访时表示，从“选模型”到“模型会选自己”，GPT-5形态进化，OpenAI正聚焦“少折腾菜单，多交付结果”。GPT-5写代码更少废话、走流程更少走神，但在写作质感和AGI跨度上并没有达到他的想象，可以先将其当成“超级实习生”。商业层面上，GPT-5更像一台利润引擎，铺开给全体用户，押注企业用量放大。
快思慢想研究院院长、原商汤智能产业研究院创始院长田丰则表示，GPT-5专业推理能力更强，幻觉更少，但远未达到AGI，其通用泛化能力不足，多模态能力也并未形成巨大的领先优势。总体来看，GPT-5并未像GPT-3或GPT-3.5那样对人们形成巨大冲击，而是沿着现有方向进一步提升推理能力。不过，GPT-5和GPT-4的最大区别是产品越做越好，新模型将更多承担营收任务。
自动决定“快答”还是“深想”
GPT-5采用一体化系统设计，其中，智能高效的基础模型可以处理大多数问题，深度推理模型GPT-5 Thinking专攻复杂难题，实时路由系统能根据对话类型、问题复杂度、工具需求及用户明确指令，快速决定调用哪个模型。也就是说，GPT-5懂得何时快速响应，何时深入思考以提供专业级答案。
GPT-5的回答速度更快，在基准测试中超越前代模型，在编程、数学、写作、健康、视觉感知等领域达到先进性能。在数学方面，无需工具的情况下，GPT-5在2025年AIME竞赛数学测试中得分94.6%。
GPT-5在AIME竞赛数学中的性能表现。
GPT-5在MMMU（多模态推理评估）中达到84.2%。在真实世界编程方面，GPT-5在SWE-bench Verified测试中得分74.9%，在Aider Polyglot测试中得分88%。而OpenAI o3在SWE-bench Verified测试中得分为69.1%，GPT-4o为30.8%。
在编程能力方面，GPT-5在SWE-bench Verified测试中得分74.9%。
借助GPT-5 Pro的扩展推理能力，它还在GPQA（研究生级别专家推理）测试中创下新纪录，无需工具即可达到88.4%的得分。
HealthBench是OpenAI今年早些时候发布的基于真实场景和医生定义的评估标准。在HealthBench评估中，GPT-5得分显著高于所有前代模型，得分为46.2%，是OpenAI目前最擅长处理健康相关问题的模型。它会主动提出潜在问题，通过提问来提供更有帮助的答案。但它无法替代医疗专业人员，而是可以将其视为一个辅助伙伴，例如帮助用户理解检查结果、在与医生沟通时提出恰当的问题、在做决策时权衡各种选项。
尽管GPT-5的专业推理能力更强了，但田丰表示，这并不意味着它可以快速迁移到开放型任务链条上，GPT-5的泛化推理能力仍有待加强，多模态推理能力也没有形成领先优势。
减少幻觉、改善指令遵循、诚实回答
OpenAI表示，团队在减少幻觉、改善指令遵循和减少奉承方面取得进展。在测试中，GPT-5回应出现事实错误的概率比GPT-4o低约45%；在启用思考功能时，其事实错误率比OpenAI o3低约80%。
在训练过程中，推理模型通常可能会谎报任务完成情况，或对不确定的答案表现得过于自信。但启用思考功能的GPT-5能更诚实地向用户说明自身的行动与能力范围，尤其针对那些不可能完成、描述不充分或缺乏关键工具支持的任务。
为测试这一点，OpenAI从多模态基准测试测试CharXiv的提示词中移除了所有图像，结果发现OpenAI o3仍有86.7%的概率对不存在的图像给出自信回答，而GPT-5的这一比例仅为9%。因此，在推理过程中，GPT-5能更准确地识别任务何时无法完成，并清晰说明自身局限，回答更诚实。
GPT-5在指令遵循和智能体工具运用的基准测试中性能优异，能执行多步骤任务、协调不同工具并适应语境变化。在实际应用中，它能更好地处理复杂且动态变化的任务。
GPT-5在复杂前端生成和大型代码库调试方面的性能突出，仅凭提示就创建出美观且响应迅速的网站、APP和游戏。
GPT-5创建的游戏。提示词包括界面色彩丰富并带有视差滚动背景；角色采用卡通风格，看起来生动有趣；目标是跳过障碍物，尽可能长时间地存活。
GPT‑5能帮助用户梳理模糊想法，将其转化为富有感染力的文字，更好地协助用户起草和编辑报告、邮件、备忘录等。在自由形式写作中的指令遵循能力测试中，GPT‑5得分99%。
GPT‑5在自由形式写作中的指令遵循能力测试中的表现。
追求更成熟的工程化产品
目前，GPT-5面向所有用户开放，Plus订阅用户可获得更多使用额度，Pro订阅用户则能访问GPT-5 Pro 版本，该版本具备扩展推理能力，可提供更全面精准的回答。
刘兴亮表示，此次GPT-5直接变成ChatGPT默认款，会根据任务自动决定“快答”还是“深想”，也能手动切到“GPT-5 Thinking/Pro”实现更长推理。GPT-5面向所有用户开放，付费用户只是额度更高，同时上线语音升级、学习模式，以及接入了Gmail、日历等“生活插件”，总体来看就是少折腾“菜单”，多交付结果。商业层面上，GPT-5更像一台利润引擎，铺开给全体用户，押注企业用量放大。
“大家需要的是一个专业化的产品，并不是一个聊天搭子。”田丰表示，OpenAI正朝着典型的产品型公司发展，GPT-5和GPT-4的最大区别是产品越做越好，而医疗、编程等领域对AI产品的要求就是严谨。“OpenAI非常明确，它并不是在科研领域追求AGI，而是在产品领域追求一个更成熟的工程化产品。这和谷歌DeepMind的路完全不一样。”
田丰表示，未来新模型将更多承担营收任务。尽管B端行业是OpenAI的营收重点，但OpenAI期望在C端产品层面打造出AI原生应用的爆款工具，“To C的估值显然要比To B大很多。”
在GPT-5发布前，OpenAI推出自GPT-2以来的首批开源权重语言模型gpt-oss-120b与gpt-oss-20b，可在高端笔记本和手机上运行。田丰表示，OpenAI的目标一直是在闭源模型领域做到最强，最近的开源是一个“别扭”的举动。OpenAI并未将最强大的基础模型开源，而是开源出端侧小模型，这并不能支撑起开源大生态，开发者无法大范围二次开发。
8月9日，宇树科技创始人、CEO王兴兴在北京举行的世界机器人大会上，谈及当前智能机器人暂时还没得到大规模应用的技术障碍时表示，最大的挑战是模型。“现在对具身智能和机器人来说，AI模型完全不够用，这也是限制当前人形机器人大规模应用最大的卡点。”此外，王兴兴对目前机器人公司选择的常用技术路线VLA模型架构持怀疑态度。
王兴兴在2025世界机器人大会上的发言
VLA模型指的是Vision-Language-Action Model（视觉－语言－动作模型），可以把它理解为——让机器“看得懂、听得懂，并且能动起来”的一种AI模型，强调像人一样，从感知环境到自主决策并采取一定的行动。
王兴兴认为，对于VLA模型，目前在真实世界交互中，数据采集的质量和数量都不足，即便在VLA模型基础上加入Reinforcement Learning（强化学习训练），仍不够用，模型本身还需要进一步升级和优化。
“目前机器人大模型类似于处在ChatGPT出来前的一到三年。”王兴兴称。
什么时候才能达到机器人GPT时刻？
王兴兴认为，如果有一天，我们带一台机器人到一个它此前从未去过的环境，随便给它一个指令，譬如“把这瓶水递给某位观众”或“帮忙整理一下这个房间”，它就能顺畅、自主地完成任务。那时就接近机器人的“GPT时刻”了。
今年5月，谷歌在I/O 开发者大会上正式发布了新的世界模型Veo 3，这是其首款能够同步生成音效（包括环境音与对话）的AI视频生成模型。
王兴兴认为，谷歌这条视频生成路线技术的收敛速度和成功概率可能会比VLA模型更高，但仍然面临还有很多挑战。其中一个主要问题是，视频生成模型过于关注画质，导致GPU消耗非常大。
另外，王兴兴指出，目前还面临的一个大问题是，如果要进一步提升机器人模仿学习的能力，必须解决Scaling law，而这一点目前行业做得并不好。“最简单的例子是，当我训练机器人执行一个新动作，比如学一支新舞或完成一项新任务时，往往需要从零开始训练，这非常低效。理想情况下，新的训练应该基于已有训练成果，让训练速度越来越快，学习新技能的效果越来越好。”
王兴兴指出，这是一个非常值得深入研究的方向，Scaling law在语言模型上的成功已经得到验证，但在机器的运动控制上，大家做的还只是刚刚开始，他建议可以关注这方面的研究。
王兴兴表示，在未来两到五年，除了更低成本、更高寿命的硬件之外，机器人的技术核心仍将是端到端的具身智能AI模型。
8月6日，2025未来科学大奖获奖名单揭晓。
季强、徐星、周忠和获得“生命科学奖”，以表彰他们发现了鸟类起源于恐龙的化石证据；方忠、戴希、丁洪获得“物质科学奖”，以表彰他们在拓扑电子材料的计算预测以及实验实现方面做出的贡献；卢志远获得“数学与计算机科学奖”，以表彰他在非易失性半导体存储单元密度、器件集成度和数据可靠性领域的发明和引领的贡献。
未来科学大奖成立于2016年，是由科学家、企业家群体共同发起的民间科学奖项。旨在奖励在中国（含港澳台地区）取得杰出科学成果的科学家，以创新模式带动更多民间资金推动中国基础科学的研究，促进科学事业发展。未来科学大奖目前设置“生命科学奖”“物质科学奖”和“数学与计算机科学奖”三大奖项。奖项以定向邀约方式提名，并由优秀科学家组成科学委员会专业评审，秉持公正、公平、公信的原则，保持评奖的独立性。截至目前，未来科学大奖共组织10次评奖，共46人获奖。
肥胖是一项成因复杂的慢性代谢性疾病，是导致糖尿病、脂肪肝、心脑血管疾病等一系列疾病的重要病因或危险因素。近日，我国科学家开发的一款减重降糖药物的临床研究成果在《新英格兰医学杂志》发表，这也是我国代谢新药研究成果首次入选这一国际临床医学期刊。研究显示，玛仕度肽在临床试验中帮助中国肥胖人群实现显著减重，并展现出了良好的安全性，为肥胖及代谢疾病治疗提供了全新路径。
这一研究项目牵头人北京大学人民医院内分泌科主任纪立农教授介绍，该款减重降糖药物玛仕度肽，属于胰高血糖素（GCG）/胰高血糖素样肽-1（GLP-1）双受体激动剂。该研究共入组610例肥胖或超重、并伴有至少一种肥胖相关并发症的受试者，随机接受玛仕度肽4mg、6mg和安慰剂，每周一次、皮下注射给药48周。研究结果显示，相较安慰剂，各剂量玛仕度肽均可显著降低体重，以及血压、血脂（甘油三酯、总胆固醇和低密度脂蛋白胆固醇）、血尿酸、转氨酶水平等心血管代谢指标，其耐受性和安全性总体良好。
这一研究成果，不仅为超重和肥胖人群带来了新的治疗选择，更向全球代谢疾病领域输出了源自中国的创新诊疗范式。
肥胖是一项成因复杂的慢性代谢性疾病，是导致糖尿病、脂肪肝、心脑血管疾病等一系列疾病的重要病因或危险因素。近日，我国科学家开发的一款减重降糖药物的临床研究成果在《新英格兰医学杂志》发表，这也是我国代谢新药研究成果首次入选这一国际临床医学期刊。研究显示，玛仕度肽在临床试验中帮助中国肥胖人群实现显著减重，并展现出了良好的安全性，为肥胖及代谢疾病治疗提供了全新路径。
这一研究项目牵头人北京大学人民医院内分泌科主任纪立农教授介绍，该款减重降糖药物玛仕度肽，属于胰高血糖素（GCG）/胰高血糖素样肽-1（GLP-1）双受体激动剂。该研究共入组610例肥胖或超重、并伴有至少一种肥胖相关并发症的受试者，随机接受玛仕度肽4mg、6mg和安慰剂，每周一次、皮下注射给药48周。研究结果显示，相较安慰剂，各剂量玛仕度肽均可显著降低体重，以及血压、血脂（甘油三酯、总胆固醇和低密度脂蛋白胆固醇）、血尿酸、转氨酶水平等心血管代谢指标，其耐受性和安全性总体良好。
这一研究成果，不仅为超重和肥胖人群带来了新的治疗选择，更向全球代谢疾病领域输出了源自中国的创新诊疗范式。
