10月29日，首届“天桥脑科学研究院AI驱动科学研讨会”近日在美国旧金山召开。来自全球的三位诺贝尔奖得主、斯坦福大学荣誉校长暨Alphabet董事会主席约翰轩尼诗、以及二十余位顶尖学者与产业领袖齐聚一堂，共同探讨“AI如何推动科学发现”的新范式。

盛大集团与天桥脑科学研究院创始人陈天桥在会上宣布，将投入10亿美元算力支持全球科学家的“发现式智能”研究。他提出，AI的价值不应止于生成与模仿，而在于主动构建可被验证的世界模型、提出假说并不断修正理解框架的“发现能力”。陈天桥指出：“AI的终极目标不是取代人类，而是帮助人类进化。”

陈天桥将当前AI发展的“规模路径（Scale Path）”与“结构路径（Structure Path）”进行了对比，认为后者才是通往真正智能的关键。他提出构建发现式智能需要具备神经动力结构、长期记忆、因果推理机制、世界模型和元认知系统五大能力。为加速研究落地，他还宣布推出面向青年科学家的“结构性算力支持”“基准测试体系”及“PI孵化器”等项目，并强调“改变智能的下一个算法，可能诞生在年轻科学家的笔记本电脑上。”

2025年诺贝尔化学奖得主、加州大学伯克利分校教授奥马尔亚基（Omar Yaghi）展示了AI在材料科学领域的最新突破。他团队借助ChatGPT的分子优化能力，成功设计出一种能在空气湿度低于15%的“死亡谷”沙漠中从大气取水的便携装置。他提出“AI正在成为新的科学思维体”，并展示了一个由七个AI智能体组成的虚拟科研团队，能够分工执行实验设计、算法优化等任务，在数天内完成上百次实验，实现从无定形到高结晶材料的转变。

2024年诺贝尔化学奖得主、华盛顿大学教授戴维贝克（David Baker）分享了AI在蛋白质工程领域的革命性进展。其团队开发的RFDiffusion3模型可在三维结构空间中“反向设计”蛋白质，实现从功能到序列的逆向生成，为阿尔茨海默病等疾病研究提供了新路径。贝克强调，AI驱动的科研需要形成“设计—验证—反馈—优化”的闭环，让模型与实验数据相互促进。

而2020年诺贝尔化学奖得主、伯克利教授珍妮弗道德纳（Jennifer Doudna）介绍了CRISPR基因编辑技术与AI结合的最新成果。她指出，AI可通过学习基因扰动数据，帮助科学家系统性理解未知基因功能，从而推动个性化基因治疗的到来。她强调：“科学的下一步突破，将来自AI与因果数据的结合。”

Alphabet董事会主席约翰轩尼诗（John Hennessy）则从宏观角度反思AI的社会影响。他指出，AI的普及速度远超个人电脑与智能手机，但人类必须“保留关键决策权”，在AI生成内容的使用中保持透明、可验证与可追溯。他还警告称，全球数据可能在几年内被AI训练耗尽，而算力的能源效率提升尚未跟上其增长速度。

大会最后，组委会颁发了“AI驱动科学大奖（Chen Institute & Science Prize for AI Accelerated Research）”，多位青年科学家展示了他们基于AI的前沿研究成果，显示出AI驱动科学在多个学科中正在形成新的范式。