10月27日至28日，首届天桥脑科学研究院AI驱动科学研讨会在美国旧金山举办。三位诺贝尔奖得主、斯坦福大学荣誉校长等20多位全球顶尖学者和产业领袖，共同探讨AI如何驱动科学发现。

盛大集团和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，支持全球科学家的创新人工智能研究。他表示：“人类的进化从未停止，只是方式改变了。今后人类进化将主要依靠AI。”

陈天桥：发现式智能是真正的通用人工智能

本次会议由天桥脑科学研究院与加州大学伯克利分校计算、数据科学与社会学院联合举办。陈天桥表示，AI的终极价值是发现。发现式智能可以主动构建关于世界的可检验理论模型（testable world models）、提出可被证伪的假说（falsifiable hypotheses），并在与世界的交互与自我反思中持续修正其理解框架的智能，这是真正意义的通用人工智能。

陈天桥认为，发现式智能能提出问题而非只回答问题，能理解规律而非仅预测结果，它超越了模仿，具备创造和发现这些智慧的本质能力，让通用人工智能（AGI）的意义不再是“取代人类”而是“进化人类”。

为帮助全球科学家推进发现式智能研究，陈天桥在会上宣布了多项特别针对青年科学家的支持，包括为博士生和博士后提供独立途径，建立以自己命名的实验室等。

奥马尔·亚基： AI成为新的科学思维体

一个零能耗的便携式取水装置，被放置在空气湿度不到15%，极其炎热的美国沙漠“死亡谷”中，很快成功从大气中取到了饮用水。这个堪称旅行者救命稻草的神器，是由ChatGPT分子优化编辑设计的材料制成。新晋2025年诺贝尔化学奖得主、加州大学伯克利分校的奥马尔·亚基（Omar Yaghi）教授分享了这一最新成果。

“AI不是工具，而是新的科学思维体。借助人工智能，我们正在赋予科学自行思考、推理和演进的能力。”奥马尔·亚基说。

除了AI设计的沙漠取水神器，奥马尔·亚基和团队基于ChatGPT创建的七个Agents组成虚拟科研团队，分工执行实验设计、文献检索、算法优化、实验安全与数据分析等任务，在几天内完成了上百次实验，成效显著。同时，他们训练ChatGPT阅读数千份合成报告并进行推理，证明该模型的预测性能优于许多传统启发式方法，ChatGPT从一个文本生成器演变成一个科学推理引擎。

戴维·贝克：AI逆转生命密码

2024年诺贝尔化学奖得主、华盛顿大学的戴维·贝克（David Baker）教授分享了AI如何“从头设计”蛋白质工程领域。他介绍了其团队开发的RFDiffusion3模型，这是一种能够在三维结构空间中进行运算的先进生成式AI模型。研究人员仅需输入期望的分子功能，该模型便能生成具有相应功能的新型蛋白质的精确三维结构蓝图。

基于这一技术，团队已取得多项突破性成果：在神经退行性疾病研究方面，设计出能特异性捕获β-淀粉样蛋白的新型肽类结合物，为阿尔茨海默病干预提供新策略；在酶工程领域，成功开发了首个“从头设计”的蛋白酶。

贝克教授指出，AI模型的快速发展高度依赖于一个与实验数据紧密耦合的“反馈闭环”。他强调，一个高效的“设计-构建-测试-学习”迭代循环是必不可少的：AI进行预测设计，实验室进行快速验证，而实验产生的数据都将即时反馈给模型，用于优化算法参数。

珍妮弗·道德纳：AI开启个性化基因治疗时代

一种利用CRISPR技术开发的镰状细胞病（sickle cell disease）基因疗法，已于近期获得美国食品药品监督管理局的批准，首个“个性化”的CRISPR基因编辑疗法也已成功实施。2020年诺贝尔化学奖得主、加州大学伯克利分校的珍妮弗·道德纳（Jennifer Doudna）教授在演讲中分享了这些突破性进展。

珍妮弗·道德纳回顾了从在细菌中发现CAS核酸酶（Cas nuclease）到最终促成CRISPR基因编辑技术诞生的完整历程，同时指出该领域面临的巨大挑战：尽管CRISPR技术无比强大，但即使是在最简单的生物体中，仍有高达 40%的基本基因的功能至今仍是未解之谜。极大阻碍了基因编辑技术向更纵深领域的推进。

珍妮弗·道德纳强调，生物学领域的数据是有限的，为生物学构建有效的机器学习模型，需要“经过精心策划的、包含因果关系的数据集”。为此，她提出了CRISPR与机器学习的协同进化，可以利用CRISPR技术在细胞系中系统性地制造“基因扰动”（gene perturbations），从而大规模、高效率地筛选并鉴定每个基因的具体功能。这为构建因果数据集提供了关键工具。

约翰·轩尼诗：人类必须守住关键决策权

人工智能正以前所未有的方式席卷全球，在不到一年的时间里就达到了50%的美国家庭普及率，而个人电脑实现同一数字花费了数十年时间，智能手机也用了10多年。图灵奖得主、斯坦福大学第十任校长暨现任Alphabet（谷歌母公司）董事长约翰·轩尼诗（John Hennessy）在题为“AI赋能科学与社会”的演讲中强调了这一惊人现象。

约翰·轩尼诗指出面对AI技术浪潮人类应共同坚守的关键原则：在使用AI或与AI协作完成工作时，必须保持“透明的披露”；必须严格验证AI生成的内容；对于AI合成的数据必须建立详细的文档记录。他特别强调，在涉及人工智能关键决策时，人类绝不应被排除在外。

约翰·轩尼诗也分享了两个担忧。一是数据的质量与数量。以AI模型目前惊人的数据消耗速度，全球现有的数据存量可能在4到5年内被耗尽，未来数据生成速度能否跟上大型AI模型训练的步伐。二是关于能源效率。与算力的迅猛增长相比，计算的“能源效率”提升速度则要缓慢得多。

据悉，研讨会还举行了“AI 驱动科学大奖”（Chen Institute & Science Prize for AI Accelerated Research）颁奖典礼，上一年的三位获奖青年科学家现场分享了研究成果和获奖心得。