2025年12月13日，由天桥脑科学研究院（中国）、中国神经科学学会脑机接口与交互分会、上海市医学会脑机融合与神经调控分会联合主办的年度学术盛会——“天桥脑科学研究院脑机接口与人工智能论坛暨中国神经科学学会脑机接口与交互分会年会”在上海图书馆（东馆）阅剧场成功举办。本次论坛以“从脑机接口到脑机共生”为核心主题，汇聚了跨学科顶尖智慧，系统展示了从前沿探索到临床转化的最新成果，标志着我国在类脑智能与脑机接口融合领域迈出了坚实一步。

本次会议邀请到了广东省智能科学与技术研究院院长张旭院士、天桥脑科学研究院创始人雒芊芊女士、复旦大学附属华山医院院长毛颖教授、上海脑虎科技有限公司创始人兼首席科学家陶虎教授等十六位专家学者参与盛会。

张旭院士（中国科学院院士、广东省智能科学与技术研究院院长）以《人脑智能与类脑智能》为题，阐述了类脑智能作为新一代智能范式的核心理念与战略意义。张院士指出，当前人工智能面临算力瓶颈、能耗过高与理论依赖性强等挑战，类脑智能并不是模仿大脑，而是以大脑为第一性原理，构建一种能够自我学习、自我演化，并形成认知结构的新型计算方式。类脑智能依托人脑低能耗、高并行、强学习的内在优势，正从解决现有神经科学存在的痛点，迈向新的系统性突破。

毛颖教授（复旦大学附属华山医院院长）在本次论坛中，深入探讨了人工智能（AI）与脑机接口（BCI）两大前沿技术的交汇融合趋势。他从人工智能自图灵测试至生成式AI的发展脉络切入，系统回顾了脑机接口从实验室走向临床应用的历程，特别强调了其在运动功能康复、语言信号解码等领域的实质性突破，并分享了华山医院在该领域领先的临床实践经验。

报告重点剖析了AI与BCI的“双向赋能”关系：一方面，神经科学机制为构建更强大的AI模型提供了关键启发；另一方面，AI技术正成为解码大脑信号、加速脑机接口发展的核心工具。毛颖院长展望，未来更精准、智能、微创的脑机接口技术，不仅将深刻变革医疗健康领域，更将在更广阔的智能生活场景中开启前所未有的可能性，重塑人机交互的未来范式。

计海庆研究员（上海社会科学院哲学研究所）在报告中聚焦于“人类增强”技术伦理研究中的核心概念辨析问题。他指出，理解“增强”的关键应立足于医学伦理框架，在与“治疗”概念的对勘关系中把握其本质——即“增强”是一种不以恢复身体功能为目的，而是旨在提升人体某种素质或能力的干预措施。

计海庆进一步阐明，仅依靠定义无法完全消解“增强”与“治疗”在描述性与规范性之间的张力。无论是基于疾病说、功能模型说还是专业领域说的传统区分方式，均难以与公众对二者既有的价值判断完全契合。因此他认为，伦理研究需超越“增强vs治疗”的简单二分，突破医学伦理的范畴，将讨论置于更丰富的社会场景与政策视野中，从而更深入地应对技术增强所带来的多元伦理挑战。

李国齐研究员（中国科学院自动化所）在报告中指出，当前基于Transformer架构的大模型受限于其二次方计算复杂度，在Scaling Law的驱动下已面临可持续性挑战。他强调，需从脑科学中汲取灵感，设计新一代大模型的基础架构与计算范式，以推动人工智能向通用智能持续演进。

李国齐聚焦于树突脉冲神经网络这一脑启发方向，结合其团队科研进展，系统阐述了构建低功耗、高性能类脑脉冲大模型所需解决的关键科学问题。他提出，通过探索基于脉冲神经网络的新架构，不仅可实现更高效能的计算，更将推动“脑科学启发人工智能”与“人工智能反哺脑科学研究”的双向赋能，为突破当前AI发展瓶颈开辟一条受生物智能启发的可持续路径。

唐华锦教授（浙江大学）从当前人工智能发展的现状与挑战出发，深入探讨了脑科学与类脑研究如何推动人工智能实现范式转变。他指出，神经科学对海马体和内嗅皮层等脑区的研究，揭示了记忆、空间认知等高级认知功能的神经机制，这对构建新一代通用计算架构具有重要意义。

唐教授重点介绍了大脑潜在的通用计算模式与架构，包括感知、学习、决策等功能背后的神经环路机制，以及神经元集群如何编码、计算与推理空间及概念信息。他结合团队在模拟生物智能方面的研究进展，展望了未来基于类脑计算机制发展具身智能系统的可行路径，为突破当前AI范式、实现更接近生物智能的机器认知提供了理论依据与技术方向。

郑骁庆副教授（复旦大学计算机学院）围绕构建高效能、低功耗且具备生物可信度的类脑智能系统展开报告。他指出，在深度学习模型规模持续扩大的背景下，脉冲神经网络（SNN）凭借其稀疏激活与事件驱动的特性，成为实现高性能、低能耗计算的重要方向。

郑骁庆重点介绍了团队在脉冲神经网络高效训练方法上的探索，包括面向语言与时序任务的词向量脉冲表示、时序预测框架及脉冲位置编码等技术。同时，他从生物可行性约束出发，提出了基于锥体神经元树突可塑性的局部学习规则，并在权重非对称性、局部误差信号等五项严格条件下，构建了整合感知-决策与记忆-重现双向过程的脉冲神经网络学习方法。该研究为类脑学习算法、神经形态硬件与脑机接口系统的发展提供了兼具理论创新与实践价值的参考路径。

陶虎研究员（上海脑虎科技有限公司创始人兼首席科学家）在报告中指出，大脑作为自然界最复杂的智能系统，是理解认知与行为机制的关键所在。他强调，脑机接口技术作为连接大脑与外部设备的核心桥梁，不仅是国际脑科学前沿研究的重要工具，更是实现“认识脑、保护脑、修复脑、增强脑”目标的关键技术路径。

陶虎展示了最近数年的研究成果，系统介绍了在运动控制、语言合成等多个维度的脑机接口技术进展，展示了该技术在神经功能监测与调控方面的应用潜力。基于当前科研与产业化实践，他对脑机接口的未来发展作出展望，指出该技术将继续朝着更高精度、更强融合、更广应用的方向演进，为人类健康与智能增强开辟全新可能。

刘景全教授（上海交通大学全国重点实验室主任）在报告中系统阐述了脑机接口（BCI）技术中核心器件的关键作用。他强调，作为实现大脑与外部设备直接交互的基础，脑机接口器件的发展对神经科学研究、生物信息学及人机交互领域具有重要意义。

刘景全重点介绍了其课题组在硅基脑机接口器件与系统方面的系列研究进展，包括植入式无源器件如犹他微针电极、多通道密西根电极，以及基于堆叠集成和光电态集成的创新器件；同时，他也展示了有源硅基BCI器件的研究成果，特别是MEMS器件与专用集成电路（ASIC）原位集成的前沿工作。此外，刘教授还分享了器件表面改性及动物实验的相关研究，并基于其科研实践，对脑机接口技术的未来发展提出了建设性展望。

许敏鹏教授（天津大学医工院副院长）在报告中，首先阐明了脑-机接口作为连接中枢神经系统与外部设备的交互系统，在替代、增强或改善神经功能方面具有重要作用，并指出其在科学研究、临床康复及日常生活中的广泛前景。他系统回顾了无创脑机接口数十年来的发展历程，强调其在范式设计、算法优化与硬件创新方面的持续进步，推动了整体性能的显著提升。

许敏鹏重点介绍了天津大学神经工程团队在无创脑机接口领域的最新研究成果及其在多类场景中的应用实践。他展示了团队在信号采集、解码算法与系统集成等方面的关键技术突破，并指出这些进展将进一步促进脑机接口技术的深入研究和应用开发，为未来实现更高效、更普适的神经交互系统奠定基础。

单春雷教授（上海交通大学医学院康复学院院长）在报告中指出，脑机接口虽为神经系统损伤后的功能康复提供了创新手段，但其临床转化仍面临显著挑战。他着重分析了当前领域存在的核心矛盾：工程研发与临床实际需求的脱节，以及技术通用性与康复个体化、科学性之间的错位。

单春雷强调，推动脑机接口在康复领域真正落地，亟需打破学科壁垒，构建工科与康复医学深度融合的协作机制。他提出应围绕具体临床问题开展技术优化，实现脑机接口对不同患者与康复场景的精准适配，并积极探索脑机接口与传统康复训练、神经调控等技术的多模态融合策略，以协同促进神经重塑与功能恢复。单教授指出，针对特定障碍（如失语症）研发专用脑机接口范式，并完善临床转化体系与跨学科人才培养，是进一步提升脑机接口康复疗效与应用价值的关键路径。

丘志海研究员（广东省智能科学与技术研究院）在报告中指出，超声脑机接口（uBCI）凭借其高空间分辨率与非侵入性的显著优势，正在成为下一代脑机接口技术的核心发展方向。他系统阐述了实现uBCI所依赖的三大关键技术路径：高灵敏度功能超声成像（fUSI）用于神经活动监测、高精度超声神经调控技术，以及基于成像与调控结合的闭环神经调控系统。

丘志海进一步分析了上述技术在构建高性能、便携化神经接口过程中面临的主要挑战，包括信号解码效率、调控特异性、系统集成度与实时性等问题。他强调，克服这些挑战将推动超声脑机接口从实验室走向应用，为未来开发更安全、更精准、更实用的新一代脑机交互系统开辟重要路径。

刘冰副研究员（中国科学院自动化研究所）在报告中系统介绍了其团队在植入式脑机接口视觉重建方向上的突破性进展。他表示，团队以推动脑机接口从实验室走向临床、实现盲人功能性视觉重建为明确目标，致力于攻克高分辨率神经信号解码与编码关键技术，引领生物医学与人工智能的深度融合创新。

刘冰重点展示了团队已实现的毫秒级延迟实时闭环“脑机融合”动态调控系统。该系统集成了无线供能与数据传输功能，并创新性地应用了“脑机双学习”自适应编码框架，实现了外部人工智能模型与大脑视觉皮层的协同学习与双向适应。他同时宣布，团队已完成国际首例通过电刺激诱发受试者对定量化复杂图形（如方形、圆形）及特定颜色产生清晰、稳定光幻视感知的临床研究者发起试验（IIT），标志着该技术在视觉重建领域迈出了关键一步。

柳昀哲教授（北京师范大学、北京脑科学与类脑研究所）在报告中揭示了睡眠在认知整合与推理形成中的关键作用。他通过实验研究发现，相较于安静观看视频的对照组，经历90分钟午睡的参与者能够建立更优的逻辑推理能力，尤其是对远距离关联的推断更为准确，且在层级认知任务中对“中心”项目的定位显著提升。

研究进一步通过脑磁图（MEG）观测发现，仅在非快速眼动睡眠阶段，大脑会持续且更精确地重演这些“中心”项目，而该重演过程的强度与精度可有效预测受试者在推理任务中的表现提升。这一成果从神经机制层面证实，睡眠中的记忆重演是大脑整合信息、形成新推理关系的重要过程，为理解睡眠如何促进高阶认知提供了实证依据。

Federico Corradi助理教授（荷兰埃因霍温理工大学）在报告中指出，脉冲神经网络（SNNs）虽在时空数据的高效能处理方面具有潜力，但其训练仍面临时空信用分配非局部性的关键挑战。为突破这一局限，其团队提出了两种互补的创新方法。

“前向传播时间”方法通过结合动态正则化的瞬时风险优化，显著减少了对时间依赖性的要求，从而降低了训练所需的内存与同步开销。其次，“迹传播”方法提出了一种完全局部、仅前向的学习规则，通过结合神经元层级的合格迹与分层对比目标，实现了无需反向传播或辅助矩阵的可扩展训练。这两类方法在事件驱动基准任务上达到了具有竞争力的精度，并支持高效的设备端自适应学习，为在边缘侧实现高能效、低内存占用的神经形态计算开辟了可行路径。

袁春教授（清华大学深圳国际研究生院）在报告中指出，脑电信号作为大脑活动的直接反映，为实现“思想到图像”的生成提供了可能，但面临噪声大、信息稀疏等核心挑战。袁教授重点介绍了其团队在“脑电信号生成高质量图像”方面的关键技术突破。团队将预训练的文本-图像扩散模型与脑电信号编码器相结合，通过跨模态对齐技术，使模型能够从低信噪比的脑电信号中解码并生成语义匹配、细节丰富的图像。这项研究为实现基于脑电的便携式、低成本“读心”成像技术奠定了基础。

袁春教授进一步展望，将脑电信号作为新模态融入多模态大模型，是未来重要方向。这类技术不仅有助于深入理解大脑的视觉表征机制（AI for Brain），更能开创从思维直接到创造的全新人机交互范式（Brain for AI），在神经科学研究、医疗康复与创意交互等领域具有广阔前景。

本次“天桥脑科学研究院脑机接口与人工智能论坛暨中国神经科学学会脑机接口与交互分会年会”于2025年12月13日在上海圆满落幕。论坛以“从脑机接口到脑机共生”为主题，汇聚了来自顶尖科研机构、临床医院与前沿企业的领军学者，围绕技术突破、临床转化与伦理思考展开了深度对话。

会议集中展示了我国在该领域的系统性进展：在科学前沿层面，张旭、李国齐、唐华锦等学者提出了受脑科学启发的下一代智能计算范式与架构；在技术创新层面，陶虎、刘景全、许敏鹏、丘志海等专家报告了在植入式/无创器件、超声接口等方向的关键突破；在临床落地层面，毛颖、单春雷、刘冰等团队分享了在运动功能重建、语言解码、视觉恢复及康复医学中取得的实质性成果。同时，计海庆研究员对技术伦理的前瞻探讨，以及柳昀哲、Federico Corradi、袁春教授等在神经解码与生成模型上的交叉研究，共同勾勒出一幅技术驱动下“认识脑、修复脑、增强脑”的完整未来图景。

此次盛会不仅是前沿成果的集中展示，更是推动“产学研医”融合、共塑未来发展战略的重要平台。与会专家一致表示，在迈向“脑机共生”的愿景中，持续的多学科协同创新与审慎的伦理规划，将是推动该领域健康发展、最终惠及人类社会的关键。

人工智能能够为人类最隐秘的精神世界带来怎样的福音？一场关于技术、伦理与人文关怀的深度头脑风暴正在展开。

12 月 6 日，由天桥脑科学研究院与国家精神疾病医学中心/上海市精神卫生中心联合主办的“2025 人工智能与精神健康生态大会”在上海市宛平南路 600 号举办。本次大会以“生态”为核心，不仅汇聚了全球顶尖的脑科学与 AI 专家，更首次打通了学术研究、临床应用、产业投资与伦理治理的完整闭环，标志着 AI 赋能精神健康从单点技术突破迈向生态化集群发展的新阶段。

“AI 用于自动驾驶，早一年晚一年或许差别不大；但用于精神健康，早一年就能够挽救数百万个家庭于痛苦之中。” 天桥脑科学研究院创始人雒芊芊女士在开幕致辞中表示。她回顾了研究院与上海精神卫生中心自 2021 年共建人工智能与精神健康前沿实验室以来的合作历程，并重点介绍了“灵溪”项目的最新突破：该项目已采集超过 5000 例抑郁焦虑真实问诊音频数据，开发的 AI 模型情绪识别准确率接近 90%，综合诊断准确率接近 80%。雒芊芊强调，研究院正在提倡的“发现式智能”，指出能够发现的 AI 才是真正的通用人工智能。在 AI 驱动科学的探索中，AI 与精神健康始终是关注的重中之重。

国家精神疾病医学中心主任、上海市精神卫生中心院长赵敏教授在致辞中指出，今年是国家“人工智能+”行动计划与卫健委“儿科与精神卫生服务年”的交汇点。上海精中已将数字化与智慧化作为“十五五”规划的重点，通过建设精神科问诊语音数据库等举措，致力于打造从研究到转化的 AI 医疗生态。

在上午的学术与 AI 技术主论坛上，多位专家展示了 AI 在精神健康领域的硬核突破，核心聚焦于多模态数据融合与大模型的垂直应用。

哈尔滨工业大学秦兵教授分享了“大模型情感感知与认知调控”的最新进展。她展示了大模型+心理学理论的融合路径，通过多智能体协作模拟专家会诊，开发了面向青少年的共情对话系统和面向医疗问诊的巧环系统，实现从被动回应到主动认知干预。

上海纽约大学 Katie Aafjes-van Doorn 教授直击传统问诊依赖主观量表的痛点，提出了基于 AI 的多模态测量方案。通过捕捉面部微表情、语音语调及生理信号，AI 在汉密尔顿抑郁/焦虑量表的评分预测上已达到甚至超过人类评估者的一致性，进一步推动精神健康向“计算科学”转型。

清华大学黄民烈教授介绍了基于大模型的心理访谈系统。其团队开发的“聆心智能体”已在全国多地学校落地，4 天内完成 15 万人的心理筛查，并成功识别出潜在危机案例。他提出的“AI 双师课堂”模式，利用 AI 辅助教师进行个性化心理教学，有效解决了心理服务资源稀缺与分配不均的难题。

上海市精神卫生中心陈剑华教授深度解析了灵溪项目在多模态诊疗模型上的突破。该项目基于真实的临床问诊对话数据，构建了融合基于大语言模型的文本症状特征提取与声学特征等的可解释性统计模型。他特别提出了大语言模型精神科问诊中的症状与共情本体双轨框架，不仅关注精准的症状识别，更引入了情感支持与共情表达维度，显著提升了 AI 在复杂诊疗场景中的可靠性。此外，团队还利用该技术生成了 MDD-5k 标准化患者模型，用于模拟真实的医患互动。他强调，AI 的定位是超级辅助，而非完全替代人类医生的情感关怀。

香港大学 Benjamin Becker 教授与上海交通大学吴畏教授分别从神经影像和脑电（EEG）角度探讨了生物标志物的临床转化。Becker 教授展示了利用 AI 解码大脑活动以预测情绪状态，并快速筛选如催产素、血管紧张素阻断剂等潜在治疗药物的创新路径。吴畏教授则强调了开发高信度、可解释且低成本的疗效预测生物标志物对于实现个体化精准治疗的重要性。

主论坛的圆桌讨论环节由北京大学周程教授主持，李涛、成素梅、肖月、黄民烈、吴梦玥等专家围绕“诊疗模型开发中的价值对齐及其伦理考量”展开了激烈交锋。

专家们认为，精神健康领域存在“小市场、大需求”的矛盾。AI 的发展不应旨在替代医生，而是作为增效工具。讨论特别强调了价值对齐的重要性——AI 不仅要理解医学知识，更要理解人类的情感与社会文化背景，避免在互动中产生误导或成瘾依赖；应建立集中控制与分布式创新相结合的治理框架，确保技术向善。

本次大会不仅是学术的盛宴，更是生态和产业的催化剂。作为大会的重点创新单元，首届“人工智能与精神健康合成数据大赛”吸引了全国 110 多支团队参与。在决赛答辩现场，6 支脱颖而出的团队就高质量精神健康数据的生成与应用进行了最终展示，根据评委打分后决出名次：

1. 一等奖：华东理工大学“X-D Lab 心动实验室”团队
2. 二等奖：清华大学“冰智”团队、华东师范大学“试试就能”团队
3. 三等奖：中国人民大学“MentaLink”团队、大连理工大学“DUTIR-BioNLP”团队、上海精中与复旦大学“Chat Therapy”团队

在下午的分会场活动中，来自 AI 智能体、AI 预问诊、AI 陪伴、数字疗法等多个赛道的 11 个创业团队进行了精彩路演。中平资本、红杉中国、上国投等知名投资机构负责人与医疗专家共同评审，旨在发掘具有临床价值与商业潜力的创新项目，加速科研成果的落地转化。最终普百思、阁楼 Glowe、大脑认知治疗仪分别获得评委评出的一二三名。

作为本次生态大会的重要组成部分，“人工智能在精神健康领域应用的伦理考量”分论坛汇聚了政策、技术、哲学与人类学等多领域的深度思考，旨在为技术狂飙突进的当下注入冷静的理性与人文关怀。与会专家一致认为，在精神健康这一触及人类灵魂最深处的特殊领域，AI 的应用不仅是技术问题，更是复杂的社会与伦理命题。

在政策与治理层面，讨论强调了建立综合价值评估框架的紧迫性。除了传统的安全性、有效性与经济性指标外，“伦理公平性”被提升至核心考量维度。针对不同风险等级的 AI 技术，需构建分级分类的管控机制，并依托高质量数据集与可信数据空间，在释放数据价值的同时严守隐私底线。

在人机关系与哲学反思层面，分论坛深入探讨了生成式 AI 带来的“人工亲密关系”与主体性危机。随着 AI 逐渐成为人类确认自我的“参照者”，业界需警惕技术对情感的操控与异化。专家们指出，尽管 AI 在逻辑推理上日益强大，但因缺乏人类特有的“脆弱性”与“道德情感”，其无法具备真正的实践理性。因此，AI 应被严格定位为增强人类自主性的辅助工具，而非独立的道德主体。技术不应替代真实的人际连接与社会支持，必须在“算法效率”与“人文温度”之间寻找平衡。最终，论坛达成共识：技术创新必须与伦理治理同步，“慢一步”的审慎思考是为了未来走得更远、更稳。

本次大会的成功举办，不仅展示了天桥脑科学研究院和上海市精神卫生中心在“人工智能与精神健康”领域的顶层设计与技术实力，更为学术界、医疗界与产业界搭建了深度合作的桥梁。正如大会所倡导的，通过构建开放、协作、规范的创新生态，AI 之光终将穿透心灵的阴霾，为每一个需要帮助的个体提供温暖而精准的守护。

11 月 17 日，一场主题为“AI 时代的音乐科技与健康”的跨学科盛宴——大圆镜科普系列第一讲在上海音乐学院歌剧院举行。本次会议由天桥脑科学研究院（中国）与上海音乐学院联合主办，汇聚了音乐、人工智能、神经科学与医学领域的专家与艺术家，共同探讨当算法理解旋律、当声音触及大脑，AI 如何重塑艺术的边界，并为人类身心健康谱写全新的乐章。

天桥脑科学研究院创始人雒芊芊介绍了研究院旗下科学传播品牌“大圆镜科普”，秉持科技之大、艺术之圆、哲学之镜的理念，围绕脑科学、人工智能等前沿科技话题，以深入浅出的语言和精美的AIGC视频展现，帮助公众了解科技，拥抱未来。她同时指出，音乐不仅是艺术语言，更正成为重要的疗愈方式。在 AI 技术飞速发展的今天，音乐艺术、医疗、脑科学、人工智能专家的跨界合作，用音乐来造福患者，守护身心健康，前景广阔。

上海音乐学院党委常委、副院长冯磊教授介绍说，上音通过增设音乐人工智能、音乐疗愈等前沿专业方向，构建跨学科人才培养体系，旨在让音乐这一跨越文化的通用语言，在科技赋能下成为连接大脑与健康的桥梁。

作曲家、指挥家，上海音乐学院教授、博士生导师谭盾以《听觉视野与声音科技》为题，为与会者带来了一场充满哲学思辨与艺术想象力的演讲。他以“左耳朵听西方，右耳朵听东方”的个人体验为引，生动阐述了其创作中东西方文化的交融与碰撞。从嵇康的《声无哀乐论》到他在上海朱家角水乐堂听到的巴赫与禅宗早课的共鸣，谭盾教授强调，听觉不仅是生理感知，更是一种“修行”。

在现场，他还展示了使用到人工智能技术的项目成果之一：《声音河流》，通过全景声、虚拟现实等技术，将田野调查中采集的、濒临消失的“声音丝绸之路”上的乐器与故事，与交响乐团融合，创造出前所未有的听觉体验。

 

他认为：“与其说是被科技带领，不如说艺术家一定是触动科技的研究”，艺术家的虚拟想象为科学家开辟了新的天地。同时，他向年轻创作者大声疾呼，必须拥抱科技，否则将“集体失业”。

为了让与会者直观感受音乐与大脑的互动，会议设置了现场 EEG（脑电）采集实验环节。五位志愿者在佩戴脑电设备后，分别聆听了同一首“哭嫁歌”的录音版、现场人声版和 AI 改编版。大屏幕上实时滚动的脑电波形图与脑地形图，清晰展示了不同音乐形态如何激发大脑不同区域的活动，将“当声音触及大脑”这一主题从抽象概念转化为可见的数据波澜，成为连接艺术感性与科学理性的生动注脚。

随后的主旨演讲环节，上海音乐学院音乐工程系主任于阳教授系统介绍了上音在音乐科技领域人才培养模式的实践与创新。他指出，上音构建了“本硕博”贯通的一体化培养体系，涵盖课程建设、科研创新与校企合作等多维度的深度探索。在学科建设上，强调多学科协同发展，推动音乐科技与产业发展深度融合。同时，积极搭建校企合作平台，共建科技创新联合实验室等；与头部领先企业开展深度合作，共同推进音频技术开发、AI数据标注和智能座舱研发等校企联合项目，显著提升了人才培养的质量与实效，形成了教学、科研与社会服务互促共进的良好生态。

上海音乐学院人工智能音乐疗愈重点实验室主任刘灏教授分享了AI音乐疗愈的理论探索及创新实践，他系统介绍了团队在睡眠障碍、抑郁情绪、退行性病变等六大场景的应用研究，并展示了“上海音乐学院人工智能音乐疗愈空间”、“中国声音疗愈地图”等创新项目。其最终目标是依托AI模型与生理数据，为用户生成个性化的“声音疗愈胶囊”，实现精准健康管理。

来自临床一线的专家们提供了坚实的医学佐证。上海市精神卫生中心的丁悦教授则从神经科学视角解读了计算音乐疗法。她的研究通过脑成像技术发现，有效的音乐治疗能增强治疗师与患者间的“神经同步”，而共同聆听音乐则能激活大脑的社交相关脑区，增进群体的情感连接。这为音乐疗愈的互动机制与社会性功能，提供了坚实的科学证据。

上海中医药大学附属岳阳中西医结合医院肿瘤一科（内科）主任龚亚斌教授结合临床实践阐述了声音疗愈在肿瘤科的应用。他展示了音乐疗法在缓解癌症疼痛、改善睡眠方面的确切疗效，并介绍了团队结合中医理论开发的“五行音乐”等创新方案。他强调，音乐疗愈已成为肿瘤综合治疗中不可或缺的一环。

产业界代表、自由量级 CTO 姜涛博士从技术实现的角度，阐述了基于大模型的 AI Agent 能够通过感知、决策与行动的闭环，与用户持续互动，根据其情绪与偏好，动态生成个性化的疗愈音乐，让专业的音乐疗愈能以更便捷的方式触达每一个需要的人。

英国皇家音乐学院的 Aaron Williamon 教授在线上分享了《音乐、大脑与行为》的研究，从表演科学的视角，系统梳理了音乐对人类生理、情绪及社交行为的深远影响，并探讨了“音乐共聆听”场景下的神经同步现象，为音乐的社会性功能提供了科学解释。

会后，嘉宾和参会者们共同前往上海音乐学院人工智能音乐疗愈重点实验室研发的“人工智能音乐疗愈空间”参观，体验音乐疗愈的神奇之旅。

谭盾教授携众多艺术家在朱家角水乐堂上演 “天顶上的一滴水”现场音乐会，获得了参会人员的积极参与、强烈反响和一致好评。

当前，人工智能正以前所未有的速度重塑全球科研范式。为探讨人类与AI如何相互启迪、共同塑造未来，2025年AI驱动科学青年科学家论坛于近期在上海成功召开。本次论坛由天桥脑科学研究院与MiroMind共同主办，汇聚了科学智能、人工智能、神经科学、临床医学等领域的顶尖学者。论坛不仅聚焦AI驱动科学发现的前沿突破，更从神经科学角度，反观人类智慧如何持续为AI发展提供灵感。

“发现式智能”：真正意义上的通用人工智能

论坛重点围绕盛大集团、天桥脑科学研究院创始人陈天桥在AI驱动科学研讨会（AIAS 2025）上提出的“发现式智能”（Discoverative Intelligence）理念进行深入学习与探讨。

“这种能够主动构建可检验理论模型、提出可证伪假说，并通过与世界的互动和自我反思不断修正自身认知框架的智能，才是真正的通用人工智能。”这一全新理念受到了国内外知名学者的拥护与支持，并为青年研究人员提供了深远的灵感与启迪。

▷ 图：参会者观看陈天桥《真正的智能，是能“发现”的智能》主旨演讲

天桥脑科学研究院创始人雒芊芊与《科学》杂志出版社负责人Bill Moran为论坛致开幕辞。

刘铁岩：AI重塑科学探索，突破碳基智能极限

多位知名学者在主旨报告中，从不同视角阐述了AI驱动科学的变革潜力与挑战。

北京中关村学院党委书记、院长，中关村人工智能研究院理事长刘铁岩在主旨报告中指出，科学不仅是知识体系，更是孕育包括人类智能和人工智能在内的智能引擎，而增强后的智能则反过来加速科学进程。刘铁岩通过具体案例，展示了近期AI驱动科学发现领域取得的进展，以及如何遵循科学原理设计更优人工智能的实践。“我们正站在突破碳基人类智能极限的关键节点，通过创造硅基智能开启一个新纪元。未来的图景将是人机协同发现，人类智能与人工智能的合力将持续推动这一良性循环，引领我们走向对宇宙更深刻的认知。”他强调。

▷ 图：北京中关村学院党委书记、院长，中关村人工智能研究院理事长刘铁岩作《科学与智能：相互促进、共同进化》主旨报告。

吴思：AI应借鉴大脑“先天结构”构建世界模型，走“可解释、低功耗”的另一条路

北京大学心理与认知科学学院长聘教授吴思从计算认知神经科学视角，探讨了大脑如何通过海马-内嗅皮层环路构建“世界模型”。他强调，当前主流AI与神经科学不应割裂，而应寻求深度融合。他呼吁学界重视“另一条AI之路”：通过借鉴大脑中固有的先天结构，为AI设计提供可解释、高效且低功耗的新架构，从而实现神经科学与人工智能的双向启发，共同推动智能科学的范式变革。

“我完全同意陈先生的观点。AI作为工具，本质上是为了让人类更好地在世界中生存，是扩展我们认知边界和突破生物能力限制的方式。‘发现式智能’的提出非常及时，如果AI只是机械地替代某些功能，那它的价值就太有限了。AI应该在发现新知识、推动科学发展上对人类有所帮助。”吴思教授对陈天桥提出的“发现式智能”表示支持。

提出问题比预测结果更关键！向“人脑结构与机制”取经，实现10个数量级的能效飞跃

上海交通大学计算机学院清源研究院院长张少霆从生命科学的研究领域探讨了发现式智能的价值。他提到AI的价值可能不只是解决问题，更要学会提出问题：“发现式智能的关键在于提出可证伪的假说，而不是单纯预测结果。在生命科学领域中，AI如果具备提问能力，可能可以进一步推动新的发现。”

中国科学院自动化所李国齐研究员聚焦AI在科学计算领域的高效突破，分享了其团队开发的轻量化Transformer模型。他指出，科学计算需“以问题为导向”的精准设计，避免盲目追求参数量，这种“高效-精准”范式为加速科学发现提供了新范本。

“我是结构路径的坚定支持者。当前AI发展已面临瓶颈，数据面临枯竭而算力终有穷尽，而借鉴大脑的信息处理机制构建新的基础模型和计算架构，是构建可持续驱动当前AI到下一个阶段的关键。”他认为，人脑能效比当前GPU高约10个数量级，这种优势来源于大脑的内在结构，“结构路径现在已经迎来了关键时机，我们有了新的理论和方法，有了先进的大脑探测仪器，有了强大的计算和仿真建模工具，使得这条路径成为可以被验证的现实。”

陆军军医大学脑科学研究室主任谌小维教授分享了记忆神经机制研究的重要发现。他认为“发现式智能”为整个领域提供了新思路。他强调，构建AI长期记忆系统，需借鉴大脑皮层和海马的互动机制，AI应像人类一样，“主动与世界互动，在互动中去感知、探索和发现”。

人机协同：AI终极价值不是“模仿”，而是突破人类“感知与认知”的生物局限

圆桌论坛上，与会专家就科学智能的未来之路及人工智能对科研范式的变革展开深入讨论。专家一致认为，AI的终极目标不应局限于模仿人类，而应聚焦于突破人类在感知、认知与生存环境上的局限，成为拓展人类探索边界的关键赋能者，即构建“发现式智能”。

▷ 图：领袖圆桌论坛上，专家围绕“发现式智能”深入探讨科学智能未来发展方向

专家指出，AI正深度介入科研流程，其作用在于降低领域门槛，赋能跨学科创新。未来的趋势是研究者将更多基于通用基础模型，通过提示和交互来驱动科研，实现从“解题者”到“问题引导者与方案验证者”的角色演变。下一代AI需借鉴大脑的动力学机制、记忆巩固与遗忘规律以及内在动机，以构建真正“存活”的连续自适应系统。

青年圆桌论坛由中国科学院脑科学与智能技术卓越创新中心（神经科学所）高级研究员徐春主持。青年科学家们认为，科研形态将呈现“人机共进”的新范式：人类科学家提出颠覆性假设与核心问题，而AI负责海量信息处理、规律挖掘乃至辅助提出新猜想。同时，专家们寄语青年科研学者，在AI时代，夯实数理基础、培养跨学科思维将比掌握单一技能更为重要。

▷ 图：青年圆桌论坛上，青年科学家以“AI时代的科研范式之变”为题展开热烈讨论

AI实践落地：从精神健康诊断到“梦境重建”，基础大模型正加速生命科学发现

在AI应用实践方面，盛大AI创新中心COO韩云芸与认知科学家耿海洋博士聚焦精神健康领域，通过与上海市精神卫生中心合作，构建了全球最大的精神科诊断对话数据集“灵溪”。在此基础上，团队正开发辅助诊断、问诊模型，并探索AI音乐疗愈、认知行为疗法（CBT）智能体等完整的AI辅助满足精神健康需求的解决方案，并于10月推出2025合成数据大赛（灵溪主题赛），得到了上百支高校科研机构和相关企业的积极报名参与。

据韩云芸介绍，盛大集团EverMind团队即将宣布正式发布其旗舰产品 EverMemOS，这是一款面向人工智能智能体的世界级长期记忆操作系统，旨在成为未来智能体的数据基础设施，为AI赋予持久、连贯、可进化的“灵魂”。近期，EverMemOS在LoCoMo和LongMemEval-S等最主流的长期记忆评测集上，其表现已显著超越此前工作，成为新的SOTA。

▷ 图：盛大AI创新中心COO韩云芸介绍“灵溪”项目及EverMind团队旗舰产品最新成果。

 

天桥脑科学研究院科学计划执行主任李艳则系统介绍了天桥脑科学研究院自成立以来在建设科学生态支持科学家方面所作出的重要贡献，并对青年科学家利用AI推动科学进展寄予厚望。

青年报告环节，多位青年学者展示了他们利用AI在多个科学领域所取得的研究成果。在结构生物学领域，Chai Discovery科学家及创始团队成员、2025年AI驱动科学大奖大奖得主乔卓然博士介绍了统一全原子预测模型NeuralPlex，解决了传统分子对接方法的瓶颈，在药物发现中展现出巨大潜力。

脑科学领域，复旦大学大数据学院付彦伟教授团队开发了能够根据大脑活动信号重建被试者所见图像甚至梦境内容的AI模型。天桥脑科学研究院李芮林研究员聚焦构建大脑基础模型（Brain Foundation Model），提出了BrainHarmonix等模型。香港科技大学助理教授程立雪则从理论物理视角，介绍了利用AI求解量子力学基本方程的多尺度建模框架和波函数基础模型，在计算化学精度上超越了部分传统方法。

结语

本次论坛围绕“发现式智能”理念，展示了AI驱动科学的前沿突破，明确了AI应成为“进化”人类的伙伴，而非“替代”工具。专家一致认为AI的终极价值在于扩展人类认知的边界，推动神经科学等跨学科深度融合，开启人机协同、持续科学发现的新篇章。

文/特约作者 陈子扬

10月27日、28日，首届天桥脑科学研究院AI驱动科学研讨会（The Chen Institute Symposium for AI Accelerated Science，AIAS 2025）在美国旧金山举行。会议由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主办，汇聚了近30位全球顶尖学者与产业领袖，与现场数百位学者、学生共同探讨AI如何驱动科学发现。

▷会议嘉宾合影

陈天桥首提”发现式智能”理念，诺奖得主、科研领袖共话 AI 驱动科学

会上，盛大集团、天桥脑科学研究院创始人陈天桥发表主题演讲，首次系统阐述了“发现式智能”（Discoverative Intelligence）的全新理念，指出这是真正意义上的通用人工智能，并提出了实现路径。天桥脑科学研究院创始人雒芊芊做开场致辞。

▷陈天桥发表主题演讲

▷雒芊芊作开场致辞

两天的会议汇聚了全球科学与技术领域的卓越人才，包括了 2025 年诺贝尔奖得主、加州大学伯克利分校教授 Omar Yaghi，2024 年诺奖得主、华盛顿大学教授 David Baker，2020 年诺奖得主、加州大学伯克利分校教授 Jennifer Doudna ，图灵奖得主、斯坦福大学第十任校长、Alphabet（谷歌母公司）董事长 John Hennessy，美国科学促进会 (AAAS) 主席兼加州大学研究与创新副主席 Theresa Maldonado，微软技术院士兼微软研究院科学人工智能主任 Christopher Bishop，以及 Meta AI 基础人工智能研究 (FAIR) 团队研究科学家 Larry Zitnick 等重量级嘉宾。

他们和来自普林斯顿大学、麻省理工学院、加州理工学院、南加州大学、杜克大学等国际顶尖高校的知名学者，以及陈-扎克伯格研究院、英伟达等顶级机构和企业的科研负责人，共同参与了主题分享与圆桌讨论，就 AI 驱动科学的最新进展和前景展望进行了热烈而深入的交流。

大会期间，颁发了天桥脑科学研究院与《科学》杂志合作设立的首届AI驱动科学大奖，3位青年科学家凭借在AI赋能科学突破方面的创新成果获奖。

▷AI驱动科学大奖颁奖典礼

▷圆桌讨论

会议部分重量级嘉宾精彩观点

Omar Yaghi：成功设计沙漠取水神器，AI正在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，很快成功地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。Omar Yaghi 教授分享了这一最新成果。

他发表了题为“用于材料发现的智能体 AI”（Agentic AI for Discovery of Material）的主题演讲，定义了一个“从分子到社会”（From Molecule to Society）的新范式 —— 生成式 AI、自学习 Agents 机器人智能体共同驱动的科学循环系统。他说：”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。”

除了AI设计的沙漠取水神器，他基于 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，共同设计并优化了 COF-323 的结晶过程，成效显著，在几天内完成了上百次实验，持续优化条件，实现从无定形到高结晶的飞跃。同时，他训练 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。

在问答环节，当被问及如何处理实验中的“失败结果”以及它们是否应该被发表时，亚基教授强调，无论是正面还是负面的结果，对于训练和改进 AI 模型都具有同等不可或缺的价值。期刊和出版商应当积极要求研究人员在论文中一并报告他们的负面实验数据，这对整个科学共同体的进步至关重要。

▷Omar Yaghi

David Baker：AI 逆转生命密码，从头设计蛋白质工程

科学界正经历一个根本性转变：从传统的“序列预测功能”模式，转向“功能设计序列”的新模式，并首次获得了根据预设的生物学功能，反向设计并构建全新基因序列的能力。David Baker 教授分享了 AI 如何为“从头设计”蛋白质工程领域开拓这些全新可能性。

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；在基础研究工具开发上，研制了新型的 GPCR 激动剂与拮抗剂，为神经科学中复杂的细胞通讯和信号转导研究提供了强力工具。

David Baker 特别指出，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。正是这种 AI 与湿实验的协同进化，才在真正推动着蛋白质工程领域的飞速前进。

Jennifer Doudna：当 CRISPR 遇上 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（FDA）的批准，首个“个性化”的 CRISPR 基因编辑疗法也已成功实施。Jennifer Doudna 教授在演讲中分享了这些突破性进展。

她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。在题为“生物学中机器学习的未来：CRISPR 用于健康与环境”的演讲中，道德纳教授同时指出了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。这极大地阻碍了基因编辑技术向更纵深领域的推进。

她强调，生物学领域的数据是有限的，而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。这为构建前述的因果数据集提供了关键工具。

当被问及她会给年轻时的自己什么建议时，她回答：“勇往直前！”( Go for it!) . 她强调了保持对科学“纯粹的热情”（raw passion）以及在科研生涯中获得“导师指导”（mentorship）的极端重要性。

John Hennessy：AI 普及速度超电脑数十年，人类必须守住决策权

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 公司董事长 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。

作为见证了第一台个人电脑，第一个互联网网页，以及第一版雅虎网站的亲历者，他指出，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。

他指出了两个担忧。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，未来我们的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。他指出，与计算能力（算力）的迅猛增长相比，计算的“能源效率”（即单位能耗所能实现的算力）的提升速度要缓慢得多。

John Hennessy 还提到，AI 目前只能解决他称之为“人类终极考验”中 28%的问题，这是一个包含 2500 个精心策划的难题的集合。他认为，这说明“人类的智慧仍然大有可为”。

在随后的专题讨论环节中，当被问及 AI 时代教育和职业时，他表示，人际互动的技能仍然是不可或缺的。与此同时，人们必须学会保持批判性思维，知道如何去“挑战”AI。谈到短期对 AI 赋能科学的期许，他打趣道：“给予所有科学家他们所需要的全部算力！”

▷John Hennessy

10月27日、28日，AI驱动科学研讨会（Symposium for AI Accelerated Science，AIAS 2025）在美国旧金山举行。会议汇聚了近30位全球顶尖学者与产业领袖，与现场数百位学者、学生共同探讨AI如何驱动科学发现。

会上，盛大集团、天桥脑科学研究院创始人陈天桥发表主题演讲，首次系统阐述了“发现式智能”（Discoverative Intelligence）的全新理念，指出这是真正意义上的通用人工智能，并提出了实现路径。

以下为陈天桥演讲全文《真正的智能，是能“发现”的智能》：

01 人类进化从未停止，只是改变了方式

自智人出现以来，我们的身体几乎没有变化。甚至有研究显示，人类大脑的体积相比旧石器时代还有所缩小。但这并不意味着人类进化已经停止。

我们用智慧让科学发现和技术发明成为我们新的、外在的进化器官。我们发明武器来获得利爪和尖牙，发明衣服来获得新的皮肤，发明汽车来跑得比猎豹还快，发明飞机来超越鸟类。我们的平均寿命从二十多岁延长到近八十岁，这种差距在生物学上只存在于不同物种之间。

可以说，人类并未停止进化；相反，通过不断发现未知，我们将自身的功能外化，扩展了在时间和空间上的范围。科学发现和技术发明已成为人类进化的主要引擎。

02 “发现式智能”是真正意义上的通用人工智能

因此，AI for Science不应被看作是人工智能应用的一个方向。它定义了AI与人类的关系：AI的价值不在于取代现有的人类工作，比如更快、更便宜或更高效。从我们物种进化的角度，AI for Science就是AI for Human Evolution。帮助人类发现未知，是AI对人类的终极价值。

如今许多模型声称已经“发现”了新结构、新分子，甚至新理论。但这种“发现”大多还停留在结果层面。他们在已知能量函数、统计模式或语料分布内找到了新样本。这并不是科学意义上的发现，而是在搜索空间内的外推。

真正的“发现”是能够提出问题，而不仅仅是回答问题；能够理解原理，而不仅仅是预测结果。

这种能够主动构建可检验理论模型（可检验的世界模型）、提出可证伪假说，并通过与世界的互动和自我反思不断修正自身认知框架的智能，才是真正的通用人工智能。我们称之为“发现式智能”（Discoverative Intelligence）。

它不同于其他智能的定义：

• 它超越了模仿，因为创造和发现才是智慧的本质；
• 它是可证伪的，因为发现是可观察的事件，而不是像“意识”那样模糊的哲学定义；
• 它重新定义了AGI的意义——不是“取代人类”，而是“进化人类”。

规模路径与结构路径：通向“发现式智能”的两条道路

以“发现式智能”为新标准，我们重新审视当今AI发展的两大流派：

第一是“规模路径”。它强调参数即知识，智能是规模的产物。只要模型足够大、数据足够多、算力足够强，智能就会自然涌现。这一路径已经取得了惊人的应用成果，使AI能够预测蛋白质、生成化合物，甚至辅助科学研究。这无疑是AI历史上最成功的工程路径。

与此同时，另一条路径正在悄然形成，即“结构路径”。这里的“结构”不是指模型架构，而是智能的“认知解剖学”。大脑是一个通过神经动力学，并基于记忆、因果和动机，形成知识系统并随时间不断演化的系统。这些机制赋予智能以连续性、可解释性和方向感。科学发现的本质是推演未来，这一观点认为，只有具备时间结构的智能才能在分布外保持有效。

04 大脑之镜：时间结构分析

那么，所谓“大脑的时间结构”究竟指什么？

它不是指大脑的某个具体物理区域，而是大脑处理信息的基本“运行范式”。

当前AI的“空间结构”范式（规模路径）本质上是“瞬时的”和“静态的”，用大量空间参数去拟合世界的“快照”。而大脑的“时间结构”范式本质上是“连续的”和“动态的”，其存在的目的是管理和预测时间流中的信息。

要管理时间流中的信息，系统必须具备五种核心能力，这五种能力共同构成了“时间结构”的完整闭环：

（1）神经动力学

要在时间中“存在”，而不是“瞬时计算”，必须有连续的能量基础。大脑是一个持续运行的动态能量系统，即使没有输入，大脑也能自组织、自激活、自校正，就像我们在发呆的时候大脑仍然在运转。这种能量流让智能真正“活着”。而Transformer是离散的、静态的计算图，每次推理结束后“思考”完全停止，下一次又从零开始，没有时间连续性。今天的智能只是计算，而不是存在。智慧必须“活着”，因为世界总在变化，只有持续随时间更新的系统才具备科学发现的能力。

（2）长期记忆系统

要“积累”过去的经验，而不是每次都从零开始，必须有可塑的存储机制。当前大模型的记忆是“短时工作记忆”，一旦上下文清空，智能就被重置。没有长期记忆，就没有真正的学习。长期记忆不仅让智能积累经验，更重要的是学会有选择地遗忘，使其能在有限参数内高效学习，形成假说和理论。

（3）因果推理机制

要理解事件在时间中的顺序（即什么导致了什么），必须能够推导原理。现有大模型对已知信息的理解和再现，包括因果关系，仍局限于已知范围内的语言统计，而不是机制推导。模型在训练数据分布内表现完美，但环境一变就崩溃，因为它依赖的是共现模式，而不是世界结构。因果推理在科学发现中的意义，正是要在未知条件下重建对世界的理解，是走向分布外的第一步，也是世界模型的起点。

（4）世界模型

要预测未来的轨迹，必须能够在内部模拟世界。虽然当前AI具备多模态感知，但仍缺乏统一模型，无法在内部形成连贯的“现实投影”。而人脑拥有统一的世界表征系统，整合感知、记忆、预测和自我反思。它让我们能在脑中模拟世界、预演未来，不断在神经层面运行假设检验和因果预测。这正是科学思维的本质：在大脑中运行关于未来的实验。

（5）元认知与内在动机系统

要管理上述复杂的跨时过程。人脑具备元认知，能意识到自己的不确定性，调整推理路径、分配注意力、选择策略。这种“对思维的思考”是科学和创造力的起点。而今天的AI主要依赖外部指令，缺乏自驱，包括强化学习的奖励函数也是由外部设定。当长期记忆和因果推理在世界模型中汇聚时，如何产生机器元认知，让探索欲和好奇心自发生成。这是从被动执行者到主动探索者的关键一步，也是走向活的智能的最大的挑战。

这五种能力不是五个平行方向，而是智能的连续、活跃闭环——一个能随时间自我进化的系统。我们称之为“大脑的时间结构”（Temporal Structure）。

05 时间结构：年轻人的切入点

正因为规模路径近年来取得了巨大成功，我们才第一次如此清晰地看到它的天花板：仅靠堆积数据和算力，无法突破通向真正理解和发现的障碍。这是结构主义思维回归的最佳时机。我们正站在这个历史转折点。我们需要的不是更多显卡，而是新理论、新算法和新想象力。这需要跨学科思维：神经科学、信息论、物理学和认知心理学的融合。这正是年轻人的优势。

我们已经为这些年轻人做好了准备：

• 我们有算力。无论选择哪条路径，算力都是不可或缺的。我们将投入超过十亿美元建设专用算力集群，为年轻科学家提供即时实验的资源环境。这些算力不是用来比拼规模，而是用来探索结构，验证记忆机制、新的因果架构或新的神经动力学假说。
• 我们有办公室。我们在全球设立了研发中心，邀请来自不同学科的年轻研究者在白板前现场碰撞智慧，目前已有200多位世界知名大学的博士在我们的办公室工作。
• 我们正在建立基准。我们计划推出新的基准（benchmark），全面衡量神经动力学、长期记忆、因果推理、世界模型和元认知，以AI是否“发现”为AGI衡量标准，让所有科学家基于SOTA目标协作和竞争。
• 我们有专为年轻人设计的机制。我们正在建立PI孵化器，为全球年轻科学家开设独立研究通道。博士生和博士后无需等到毕业，就能获得独立预算，在我们的平台上以自己名字命名实验室，带领同事独立探索时间智能的未来结构。

我们相信：规模是巨人的道路，时间结构是年轻人的机会。巨人用算力推动边界，年轻人用结构重新定义智能：

那就是一种不会重复既有知识，而是能提出自己假说、验证世界并修正自身理解的智能——这就是能“发现”的智能。

9月28日，中国神经科学学会第十八届全国学术会议（CNS 2025）期间，由天桥脑科学研究院（中国）与中国神经科学学会联合主办的“BCI&AI脑机接口创新技术碧海论坛”成功举行。

今年是天桥脑科学研究院自2018年连续第8次支持CNS全国学术会议。作为由CNS评选的特色主题论坛，碧海论坛成功吸引了近400位专家学者亲临现场。钛媒体等主流科技媒体对论坛进行了直播，观看人次高达30万。

本次论坛聚焦脑机接口与人工智能的交叉领域，深度探讨了面向健康人群的脑机增强、脑机接口创新技术及类脑智能三大前沿版块。与会专家不仅分享了对脑机接口未来发展路径的前瞻思考，更提出了在人工智能辅助下的脑机接口新范式。

一、意念对话不是梦，BCI赋能健康人群实现里程碑进展

▷ 致辞/演讲嘉宾 陶虎，讲题《脑机接口-让大脑连接未来》。陶虎，脑虎科技创始人兼首席科学家。国家“万人计划”科技创新领军人才入选者、国家基金委优秀青年基金获得者、国家海外高层次人才引进计划青年项目入选者，享受国务院政府特殊津贴。中国神经科学学会脑机接口与交互分会创始主委、中国科协脑机接口产业技术路线图负责人。

天桥脑科学研究院研究员、脑虎科技（NeuroXess）创始人兼首席科学家陶虎分享了两项具有里程碑意义的最新研究成果。

由脑虎科技自主研发的256通道超高密度柔性脑机接口系统取得了突破性进展。该系统在灵长类动物实验中实现了100%的运动意图识别准确率。在人体应用方面，经过短短一周的训练后，该系统的信息传输速率便达到了每秒4.15比特。

更引人注目的是，该技术实现了静默中文解码，超人类语速交流（突破307字/分钟，超过正常人2倍）、意念办公、双脑互联远程实时意念对话等颠覆性应用。

这些成果与国际顶尖水平相比毫不逊色。例如，马斯克的Neuralink受试者在训练一周后实现了4.60 bps的运动控制水平，而美国加州大学旧金山分校（UCSF）Edward Chang团队的解码能力为每分钟78个英语单词。脑虎科技的成果与这些国际领先水平相当甚至更优，有力地证明了中国脑机接口技术的全球领先实力。

陶虎表示，脑虎科技正致力于拓展应用场景、提升系统稳定性并降低使用成本，来加速推进相关技术的商业化应用。

二、类脑计算：定制化大模型，开启智能交互新范式

▷ 演讲嘉宾 李国齐，讲题《类脑大模型及其在脑机接口的前景》。李国齐，中国科学院自动化所研究员，脑认知与类脑智能全国重点实验室副主任，通用类脑智能大模型北京市重点实验室主任，国家杰出青年基金获得者；在Nature、Nature子刊、Science子刊等期刊和AI顶会上发表论文200余篇，论文被引用1.8万余次；主持国家自然科学基金重点项目、联合重点项目、科技部重点研发项目等30余项；担任IEEE TNNLS，IEEE TCDS和清华大学学报-自然科学版编委；曾获得中国自动化学会自然科学一等奖，ECCV最佳论文奖提名，中国算力大会最佳论文奖，曾入选北京市杰青，中国科学院百人计划，DeepTech中国智能计算科技创新人物，中国算力青年先锋人物。

中国科学院自动化所李国齐研究员认为，专门面向脑机接口优化的定制化大模型，比通用大模型更适合这一领域的发展需求。为此，他的团队开发了SpikingBrain系统，采用树突神经元作为基本计算单元，能够高效处理事件驱动和时间稀疏的脑电信号，从而在提升信号编解码性能的同时，显著降低系统功耗。

这一突破性进展，源于李国齐团队在类脑计算领域的系统性创新。他们提出的大规模脉冲神经网络计算理论，成功将脉冲神经网络（SNN）与主流人工神经网络（ANN）的性能差距从20年缩短至1年。此外，他们开发的MetaLA统一框架在性能上已超越Mamba架构。

这些前沿成果，配合低功耗类脑芯片和全栈式训练平台，为脑机接口技术开辟了新路径，展现出类脑计算与大模型融合的巨大潜力。未来，这项技术有望实现更精准的信号处理和更自然、高效的人机交互。

三、纳米智能：探索脑机交互的“微观”路径

▷ 演讲嘉宾 贺强，讲题《纳米机器人与BCI：探索人脑与机器的微观连接》。贺强，哈尔滨工业大学教授，于2003年在中国科学院化学研究所获得博士学位。他提出了胶体马达、超分子胶体马达和游动纳米机器人的概念。是首位利用可控化学组装技术构建集自推进和智能药物递送于一体的超分子胶体马达的学者。基于此，他开发了多种可注射的游动纳米机器人，并将其应用于重大疾病的精准治疗。已发表200多篇同行评议论文，并拥有24项专利。目前，他担任中国化学会胶体与界面化学专业委员会成员，以及Small，ChemNanoMat和Colloid and Surface A的编委。

传统脑机接口主要依赖植入电极，而哈尔滨工业大学贺强教授另辟蹊径：将纳米机器人集群作为一种全新的脑机交互范式。这种“自下而上”的方法，通过纳米机器人的自组织行为，实现从个体到集群、从微观到宏观的信息传递与功能调控。

作为国际上首个成功研发自推进、一体化超分子胶体的团队，贺强教授将化学动力学与纳米技术相结合，开发出一种突破性的智能纳米系统。通过可控化学组装技术，这些纳米机器人不仅能主动穿越血脑屏障，还能响应光、磁场等外部刺激实现集群协同。与传统电极植入相比，这种柔性的微观调控方式大大降低了创伤风险，为脑疾病的精准治疗和脑机交互开辟了全新途径，展现了智能纳米系统在未来医疗领域的变革性潜力。

四、聚焦超声波：实现大脑深部的无创精准调控

▷ 演讲嘉宾 Jan Kubanek，讲题《聚焦超声神经调控和脑机接口》。Jan Kubanek，生物医学工程师和神经工程师，华盛顿大学生物医学工程/神经科学博士，他曾在斯坦福大学进行博士后深造，目前是犹他大学的助理教授。他的实验室开发了一种能够对人类大脑深部回路进行精确、可控调节的设备。已发表的研究表明，该设备可调节慢性疼痛、抑郁症和特发性震颤的症状。该方法目前正用于关键的临床试验。

来自犹他大学的Jan Kubanek介绍了由其团队开创的一种突破性的超声波脑机交互技术。不同于传统侵入式电极，这项技术利用超声波能穿透颅骨的特性，通过微秒级的精确聚焦，实现了对基底节和丘脑等大脑深部结构的非侵入性调控，创新性地解决了超声波在颅骨传导时的衰减问题，确保了治疗剂量的精准递送。

临床研究显示，这项技术能有效治疗特发性震颤、重度抑郁症和慢性疼痛，并能诱导持久的神经可塑性改变。特别是在慢性疼痛治疗中，仅需40分钟的扣带回刺激就能显著改善疼痛强度。目前，这一突破性技术已进入多中心临床试验阶段。更令人振奋的是，高频超声波技术已实现单细胞级别的精确调控，预示着人类与环境、人与人之间可能出现全新的认知互动方式。

五、智能双向进化：人机共生，重塑未来

▷ 演讲嘉宾 张越一，讲题《类脑计算驱动的脑机接口》。张越一，集智进化（MiroMind）AI研究员。已发表期刊会议论文100余篇（包括CCF-A类会议文章或IEEE汇刊文章50余篇），申请/授权中国发明专利20余项。曾主持国家自然科学基金青年项目、面上项目，参与科技部科技创新 2030项目。现任中国图形图像学会多媒体专委会副秘书长，参与组织过中国多媒体大会（ChinaMM）等活动。所指导的学生中多人次获得中国科学技术大学研究生国家奖学金和专项奖学金。目前的研究方向为：脑启发多模态大模型与智能体。

MiroMind AI研究员张越一提出，要让人类智能与人工智能相互启发、共同进化。

他指出，从最初的感知机到如今丰富的人工神经网络，神经科学的发展为计算领域带来了革命性突破。通过模仿大脑架构，我们创造出了此前无法实现的计算解决方案。

更重要的是，这种影响是双向的。深度学习不仅从大脑获得灵感，反过来也帮助我们更好地理解大脑的工作机制。通过优化人工神经网络，观察其中行之有效的模式，我们得以重新审视神经连接，深入了解大脑的组织方式。这种双向互动正在开启认知科学的新篇章。

正如天桥脑科学研究院与MiroMind创始人陈天桥先生所言：

人类不仅是AI的创造者，也是其演化路径的决定者。AI与人类共同组成生态系统，互动中形成反馈循环，重塑个体认知与社会结构。未来，最终具有自我意识的人工智能，是在镜像人类智能长期记忆之后实现人类智能和人工智能的共同进化。

本次碧海论坛不仅是一场前沿技术的集中展演，更是一次对未来的深刻展望。从超高密度柔性接口到定制化大模型，从纳米机器人到无创超声波，我们正在从不同维度推动脑机接口技术的边界。这些技术突破正在加速人机共生时代的到来，共同描绘出一幅人类智能与人工智能深度融合、共同进化的宏伟蓝图。

今天，天桥脑科学研究院（Tianqiao and Chrissy Chen Institute, The Chen Institute）与美国科学促进会（American Association for the Advancement of Science, AAAS）宣布，共同发起 2026 年“AI 驱动科学大奖”，旨在表彰全球范围内用人工智能技术（如机器学习、深度学习、强化学习等）在自然科学（包括生命科学和物质科学）研究领域解决关键问题、推动科学研究加速发展的青年科学家。

首届获奖者名单已于今年 7 月正式揭晓。三位获奖者——Zhuoran Qiao 博士、Aditya Nair 博士与 Alizée Roobaert 博士，凭借运用人工智能技术在生物化学、神经科学和海洋科学领域的突破性成果脱颖而出。三位获奖者将分享总额 5 万美元的现金奖励。此外，他们的获奖论文已同步发表于《科学》杂志^[1-3]，标志着相关成果获得学界高度认可。

申报对象

本奖项面向与人工智能相关领域的青年科学家开放。申报者须在申报时已取得 M.D.、Ph.D.或 M.D./Ph.D.学位，并且获学位时间不超过十年。这是新兴的学术领袖向全球展示工作成果，并在人工智能领域获得广泛认可的绝佳机会。

如何申报

申请者需提交一篇 1000 字的研究论文，描述他们最重要的研究发现，主题必须是利用人工智能相关技术，在其它科研领域做出了根本性的突破，而这些突破在未使用人工智能技术前是难以实现的。

申报通道

可访问天桥脑科学研究院官网：https://www.cheninstitute.org/prize

或直接登录《科学》杂志申报页面：https://www.science.org/content/page/chen-institute-science-prize-ai-accelerated-research

有关申报截止日期及更多详情，请参见申报页面。

展示机会

获奖者将受邀在“天桥脑科学研究院 AI 驱动科学研讨会”（Chen Institute Symposium for AI Accelerated Science, AIAS）及“天桥脑科学研究院 AI 驱动科学青年论坛”（Chen Institute Youth Forum for AI Accelerated Science）发表主旨演讲，参与高端圆桌讨论，并主持互动工作坊。获奖者及入围者还将被授予 “陈氏学者”称号。

了解更多会议信息，请访问：https://aias2025.org/

加入社区

欢迎加入我们的 AI 驱动科学社区成为 AIAS 会员，以获得更多的权益。申请邮箱：AItalents@cheninstitute.org

2024 年 AI 驱动科学大奖获奖论文：

[1] Zhuoran Qiao , AI to rewire life’s interactome: Structural foundation models help to elucidate and reprogram molecular biology.Science389,244-245(2025).DOI:10.1126/science.adx7802

[2] Aditya Nair , Unraveling the emergent chorus of the mind: Machine learning reveals how a hidden neural code orchestrates diverse emotion states.Science389,245-245(2025).DOI:10.1126/science.adx7811

[3] Alizée Roobaert , Mapping the global coastal ocean with AI: Artificial neural networks can help better constrain the global carbon cycle in shallow seas.Science389,245-245(2025).DOI:10.1126/science.adx7826

Dr. Aditya Nair
加州理工学院和斯坦福大学博士后研究员及 NIH NeuroAI 项目青年学者

当你体验饥饿、愤怒或恐惧等情绪时，大脑中的特定神经回路会被激活。但如果观察这些回路中的单个细胞，往往会发现这些细胞的活动与人的情绪体验之间几乎没有明显的相关性。

“这是一个巨大的悖论：我们从动物实验中知道这些回路控制情绪，因为如果我们让这些回路失活，动物就会停止表现出情感行为。”天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖优胜奖得主 Aditya Nair 这样说道，“但当我们记录单个神经元的活动时，却找不到与目标行为的直接联系。”

为了解开这个谜团，Nair 将与情绪（如攻击性）相关的下丘脑区域的神经活动数据输入到一个能够检测神经元间微妙互动模式的机器学习模型中。“这就像在听一场交响乐：如果你只听某一件乐器，什么都听不出来，”他解释道，“你需要听整个乐队，才能理解旋律。”

Nair 使用的算法揭示了这样一种现象：当神经元群体交换并循环信号时，它们会稳定在一种被称为“线吸引子”（line attractor）的复杂关系中。这是一种常见于数字神经网络、但在活体大脑中极少被观察到的机制，它允许连续变量随时间被存储。“这很重要，因为情绪有两个关键特性：强度会变化，而且会持续一段时间。”Nair 说，“通过将 AI 模型拟合到神经活动上，我们在大脑中发现了一种此前无法检测到的信号，同时具备这两种特性。”

这是一个具有重要潜在意义的突破，尤其对药物研发有深远影响。“动物无法自我报告情绪，只能通过有限的几种行为表现情感，”Nair 解释道。“现在，我们可以利用大脑活动来量化受试者的饥饿、愤怒或恐惧程度——这将极大提升精神疾病治疗的开发和测试效率。”

Nair 的方法未来还可能帮助神经科学家从更广泛的大脑活动模式中检测到涌现信号。“目前我们只研究了下丘脑的一个很小的区域，”Nair 说，“但我们正在开发工具包，用于建模更大脑区的活动，并读取当成千上万神经元同时进行多项计算时涌现的隐藏信号。”

为加速这一过程，Nair 开发了一个能够接收大脑活动数据并快速处理以揭示涌现信号的大型语言模型。目标是：让标准化分析能够被快速实施，即使研究者本身对 AI 不甚精通也能轻松上手。“我们正在让 AI 工具对整个科研社区变得更加易用，以加速研究和药物开发的进程。”Nair 表示。