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。

MiroMind Co-initiator代季峰介绍了团队基于长期记忆、预测和推理的预测性大模型和智能体系统。其研发的开放深度研究框架（Open Deep Research Framework）在实时测试AI预测能力的基准FutureX中排名第一。

▷ 图：MiroMind Co-initiator代季峰介绍团队最新研究成果

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。

Dr. Alizée Roobaert
比利时佛兰德海洋研究所（Vlaams Instituut voor de Zee）研究员

全球海洋每年吸收了大约四分之一的人类二氧化碳排放量——但虽然这一过程在公海得到了充分研究，沿海水域的贡献却出人意料地知之甚少。“这实在是太复杂了——有河流入海、与陆地的相互作用、水深各异等诸多因素，”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、佛兰德海洋研究所（VLIZ）“海洋气候变化的过去、现在与未来”课题组的研究员 Alizée Roobaert 表示，“虽然有一些局部研究，但全球沿海海洋到底吸收了多少二氧化碳，以及这种吸收如何随时间变化，依然存在很大不确定性。”

为了解决这个问题，Roobaert 与布鲁塞尔自由大学（Université Libre de Bruxelles）的 BGeoSys 团队合作，将全球沿海水域划分为边长 0.25 度的网格单元——在赤道附近每格约 28 公里。随后，Roobaert 叠加了全球数据（主要来自卫星遥感），涵盖海表温度、盐度、叶绿素 a 浓度等变量，并整合了约 1800 万个来自船只或浮标的沿海观测数据，包括不断变化的海表二氧化碳浓度测量。最终形成了一张覆盖全球海洋的高分辨率数据拼图，但二氧化碳测量值仅在部分网格中有数据。

接下来，Roobaert 利用机器学习揭示变量间的复杂关系，并逐步补全空白区域。“一旦算法理解了这些变量如何相互作用，它就能重构缺失的二氧化碳测量值。”Roobaert 解释道。最终，她得到了全球沿海二氧化碳吸收随时间变化的地图，其准确率约为以往的 10 倍，细节也显著提升。“这是目前基于观测、用于估算全球沿海水域二氧化碳吸收贡献的最先进方法，”Roobaert 表示。

除了加深我们对沿海水域在海洋碳循环中作用的理解，Roobaert 的高分辨率地图还能为特定区域的海气碳交换提供更准确的洞见。“对于‘蓝色经济’来说，这类数据至关重要——只有了解沿海水域如何影响碳循环，才能量化人类活动的影响，”Roobaert 说。

目前，Roobaert 和 VLIZ 团队正致力于进一步完善这一方案。当前的重点之一是为欧洲北海绘制分辨率高达 1 公里的二氧化碳分布更精细地图。其他目标还包括叠加海洋深度数据，制作四维地图，详细展示碳在水体柱中随时间的扩散过程。“真正驱动我的是，知道自己的工作正在弥补关键数据空白，帮助人们更好地理解海洋在全球碳循环中的作用，”Roobaert 表示，“我们正在用 AI 实现真正的全球影响，这也是我不断前行的动力。”