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