美国旧金山近日迎来一场聚焦人工智能与科学交叉领域的盛会——首届天桥脑科学研究院AI驱动科学研讨会。这场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主办的会议，吸引了三位诺贝尔奖得主、斯坦福大学荣誉校长等二十余位全球顶尖学者与产业领袖，共同探讨人工智能如何重塑科学研究的范式。
盛大集团及天桥脑科学研究院创始人陈天桥在会上宣布，将投入10亿美元算力资源，支持全球科学家开展创新型人工智能研究。这一举措旨在加速AI技术与基础科学的深度融合，为青年学者提供独立研究路径，包括资助博士生与博士后建立个人实验室，推动发现式智能的突破性进展。
2025年诺贝尔化学奖得主、加州大学伯克利分校奥马尔·亚基教授首次公开分享了其团队的研究成果。在被称为“死亡谷”的极端干旱环境中，一个由ChatGPT分子优化设计的便携式取水装置成功从空气中提取出饮用水。该装置采用新型材料，通过AI优化分子结构，显著提升了水分吸附效率。亚基教授进一步介绍，其团队构建了由七个智能体组成的虚拟科研团队，分工完成实验设计、文献分析、安全评估等任务，在数日内完成上百次实验，并将ChatGPT从文本生成工具升级为具备科学推理能力的引擎。
华盛顿大学戴维·贝克教授则展示了AI在蛋白质设计领域的突破。他团队开发的RFDiffusion3模型，可通过输入分子功能需求，直接生成具有特定三维结构的新型蛋白质。基于这一技术，团队设计了针对阿尔茨海默病β-淀粉样蛋白的特异性结合物，并成功开发出首个“从头设计”的蛋白酶。贝克强调，AI模型的迭代依赖于“设计-构建-测试-学习”的闭环系统，实验数据的即时反馈是优化算法的关键。
2020年诺贝尔化学奖得主、加州大学伯克利分校珍妮弗·道德纳教授分享了CRISPR基因编辑技术的最新进展。她指出，尽管CRISPR已实现镰状细胞病基因疗法的临床应用，但生物体内仍有40%的基因功能未被解析。为突破这一瓶颈，她提出将CRISPR技术与机器学习结合，通过系统性基因扰动大规模筛选基因功能，构建包含因果关系的数据集，以提升模型的预测准确性。
图灵奖得主、斯坦福大学前校长约翰·轩尼诗从技术发展视角指出，人工智能正以远超个人电脑与智能手机的普及速度渗透家庭生活，但其数据消耗与能源效率问题亟待解决。他估算，按当前模型训练需求，全球现有数据可能在四年内耗尽，而计算能源效率的提升速度远落后于算力增长。他呼吁，在AI决策过程中必须保留人类监督，并建立透明的数据披露与验证机制。
陈天桥在闭幕演讲中提出，AI的终极价值在于“发现式智能”——这种智能不仅能预测结果，更能主动构建可检验的理论模型，提出可证伪的假设，并在与环境的互动中持续修正认知框架。他比喻道：“人类的进化从未停止，AI已成为我们进化的外部器官。”为推动这一进程，天桥脑科学研究院将通过算力支持、青年学者计划等举措，助力全球科研人员探索通用人工智能的本质能力。
