首届"天桥脑科学研究院AI驱动科学研讨会"近日在美国旧金山落下帷幕。这场汇聚全球智慧的科学盛会，吸引了三位诺贝尔奖得主、斯坦福大学荣誉校长约翰·轩尼诗（John Hennessy）及二十余位顶尖学者与产业领袖，共同聚焦"AI如何重塑科学发现"的前沿命题。

盛大集团与天桥脑科学研究院创始人陈天桥在会上宣布，将投入100亿美元算力资源，支持全球科学家开展"发现式智能"研究。他强调，AI的核心价值不应局限于内容生成与模式模仿，而应具备主动构建可验证世界模型、提出科学假说并动态修正认知框架的能力。"AI的终极使命是推动人类认知进化，而非替代人类。"陈天桥指出，当前AI发展存在"规模路径"与"结构路径"之争，后者通过模拟神经动力结构、构建长期记忆系统、发展因果推理机制等五大能力，更接近真正智能的本质。为加速这一进程，他同步推出"结构性算力支持计划""基准测试体系"及"PI孵化器"，鼓励青年科学家突破传统框架。

2025年诺贝尔化学奖得主、加州大学伯克利分校教授奥马尔·亚吉（Omar Yaghi）展示了AI在极端环境材料研发中的突破。其团队利用ChatGPT的分子优化算法，设计出可在湿度低于15%的沙漠环境中高效收集大气水分的便携装置。更引人注目的是，他构建的由七个AI智能体组成的虚拟科研团队，能自主完成实验设计、参数优化等任务，在数天内完成上百次实验，成功将无定形材料转化为高结晶结构。"AI正在成为一种新的科学思维范式。"亚吉表示。

华盛顿大学教授戴维·贝克（David Baker）为2024年诺贝尔化学奖闻名人，他在会上分享了AI在蛋白质工程领域的革命性进展。其团队开发的RFDiffusion3模型，实现了从蛋白质功能需求到氨基酸序列的"逆向设计"，为阿尔茨海默病等复杂疾病的研究开辟了新路径。贝克强调，AI驱动的科研需形成"设计-验证-反馈-优化"的闭环，通过实验数据持续迭代模型，形成"数据-算法"的双向促进。

2020年诺贝尔化学奖得主、伯克利教授珍妮弗·道德纳（Jennifer Doudna）则聚焦AI与基因编辑的融合。她指出，AI通过分析基因扰动数据，可系统性解析未知基因功能，为个性化基因治疗提供精准导航。"当AI与因果推理数据结合，科学突破将进入加速轨道。"道德纳以CRISPR技术为例，说明AI如何帮助科学家更高效地定位治疗靶点。

作为Alphabet董事会主席，约翰·轩尼诗从社会影响角度提出警示。他指出，AI的普及速度已超越个人电脑与智能手机，但人类必须保留对关键决策的控制权，确保AI生成内容的透明度、可验证性与可追溯性。同时，他提醒行业关注数据与能源的双重挑战：全球高质量训练数据可能在几年内耗尽，而算力增长的能源效率提升仍滞后于需求。

会议闭幕式上，"AI驱动科学大奖"揭晓，多位青年科学家凭借基于AI的跨学科研究获奖。他们的成果涵盖从量子计算到生物医药的多个领域，标志着AI驱动的科学研究正在全球范围内形成新的方法论范式。