陳天橋宣佈投入10億美元算力，支持全球科學家創新人工智能研究
在近日舉行的首屆天橋腦科學研究院AI驅動科學研討會上，盛大集團和天橋腦科學研究院創始人，全球知名創新企業家、慈善家陳天橋宣佈投入10億美元算力，支持全球科學家的創新人工智能研究。他表示：“人類的進化從未停止，只是方式改變了。我們的工具——現在包括AI——是進化的外部器官。”
該會議由天橋腦科學研究院與加州大學伯克利分校計算、數據科學與社會學院聯合在美國舊金山舉辦，三位諾貝爾獎得主分享了他們對AI的觀察與思考。會議還邀請了斯坦福大學榮譽校長、Alphabet董事會主席在內的20多位全球頂尖學者和產業領袖參加。
陳天橋：打造有生命力的發現式智能需要構建5種能力
陳天橋認爲，AI的終極價值是發現。發現式智能可以主動構建關於世界的可檢驗理論模型（testable world models）、提出可被證僞的假說（falsifiable hypotheses），並在與世界的交互與自我反思中持續修正其理解框架的智能，這是真正意義的通用人工智能。它能提出問題而非只回答問題，能理解規律而非僅預測結果，超越了模仿，具備創造和發現這些智慧的本質能力 ，讓AGI的意義不再是“取代人類”而是“進化人類”。
陳天橋
陳天橋對比了AI發展的兩條主導路徑。“Scaling 路徑”通過推動參數、數據和算力已經帶來了令人印象深刻的應用成果。相比之下，“結構路徑”聚焦於智能的認知解剖學——系統如何在時間中運作。
他指出，打造發現式智能需要建設五個能力，分別是神經動力結構、長期記憶、因果推理機制、世界模型和元認知與內在動機系統，它們共同形成一個有生命力、面向發現的智能閉環。
爲幫助全球科學家推進發現式智能研究，陳天橋宣佈了多項特別針對青年科學家的支持：包括基準測試（一個跨神經動力學、記憶、因果關係、世界模型和元認知的綜合評估套件，以可發現性作爲核心指標）、結構性算力（投入10億美元算力用於優先支持結構性實驗的集羣）、PI孵化器（爲博士生和博士後提供獨立途徑，建立以自己命名的實驗室，領導團隊，追求大膽的想法，無需等待傳統時間表，同時會在全球建立研發中心）。
陳天橋還認爲，真正改變智能的下一個算法不會出現在數據中心，它會出現在筆記本電腦上。
諾貝爾化學獎得主奧馬爾·亞基：AI成爲新的科學思維體
2025年諾貝爾化學獎得主、加州大學伯克利分校的奧馬爾·亞基（Omar Yaghi）教授分享了一個最新AI研究成果：一個零能耗的便攜式取水裝置，被放置在空氣溼度不到15%，極其炎熱的美國沙漠”死亡谷”中，很快成功地從大氣中取到了飲用水。這個堪稱旅行者救命稻草的神器，是由ChatGPT分子優化編輯設計的材料製成。
奧馬爾·亞基
他定義了“從分子到社會”（From Molecule to Society）的新範式，一個由生成式 AI、自學習 Agents 機器人智能體共同驅動的科學循環系統。他認爲AI不是工具，而是新的科學思維體。藉助人工智能，我們正在賦予科學自行思考、推理和演進的能力。
除了AI設計的沙漠取水神器，他和團隊基於 ChatGPT 創建的七個 Agents 組成虛擬科研團隊，分工執行實驗設計、文獻檢索、算法優化、實驗安全與數據分析等任務，共同設計並優化了 COF-323 的結晶過程，成效顯著，在幾天內完成了上百次實驗，持續優化條件，實現從無定形到高結晶的飛躍。同時，他們訓練 ChatGPT 閱讀數千份合成報告並進行推理，證明該模型的預測性能優於許多傳統啓發式方法，ChatGPT 從一個文本生成器演變成一個科學推理引擎。
諾貝爾化學獎得主、戴維·貝克：AI逆轉生命密碼
2024年諾貝爾化學獎得主、華盛頓大學的戴維·貝克（David Baker）教授分享了AI如何“從頭設計”蛋白質工程領域。
貝克教授介紹了其團隊開發的 RFDiffusion3 模型，這是一種能夠在三維結構空間中進行運算的先進生成式 AI 模型。研究人員僅需輸入期望的分子功能，該模型便能生成具有相應功能的新型蛋白質的精確三維結構藍圖。基於這一技術，團隊已取得多項突破性成果：在神經退行性疾病研究方面，設計出能特異性捕獲β-澱粉樣蛋白的新型肽類結合物，爲阿爾茨海默病干預提供新策略；在酶工程領域，成功開發了首個“從頭設計”的蛋白酶；在基礎研究工具開發上，研製了新型的 GPCR 激動劑與拮抗劑，爲神經科學中複雜的細胞通訊和信號轉導研究提供了強力工具。
貝克教授指出，AI模型的快速發展高度依賴於一個與實驗數據緊密耦合的“反饋閉環”。他強調，一個高效的“設計-構建-測試-學習”迭代循環是必不可少的：AI 進行預測設計，實驗室進行快速驗證，而實驗產生的數據都將即時反饋給模型，用於優化算法參數。
諾貝爾化學獎得主、珍妮弗·道德納：AI將開啓個性化基因治療時代
一種利用 CRISPR 技術開發的鐮狀細胞病（sickle cell disease）基因療法，已於近期獲得美國食品藥品監督管理局（FDA）的批准，首個“個性化”的 CRISPR 基因編輯療法也已成功實施。2020年諾貝爾化學獎得主、加州大學伯克利分校的珍妮弗·道德納（Jennifer Doudna）教授在演講中分享了這些突破性進展。
她回顧了從在細菌中發現 CAS 核酸酶（Cas nuclease）到最終促成CRISPR基因編輯技術誕生的完整歷程，同時指出該領域面臨的巨大挑戰：儘管CRISPR技術無比強大，但即使是在最簡單的生物體中，仍有高達40%的基本基因的功能至今仍是未解之謎。極大阻礙了基因編輯技術向更縱深領域的推進。
她強調，生物學領域的數據是有限的，爲生物學構建有效的機器學習模型，需要“經過精心策劃的、包含因果關係的數據集”。爲此，她提出了CRISPR與機器學習的協同進化，可以利用 CRISPR 技術在細胞系中系統性地製造“基因擾動”，從而大規模、高效率地篩選並鑑定每個基因的具體功能。這爲構建因果數據集提供了關鍵工具。
圖靈獎得主、約翰·軒尼詩：AI 普及速度超電腦數十年
AI正以前所未有的方式席捲全球，在不到一年的時間裏就達到了50%的美國家庭普及率，而個人電腦實現同一數字花費了數十年時間，智能手機也用了10多年。圖靈獎得主、斯坦福大學第十任校長暨現任 Alphabet（谷歌母公司） 董事長約翰·軒尼詩（John Hennessy）在題爲“AI 賦能科學與社會”的演講中強調了這一驚人現象。
約翰·軒尼詩
作爲見證了第一臺個人電腦，第一個互聯網網頁，以及第一版雅虎網站的親歷者，他指出面對 AI 技術浪潮人類應共同堅守的關鍵原則：在使用AI或與AI協作完成工作時，必須保持“透明的披露”；必須嚴格驗證AI生成的內容；對於AI合成的數據必須建立詳細的文檔記錄。他特別強調，在涉及人工智能關鍵決策時，人類絕不應被排除在外。
他指出了兩個擔憂。一是數據的質量與數量。以AI模型目前驚人的數據消耗速度，全球現有的數據存量可能在4到5年內被耗盡，未來我們的數據生成速度能否跟上大型AI模型訓練的步伐。二是關於能源效率。與算力的迅猛增長相比，計算的“能源效率”提升速度要緩慢得多。
在專題討論環節中，當被問及AI時代教育和職業時，他表示，人際互動的技能仍然是不可或缺的。談到短期對 AI 賦能科學的期許，他打趣道：“給予所有科學家他們所需要的全部算力！”
研討會還舉行了“AI 驅動科學大獎”頒獎典禮，上一年獲獎的三位青年科學家在現場分享了他們的研究成果和獲獎心得。
