近日，首届天桥脑科学研究院AI驱动科学研讨会在美国旧金山举行。天桥脑科学研究院创始人陈天桥宣布，将投入10亿美元算力用于优先支持结构性实验（记忆系统、因果架构、神经动力学假设）的集群，支持全球科学家的创新人工智能研究。

“AI的终极价值是发现。”陈天桥指出，发现式智能可以主动构建关于世界的可检验理论模型、提出可被证伪的假说，并在与世界的交互与自我反思中持续修正其理解框架的智能，才是真正意义的通用人工智能。它能提出问题而非只回答问题，能理解规律而非仅预测结果，具备创造和发现能力。

2025年诺贝尔化学奖得主、美国加州大学教授奥马尔·亚基（Omar Yaghi）表示，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。

奥马尔·亚基介绍，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。除了AI设计的沙漠取水神器，他和团队基于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，他们训练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。

2024年诺贝尔化学奖得主、华盛顿大学教授‌大卫·贝克（David Baker）介绍了AI 如何“从头设计”蛋白质工程。其团队开发的RFDiffusion3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。

例如，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。

‌大卫·贝克认为，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”，一个高效的“设计-构建-测试-学习”迭代循环必不可少。

2020年诺贝尔化学奖得主、美国加州大学伯克利分校教授珍妮弗·道德纳表示，当基因编辑技术遇上AI，将开启个性化基因治疗时代。她透露，一种利用CRISPR 技术开发的镰状细胞病基因疗法，已于近期获得FDA批准，首个“个性化”的CRISPR基因编辑疗法也已成功实施。

“即使是在最简单的生物体中，仍有高达40%的基本基因功能至今仍是未解之谜。”珍妮弗·道德纳表示，通过CRISPR与机器学习的协同进化，利用CRISPR技术在细胞系中系统性地制造“基因扰动”，从而大规模、高效率地筛选并鉴定每个基因的具体功能。这将为构建因果数据集提供了关键工具。

Alphabet董事长约翰·轩尼诗表示，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。

不过，他也冷静指出，当前AI发展正面临两大不容忽视的核心挑战，可能制约其长期潜力释放。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。与算力的迅猛增长相比，计算的“能源效率”提升速度要缓慢得多。