AI可能成為繼人腦之後的“另一個原始創新的中心”。

• 大腦的高效與複雜性源自數以百億計的神經元、千餘種細胞類型，以及高度專業化的連接與功能分佈。AI演算法還可以繼續從大腦中汲取靈感。

人工智慧（AI）與生命科學正上演著一場科學史上的“雙城記”。一方面，從基因序列到蛋白質結構，從細胞通訊到藥物靶點，AI正以前所未有的算力試圖破解生命這本古老的密碼之書，另一方面，演化了數十億年的生命系統，尤其是人類大腦，其無與倫比的複雜性、能效和創造力，可能成為AI突破自身瓶頸的靈感源泉。如何通過AI理解生命、造福人類，已經成為生命科學領域的重要問題。

在剛剛閉幕的2025WAIC世界人工智慧大會上，多位在生命科學領域中耕耘數十載的院士在不同專題報告中分享了對AI的思考。他們深入理論原點、對標生命本源、立足產業實踐，為我們呈現了一幅更為冷靜、深刻且相互關聯的思考圖景。

陳潤生：從理論原點探尋AI的“創新火花”

人類歷史上所有創造發明皆為大腦智能的體現，那麼一個可工程化實現的“數字腦”，其潛力不言而喻。在中國科學院院士陳潤生看來，AI的本質正是通過演算法構建這樣的“數字腦”。“如果我們能造出來，社會將難以想像地變革。”他說。

作為我國最早從事理論生物學與生物資訊學研究的科學家之一，陳潤生在過去三十餘年間系統地推動了該領域在中國的發展。他認為，AI技術的發展可能是人類文明演化的一個重要節點。2024年諾貝爾獎授予AI相關領域，已昭示AI的不凡學術地位及其對自然科學的現實推動。當下的AI不再只是一種工具，而在潛移默化間重塑著生產和生活的方方面面。

陳潤生指出，當前大模型的理論基石是“兩個理論體系加一個技術”。理論之一是基於機器學習或者複雜神經網路理論，它負責制造一個足夠龐大的系統來存儲知識；其二是基於語言構成的統計理論，它認為語言由單詞通過統計相關性組合而成。這兩套理論在上世紀80年代就已成形，但彼此割裂。直到2017年，穀歌團隊提出Transformer架構，通過將語言中的單詞變成一個向量，才使得語言能夠被複雜網路“可讀取可認知”，從而將兩大理論體系縫合起來，催生了今日的大語言模型。

陳潤生說，AI展現出的“湧現、頓悟和幻覺”等現象，預示著“這個系統可以產生我們（訓練數據）裏面沒有的新的知識”。如果這些新知識符合客觀規律，那麼它就可能是“新的智能的火花”，是AI可能成為繼人腦之後的“另一個原始創新的中心”的重要苗頭。

AI這種超越工具性的潛能，也引出了更深刻的科學哲學問題，即物質世界除了通過生物進化，如今還可能通過人工智慧產生新的智能體系。

然而，陳潤生也指出了AI與人類智能的巨大差距。AI目前在學習、記憶等“一般智能”上表現出色，但距離人類所擁有的意識、思維、情感等“高級智能”仍遙不可及。他從物理層面比較，人腦在複雜度、集成度（860億神經元在1400立方釐米顱內）和能耗（僅20-30瓦）上，均遠超當前的人工智慧系統。更重要的是，他認為當前AI理論體系是“不透明的，不可解釋的”黑箱，未來需要從更底層研究其工作機制，才能實現真正的理論突破。

蒲慕明：為人工智能尋找“大腦”的真實藍圖

作為國際著名的神經生物學家和生物物理學家，中國科學院院士蒲慕明長期致力於神經突觸可塑性、神經環路功能等領域的研究。他在報告中指出，大腦的高效與複雜性源自數以百億計的神經元、千餘種細胞類型，以及高度專業化的連接與功能分佈。AI演算法還可以繼續從大腦中汲取靈感。

與AI只有一種神經元相比，蒲慕明以空間轉錄組學圖像為例展示了大腦皮層的驚人複雜性：“每一個彩色的點，是不同基因表達模式的細胞，所以可以說不同種類的細胞在大腦的皮層……上千種不同的種類。”此外，通過比較小鼠與獼猴的大腦，他指出在進化過程中，靈長類動物的神經元投射變得“高度專一”，這可能是複雜認知功能的基礎。這種細胞與連接的異質性和特異性，是當前AI模型遠不能及的。

蒲慕明強調，神經網路的“可塑性”是理解智能本質的關鍵。無論是Hebb法則為代表的可調突觸連接，還是長期增強（LTP）與長時抑制（LTD）等生理機制，都對應著人工神經網路中的“參數可調”。而大腦中更為精妙的生物學習法則遠不止於此。他詳細闡釋了“脈衝時序依賴可塑性（STDP）”，即神經元脈衝發放的幾毫秒先後順序，就精確地決定了連接是強化還是弱化。這一“持續依賴”的學習法則，為更高效的脈衝神經網路提供了理論依據。

他還強調了大腦具有的短期記憶與長期記憶轉換機制，其生理學基礎是“間隔性學習”，對資訊進行篩選、鞏固和遺忘的機制，正是當前AI模型所缺乏的。

蒲慕明進一步列舉了大腦網路中諸多在當前AI中尚未被充分引入的高級特性：包含大量反向連接和側向連接的複雜網路結構、發育過程中的網路修剪與生成等。因此，蒲慕明認為，只有引入真實神經系統的多樣性、可塑性與自適應的調控，AI才有望更好地向“類腦智能”邁進。

從腦科學出發，蒲慕明宣導一種“反向借鑒”：一方面利用神經原理為AI提供啟示，創造“類腦智能”，另一方面通過AI與大腦的比較研究促進對人工智慧特性與高等智能本質的理解。他認為，腦科學的經驗可以成為新一代AI倫理、標準制定與邊界探索的基礎。

陳凱先：AI加速中國從“跟跑”到“領跑”的藥物革命

中國科學院院士陳凱先是我國藥物化學和創新藥物研究領域的權威專家。他的報告立足於中國生物醫藥產業的實際，系統闡述了AI如何作為一種革命性力量，推動藥物研發全鏈條的創新，並助力中國實現從“跟跑”到“領跑”的跨越。

陳凱先說，一方面，我國新藥獲批數量快速上升，已進入全球藥物研發的“第二梯隊”；但另一方面，他也指出了核心“痛點”：“賽道不是我們開的，從0到1往往是人家先做……面向未來我們要加強原始的創新。”而AI可能是實現這一跨越的關鍵變數之一。

他系統地梳理了AI在靶點發現、藥物設計、臨床前研究到臨床試驗優化等全流程的應用，指出AI技術正從處理“單一模態的數據”，發展為能夠整合基因、蛋白、病理等多模態資訊的“生物醫藥大模型”，並開始具備推理能力，能夠“進行原創的生物假設，並且進行實驗驗證”。他以上海臨港實驗室的“元生”虛擬疾病生物學家、華為雲的“盤古藥物分子大模型”、分子之心的蛋白質生成大模型、深勢科技的AI for science平臺等國內實踐為例，展示了AI在加速新藥發現上的巨大潛力。

陳凱先認為，AI在藥物研發中的應用前景在於構建“主動數據驅動的智能藥物發現新範式”，其中包含兩方面。一是將“幹法和濕法結合起來”，即AI的“大腦”（虛擬篩選、模型預測）與高通量自動化實驗平臺的“雙手”相結合，形成“設計-執行-學習”的快速閉環。二是通過構建“虛擬細胞”、“虛擬患者”等數字生命體，在電腦中模擬藥物作用，以極低的成本預測療效與毒性，從而“大大降低臨床研究的失敗成本”。他相信，這種新範式將是推動中國生物醫藥實現原始創新的強大引擎。

來源：中國澎湃新聞