10月27日、28日，AI驅動科學研討會（Symposium for AI Accelerated Science，AIAS 2025）在美國舊金山舉行。會議匯聚了近30位全球頂尖學者與產業領袖，與現場數百位學者、學生共同探討AI如何驅動科學發現。
會上，盛大集團、天橋腦科學研究院創辦人陳天橋發表主題演講，首次系統闡述了「發現式智能」（Discoverative Intelligence）的全新理念，指出這是真正意義上的通用人工智慧，並提出了實現路徑。
▷ 陳天橋在AIAS會議上發表主題演講
以下為陳天橋演講全文《真正的智慧，是能「發現」的智慧》：
人類進化從未停止，只是改變了方式
自智人出現以來，我們的身體幾乎沒有變化。甚至有研究顯示，人類大腦的體積相比舊石器時代還有所縮小。但這並不意味著人類進化已經停止。
我們用智慧讓科學發現和技術發明成為我們新的、外在的進化器官。我們發明武器來獲得利爪和尖牙，發明衣服來獲得新的皮膚，發明汽車來跑得比獵豹還快，發明飛機來超越鳥類。我們的平均壽命從二十多歲延長到近八十歲，這種差距在生物學上只存在於不同物種之間。
可以說，人類並未停止進化；相反，透過不斷發現未知，我們將自身的功能外化，擴展了在時間和空間上的範圍。科學發現和技術發明已成為人類進化的主要引擎。
「發現式智能」是真正意義上的通用人工智慧
因此，AI for Science不應被看作是人工智慧應用的一個方向。它定義了AI與人類的關係：AI的價值不在於取代現有的人類工作，比如更快、更便宜或更高效。從我們物種進化的角度，AI for Science就是AI for Human Evolution。幫助人類發現未知，是AI對人類的終極價值。
如今許多模型聲稱已經「發現」了新結構、新分子，甚至新理論。但這種「發現」大多還停留在結果層面。他們在已知能量函數、統計模式或語料分佈內找到了新樣本。這並不是科學意義上的發現，而是在搜尋空間內的外推。
真正的「發現」是能夠提出問題，而不僅僅是回答問題；能夠理解原理，而不僅僅是預測結果。
這種能夠主動建構可檢驗理論模型（可檢驗的世界模型）、提出可證偽假說，並透過與世界的互動和自我反思不斷修正自身認知框架的智能，才是真正的通用人工智慧。我們稱之為「發現式智能」（Discoverative Intelligence）。
它不同於其他智能的定義：
它超越了模仿，因為創造和發現才是智慧的本質；
它是可證偽的，因為發現是可觀察的事件，而不是像「意識」那樣模糊的哲學定義；
它重新定義了AGI的意義——不是「取代人類」，而是「進化人類」。
規模路徑與結構路徑：通向「發現式智能」的兩條道路
以「發現式智能」為新標準，我們重新審視當今AI發展的兩大流派：
第一是「規模路徑」。它強調參數即知識，智能是規模的產物。只要模型足夠大、數據足夠多、算力足夠強，智能就會自然湧現。這一路徑已經取得了驚人的應用成果，使AI能夠預測蛋白質、生成化合物，甚至輔助科學研究。這無疑是AI歷史上最成功的工程路徑。
與此同時，另一條路徑正在悄然形成，即「結構路徑」。這裡的「結構」不是指模型架構，而是智能的「認知解剖學」。大腦是一個透過神經動力學，並基於記憶、因果和動機，形成知識系統並隨時間不斷演化的系統。這些機制賦予智能以連續性、可解釋性和方向感。科學發現的本質是推演未來，這一觀點認為，只有具備時間結構的智能才能在分佈外保持有效。
大腦之鏡：時間結構分析
那麼，所謂「大腦的時間結構」究竟指什麼？
它不是指大腦的某個具體物理區域，而是大腦處理資訊的基本「運行範式」。
當前AI的「空間結構」範式（規模路徑）本質上是「瞬時的」和「靜態的」，用大量空間參數去擬合世界的「快照」。而大腦的「時間結構」範式本質上是「連續的」和「動態的」，其存在的目的是管理和預測時間流中的資訊。
要管理時間流中的資訊，系統必須具備五種核心能力，這五種能力共同構成了「時間結構」的完整閉環：
（1）神經動力學
要在時間中「存在」，而不是「瞬時計算」，必須有連續的能量基礎。大腦是一個持續運行的動態能量系統，即使沒有輸入，大腦也能自組織、自啟動、自校正，就像我們在發呆的時候大腦仍然在運轉。這種能量流讓智能真正「活著」。而Transformer是離散的、靜態的計算圖，每次推理結束後「思考」完全停止，下一次又從零開始，沒有時間連續性。今天的智能只是計算，而不是存在。智慧必須「活著」，因為世界總在變化，只有持續隨時間更新的系統才具備科學發現的能力。
（2）長期記憶系統
要「累積」過去的經驗，而不是每次都從零開始，必須有可塑的儲存機制。當前大模型的記憶是「短時工作記憶」，一旦上下文清空，智能就被重置。沒有長期記憶，就沒有真正的學習。長期記憶不僅讓智能累積經驗，更重要的是學會有選擇地遺忘，使其能在有限參數內高效學習，形成假說和理論。
（3）因果推理機制
要理解事件在時間中的順序（即什麼導致了什麼），必須能夠推導原理。現有大模型對已知資訊的理解和再現，包括因果關係，仍局限於已知範圍內的語言統計，而不是機制推導。模型在訓練數據分佈內表現完美，但環境一變就崩潰，因為它依賴的是共現模式，而不是世界結構。因果推理在科學發現中的意義，正是在未知條件下重建對世界的理解，是走向分佈外的第一步，也是世界模型的起點。
（4）世界模型
要預測未來的軌跡，必須能夠在內部模擬世界。雖然當前AI具備多模態感知，但仍缺乏統一模型，無法在內部形成連貫的「現實投影」。而人腦擁有統一的世界表徵系統，整合感知、記憶、預測和自我反思。它讓我們能在腦中模擬世界、預演未來，不斷在神經層面運行假設檢驗和因果預測。這正是科學思維的本質：在大腦中運行關於未來的實驗。
（5）元認知與內在動機系統
要管理上述複雜的跨時過程。人腦具備元認知，能意識到自己的不確定性，調整推理路徑、分配注意力、選擇策略。這種「對思維的思考」是科學和創造力的起點。而今天的AI主要依賴外部指令，缺乏自驅，包括強化學習的獎勵函數也是由外部設定。當長期記憶和因果推理在世界模型中匯聚時，如何產生機器元認知，讓探索欲和好奇心自發生成。這是從被動執行者到主動探索者的關鍵一步，也是走向活的智能的最大的挑戰。
這五種能力不是五個平行方向，而是智能的連續、活躍閉環——一個能隨時間自我進化的系統。我們稱之為「大腦的時間結構」（Temporal Structure）。
時間結構：年輕人的切入點
正因為規模路徑近年來取得了巨大成功，我們才第一次如此清晰地看到它的天花板：僅靠堆積數據和算力，無法突破通向真正理解和發現的障礙。這是結構主義思維回歸的最佳時機。我們正站在這個歷史轉折點。我們需要的不是更多顯卡，而是新理論、新演算法和新想像力。這需要跨學科思維：神經科學、資訊論、物理學和認知心理學的融合。這正是年輕人的優勢。
我們有算力。無論選擇哪條路徑，算力都是不可或缺的。我們將投入超過十億美元建設專用算力集群，為年輕科學家提供即時實驗的資源環境。這些算力不是用來比拼規模，而是用來探索結構，驗證記憶機制、新的因果架構或新的神經動力學假說。
我們有辦公室。我們在全球設立了研發中心，邀請來自不同學科的年輕研究者在白板前現場碰撞智慧，目前已有200多位世界知名大學的博士在我們的辦公室工作。
我們正在建立基準。我們計劃推出新的基準（benchmark），全面衡量神經動力學、長期記憶、因果推理、世界模型和元認知，以AI是否「發現」為AGI衡量標準，讓所有科學家基於SOTA目標協作和競爭。
我們有專為年輕人設計的機制。我們正在建立PI孵化器，為全球年輕科學家開設獨立研究通道。博士生和博士後無需等到畢業，就能獲得獨立預算，在我們的平台上以自己名字命名實驗室，帶領同事獨立探索時間智能的未來結構。
我們相信：規模是巨人的道路，時間結構是年輕人的機會。巨人用算力推動邊界，年輕人用結構重新定義智能：
那就是一種不會重複既有知識，而是能提出自己假說、驗證世界並修正自身理解的智能——這就是能「發現」的智能。
關於天橋腦科學研究院
天橋腦科學研究院（Tianqiao and Chrissy Chen Institute）是由陳天橋、雒芊芊夫婦出資10億美元創建的世界最大私人腦科學研究機構之一，圍繞全球化、跨學科和青年科學家三大重點，支持腦科學研究，造福人類。
Chen Institute與華山醫院、上海市精神衛生中心設立了應用神經技術前沿實驗室、人工智慧與精神健康前沿實驗室；與加州理工學院合作成立了加州理工陳天橋雒芊芊神經科學研究院。
Chen Institute建成了支持腦科學和人工智慧領域研究的生態系統，項目遍布歐美、亞洲和大洋洲，包括學術會議和交流、夏校培訓、AI驅動科學大獎、科研型臨床醫生獎勵計畫、特殊病例社群、中文媒體追問、影片媒體大圓鏡科普等。