【导语】在2025WAIC世界人工智能大会上，生命科学领域的多位顶尖院士聚焦人工智能（AI）与生命科学的深度融合。他们认为，AI正成为破解生命密码的关键力量，同时，生命系统尤其(qí)是(shì)人(rén)类(lèi)大(dà)脑的复杂性也为AI的突破提供了灵感。从构建“数字脑”探索AI本质(zhì)，到(dào)借(jiè)鉴(jiàn)大(dà)脑(nǎo)蓝(lán)图(tú)推(tuī)动(dòng)“类(lèi)脑(nǎo)智(zhì)能(néng)”，再(zài)到(dào)AI加(jiā)速(sù)药(yào)物(wù)研(yán)发(fā)的(de)中(zhōng)国(guó)创(chuàng)新(xīn)之(zhī)路，这(zhè)些(xiē)思(sī)考(kǎo)与(yǔ)实(shí)践(jiàn)共(gòng)同(tóng)描(miáo)绘(huì)了(le)一(yī)幅(fú)AI与(yǔ)生(shēng)命(mìng)科(kē)学(xué)交(jiāo)相(xiāng)辉(huī)映(yìng)的(de)未来图景。
·AI可能成为继人脑之后的“另一个原始创新的中心”。
·大脑的高效与复杂性源自数以百亿计的神经元、千余种细胞类型，以及高度专业化的连接与功能分布。AI算法还可以继续从大脑中汲取灵感。
人工智能（AI）与生命科学正上演着一场科学史上的“双城记”。一方面，从基因序列到蛋白质结构，从细胞通讯到药物靶点，AI正以前所未有的算力试图破解生命这本古老的密码之书，另一方面，演化了数十亿年的生命系统，尤其是人类大脑，其无与伦比的复杂性、能效和创造力，可能成为AI突破自身瓶颈的灵感源泉。如何通过AI理(lǐ)解(jiě)生(shēng)命、造福人类，已经成为生命科学领域的重要问题。
在刚刚闭幕的2025WAIC世界人工智能大会上，多位在生命科学领域中耕耘数十载的院士在不同专题报告中分享了对AI的思考。他们深入理论原点、对标生命本源、立足产业实践，为我们呈现了一幅更为冷静、深刻且相互关联的思考图景。
陈润生：从理论原点探寻AI的“创新火花”
人类历史上所有创造发明皆为大脑智能的体现，那么一个可工程化实现的“数字脑”，其潜力不言而喻。在中国科学院院士陈润生看来，AI的本质正是通过算法构建这(zhè)样(yàng)的(de)“数字脑”。“如果我们能造出来，社会将难以想象地变革。”他说。
作为我国最早从事理论生物学与生物信息学研究的科学家之一，陈润生在过去三十余年间系统地推动了该领域在中国的发展。他认为，AI技术的发展可能是人类文明演化的一个重要节点。2024年诺贝尔奖授予AI相关领域，已昭示AI的不凡学术地位及其对自然科学的现实推动。当下的AI不再只是一种工具，而在潜移默化间重塑着生产和生活的方方面面。
陈润生指出，当前大模型的理论基石是“两个理论体系加一个技术”。理论之一是基于机器学习或者复杂神经网络理论，它负责制造一个足够庞大的系统来存储知识；其二是基于语言构成的统计理论，它认为语言由单词通过统计相关性组合而成。这两套理论在上世纪80年代就已成形，但彼此割裂。直到2017年，谷歌团队提出Transformer架构，通过将语言中的单词变成一个矢量，才使得语言能够被复杂网络“可读取可认知”，从而将两大理论体系缝合起来，催生了今日的大语言模型。
陈润生说，AI展现出的“涌现、顿悟和幻觉”等现象，预示着“这个系统可以产生我们（训练数据）里面没有的新的知识”。如果这些新知识符合客观规律，那么它就可能是“新的智能的火花”，是AI可能成为继人脑之后的“另一个原始创新的中心”的重要苗头。
AI这种超越工具性的潜能，也引出了更深刻的科学哲学问题，即物质世界除了通过生物进化，如今还可能通过人工智能产生新的智能体系。
然而，陈润生也指出(chū)了(le)AI与(yǔ)人(rén)类(lèi)智(zhì)能(néng)的(de)巨(jù)大(dà)差(chà)距(jù)。AI目(mù)前(qián)在(zài)学(xué)习(xí)、记(jì)忆(yì)等(děng)“一(yī)般(bān)智(zhì)能(néng)”上(shàng)表(biǎo)现(xiàn)出(chū)色(sè)，但(dàn)距(jù)离(lí)人(rén)类(lèi)所(suǒ)拥(yōng)有(yǒu)的(de)意(yì)识(shi)、思(sī)维(wéi)、情感等“高级智能”仍遥不可及。他从物理层面比较，人脑在复杂度、集成度（860亿神经元在1400立方厘米颅内）和能耗（仅20-30瓦）上，均远超当前的人工智能系统。更重要的是，他认为当前AI理论体系是“不透明的，不可解释的”黑箱，未来需要从更底层研究其工作机制，才能实现真正的理论突破。
蒲(pú)慕(mù)明(míng)：为(wèi)人(rén)工(gōng)智(zhì)能(néng)寻(xún)找(zhǎo)“大(dà)脑(nǎo)”的(de)真(zhēn)实(shí)蓝(lán)图(tú)
作(zuò)为(wèi)国(guó)际(jì)著(zhe)名的(de)神(shén)经(jīng)生(shēng)物(wù)学(xué)家(jiā)和(hé)生(shēng)物(wù)物(wù)理(lǐ)学(xué)家(jiā)，中国科学院院士蒲慕明长期致力于神经突触可塑性、神经环路功能等领域的研究。他在报告中指出，大脑的高效与复杂性源自数以百亿计的神经元、千余种细胞类型，以及高度专业化的连接与功能分布。AI算法还可以继续从大脑中汲取灵感。
与AI只有一种神经元相比，蒲慕明以空间转录组学图像为例展示了大脑皮层的惊人复杂性：“每一个彩色的点，是不同基因表达模式的细胞，所以可以说不同种类的细胞在大脑的皮层……上千种不同的种类。”此外，通过比较小鼠与猕猴的大脑，他指出在进化过程中，灵长类动物的神经元投射变得“高度专一”，这可能是复杂认知功能的基础。这种细胞与连接的异质性和特异性，是当前AI模型远不能及的。
蒲慕明强调，神经网络的“可塑性”是理解智能本质的关键。无论是Hebb法则为代表的可调突触连接，还是长期增强（LTP）与长时抑制（LTD）等生(shēng)理(lǐ)机(jī)制(zhì)，都(dōu)对(duì)应着人工神经网络中的“参数可调”。而大脑中更为精妙的生物学习法则远不止于此。他详细阐释了“脉冲时序依赖可塑性（STDP）”，即神经元脉冲发放的几毫秒先后顺序，就精确地决定了连接是强化还是弱化。这一“持续依赖”的学习法则，为更高效的脉冲神经网络提供(gōng)了(le)理(lǐ)论(lùn)依(yī)据(jù)。
他(tā)还(hái)强(qiáng)调(diào)了(le)大(dà)脑(nǎo)具(jù)有(yǒu)的(de)短(duǎn)期(qī)记(jì)忆(yì)与(yǔ)长(zhǎng)期(qī)记(jì)忆(yì)转(zhuǎn)换(huàn)机(jī)制(zhì)，其(qí)生(shēng)理(lǐ)学(xué)基(jī)础(chǔ)是(shì)“间隔性学习”，对信息进行筛选、巩固和遗忘的机制，正是当前AI模型所缺乏的。
蒲慕明进一步列举了大脑网络中诸多在当前AI中尚未被充分引入的高级特性：包含大量反向连接和侧向连接的复杂网络结构、发育过程中的网络修剪与生成等。因此，蒲慕明认为，只有引入真实神经系统的多样性、可塑性与自适应的调控，AI才有望更好地向“类脑智能”迈进。
从脑科学出发，蒲慕明倡导一种“反向借鉴”：一方面利用神经原理为AI提供启示，创造“类脑智能”，另一方面通过AI与大脑的比较研究促进对人工智能特性与高等智能本质的理解。他认为，脑科学的经验可以成为新一代AI伦理、标准制定与边界探索的基础。
陈凯先：AI加速中国从“跟跑”到“领跑”的药物革命
中国科学(xué)院院士陈凯先是我国药物化学和创新药物研究领域的权威专家。他的报告立足于中国生物医药产业的实际，系统阐述了AI如何作为一种革命性力量，推动药物研发全链条的创新，并助力中国实现从“跟跑”到“领跑”的跨越。
陈凯先说，一方面，我国新药获批数量快速上升，已进入全球药物研发的“第二梯队”；但另一方面，他也(yě)指(zhǐ)出(chū)了(le)核(hé)心(xīn)“痛(tòng)点(diǎn)”：“赛(sài)道(dào)不(bù)是(shì)我(wǒ)们(men)开(kāi)的(de)，从(cóng)0到(dào)1往(wǎng)往(wǎng)是(shì)人(rén)家(jiā)先(xiān)做(zuò)……面(miàn)向(xiàng)未(wèi)来(lái)我(wǒ)们(men)要(yào)加(jiā)强(qiáng)原(yuán)始(shǐ)的(de)创(chuàng)新(xīn)。”而(ér)AI可(kě)能(néng)是(shì)实(shí)现(xiàn)这(zhè)一(yī)跨(kuà)越(yuè)的(de)关键变(biàn)量(liàng)之(zhī)一(yī)。
他(tā)系统地梳理了AI在靶点发现、药物设计、临床前研究到临床试验优化等全流程的应用，指出AI技术正从处理“单一模态的数据”，发展为能够整合基因、蛋白、病理等多模态信息的“生物医药大模型”，并开始具备推理能力，能够“进行原创的生物假设，并且进行实验验证”。他以上海临港实验室的“元生”虚拟疾(jí)病(bìng)生(shēng)物(wù)学(xué)家(jiā)、华为云的“盘古药物分子大模型”、分子之心的蛋白质生成大模型、深势科技的AI for science平台等国内实践为例，展示了AI在加速新药发现上的巨大潜力。
陈凯先认为，AI在药物研发中的应用前景在于构建“主动数据驱动的智能药物发现新范式”，其中包含两方面。一是将“干法和湿法结合起来”，即AI的“大脑”（虚拟筛选、模型预测）与高通量自动化实验平台的“双手”相结合，形成“设计-执行-学习”的快速闭环。二是通过构建“虚拟细胞”、“虚拟患者”等数字生命体，在计算机中模拟药物作用，以极低的成本预测疗效与毒性，从而“大大降低临床研究的失败成本”。他相信，这种新范式将是推动中国生物医药实现原始创新的强大引擎。