专题：2026可持续全球领导者大会第二届绿色产业与可持续消费博览会

　　“2026可持续全球领导者大会”于10月20日-22日在上海召开
。2013 年诺贝尔生理学或医学奖得主
、神经科学家托马斯・苏德霍夫（Thomas C． Südhof）围绕AI与生物医学、神经科学的边界展开论述。他提出，AI 擅长处理标准化海量数据 ，但受制于异构数据与 “验证税 ” 难题；AI 将重塑医学实践
，却永远无法替代医生 —— 医患之间独特的人际效应 、大脑复杂环路，是机器难以复刻的核心 。

　　苏德霍夫以人脑神经环路与电子电路的差异作为开场
，点明二者底层逻辑截然不同
。在他深耕的生物医学领域，AI 已经成为科研实践中无处不在
、不可或缺的工具。科学研究持续产出体量庞大的数据 ，AI 在处理像素图像这类格式统〖One〗、 质量均质的海量信息时优势突出
，能够高效完成人力难以承担的规模化运算 。

　　但他随即抛出关键判断：标准化数据仅仅是科学研究的一小部分
。真实世界里大量科研数据是非规整 、跨模态的异构信息，例如非标准文本
、多源异质观测数据 ，这恰恰是当前 AI 的短板。AI 的能力边界清晰：它在统一范式的数据任务上游刃有余
，面对杂乱、多元 、缺乏统一规范的信息时，很难稳定产出可靠结论 。

　　“验证税
” ，是苏德霍夫重点警示的 AI 发展瓶颈
。他引用近期神经科学领域研究指出，拖累 AI 科研效率的核心环节
，就是对 AI 输出结果的核验工作。AI 存在固有的幻觉问题，输出质量高度依赖输入数据本身的可靠性 ，输入瑕疵常常直接带来错误结论 。科研人员必须投入大量精力复核 AI 给出的答案
，确认信息真伪，这笔额外的验证成本 ，也就是 “验证税”
，正在成为生产力增长的拖累，并且短期内很难彻底解决
。这一约束不只局限于基础科学 ，所有场景下的 AI 生成内容
，都不能直接采信，都需要人工核验 ，显著增加研究者负担。

　　在这样的前提下
，苏德霍夫认为科学家的核心价值不会被工具消解 。科研的重心依然是研究者本身，研究者需要锚定真实的生物学问题 ，而非单纯追逐前沿技术。

　　延伸至医疗场景，苏德霍夫给出明确观点：AI 不会取代医生
，只会改变医疗实践模式
。他本人拥有医学背景，如今深耕基础研究 ，他解释
，AI 可以快速调取医学知识
、解析数字化病历、加速药物临床试验与上市后数据分析，助力流行病学评估 、识别传染病风险 ，把医生从海量知识记忆
、基础信息检索工作中解放出来。有临床医生在《纽约时报》相关报道中将 AI 形容为 “更好的医生 ”
，认可其强大辅助价值，但苏德霍夫强调 ，这份能力存在天花板 。

　　医学的本质是面向人的科学
，诊疗根植于人与人之间的联结，而机器没有共情能力 ，无法读懂人类大脑复杂的个体反应
。他以安慰剂效应作为极具说服力的例证。在神经、精神类疾病研究中
，安慰剂往往可以产生强度可观的治疗效果，部分场景下的效应强度甚至接近主动治疗组；年轻患者 、周期更短的临床试验 ，更容易观测到更强的安慰剂反应 。脑成像研究证实，安慰剂起效和大脑内特定激活模式直接相关
，以头痛干预为例，安慰剂能够激活内源性阿片信号通路 ，切实缓解疼痛
。

　　这一现象证明
，医患关系本身就是治疗的一部分，这种源自人际交互、大脑主观调控产生的生理改变 ，不属于标准化数据范畴
，也无法被 AI 复刻。人类不是可以被工程师中立修复的机器，诊疗里的共情
、信任、个体精神与生理的联动 ，是医学无法被算法简化的内核 。

　　苏德霍夫总结
，AI 是生物医学和医疗领域强有力的分析工具，是科研与临床的重要帮手；但科学判断 、临床照护
、理解人脑独特的生理与心理反应 ，最终仍然离不开人
。技术负责算力
，而科学家与医生，负责理解生命。

　　新浪声明：所有会议实录均为现场速记总结  ，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的
，并不意味着赞同其观点或证实其描述 。