贰零贰肆，追問最後的演出

转瞬之间，又是一载春秋。回溯2021年2月“追问”创刊之际，作为第一个将脑科学和人工智能深度结合的科学媒体，我们与无数读者一同投身其中，循着“追问”之名，意在打开智能的更多维度。在陈天桥雒芊芊夫妇的大力支持下，依托天桥脑科学研究院，“追问”已经走过四度年轮。

从神经元之间难以捉摸的化学脉动，到深度学习模型里绽放的精巧算法；从实验室里衍生的革命性数据，到数字世界里迸发的蓦然灵感……犹如神经科学家在庞大脑网络中寻觅迭出的信号与图案，“追问”亦持续为读者甄别和筛选，呈现最具有前瞻性与价值的洞察。也正是你们的关注与支持，让这些深度解析与思维火花得以传递与扩散。

回首过去一年，我们共研读2188篇前沿文献，累积发布566篇文章，总字数突破320万。在微信公众号平台，我们收获了73万次阅读，8.3万次分享，3.5万次收藏，1万次收听，784条留言；同时被各方转载逾200次，更荣膺网易平台年度人气创作者之称。年末，我们倾力推出了脑科学独家内刊，以期帮助大家在茫茫信息洪流中迅速觅得真知。

跨入2024年，“追问”进一步拓展至视频媒体，巧借AIGC技术彰显人类思想的深邃，以亲身践行实现人工智能与人类智慧的融通。我们新开设了“追问科普短视频”账号，由大圆镜工作室出品，共制作科普视频 35 条，横跨五大平台，总播放量逾1200万，点赞评论互动亦超过160万。

回首是为了更好地出发。新的一年里，我们期盼与各位携手共进，以更深邃的思考、更前沿的内容，更广阔的视野，探讨更多元的可能。让我们在新的时光里，继续“追问”，不断拓展AI与脑科学的未尽之境。（附：文末读者福利，不容错过哦~）

年度视频推荐

最厚重：

荐语：Frank（盛大集团COO）

过去的25年是网络技术深刻改变世界的25年，是人类历史上少有的飞速发展时期。而今天我们又站在更伟大的AI时代的起点，未来25年会怎么样？久未露面的陈天桥再次躬身入局，其在盛大25周年中亲自讲述的AI时代的畅想非常值得一看。

陈总的战略高度一直广受称赞，他是“不断学习，不断创新，永不止步”的践行者，每年和不下500个AI科学家、硅谷大咖、脑科学家深入交流，时代洞察自然深刻。这个视频再次发出了对AI人才的深切渴望，并公开宣布将AI公司50%的收益分享给AI人才，这种豪气只有既不差钱又不差情怀，还没有上市公司那样的季报压力的盛大才有。

若身边有AI从业者，不管在大厂，还是AI创业者，亦或是关注AI的学生，都可以转给他看看：一位互联网大佬在AI时代的召唤下，向年轻人发出的又一次召唤。

最前沿：

荐语：杨扬（天桥脑科学研究院副院长[中国]）

这是一则有思想深度，也有科学预见性的视频。

脑机接口或许是知名科幻小说或电影描述最多的前沿技术之一，因为它面向的是人类与其他动物最大区别所在器官大脑，既能解密大脑深层之谜，又能帮助治愈疾病甚至增强大脑。

值得一提的是，就在这则视频发出后半年不到，中国科学家成功实现了脑机接口汉语语言解码的重大突破，马斯克也提出了脑机接口重建视觉的新方向，标志着技术本身正在快速迭代，迈上新的台阶。

但这绝不是脑机接口的全部。如果站在人类发展的更高层次来看，脑机接口的想象空间也许更是令人惊叹。比如说，能不能加快大脑的运转速度，实现人与人，人与AI之间用思维直接交流，打造真正意义上的最强大脑？再比如，能不能实现对大脑最底层奥秘，记忆、意识等的提取和存储，实现人的数字永生，创造全新的生命形态？一旦实现，人类社会会产生怎样的深刻变化，我们又该怎样更好地坚守科技向善的初心？

最人文：

荐语：HYY（天桥脑科学研究院数据研究院负责人）

灵溪是天桥脑科学研究院第一个规模化数据研究项目，旨在用前沿人工智能技术驱动精神疾病诊断和治疗机制、方法的研究进程，得益于国家级精神健康中心的大力支持，项目得到一百多位顶尖临床精神科专家和5000位志愿者的深度参与，成就了这个领域全球最大规模数据项目。联合国际最权威的学术平台《科学》杂志编辑部，我们还设计了专门奖项鼓励跨学科科学家团队在这个领域开展研究。

我们期望通过灵溪项目的推进。真正为人们的精神健康和愉悦提供帮助，为罹患精神疾病的人群提供便利、可靠的诊断和治疗方式。因此，我们把解除人类精神痛苦作为灵溪的终极目标，欢迎相关领域的科学家、临床专家和创业者共同参与，和我们一起前行。

观看最多：

荐语：MJ（大圆镜工作室负责人）

AIGC的大趋势下，怎样的视频形式是用户接受度最高的？这个问题时常困扰着我们。回溯最初的电影，是火车进站的真实，是法国新浪潮的现实主义，人们去到电影院这个“黑匣子”里想要看到的是那距离自己最近而又容易被忽视的真实之美。再将目光放到经历了数代摄制技术变化的AIGC作品上，人们渴望在视频里找寻的依旧没有变化，永远是真实。

因此我们在多期视频里，不断精进地去追求接近真实的表达，也许AIGC能轻而易举地生成肤白貌美的人物，但满目沧桑的近景才能唤醒观众的共情，那才是我们身边的亲人朋友，这期视频8万多的转发量也证实我们的猜想。

真实美的形式下，科学与哲学思考也终能最大化地普及到这期视频的200多万的观者，我们也会坚定自己的人文关怀，将更多的科学哲思在未来一年传递给更多的人。

最佳视听：

荐语：江南（大圆镜工作室音频工程师）

现在我们脑海中各式天马行空画面都能用AIGC低成本、迅速、高效的生产出来，但如何让这些画面更加生动而具有真实性更具临场感？这离不开声音音效在最后助推一把。

当前AIGC音频生成有了一定进展，能够较好实现语音合成、音乐生成。追问科普系列短视频的全部朗读语音、背景音乐均由AI生成，合成语音做到了高拟真、高自然度以及出色的情绪控制能力，背景音乐亦能与文稿画面情绪契合；然而在音效生成方面，AIGC技术仍面临挑战，完全端到端的“输入视频-输出声音”模式效果尚不理想。在某些非传统、需要想象力创造力的音效方面，AIGC技术可作为参考并激发创意灵感。短片《子弹时间》涉及空难中的爆炸声、子弹时间的慢动作音效以及时间回溯的独特声音，对音效的精确性和真实性要求极高，该短片较为逼真地还原了这些，并大胆舍弃了背景音乐，仅用低音rumble持续全片营造紧张气氛。

未来AIGC音效势必取得更大突破更具有实用价值。音频工程师角色仍然重要，他们需要准确地提出prompt，进行后期处理优化确保音画同步、弥补不足。人工与AI紧密协作提高效率与质量，希望短片《子弹时间》能是这一美好愿景的开端。

最佳类型片：

荐语：樱超（大圆镜工作室剪辑师）

AIGC为影像类型创作注入新活力，在虚拟与现实交织之中，深度探索科学真理。本期视频融合类型电影叙事与AIGC技术，以科幻叙事探讨外星模拟宇宙的猜想。视频融入悬疑、探索元素，引导观众跟随科学家视角寻找“世界bug”，如探索宇宙边界、提高望远镜精度等，将科学幻想与知识巧妙结合。

运用跨类型叙事融合多种类型元素，创造出独特的视听体验，构建了一个层次丰富、沉浸感强的叙事空间。视频中不仅有科幻片的未来感和探索精神，还融入了悬疑片的紧张氛围和推理过程，让观众在享受视听叙事的同时，也能对复杂的科学概念产生兴趣。

我们相信，这种更具交互感的创新形式将吸引更多观众，我们将继续探索AIGC与科普视频结合的可能性，利用跨媒介叙事的优势，创作更多精彩的科普内容，将科学的种子播撒到更多人的心中。

年度文章推荐

阅读最多：

荐语：存源（追问主编）

从分子信号通路一路“下潜”，到大规模网络振荡现象再“浮现”，神经科学的“机制”如同层层叠叠的行李箱，包罗了我们对大脑运作方式的无尽想象。然而，当各个细分领域各执一端，那“机制”究竟意味着什么？我们在追寻因果时，究竟是想捕捉一条亘古不变的规律，还是在追求将未知打包进“行李箱式”术语的舒适感？

若你也为神经“机制”所惑，不妨读读这九位科学家的坦诚分享。表面看，这篇文章讨论的是“机制”如何被滥用或误用，实则在呼唤神经科学摆脱狭隘的“单一层次论”，进而拥抱多元、复杂的系统思维。

荐语：杨一森（追问作者）

梦里梦到醒不来的梦，到底是谁在做梦。如果我们能清醒地做梦，那么，到底是闭着眼睛的时候是在做梦，还是睁着眼睛的时候才是做梦？我们对于机制的探索，有没有可能是一个梦想？我们通过某方式定义机制。

随着技术的变革，和对因果关系的进一步了解，我们是否在从对一种机制的理解，进入到另一种更深入的机制理解。是否这是从一个梦中醒来，进入了另一个梦境？这是不是凡所有相，皆为虚妄？

互动最多：

荐语：一木（追问编辑）

当我们回望意识研究的历程，不同流派的“分裂”似乎由来已久。本文却给出了一个勇敢而新颖的视角：或许，它们的交集才是突破的关键。借由对五大理论的平行分析，作者们不仅拆解“现象意识”与“访问意识”之争，更对大脑的多层级、网络化机制进行层层追溯。它深刻启示我们：在理解“何为意识”的追问中，竞争与对抗未必是唯一途径。透过融合和协作，也许能让我们看得更远、更深。

荐语：野雾（UCSD认知科学在读，追问作者）

追问的这篇长文很全面的综述了认知科学最核心的问题：意识究竟从何而来？认知科学的六大子学科都试图通过自己的理论来解析这个近乎于哲学命题的问题。但是，将碎片拼在一起，真的能看到完整的拼图吗？或许在对于意识的研究已经跨越千年的今天，比起继续另起炉灶，更重要的是整合理论，锚定方向，再出发。

关注最多：

荐语：雨飞（追问编辑）

当大语言模型不再只是冷冰冰的算力与算法，而化身为“心理学”全新的实验对象，其背后蕴含的隐性认知究竟该如何衡量？本文从“行为主义的遗留”、“相关性的困惑”、“隐性知识的挑战”三大问题入手，揭示了一个可能搅动传统心理学根基的“AI心理学”新战场。文中每一次思辨，都在无情叩问那个老生常谈却依旧值得追问的问题：人类，究竟真的理解世界吗？读罢方知，我们对人类心理乃至AI认知的既有认知，也许都应重新洗牌。

荐语：李泽伟（澳门大学组织行为学博士，文章作者）

在心理学漫长的发展进程中，行为主义研究方法长期占据着重要地位。即便现代心理学已开始重视思维和情感，但在实际研究里，仍对行为数据和外部观察存在过度依赖。这种情况在人工智能心理学领域，尤其是大语言模型（LLM）的研究中，同样显著。遗憾的是，目前没有发现有研究者正在讨论像演化心理学那样为LLMs心理学提供的动力学框架，where is theory in LLMs research？这不仅仅是一个工程学的提高参数表现的炼丹问题，而且是大语言模型动力学缺失的致命缺陷。这篇推文正在直击这个命题。

荐语：达尔文地雀（追问社群群友）

当LLM这样一种能够像人类一样说话、理解人类意图、甚至展现某种"意识"的模型走到人类面前，每个心理学研究者都会不禁沉默——我们毕生研究的人类认知体系，正在被算法解构成万亿参数的统计游戏。

这篇文章提出了一个令人不安的悖论：那些用来证明LLM不具备真正理解能力的实验范式（中文屋/哲学僵尸），恰恰暴露了传统心理学研究范式的致命缺陷——我们可能从未真正理解过"理解"本身。

其他推荐

我们也邀请了十余位追问作者或社群群友，选出了他们心目中最喜欢的文章（排序为收集顺序）。

荐语：存源（追问主编）

“GPT学”呼啸而来，为心理学研究开辟了一条捷径——从道德判断到情感分析，一切似乎都有了自动化方案。于是，我们高调抛出一问：“”。但潮水退去，现在是反击的时候了。

当“人类群体”被替换为“LLM大军”，当“零样本分析”被视作万金油，我们是否会失去最重要的科研自觉？本文以PNAS Nexus新近综述为引线，引领我们走进学术创新的“冷静期”。当模型本身的偏见与黑箱，与研究者“求简”的思维碰撞，会否重演历史上那些“虚假显著性”的乌龙？究竟是我们在利用AI，还是不知不觉中被AI改写了思考方式？这些疑问，或许正是新旧心理学交汇之处最值得深思的命题。

荐语：一木（追问编辑）

“从内罗毕的边缘地带到马尼拉拥挤的公寓，从黎巴嫩的叙利亚难民社区到德国的移民聚居地，再到卡萨布兰卡的呼叫中心，一张庞大的“隐形工人”网络支撑着我们的数字世界。”

2024年追问发表了多篇探讨人类智能与人工智能相互促进的文章，但这篇文章中关注的“人”，不是诸如马斯克等科技名流、也并非推动技术变革的顶尖学者，而是人工智能生态中最“微不足道”的群体——被“标注”为“平均水平的标注员”。这篇文章浅浅地揭开了人工智能背后的残酷现实的一角。

我们总习惯“向前看”，而这篇文章却提醒我们：“在不懈追求技术进步的过程中，我们愿意为数字便利付出怎样的代价？在这场奔向自动化未来的竞赛中，我们是否正在将人性抛在身后？”

《精神疾病中，神经科学的作用被高估了吗？》

荐语：雷沐春（人民大学外国哲学硕士，追问作者）

精神疾病与精神健康的差别近在咫尺，精神疾病的发生因人而异，社会文化因素、基因遗传也“功不可没”。精神疾病的复杂性使得我们时常抱怨神经科学不能揭示精神疾病的全貌，甚至认为后者有将神经疾病这一关乎人的存在境况的现象还原为大脑活动异常的倾向。然而，借助神经科学研究精神疾病并不意味着采纳粗暴的还原论。当代精神病学研究需与神经科学携手并进。

这篇文章回顾了基础神经科学、遗传学、分子神经科学、计算神经科学等领域在精神疾病研究中研究方法的创新以及取得的进展，遗传信息、身体症状、主观体验等精神疾病的不同方面越来越多地被纳入整体性研究框架中，不仅扩充了我们对精神疾病的了解，而且优化了治疗途径。想要获得关于精神疾病的大图景，必须清楚地知道我们当前身处何处。

荐语：郑宸（复旦大学药学院博士，追问作者）

在人们的印象中，精神疾病往往被视为“脑子出了问题”，然而，研究脑的神经科学却因未能开发出立竿见影的新疗法，被认为没有达到“预期效果”。本文旨在反驳这一观点，告诉我们上述错觉是因为我们对脑的理解尚不深入。文章通过大量实例说明了历史上神经科学的进步如何推动了精神病学的发展，以及当前的成就又如何为未来新疗法的发明奠定基础。

荐语：Yuli（追问作者）

在雄心勃勃的人类基因组计划落幕二十多年后，精神分裂症的遗传学研究依旧没有为患者带来根本性改变。文章细数了从连锁分析到拷贝数变异的研究演进，结论却格外沉重：不断扩大的基因样本并没有“锁定”单一致病基因。我们曾期待万亿级的资金投入能照亮复杂的大脑暗区，却只收获寥寥基因位点，这些远不足以解开疾病之谜。

这篇文章就像一部三十年的研究“纪录片”，回放了从白宫新闻发布会的群情激昂，到基因检测方法接连问世，再到最终困囿于一份难以转化的“基因清单”。当海量数据被视作救命稻草，却难以落地实际疗效，我们是时候聚焦NIMH的科研布局：在患者还在等待更直接的疗法时，基因研究这条独木桥，是否仍是唯一的路？在巨额投资之下，我们究竟得到了什么？

荐语：曹威（天桥脑科学研究院PR）

近年来，我们对人脑复杂性的探究逐步延伸至跨物种、跨尺度、跨技术的多样化汇合，催生了“数字大脑研究”这一新潮流。本文不仅回顾了从 19 世纪神经科学发轫到现代分子成像、光遗传学等技术飞速发展的历程，也展现了分布式基础设施 EBRAINS 的前沿生态，以及如何在巨量数据海洋中寻找共识与标准。本文所描绘的数字大脑研究路线图，也许将成为下一个十年里脑科学与AI跨越式融合的关键支撑。

荐语：十三维（轻刻数智健康研究院院长，追问作者）

大语言模型的兴起和基于AI Agent的技术和产品落地，将人工智能的意义和后果不断推向万人瞩目的一波波高潮。然而，在这个过程中，绝大多数人，尤其人工智能的行业领袖们，有意无意地淡化、混淆了智能与生命、意识之间的关系。

还好有Anil Seth这样的思考者。这篇文章详细解释了基于计算功能主义当前AI系统的局限，有哪几种对机器或数字意识的立场偏见，以及为什么生物自然主义可能是智能产生意识到重要条件。不同假设导致不同的目标预期和研究范式，我的立场和本文相关但又不尽相同：在创造出一个真正的数字生命系统之前，AI不会具有意识，也就是说，存在一种并非完全基于计算的数字生命意识的可能性，它超越了计算功能主义，但又不必基于自然生物。正如生命本质是信息，但唯有某种具身系统才可能自我创生一样，问题的核心在于整个生命生态，在于复杂系统和数学。让功能的归属于功能，让生命的归属于生命，让我们并非宇宙仅存的意识之光看到这一切，并一次又一次点亮并照耀宇宙。

荐语：舒扬（追问社群群友）

这是一篇所有关心人工智能和人类命运的人都该了解或赞同的文章。我们常常陷入“机器vs人类”的二元对立。作者超越物种，解释了如何理解智能的本质。从单个细胞到人类大脑，从婴儿的认知发展到人工智能的涌现，智能可以说是一个连续的谱系。在这个谱系中，每一种形态的智能都值得我们以平等和尊重的态度去理解。根据文章我们很容易得出一个推论——对今天的以LLM为代表的人工智能技术，正确的方向不是追求完全一致的价值观和行为模式，而是寻求能够包容差异、促进共同发展的平衡。人类智能和机器智能之间的不同和协同，能让我们扩大能力边界，而相同之处也有助于我们厘清自己是如何运作的。

荐语：雨飞（追问编辑）

如今，人工智能的快速发展已经带来了新一轮的生产力革命。大数据模型的出现意味着人类在创造了计算机将近一个世纪后，终于教会了计算机如何思考，但是人类对自己如何思考依然所知甚少。如果把大脑也比作一台计算机，那么，正如我们如何让计算机学会思考的那样，理解大脑的“算法”也是未来我们真正理解大脑，开发大脑，乃至让人工智能真正的像人类一样思考问题的关键所在。

James B. Aimone和Ojas Parekh在The brain’s unique take on algorithms一文中详细的讨论了桥接自上而下算法与自下而上物理方法的新兴理论计算框架以及其如何引领神经计算技术的发展。在现有的技术之上，如果把人工智能和神经科学结合起来，我们会得到什么？如果更好的掌握了神经计算技术，我们是否会发现，一些令人闻之色变的神经系统疾病其实只是大脑的“计算错误”？无论你是对AI技术感兴趣，还是希望了解更多关于大脑计算的机理，这篇文章都值得一读。相信读过之后，你一定会对脑科学和未来人工智能的发展产生一些新的见解。

荐语：张心雨桐（追问社群群宠-蝶，追问实习生）

“在‘超人类’AI意识形态中，将人类视为‘缓慢且效率低下的模式识别者’的观点，可能会引发一场在政治上意义重大的人类意义与价值的复兴。AI 的道德与体验贫乏，恰恰可以让我们重新将注意力集中到人类智慧的核心维度上，促进那些长期被低估的价值的文化恢复。”

人工智能什么时候会“超过”人类？这要看我们如何定义人类智能。人类的本质是什么？忽略主观感知、同理心、正义感、创造力等重要的品质，只关注人类作为劳动力的一面，强调效率、生产力、最短学习路径，人工智能似乎确实已经“超人”。但给机器贴上“超人”的标签，是否使我们忽视了那些真正值得我们珍视的东西？以此出发，我们再来思考人工智能应该在我们的社会中承担什么角色时，才有可能设想出富有人性的未来。

荐语：郭瑞东（科普作家，追问作者）

24年最重磅的AI突破，我们见证了大模型不再推参数量，而且换了赛道，开始堆思考步骤。确实，当卷模型参数到了尽头，就必须开始卷时间。然而人类的思维不止有长考，更有灵光一现。就像当下deepseek所代表的，不依靠卷算力也能让模型封顶。这篇文的核心通过思考来学习，可视为当下如GPT o1大模型大多采取的模式的一种补充，其中讲到的解释、模拟以及类比推理，或可成为下一代ai的必要模块，也将会是新的蓝海。

荐语：丹雀（追问Daily主理人，追问作者）

也许你阅读一些学习科学的图书时，了解到交替学习比集中学习效果更好。但这篇发表在Nature子刊Comunication Psychology上的文章告诉你，事情可能没有那么绝对。

研究显示，与交错学习相比，集中精力一次学习一个模式再转向另一个的阻断学习，更能防止“灾难性干扰”，提升多模式情境下的学习效率。作者基于贝叶斯模型与LSTM实验，发现在预测误差足够大时集中分裂新图式，有助于保留旧知、吸收新知。对教育设计者而言，这一发现或许意味着先“集中攻克”一门课程，再切换至另一门，比反复交错更高效，而这也为机器学习中的“灾难性遗忘”提供了新的启示。

荐语：一木（追问编辑）

“目前，AI生成的文字和图像已经开始在社交媒体和更广泛的网络中泛滥，甚至隐藏于一些训练AI的数据集之中。”

2024年有一个热词“数据枯竭”，这并不是指信息肉眼可见的不足，而是未被AI侵占的真实信息正变得越来越稀有。这篇文章谈论了生成式AI充斥网络可能引发的危险隐患——语言多样性丧失、数据偏见被放大，最后导致模型崩溃。“这项研究的最大收获可能是，高质量、多样的数据是宝贵的，而且是计算机难以模仿的。”

人类思考常依赖于语言，一旦语言变得贫瘠，思想如何自由？在这个AI回复日渐盛行的时代，危机是否早已埋伏好？而我们如何避开这枚“射向自己的子弹”？

荐语：贺敬（启元实验室研究员，追问作者）

当自动驾驶系统以300瓦功耗应对突发危机时，人脑正用20瓦能量同步处理刹车、心跳与呼吸——这场硅基与碳基的能耗博弈，正在重写智能的定义。

本文介绍了NeuroAI的发展及其在图像识别、深度学习等领域的突破，强调了神经科学与人工智能的互利共生。探讨了通过模仿大脑的信息处理和能量利用机制，NeuroAI如何解决AI在复杂任务和能源消耗等方面的瓶颈，并结合2024年最新研究成果，展示了生物智能特性对AI发展的启示。

未来，随着脑科学研究的不断深入以及AI技术的持续进步，NeuroAI可能引领一场计算范式的革命，带来更接近生物智能的人工系统。那么，未来的AI是否能突破人类认知的极限，实现真正意义上的超越？随着神经科学对大脑奥秘的逐步揭示，我们能否用这些发现颠覆现有的技术体系，创造出具备更高效、灵活和多维度能力的人工智能？在这个过程中，我们不仅是在构建新技术，更是在重新审视和理解我们自身的智能。

读者福利：欢迎在评论区留下“在过去的一年里，你最喜欢的追问文章”，或是留言“追问给你留下了什么深刻印象”，我们将从中抽取15位幸运读者（编辑精选8位，随机抽取4位，点赞最高3位），送上追问礼包（内含最新追问文集《2024追问20w+》和神秘惊喜）。本次赠书活动截止时间为2月9日晚10点，欢迎参与。

另外，恭喜“马卡龙专用可可酱”以22次留言，213次爱心点赞，获得“2024追问年度读者”称号，他将获得追问豪华礼包一份。为感谢读者支持，我们往后每年/每季度也会按照留言质量和爱心数量评选年度/季度读者，欢迎与我们互动！

关于追问nextquestion

天桥脑科学研究院旗下科学媒体，旨在以科学追问为纽带，深入探究人工智能与人类智能相互融合与促进，不断探索科学的边界。如果您有进一步想要讨论的内容，欢迎评论区留言，或添加小助手微信questionlab，加入社群与我们互动。

关于天桥脑科学研究院

天桥脑科学研究院（Tianqiao and Chrissy Chen Institute）是由陈天桥、雒芊芊夫妇出资10亿美元创建的世界最大私人脑科学研究机构之一，围绕全球化、跨学科和青年科学家三大重点，支持脑科学研究，造福人类。

Chen Institute与华山医院、上海市精神卫生中心设立了应用神经技术前沿实验室、人工智能与精神健康前沿实验室；与加州理工学院合作成立了加州理工天桥神经科学研究院。

Chen Institute建成了支持脑科学和人工智能领域研究的生态系统，项目遍布欧美、亚洲和大洋洲，包括、、、科研型临床医生奖励计划、、等。