Google DeepMind 推生物韧性计划：防 AI 滥用、加速疫情响应，已与 15+ 机构合作

一句话看懂

Google DeepMind 联合 Isomorphic Labs 推出生物韧性计划，通过预防滥用、加速检测和快速响应三大支柱，应对 AI 在生物学领域的双刃剑风险。

详细发生了什么

Google DeepMind 与 Isomorphic Labs 公布了一项名为“生物韧性”（bioresilience）的联合计划，旨在防止 AI 技术在生物学领域被滥用，同时提升对疫情等生物威胁的响应能力。该计划始于一年前，现已与超过 15 个政府机构、生物安全组织和研究团体建立合作，包括 Lawrence Livermore 国家实验室、英国 AI 安全研究所、CEPI（流行病防范创新联盟）和 Francis Crick 研究所。

计划围绕三个核心支柱展开：预防滥用、加速检测和快速响应。在预防方面，DeepMind 承认其 Gemini 等前沿模型对生物学的深入理解可能被恶意利用，因此通过红队测试、随机对照试验和后训练方法（如拒绝有害查询）来平衡安全与科学开放。在检测方面，计划利用宏基因组测序技术识别病原体，但成本仍是主要瓶颈。在响应方面，AlphaFold 已用于抗体设计，Isomorphic Labs 则设立了专门单元，旨在疫情爆发时快速部署药物设计引擎。

此外，DeepMind 还指出了 DNA 合成筛查的漏洞：AI 可设计功能相似但序列不同的 DNA，绕过现有筛查。为此，其探索将 SynthID 水印技术应用于生物序列，并呼吁通过立法（如《生物安全现代化与创新法案》）强制筛查。

中文圈视角

对于中文圈用户，这项计划有几点值得关注：

国产大模型的生物安全能力对比：国内 DeepSeek、Kimi 等模型在生物知识问答上表现不俗，但尚未公开类似生物安全专项计划。若未来国内企业推出类似举措，需关注其与监管机构（如国家生物安全信息中心）的合作模式。目前，国内 AI 生物安全更多聚焦于药物研发（如华为云盘古药物分子大模型），而非滥用防范。
数据合规与出境风险：DeepMind 计划扩大合作，涉及病原体序列等敏感数据。中文圈用户若使用 Gemini 等海外模型进行生物学研究，需注意数据出境合规（如《数据安全法》《生物安全法》）。国内用户可优先使用国产模型处理敏感数据，或通过本地部署 API 规避风险。
DNA 合成筛查的平替方案：国内 DNA 合成公司（如华大基因、金斯瑞）已建立内部筛查机制，但尚未公开 AI 辅助筛查方案。DeepMind 的 SynthID 生物水印若成功，可能推动行业标准更新，国内企业需提前布局。
政策盲点：DeepMind 向美国政策制定者提出的立法建议（如《AI-Ready Bio-Data Standards Act》）在中国尚无对应法案。中文圈用户可关注国内《生成式人工智能服务管理暂行办法》是否将生物安全纳入监管范畴。

几条值得记住的细节

15+ 合作伙伴：包括 Lawrence Livermore 国家实验室、UK AI 安全研究所、CEPI、Francis Crick 研究所，未来 6-12 个月将扩大至威胁情报和 AI agent 评估领域。
DNA 合成筛查漏洞：AI 可设计功能相似但序列不同的 DNA，绕过现有筛查列表；DeepMind 正探索 SynthID 水印技术用于生物序列。
AlphaFold 应用：已用于结核病、疟疾、Mpox 和尼帕病毒研究；与 Lawrence Livermore 合作开发广谱抗体（包括泛丝状病毒抗体）。
Isomorphic Labs 专项单元：设立快速响应团队，可在疫情爆发时部署药物设计引擎，并承诺向亚洲传染病研究捐赠 700 万美元。
政策建议：支持《生物安全现代化与创新法案》等四项立法，但均未通过，实际效果待观察。

一句话总结

DeepMind 的生物韧性计划为 AI 生物安全设立了行业标杆，中文圈用户需关注国产替代方案及数据合规风险。