近日，上海舉辦了2025生物科學(xué)智能產(chǎn)業(yè)生態(tài)創(chuàng)新發(fā)展高峰論壇。

會議聚焦人工智能(AI)與生物制造深度融合路徑，舉行了《2025人工智能賦能生物制造產(chǎn)業(yè)創(chuàng)新發(fā)展藍(lán)皮書》啟動儀式，還創(chuàng)辦了2025生物科學(xué)智能產(chǎn)業(yè)生態(tài)聯(lián)盟，鎂伽科技、百圖生科、迪贏生物等30余家單位加入。

與此同時，越來越多企業(yè)將“AI+合成生物學(xué)”作為重要戰(zhàn)略，上市龍頭中嘉必優(yōu)、華恒生物、凱賽生物、川寧生物等均有所布局。足以看到，業(yè)界對兩者跨界融合所催生的創(chuàng)新潛力寄予厚望。

然而隨著AI合成生物學(xué)的發(fā)展，背后的 軍民兩用風(fēng)險(xiǎn)、治理差距和道德困境也隨之出現(xiàn)，我們需要相關(guān)的監(jiān)督策略和法規(guī)來使行業(yè)負(fù)責(zé)任、可持續(xù)的發(fā)展。

這篇近日發(fā)布于Nature子刊《npj Biomedical Innovations》的論文：The convergence of AI and synthetic biology: the looming deluge. 就聚焦于這一問題，下文中我們對其進(jìn)行了編譯和選讀，以供行業(yè)交流。

AI合成生物 進(jìn)展到哪一步了？

AI 在合成生物學(xué)中的應(yīng)用分為兩個階段。

最初，機(jī)器學(xué)習(xí)和生物設(shè)計(jì)工具用于生物設(shè)計(jì)任務(wù)，例如根據(jù)氨基酸序列預(yù)測蛋 白質(zhì)結(jié)構(gòu)。曾獲2024諾貝爾化學(xué)獎，為人們熟悉的AlphaFold就屬于此類。

而現(xiàn)在，隨著transformer等深度學(xué)習(xí)架構(gòu)的日益普及，大型語言模型 （LLM） 被用于執(zhí)行更復(fù)雜的任務(wù)。

例如根據(jù)核酸序列預(yù)測物理結(jié)果，使用使用AlphaFold 3，已經(jīng)可以準(zhǔn)確預(yù)測生物分子相互作用的結(jié)構(gòu)。

而未來的生成式AI不僅會提供判別和預(yù)測能力，還可能會誕生“AI生物設(shè)計(jì)師”，類似 BioAutomata 這樣的平臺體現(xiàn)了這一愿景，AI已經(jīng)可以指導(dǎo)工程微生物的設(shè)計(jì)-構(gòu)建-測試-學(xué)習(xí)（DBTL）周期的每一步。

論文還關(guān)注到了一些具體的細(xì)分領(lǐng) 域應(yīng)用，包括：

Ansa Biotechnologies、TeselaGen 和 Synthace等公司在為設(shè)計(jì)微生物菌株或開發(fā)基因療法的客戶提供此類 AI 引導(dǎo)的 DNA 設(shè)計(jì)和優(yōu)化服務(wù)

Biotium、Strateos 和 Emerald Cloud Lab等初創(chuàng)公司在利用AI，為客戶提供快速微生物菌株和酶優(yōu)化等服務(wù)。

Design-by-Data 和 Flatcarbon等初創(chuàng)公司利用AI，對微生物、酵母或細(xì)胞系進(jìn)行正向工程設(shè)計(jì)。

直面黑匣子：風(fēng)險(xiǎn)和治理挑戰(zhàn)

可解釋性，是AI合成生物所面臨的第一道挑戰(zhàn)。

許多用于生物設(shè)計(jì)的 AI 模型，如生成神經(jīng)網(wǎng)絡(luò)或梯度提升模型，都以“黑匣子”的形式運(yùn)行。這一形式并不妨礙技術(shù)實(shí)用性，但限制了安全的可評估性，也可能延緩用于生物設(shè)計(jì)的 AI 模型的接受和合法化。

例如，蛋白質(zhì)設(shè)計(jì)大型語言算法可能會產(chǎn)生有缺陷的序列建議，但這些建議仍能獲得高性能分?jǐn)?shù)。

此外，如果算法存在未被發(fā)現(xiàn)的缺陷或訓(xùn)練偏差，黑客可以利用這些缺陷或訓(xùn)練偏差來故意輸出危險(xiǎn)設(shè)計(jì)，那么生物安全風(fēng)險(xiǎn)就會增加。

美國國防部的DARPA最近發(fā)布的惡意AI報(bào)告，就圍繞生物制造的數(shù)據(jù)或模型中毒進(jìn)行了兵棋推演，突出了不透明系統(tǒng)的漏洞。

而早在2024年，該部門就啟動了生物制造Switch計(jì)劃，目標(biāo)開發(fā)一套敏捷、可重新編程的生物制造系統(tǒng)，增加供應(yīng)鏈的彈性和適應(yīng)性，以滿足國防部的各種需求。

而且AI 模型和工具的數(shù)字化和分布式特性使防止濫用的工作進(jìn)一步復(fù)雜化，與物理材料不同，包含 AI 算法或 DNA 序列的數(shù)字文件可以很容易地跨境共享和復(fù)制，因此難以跟蹤和控制其傳播。

所以，為了減輕這些風(fēng)險(xiǎn)，需要采取多管齊下的方法，包括技術(shù)解決方案和政策干預(yù)。

從技術(shù)角度來看，需要增強(qiáng)的篩選方法來檢測和過濾掉潛在危險(xiǎn)的序列，包括由 AI 算法生成的序列，在政策方面，需要國際協(xié)調(diào)和統(tǒng)一治理框架。

最后，論文強(qiáng)調(diào)了 關(guān)鍵的第一步是迫切需要解決人工智能合成生物學(xué)的黑匣子，不僅能加速科學(xué)理解和應(yīng)用開發(fā)，還能將技術(shù)交到更廣泛的用戶手中，可以使問題解決大眾化，并從不同的貢獻(xiàn)者那里獲得創(chuàng)新解決方案。