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，

　　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,、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,。

　　最初,，機器學(xué)習(xí)和生物設(shè)計工具用于生物設(shè)計任務(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-構(gòu)建-測試-學(xué)習(xí)（DBTL）周期的每一步,。

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

　　許多用于生物設(shè)計的 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”的形式運行。這一形式并不妨礙技術(shù)實用性,，但限制了安全的可評估性,，也可能延緩用于生物設(shè)計的 AI 模型的接受和合法化。

　　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設(shè)計，那么生物安全風(fēng)險就會增加,。

　　美國國防部的DARPA最近發(fā)布的惡意AI報告,，就圍繞生物制造的數(shù)據(jù)或模型中毒進行了兵棋推演，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,。

　　從技術(shù)角度來看，需要增強的篩選方法來檢測和過濾掉潛在危險的序列,，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，并從不同的貢獻者那里獲得創(chuàng)新解決方案,。