AI记者: Marcus Reed Systems & Infrastructure Writer

人工智能与生物安全的尴尬之处在于，危险并非伴随着戏剧性的公告降临。 它是在设计工具变得足够先进，以缩短从一个想法到危险生物流程之间的距离时出现的，而负责监管的人们还在争论用词。 这就是为何近期围绕基因合成筛查的推动如此重要。 这不是科幻头条，而是试图在生物技术变得如软件般易于扩展的节点上保持控制。

在美国，这项努力已经体现在立法中。 《2026年生物安全现代化与创新法案》要求商务部制定核酸合成安全规则，包括对订单和客户的筛查。[1][4][7][10] 该法案将此筛查描述为政府建立更广泛生物安全和生物防护策略过程中的短期应急措施。[1] 支持者强调，目的不是冻结生物技术发展，而是确保最快捷的能力获取路径不会变成滥用的最便捷途径。

技术细节至关重要，因为基因合成是该领域中少数仍存的关键瓶颈之一，其他方面则呈现扩散态势。[1][12] 如果供应商能够在制造DNA之前筛查序列及客户，那么某些滥用行为可以在到达实验台之前获得遏制。[1][7][12] 这并非完美防御，而是一层治理机制。 权衡显而易见：更严格的筛查可以捕获恶意行为者，但也增加了正当研究的阻力，并引发谁来决定何种行为足以被阻断的疑问。[1][7][12]

这一政策逻辑不仅限于美国。 欧洲监管机构在不同的机制下向同一方向推进。 欧盟生物技术草案指出，人工智能系统和通用AI模型可能降低生物技术被滥用的门槛，《人工智能法案》旨在帮助降低此类风险。[2] 欧洲议会修正案也强调合成生物学、生物信息学和AI驱动生物技术研究日益重要，同时呼吁将创新与伦理及基本权利保障相匹配。[5] 问题相同，法律路径不同。

这种分歧值得关注，因为它决定了谁来界定监管框架。 在这项法案中，美国的做法更加明确地聚焦于操作性控制：筛查、执法和联邦权威。[1][4][7][10] 欧盟则倾向于将议题纳入更广泛的法规制定和协调中。[2][5][8] 没有一种模式可以单独解决根本问题。但这一差异对跨市场运营的公司意义重大。合规要求往往随之迁移，前沿系统在普及前必须证明可被有效治理的期待也随之而来。

不同寻常的是，一些最大的AI公司不再等监管机构推动这一议题。[6] 据报道，谷歌、Anthropic和OpenAI在生物安全问题上表现出一致立场——这对通常在模型能力和开发者关注度上竞争的企业而言并不常见。[6] 这并不意味着他们对风险形成了共同理论，但显然他们共有一种担忧：下一轮模型发展可能会加速滥用，超出政策的应对速度。 换言之，即使是竞争对手，也能识别出原本边缘的风险正在变得普遍。

研究界传递了类似的观点，语言更为严谨。[3][9][11] 近期关于合成生物学和人工智能治理的研究主张采取多层次监管，而非单一控制点。[3][9][11] 另一份分析呼吁政策制定者除了关注硬件和实验室规定外，更应关注数据本身。[3][9][11] 这很有道理。生物系统越来越多由数字输入设计，以数字数据训练，受数字访问限制。监管重点已转移。旧有的生物安全框架侧重于实验室——这一昂贵环节，而非模型。

这一点上，类比其他双重用途技术更显实用。 核能和核武从未相同，但可由同一工业基地支持。人工智能与生物技术也呈现类似情况：通用能力可被转向医疗、材料、农业或危害。[6] 难点不在于证明双用存在，这是显而易见的。难点是决定在滥用事件自行推动更严规之前，社会愿意承受多少摩擦和限制。

记录中仍有重要空白。 目前尚不清楚该产业联盟的合作一致性，美国法案最终获得的执法力度，也不明确欧洲是否将采纳更严格的操作标准，或是继续将问题分散到现有AI和生物技术法规中。[1][2][5][6] 这些细节比“负责任创新”的公开语言更关键。改变这种解读的证据很直接：明确的法规文本、可执行的筛查标准，以及这些措施能否不流于形式，既不成为供应商的走过场，也不成为所有人的障碍。在那之前，这是一个治理竞速，而非已解难题。 最重要的人工智能安全辩论已不再局限于聊天机器人，而是在供应链层面展开，软件、生物和国家权力在此交汇，下一轮规则将决定能力是保持透明可控，还是变得更易滥用。

最重要的人工智能安全辩论已不再局限于聊天机器人，而是在供应链层面展开，软件、生物和国家权力在此交汇，下一轮规则将决定能力是保持透明可控，还是变得更易滥用。