到2050年，抗生素耐药性感染可能导致每年约200万人死亡，正如《柳叶刀》所估计的（Naghavi 2024）。然而，全球新治疗方法的研发管线仍然异常薄弱，尤其是针对最危险的耐药病原体。如今，研究人员正转向日益强大的生物技术工具寻求解决方案。斯坦福大学的一个团队最近使用人工智能模型设计了新型噬菌体——这类病毒可以选择性感染并摧毁特定细菌而不伤害人类细胞（King等，2025）。研究人员采取了谨慎的安全预防措施，他们使用的AI模型并未接受任何能够感染人类的病毒训练。尽管如此，这项研究标志着一个重要转折点：它表明AI现在可以帮助设计全新的生物制剂。
这种能力为公共卫生带来了巨大希望，但也说明生物学前沿的发展速度已超过传统治理结构。人工智能、更强大的生物工程技术以及对生命系统日益深入的认识等新兴技术正在拓展可能性边界。在此过程中，它们也在安全、安保与创新的交叉领域创造了新的考量点。
应对这一挑战需要采用分层治理方法，充分调动从法律法规到资金优先事项、技术标准和科学规范等各项政策杠杆。幸运的是，我们已经拥有丰富多样的治理工具包作为基础，不仅提供预防误用的方法，还能加强生物技术的韧性、能力和公众信任。
在此，我们探讨了强化生物安全的可用工具及应用方法。随着生物技术日益强大，我们所有人——研究人员、监管机构、产业界、生物安全专家、政策制定者以及像《原子科学家公报》这样的机构——都在塑造更安全、更可靠未来的进程中扮演着各自的角色。
生物安全工具箱
存在一系列机制或"杠杆"可强化生物安全。法律、法规、激励结构、规范等可提高生物研发的安全性。这些法律、财务和社会工具在严格程度、目标和机制上各不相同，但都在研发与创新生态系统中促进安全或降低风险。
对许多人而言，法律和法规是首先想到的政策。出口管制（管控两用技术和知识贸易）或联邦选择性药剂项目（监管高风险生物制剂的使用、运输和储存）等法规设定了法律边界，违规可能面临严重处罚。
这些措施的逻辑很简单：如果某项新技术可能危险，就考虑通过法律限制其使用方式。然而实施往往更为复杂，需要主管部门制定法规、执行机制，并在限制危险与允许有益活动之间取得平衡。
这些杠杆通常需要明确定义范围才能最有效；当有清晰界定的标准清单时，执行最为简便。鉴于通过立法或完成国际谈判所需的共识，通常只有最高优先级的问题子集能通过法定规则解决。虽然法律规则确实具有约束力，但它们远非降低生物技术风险或增强效益的唯一选择。
另一种杠杆是提供激励措施——如资助、实验室基础设施和安全资源的获取途径或专业认可——引导研究开发更安全的技术并推广有益实践。例如，激励对生物遏制措施有效性的研究可加强循证生物风险管理（Blacksell等，2023）。激励措施还可通过优先考虑整合稳健生物安全或生物安保计划的项目，或附加要求遵守既定安全指南的资助条件，更广泛地鼓励安全实践——美国联邦资助机构广泛采用此机制，并已纳入国际生物资助者公约等最新努力中（NTI 2024）。
随着生物技术用人工智能系统的持续发展，激励措施同样有助于建立安全措施能力。近期举措如创建人工智能标准与创新中心（CAISI，前身为人工智能安全研究所）以评估AI模型并制定最佳实践，或国家科学基金会投资AI就绪测试平台在部署前进行系统压力测试，均展示了资源投入如何同时推进创新与安全（NIST 2024；国家科学基金会 2025）。
生物安全不仅自上而下实施，培训研究人员并建立强有力的机构监督可使研究人员在项目开发和管理中融入安全与安保。科学家在实验室每天做出数百个虽小却影响深远的决定。培训他们正确使用材料并授权其遵守安全标准，可确保这些决定最大化安全与责任，而非引入风险。
随着新技术发展，可能需要新型培训以适应其机遇与局限。机构通过聘用生物安全专业人员进行持续风险评估、制定事件响应计划，并运用专业知识做出具体情境下的个案决策，进一步支持安全实践。然而，由于责任扩大和持续的联邦预算削减，对这些专家的需求日益增长的同时，其能力却在萎缩（Gillum 2023）。
行业实践与市场力量之间的推拉关系是塑造技术发展的另一契机。以行业支持的举措为例，如前沿模型论坛开发AI安全评估与缓解措施最佳实践的工作（Frontier Model Forum 2024）、核酸筛查框架的统一化（IGSC 2024），或蛋白质设计AI开发者同意遵守安全、安保、公平、开放和责任原则（Carter等，2024）。
虽无法律要求这些努力，但它们创建了业内大多数主要公司遵循的规范。这些举措表明，随着生物技术用AI系统持续发展，行业很可能负责推进过滤器、访问控制和设计功能等技术保障措施。消费者也扮演着角色：他们可以抵制不信任的技术需求，而联邦采购权可促进更负责任的版本。
技术相关的文化与规范也成为治理格局的一部分。邀请研究人员参与安全与安保对话的行动，能有效展示负责任研究作为职业或声誉益处而非阻碍的价值。
这一常被忽视的杠杆虽不易察觉，但期望与规范支撑着许多集体塑造研究方式的个体研究决策。关于技术应能做什么、应有何种限制以及应在何处使用等强烈共识，构建了延伸至实验室乃至更广范围（包括行业、消费者和国际社会）的安全实践基础。
不完美保障的价值
大多数生物安全干预措施旨在针对总体风险的特定子集，这意味着它们在范围和执行上存在固有限制。当针对基于生物制剂类型、行动者专业知识、资源水平和动机以及潜在危害类型和规模等变量的明确定义参数范围时，它们效果最佳。
任何杠杆在超出其设计条件的情境中都可能"失效"。然而，即使是存在漏洞的保护措施也能增加摩擦，减缓或阻止部分误用。换句话说，可被规避的保障措施并不等同于没有保障措施。
例如，AI系统可设计安全护栏，如阻止其提供产生危险病原体的实验室规程指导。但存在多种规避方式。具备适当技能的用户可使用提示工程获取答案，或使用另一AI模型补充信息。即便如此，虽然AI安全护栏不完美，但拒绝提供敏感信息本身可能足以过滤掉许多"随意"的不良行为者。
通过持续拒绝提供信息并不断提醒用户其行为危险、违法且将面临严重后果，AI保障措施可能降低使用生物制剂的吸引力。
同样，DNA合成公司筛查客户及其订购序列，防止高误用潜力材料落入不法之手（Kane 2024）。然而，一小部分高度积极且精明的行为者可能通过重新设计请求序列规避筛查措施。与AI安全护栏类似，DNA合成筛查（针对客户和序列）可能阻止大多数令人担忧的订单，包括来自恶意行为者或缺乏适当生物安全资源和基础设施的安全操作能力的善意研究人员的订单。此外，公司可选择将特别令人担忧的请求报告给联邦执法部门跟进。
再以生物安全官员为例，他们通过编写安全实验室程序、监控实验室基础设施、评估拟议研究的适当安全措施或支持研究人员培训项目等方式管理实验室环境中的生物风险。事故仍可能发生，但即使生物安全官员无法完全消除实验室事故风险，他们也肯定能使其发生频率或严重程度降低。当事故发生时，若员工经过培训遵循全面的事故响应程序，并能可靠地使用维护良好的安全基础设施和设备，则后果可显著减轻甚至完全缓解。
虽然AI保障措施和DNA合成筛查都无法保证识别出所有心怀恶意的用户，但识别部分用户远胜于识别零用户。虽然最好的实验室也可能发生事故，但降低事故发生率和严重程度仍然值得。
我们不应因安全杠杆无法做到什么而贬低它们，而应根据其设计运行的参数来评估它们。
瑞士奶酪切片模型
更安全的未来取决于叠加多种虽不完美但基于证据的保障措施，共同降低生物学误用的可能性。当多种保障措施重叠时，一种的优势可弥补另一种的缺口。这种分层方法有时被比作瑞士奶酪切片，这一类比曾用于描述应对错误信息等技术问题的方法（Bode和Vraga 2021）、AI安全（Hendrycks, Mazeika和Woodside 2023），最近也用于生物安全（Gerhard 2024）。
实践中这看起来如何？让我们回到AI-生物技术前沿。我们有一系列选项来治理这一交叉领域。例如，资助科学的机构如国立卫生研究院（NIH）可设定AI赋能生物技术的目标，推动新能力向特定方向发展。包含医疗记录或高风险病原体数据的数据库管理者可规定谁可使用这些数据开发特定AI模型及其用途。AI公司可将内置生物安全保障措施集成到模型中，监控用户行为，并承诺自愿评估和标准。期刊可制定关于如何传达潜在两用科学报告的指南。政策制定者可加强公共卫生和生物防御基础设施——如疾病监测网络以威慑潜在生物恐怖分子。
在此过程中，单个保障措施的漏洞可作为优势，为合法研究和创新创造前进空间。经过深思熟虑设计的"漏洞"允许受信任的行为者在安全边界内操作，同时保持更广泛的保护。例如，向经过验证的研究人员提供对敏感数据库的受控访问可加速科学进步，同时保持监督。这种灵活性增强了由多层重叠构建的系统中的安全性和实用性；没有单一漏洞会成为灾难性的，因为没有单一保障措施承担全部保护责任。
由于AI技术快速发展，等待单一严密保障措施意味着多年内留下未解决的缺口。最富韧性的前进道路是培养一系列可渗透但基于证据的保护措施，其中一些已经存在，一些有待开发，并在模型、机构、行业和社会层面应用它们。
应对当下
功能完善的安全网应针对不同来源的生物风险，利用不同行为者、实施机制和工具填补现有和新出现的缺口。法律法规机构并非唯一拥有实际持久权力的实体。获得行业行为者、公众和科学界的认同与实际行动同样至关重要。
美国已拥有包括联邦资助研究监督、选择性药剂和毒素监管以及多边条约和出口管制制度在内的现有生物安全实践网络。这些措施各有不足，但提供了可构建的基础。更多措施正在开发中，如将DNA合成筛查纳入美国政策或开发测试AI保障措施的努力。
其他生物安全干预措施尚未开始开发。工程生物学、医学进步、人工智能等带来了一系列新挑战。向前推进时，我们应继续并扩大努力，对安全协议进行压力测试以发现生物防御生态系统中的缺陷，包括通过对抗性研究识别新型生物技术可能被误用的方式。我们需要创造性思考新杠杆，并考虑哪些杠杆最适合解决我们发现的缺口。
在此过程中，我们需要考虑特定干预如何融入现有监督的更大格局。尚未存在何种生物防御监督基础设施？此变化是否有助于解决现有弱点，即使无法填补整个缺口？或者它会阻碍现有努力？新型干预无需解决所有问题，但必须完成其创建目的。对效益和局限性的仔细评估将有助于区分真正推进安全的保障措施与仅创造保护表象的措施。
最关键的是，我们必须避免全有或全无的思维，防止对完美保障的追求阻碍设计良好、实用措施的采用。进步往往来自循序渐进的方法——在前进过程中实施我们能采取的保护措施，而不是在等待理想解决方案时留下缺口未解决。
挑战不在于缺乏工具；而在于选择正确的组合，以正确方式应用，以应对前方不断演变的风险。
【全文结束】
