人工智能正加速进入可在较少人工介入下设计并执行生物实验的阶段，但围绕这类能力的安全与监管安排被认为尚未同步完善。

OpenAI与生物技术公司Ginkgo Bioworks于2026年2月表示，OpenAI旗舰模型GPT-5已通过机器人云实验室自主设计并运行了36,000个生物实验。该云实验室配备可由计算机远程控制的自动化设备：模型提出研究方案，机器人执行实验并回传数据，模型据此进入下一轮迭代；人类主要负责设定目标。两家公司称，这一流程使生产所需蛋白质的成本降低了40%。

上述模式被描述为“可编程生物学”的闭环：在计算机端完成生物组件设计，并在物理实验环境中快速构建与测试。相关表述认为，生物学研究正从以观察与理解为主，进一步迈向“计算机设计+快速验证”的阶段。与传统实验常围绕单一假设逐步推进不同，AI驱动的流程更接近工程迭代，可并行探索大量设计变体，在“设计、构建、测试、学习”的循环中加速优化。

在应用层面，蛋白质设计被视为AI自动化研究的典型方向。蛋白质是细胞内承担多种功能的关键分子，传统新蛋白质设计往往需要长期反复试验，因为序列的细微变化可能以难以预测的方式改变其结构与功能。基于数百万自然蛋白质序列训练的“蛋白质语言模型”可用于预测突变影响或生成新蛋白质序列，相关模型被用于潜在新药设计与疫苗研发提速。若与自动化实验室结合，模型与实验可形成紧密的“测试—修正”循环，在数天内完成对数千种变体的验证，而传统团队可能需要数月甚至数年。

不过，研究人员同时强调“双重用途”风险，即原本用于有益目的的工具也可能被用于造成伤害。报道提到，有研究显示，集成自动化实验室的AI模型在无需专业训练的情况下也可能被用于优化病毒传播能力；科学界已开发风险评分工具，用于评估AI对病毒能力的潜在修改方向，例如改变感染物种范围或帮助其逃避免疫系统。另有观点指出，当前AI模型能够指导用户完成从合成DNA恢复活病毒的技术步骤，可能降低生物武器开发多个环节的门槛，而现有监管未必充分覆盖。

围绕“AI是否会显著提升缺乏生物学背景者执行危险实验的能力”，近期两项研究给出不同结果。Scale AI与生物安全非营利组织SecureBio的研究称，生物学经验有限者在使用大型语言模型后，完成生物安全相关任务的准确率提高了四倍；在部分领域，新手表现甚至超过受训专家。该研究还称，约90%的新手表示，尽管存在安全过滤器限制危险生物信息输出，但仍较容易获得关于危险病原体的详细操作指导。

另一项由研究非营利组织Active Site牵头的研究则称，AI辅助并未显著提升新手完成在生物安全实验室生产病毒的复杂工作流程的整体能力；但AI辅助组在多数任务中的成功率更高，部分步骤完成更快，尤其体现在实验室细胞培养相关环节。

多方观点认为，实验室“动手操作”长期是将设计转化为结果的瓶颈，即便研究计划完善也依赖熟练人员执行。随着云实验室与机器人自动化成本下降、可获得性提高，研究人员可能更容易将AI生成的实验设计发送至远程设施执行，从而改变这一瓶颈结构。

在治理层面，相关讨论指出，现有法规并非为AI驱动的自动化、闭环实验而设计：生物研究监管规则未充分纳入AI自动化情境，AI监管规则也未专门覆盖其在生物学中的应用。

以美国为例，拜登政府曾在2023年发布包含生物安全条款的AI安全行政命令，但该命令随后被特朗普政府撤销。商业供应商对合成DNA订单进行筛查、以防被用于制造病原体或毒素的做法仍主要依赖自愿机制。2026年提出的一项两党法案拟强制DNA筛查，但相关讨论指出，该法案尚未覆盖可能规避现有检测方法的AI设计序列。

国际层面，1975年《生物武器公约》禁止生产和使用生物武器，但未包含AI相关条款。英国AI安全研究所与美国新兴生物技术国家安全委员会均呼吁政府协调行动。

对于模型发布前的安全评估，相关表述认为其往往不透明，且未必适合捕捉现实风险。有研究人员估计，即便AI在帮助规划病原体相关实验方面的能力仅出现适度提升，也可能导致每年因生物恐怖主义增加数千人死亡，但何时达到关键能力门槛仍不明确。

在应对路径上，核威胁倡议提出按模型风险水平匹配使用者的“分级访问”框架，而非一刀切限制。兰德人工智能、安全与技术中心提出改进生物安全的一系列措施，包括加强DNA合成筛查与完善模型发布前评估。另有观点强调，生物数据本身也需要治理，尤其是可能用于训练出危险能力模型的基因组数据。

部分企业已采取自愿措施。Anthropic在2025年中发布其最先进模型时启动最高安全级别；OpenAI则更新其“准备框架”，调整模型可能带来生物风险的阈值，以决定何时需要额外安全措施。但相关讨论指出，这些举措多为自愿且公司各自为政。Anthropic首席执行官达里奥·阿莫代也曾表示，AI发展速度可能很快超过任何单一公司评估模型风险的能力。

相关表述认为，在受控环境下，AI可帮助科学家更快实现研究目标；但当同类能力在缺乏控制的环境中运行时，政策层面仍缺少清晰答案。讨论同时指出，过度反应可能导致人才与投资流失，而技术仍将继续发展；反应不足则可能使风险被利用并造成实际伤害。

本文内容据The Conversation文章信息整理。