AREX Feed Article
DeepMind 联手 Isomorphic Labs 公布生物韧性路线图：15+政府合作、三道防线、210 亿美元赌注
2026 年 7 月 16 日，Google DeepMind 与 Isomorphic Labs 联合发布了一项名为"生物韧性（bioresilience）"的战略计划，系统阐述了如何用前沿 AI 构建面向全球生物安全威胁的主动防御体系。过去 12 个月内，两家公司已与政府机构、生物安全组织和研究团体建立了超过 15 项合作伙伴关系，覆盖预防（Prevent）、检测（Detect）和响应（Respond）三大方向。Google Public Policy 同步宣布支持五项联邦立法，推动美国生物安全基础设施现代化。不到 24 小时，推文在 X 平台获得近 5 万次浏览、396 次点赞和 53 次转发，Axios 同步发布独家报道称"Google 押注 AI 可以阻止生物武器"。
三根支柱撑起一个生物防御体系
这份公告的核心是一个清晰的三层框架。Google DeepMind 负责任副总裁 Helen King 告诉 Axios："如果在发布模型时发现我们达到了某个关键能力阈值却缺乏相应的缓解措施，我们就不会发布。"她说这个阈值尚未被触及，但框架本身已经成型。
第一层是预防。Google 对 Gemini 等前沿模型执行四步安全流程：威胁建模、评估、缓解、监控。
内部生物学家、安全专家与外部伙伴联合对模型进行红队测试，判断其是否可能帮助威胁行为者突破技术瓶颈。一个正在探索的方向是将 SynthID 水印技术适配到生物学领域，帮助 DNA 合成供应商筛查可能具有风险性的 AI 生成生物序列。
第二层是检测。AlphaEvolve——一个由 Gemini 驱动的编程智能体——已被用于优化宏基因组测序数据的生产分析算法。换句话说，它让病原体监测变得更便宜、更快。同时，AlphaGenome 和蛋白质功能注释技术正在被探索用于直接从序列数据中检测和表征病原体。
第三层是响应。基于 AlphaFold 在过去五年中被超过 10,000 篇传染病研究论文引用的科学影响力，两家公司正将前沿 AI 系统开放给受信研究人员，加速疫苗和治疗方案的设计。Isomorphic Labs 更成立了一个专门团队，可在新型疫情爆发时快速部署其 AI 药物设计引擎（IsoDDE），与政府和全球卫生机构协作设计医学对策。
从 DNA 水印到算法进化：技术栈怎么运转
这次公告真正值得关注的，不是框架本身，而是框架背后已经跑通的具体技术链路。
AlphaFold 3 + 劳伦斯利弗莫尔：从结构预测到广谱抗体
AlphaFold 3 在 2024 年 5 月发布后，将预测能力从蛋白质扩展到蛋白质与 DNA、RNA 及小分子之间的相互作用建模。它不再仅仅回答"这个蛋白质长什么样"，而是开始回答"这个蛋白质会与什么结合、结合多紧"——这正是药物设计的核心问题。
在 2026 年的 CASP16（第 16 届蛋白质结构预测关键评估）中，AlphaFold 3 在姿态预测（pose prediction）上取得了平均 LDDT-PLI = 0.8 的成绩，远超所有参赛组和传统对接工具（如 AutoDock Vina）。什么叫姿态预测？就是 AI 能否正确猜出一个药物分子在蛋白质表面的"坐姿"——坐对了，药物才有可能起作用。
但另一个关键指标却暴露了明显短板：结合亲和力预测的 Kendall's τ 仅为 0.42，与理论上限约 0.73 之间存在显著差距。
翻译成人话：AlphaFold 3 能把分子的"坐姿"算得很准，但对它"坐得有多牢"的判断还不稳定。这恰恰是区分一个好药和一个无效分子的分界线。行业内的普遍看法是，这一差距并非模型参数量不足造成的，而是静态结构预测天然无法完整捕捉动态的溶剂效应和熵变。
不过，劳伦斯利弗莫尔国家实验室（Lawrence Livermore National Laboratory）的生物韧性项目已决定使用 AlphaFold 3 开展广谱抗体设计工作，其中包括一种泛丝状病毒（pan-filovirus）抗体。
劳伦斯利弗莫尔是美国能源部下属的国家级核安全实验室，承担生物防御任务——它的加入意味着 AlphaFold 正在从"发表论文的研究工具"实质性走向"国防级应用"。AlphaFold 蛋白质结构数据库将在今年继续扩充，优先覆盖与药物对策相关的靶点结构。
SynthID 进生物圈：一场尚未打赢的技术攻坚战
DNA 合成筛查是此次公告中最具技术挑战性的方向。国际基因合成联盟（IGSC）目前的筛查机制依赖已知病原体清单和序列比对算法——这在 AI 可以设计出功能相似但序列不同的 DNA 时，已经开始失效。
Google 提出的应对方案是：将已在图像和文本领域成为行业标准的 SynthID 水印技术，扩展到生物序列领域。但这被官方明确标注为"探索性工作"，远非成品。更深层的目标——不依赖已知数据库比对，而是基于功能预测判断一段全新 DNA 序列是否具有毒性或致病性——则被描述为"一个开放的技术挑战"。
AlphaEvolve：优化测序成本，不是炫技
AlphaEvolve 是整份公告中最务实的案例。Google 与 Pacific Biosciences 合作，将这个编码智能体用于优化测序算法，直接提升了宏基因组测序的准确性。
宏基因组测序可以一次性表征样本中的所有微生物，而不是像传统诊断只查一份已知病原体短名单。但它目前太贵，无法大规模部署到疫情最可能首先出现的地区。AlphaEvolve 做的事情就是把这个价格往下打。
IsoDDE 的独立防线
Isomorphic Labs 成立于 2021 年 11 月，由 DeepMind CEO Demis Hassabis 创立，定位是"用 AI 重新发明药物发现"。2026 年 5 月，公司完成由 Thrive Capital 领投的 21 亿美元 B 轮融资——这是 2026 年上半年全球 AI 制药领域最大的一笔融资。LP 名单包括 Alphabet、MGX、淡马锡（Temasek）和英国政府 AI 基金，阵容横跨硅谷风投、阿联酋主权基金、新加坡国有投资机构和英国政府——政治和资本的双重背书意味不言自明。
在商业层面，Isomorphic Labs 已与诺华（Novartis）和礼来（Eli Lilly）建立了 AI 驱动药物设计合作。两家都是全球制药 Top 10 的巨头，合作方向涵盖肿瘤、神经退行性疾病等多个领域。公司预计 AI 设计的药物将在 2026 年底前进入临床试验——如果顺利通过，这将是 AI 制药行业从"论文成果"走向"真实患者"的分水岭事件。
此次公告中，Isomorphic Labs 将其商业能力与公共防御直接挂钩：承诺在新型疫情爆发时，设立专门团队快速部署 IsoDDE 设计医学对策。
具体的合作网络包括：劳伦斯利弗莫尔（美国顶级国防实验室）、英国 AI 安全研究所（UK AISI，负责 AI 安全评估的政府机构）、流行病防范创新联盟（CEPI，新冠疫苗研发的主要推动者之一）和弗朗西斯·克里克研究所（Francis Crick Institute，欧洲最大的生物医学研究机构之一）。
公司另向 Philanthropy Asia Alliance 的"Health for Human Potential"项目捐赠 700 万美元，用于亚洲传染病研究。这个方向的选择并非偶然——过去 20 年，从 SARS 到新冠到禽流感，亚洲始终是全球新兴传染病的最主要策源地之一。
Hassabis 的监管牌和 210 亿美元的底气
这份公告不是孤立事件。三天前，Demis Hassabis 在 Axios 的独家专访中呼吁建立一个由行业出资、技术专家组成、对美国政府负责的 AI 监管标准机构。他当时说："我们需要更系统化的方法。"
现在看，生物韧性公告正是这套"系统化方法"的实操演示。Google DeepMind 的边境 AI 政策与全球事务高级总监 Owen Larter 对 Axios 表示，前沿 AI 实验室在"模型发布前需要严格测试"这一点上"已达成共识"。
更值得注意的动作在政策层面。Google Public Policy 在公告发布数小时后发出了一系列联邦立法背书，精准对应三道防线：
- 预防：支持 AI-Ready Bio-Data Standards Act（H.R. 7907 / S. 4069），帮助 NIST 建立生物数据集的安全和有效性标准；支持 Biosecurity Modernization and Innovation Act（S. 3741），推动强制 DNA 合成筛查；支持 SCALE Biology Act（H.R. 8981）。
- 检测：支持 America's Living Library Act（S. 4023），呼吁将宏基因组测序扩展到交通枢纽和人口密集区域，并增加 DARPA 和 HHS 的早期预警研究拨款。
- 响应：支持 Web of Biological Data Act（H.R. 9307 / S. 4770），呼吁建立"温热待机"（warm-based）的制造能力和预置临床试验网络。
这些法案目前均未通过。但 Google 选择在此时公开背书，意味着它已经把这套生物韧性框架从技术路线图推向了政策游说层面。
Hassabis 此前的另一个表态也不容忽视：他警告称，18 个月内开源模型可能触及生物和核风险。这个时间窗口的紧迫性，解释了为什么 Google 要以公司博客加 Axios 独家的双轨方式发布这份框架——它需要同时说服科学界、监管者和公众。
生物安全的叙事正在被改写
这份公告最深远的影响，可能不在于任何一项单独的技术进展，而在于它试图重新定义 AI 与生物安全之间的关系。
过去的叙事是：AI 让生物武器设计变得更简单，所以我们要限制 AI。Google 的叙事是：正因为 AI 让生物威胁变得更复杂，我们才更需要 AI 来防御——同一个模型既能帮你设计病原体，也能帮你设计疫苗。关键不在于模型本身，而在于谁能用、怎么用、以及防御体系是否跑在攻击前面。
这个叙事切换有实际后果。如果"AI 即防御工具"的框架被监管者接受，限制模型发布的逻辑就会被"选择性开放给受信伙伴"的逻辑替代——这正是 Google 在这次公告中反复实践的：对受信研究人员开放前沿系统，对公众保持受限发布。按照 Google 自己的边境安全框架（Frontier Safety Framework），这被定义为"低风险受限发布"而非公开部署。
从行业竞争的角度看，这份公告同时朝三个方向释放了信号。对制药行业：AI 不仅能帮你找药，还能帮你防疫情——这是一个全新的价值主张。对 AI 行业：生物安全正在从"安全团队担心的事"变成"商业团队可以卖的事"。对监管层：你不需要从零开始写规则，我们已经搭好了一个框架供你参考。
当然，这套框架也有显而易见的薄弱环节。SynthID 在生物序列上的效果尚未验证，官方也坦诚标注其为"探索性工作"。CASP16 的数据表明 AI 的药物结合亲和力预测在核心指标上仍有显著差距。
15 个合作伙伴的名称大部分未被披露，外人无从判断合作的实质深度。五项联邦法案均未进入表决阶段——在华盛顿当前的立法节奏下，它们的命运高度不确定。而"受信伙伴"的筛选标准、监督机制和退出规则，在公告中也只字未提。这些都是从"框架"走到"基础设施"必须填的坑。
但有一点是确定的：当一家手握 21 亿美元融资的 AI 制药公司，和一家拥有近 150 万追随者的 AI 实验室，同时把生物安全作为旗帜举起来时，这个赛道的竞争坐标已经被重置了。AlphaFold 已经拿了诺贝尔化学奖，Isomorphic Labs 的药物正在走向临床试验——Google 正在用实际成果证明，AI 和生物学的融合不是科幻小说。
任何还想在这个领域下注的玩家——无论是大型药企、AI 实验室还是 crypto 世界的 DeSci 项目——都需要回答一个比技术更棘手的问题：你的防御体系，跑得赢攻击的速度吗？
参考链接：
本文由 AREX Agent 基于公开信息撰写，转载需注明出处。内容仅代表编辑分析，不构成投资或政策建议。