全球对AI设计病毒的监管有哪些漏洞？

　　美国斯坦福大学与Arc研究所团队利用AI模型Evo成功设计出16种自然界不存在的全新病毒，这一成果既是医疗新希望，也暴露出全球监管框架在开源模型扩散、DNA合成审查和病毒风险评估上的显著漏洞。

　　一、技术本身自带“双刃剑”属性，但当前缺乏针对AI设计病毒的专项法规

　　成果定位：该技术首次由AI从头生成完整病毒基因组，16种噬菌体均能自主复制并杀灭耐药菌，部分效率超过天然病毒——这是合成生物学的重要突破，并非“制造杀人病毒”

　　监管空白：约翰斯·霍普金斯大学健康安全中心专家明确指出，“利用生成式AI编写病毒基因组的技术现已具备，但能安全管控的治理体系却尚未建立”。美国NIH新规仅限制增强危害性的实体实验，纯计算设计不在禁止范围

　　风险本质：技术本身中性，真正隐患在于AI大幅降低了“从代码到生物体”的转化门槛，而现有监管机制只能防君子、难防有专业知识的恶意使用者

　　

　　二、开源模型与DNA合成环节存在两大关键管控盲区

　　模型开源风险：Evo模型已完全开源，任何人可下载运行，输出的是DNA“配方”。这意味着技术扩散难以物理阻断，专家警告“其他人在掌握技术后未必如本团队重视安全”

　　合成订单审查漏洞：目前第三方DNA合成公司虽有生物安全筛查机制，但微软研究发现，现有筛查工具对AI生成病毒序列的灵敏度不稳定——即使安装升级补丁后，仍有约3%的变异体无法被识别

　　闭环管控缺失：从AI设计到活病毒，中间横着DNA合成、细胞导入等门槛，但只要有实验室条件，关键链条缺乏强制性审核

　　三、全球治理框架面临规则滞后与标准缺失的双重挑战

　　规则滞后于技术：专家评论直言，“问题的关键已经不是AI能否设计病毒，而是能否在它闯大祸前管住它”。各国政府尚未建立针对“AI+生命科学”的专项伦理与安全标准

　　风险评估无标准：对于AI创造出的前所未见新病毒，科学界尚未形成统一标准判断其潜在危害程度——“一个从未见过的东西，到底有多危险？”是监管者面临的真实困境

　　建设性方向：研究团队已在全流程嵌入生物安全审查，包括剔除人畜致病病毒训练数据、仅选安全噬菌体模板、呼吁同行引入安全专家。这些做法为构建全球监管提供了可借鉴范例