生成式生物学超越了合成生物学，它将人工智能、自动化与计算设计相融合，以数字化速度创造新型生物系统，从而在各行各业带来突破。
除机遇之外，生成式生物学也带来风险，包括网络安全漏洞和供应链脆弱性，而监督与治理则相对滞后。
公平与安全必须协同发展——确保公平获得防护措施、建立可管理的数据共享体系以及健全的治理框架至关重要。
生成式生物学并非合成生物学或工程生物学的更名版本。它体现了生物学与计算、自动化及人工智能（AI）加速融合的趋势。
合成生物学侧重于DNA或蛋白质的模块化组装，与之不同，生成式生物学利用计算设计工具、AI模型和自动化平台，大规模地生成新型生物系统。
工程生物学研究联盟首席执行官India Hook-Barnard（同时担任全球未来理事会生成式生物学专题成员）指出：“这两个领域一直都整合了先进的计算、数据科学与设计工具。新的变化在于，人工智能和自动化的进步正在加速这一进程，使生物学得以以数字化速度运行，并拓展现实世界解决方案的范围。”
由于生成式生物学仍是一个不断变化的目标，该领域的界定方式将决定所抓住的机遇、所优先应对的风险以及所采用的治理模式。这种不确定性意味着治理工作仍在追赶。
机遇行动指南
生成式生物学已经带来切实影响。在健康与医学领域，Google DeepMind的AI系统AlphaFold已预测了超过2亿种蛋白质的三维结构，为药物研发和酶设计带来了革命性变化。
生物技术治疗公司Generate: Biomedicines已融资2.73亿美元，并获得与诺华达成10亿美元合作，以推进AI设计的抗体疗法。
在食品体系领域，Perfect Day和Impossible Foods等公司利用工程微生物生产乳制品和血红素蛋白，为传统畜牧业提供替代方案。在气候与化学领域，美国公司LanzaTech将碳排放转化为乙醇，而Solugen则开发酶驱动工艺以取代石化产品。
在能源与材料领域，藻类正被改造用于生产生物燃料，酵母则用于生产生物塑料，提供可规模化的生物基替代方案。
核威胁倡议（NTI）副总裁、全球未来理事会生成式生物学专题成员Jaime Yassif指出：“这一领域对人类健康、疫苗研发和生物经济增长具有巨大的潜在益处。但我们必须在促进这些益处的同时，防范意外或蓄意滥用。”
盲点：风险所在
生成式生物学依托于数字化集成的基础设施，包括基因组数据库、DNA合成服务、自动化实验室和云分析。这有助于加速发现进程，但也会产生系统性风险。
Yassif曾警告：“医疗对策生产设施和生物监测数据库通常接入互联网，但并未针对黑客攻击进行加固。”
数据与基础设施漏洞仍是首要关切。传统网络安全威胁——例如入侵疾病监测系统或医疗对策生产设施——可能造成严重后果，慕尼黑安全会议的桌面推演已对此作出说明。
另一优先事项是保护分布式台式DNA合成设备，尤其要确保筛查系统无法被入侵或绕过。
除上述系统性风险外，具体的技术演示也凸显了数字与生物接口的脆弱性。华盛顿大学的一项研究表明，恶意软件可被编码进合成DNA中，并通过测序软件执行。
相关评审持续指出，从样本制备到云端存储，下一代测序（NGS）工作流程各环节均存在薄弱之处。便携式测序仪，尤其是在现场部署中使用的设备，在许多情况下缺乏完整性检查，从而增加了数据被篡改的风险。
自动化与供应链风险 构成第二类风险。机器人系统会带来新的攻击面，而且已有研究表明，经过对抗性设计的DNA能够在自动化工作流程中触发恶意软件。试剂和设备供应链的脆弱性进一步加剧了这些风险。
新兴的AI威胁是第三类风险，它们产生于AI与生物学的交汇之处。研究警告称，先进的AI模型可能通过设计有害方案、扩大危险知识的获取渠道或削弱生物防御措施，降低滥用门槛。
技术演示表明，这些系统存在脆弱性。对抗性特征重要性攻击可大幅降低模型准确性，而数据投毒则会导致假阳性和假阴性率大幅上升。
另一个广受讨论的担忧是AI可能帮助规避DNA合成筛查；然而，这些系统正展现出韧性。此外，AI越来越多地用于辅助而非主导药物研发，例如分析大规模数据集、梳理通路并进行药物再利用。
这些两用性动态既凸显了加速创新的前景，也突显了对防护措施的迫切需求。
最后，两用性与治理方面还存在空白。为癌症疗法或可持续燃料开发的工具，可能被误用于设计毒素或病原体。监管依然薄弱：全球卫生安全指数发现，94%的国家缺乏管理两用生物安全风险的体系。
技术变革的速度也远超各国政府的应对能力。目前全球仍缺乏协调一致的红队测试框架、漏洞数据库或可管理的访问机制。
这些盲点——数据安全缺失、自动化风险、对抗性AI以及两用潜力——构成系统性威胁，其连锁后果将波及健康、粮食、气候韧性和经济稳定。
信任与公平的悖论
生成式生物学还面临一个悖论：开放性推动创新，却也放大了两用风险。新冠疫情凸显了在公平与安全失衡时全球体系的脆弱性：富裕国家囤积疫苗剂量，而低收入国家则需等待数月。
Yassif指出，在开发防范意外和蓄意滥用的保护措施的同时，确保公平获取生物技术及AIxBio能力是一项极其重要的优先任务：“若缺乏这一点，我们在努力加强安全的同时，可能会加剧不平等。”
知识产权纠纷也拖慢了疫苗共享进程。基因组数据孤岛限制了对农业与气候研究至关重要的数据集的获取。实验室自动化领域的供应链脆弱性造成了地缘政治依赖。这些不平等共同放大了脆弱性。
Hook-Barnard强调：“安全与创新并非相互取舍。建立可管理的访问和数据共享体系，实际上能加速合作，因为人们可以更有信心地开展创新。”
构建协作式防护机制
降低生成式生物学的风险需要广泛协作。网络安全专家可调整工具，例如零信任架构、对抗性测试和漏洞扫描，以加强生物与数字系统的安全性。
生物学从业者正在部署 DNA合成筛查通用机制等防护措施，以识别并拦截恶意订单。
政府可通过可管理访问框架、责任激励机制和资金协议来强化防护措施，但对于两用研究以及网络与基础设施风险，仍需要更为全面的监管。
联合国教科文组织强调了在基因组治理中平衡开放与防护的紧迫性，而经合组织预测到2030年，全球生物经济规模每年可达1.3万亿美元。
资助机构与期刊也握有有力的杠杆，可通过将资助和发表与安全标准挂钩来发挥作用，国际生物资助者协议（International Bio Funders Compact）已体现了这一模式，该协议将生物安全纳入生命科学研究资助之中。
对DNA订单进行元数据标记有助于加强可追溯性并减少滥用，但它必须成为更广泛监管体系的一部分。
尽管生成式生物学的发展速度快于保障其安全的体系，但该领域仍处于早期阶段，足以将前瞻性措施纳入其中。
未来十年将决定生成式生物学能否发展成为健康、粮食、气候和能源领域值得信赖的支柱，还是其脆弱性会削弱其前景。
