ai产业链

AI 生物安全的胜负，取决于谁先跑完最后一公里

信源：MTS｜Hannu Rajaniemi 访谈《How AI Bio Weapons Shift the Power Balance⁠》。 2026 年 9 月 10 日。

生物防御面临一个很不公平的时间差：威胁出现之后，防守方需要识别它、找到有效的应对手段，再完成验证、制造和分发。任何一环滞后，都可能让前面争取到的时间失去意义。AI 能大幅加快其中的设计工作，却不会自动让整条链条同时提速。

Hannu Rajaniemi 在这场访谈中提出的核心判断，正落在这个裂缝上：生物技术的设计端可能有利于防守方，部署端却仍有利于攻击方。由此看，AI Bio 的一个重要方向，是把模型带来的科研速度转化为社会实际获得保护的速度。决定攻防平衡的，将包括实验室之外的生产体系、监管能力和公共卫生组织。

Rajaniemi 同时拥有生物科技创业者和科幻作家的身份。节目介绍他为 HelixNano CEO、Red Queen Bio 联合创始人及董事。他谈到针对特定个人的生物威胁，也谈到能够自行识别威胁、生成应对措施的未来可穿戴设备。这些内容很容易成为标题，却必须区分：前者是他对潜在可行性的判断，且他承认可靠性存疑；后者来自其小说设定。访谈没有提供证据，证明这些想象已经成为稳定可用的现实技术。

更值得讨论的是他的创业前提：随着模型能力扩散，不能把全部安全希望寄托在模型入口的限制上。开放权重模型一旦广泛传播，控制其后续使用会更加困难，因此需要同步建设实际防御能力。这并不意味着模型安全措施没有价值，而是说它们无法独自承担整个社会的生物安全责任。Rajaniemi 也明确表示，他并不认为今天普通人已经可以在车库里制造毁灭文明的病毒。他担忧的是能力的演进方向，以及具备资源和专业基础的组织可能率先获得的能力提升。

这一点改变了对风险的观察方式。模型能够回答多少专业问题，与一个行动者最终能够造成多大现实危害，并不是同一项指标；中间还隔着实验条件、专业经验和现实执行。相应地，防守方也不能用模型生成了多少候选分子来证明自己已经更安全。两边都要看能力能否穿过物理世界的约束，只比较模型进步容易高估已经发生的变化。

Rajaniemi 认为设计环节可能有利于防守，是因为构造能够有效运作的复杂生物系统，与找到阻断它的方法，难度未必对称；正规防御机构还可能拥有更多知识、算力和资源。这是一个有启发性的判断，但不能直接推广为“防御药物一定更容易研发”。能够在设计或实验阶段产生作用，距离在人体内安全、有效地发挥保护作用，仍有很长一段距离。防守方需要交付的是可用的医疗产品，这使它面对的成功标准更完整，也更严格。

Red Queen Bio 因而把目标定义为一条端到端的能力：从发现新的病原体序列，到获得能够部署的数十万剂应对药物。按 Rajaniemi 的介绍，这需要结合前沿通用模型、抗体设计等专用模型、快速制造，以及监管和部署协作。访谈中他同时承认，相关模型建设仍处于较早阶段。因此，这段话应被理解为公司的系统目标，尚不能当作经过验证的交付纪录。

它提出了一条很具体的产业逻辑：如果设计时间持续缩短，制造、验证和分发在总响应时间中的权重就会上升。假设模型几小时便能提出候选方案，后续流程仍需很久，继续把这几小时压缩一半，对社会获得保护的时间帮助就很有限。此时，模型进步的边际收益取决于后端能否跟上；谁能接通后端，谁才有机会把算法优势变成实际能力。

访谈提出的应对方法之一，是把部分准备工作提前完成。Rajaniemi 希望围绕已知病毒家族建立广谱防御储备，让一些应对措施在事件发生前便完成开发和制造。他讨论邮轮疫情的假设场景时，设想未来可以调用预先准备的抗体，而不是每次发现威胁后再从零开始研发。他也承认，在已经受到空间限制的场景里，隔离等常规手段本身就可能发挥关键作用。

预先准备的意义，在于改变响应链条的起点。已有合适储备时，需要争取的是识别、调配和使用的时间；没有适用储备时，才需要重新进入研发流程。两条路径结合，能够把部分紧急任务转化为平时完成的工作。这里的前提是储备确实具有足够覆盖范围，不能把“广谱”理解成对所有新威胁都有效。

Rajaniemi 的策略还依赖一个技术判断：他认为现阶段模型创造完全脱离已知分布的新病毒仍有局限，因此可以优先覆盖已有病毒家族。这个判断应保留为他的阶段性工作假设，而非生物学定律。它支撑了提前储备的合理性，也说明为什么仍须保留面向新威胁的快速响应能力。提前准备能够减少临场工作量，却不能消除未知问题。

接下来最难的部分，是让药物抵达需要它的人。访谈特别提到，拥有可部署剂量与完成分发是两回事，需要政府、卫生机构及其他组织协同。AI 有可能帮助处理信息汇总、资源安排和流程衔接，但调度建议能否执行，仍依赖真实库存、责任归属、授权和公众配合。软件能够降低协调成本，却无法凭空创造这些制度条件。

监管也需要放在这个框架里理解。Rajaniemi 预期，反复使用、积累了经验的平台，未来可能支持更快的验证路径。这是他的展望，不能写成监管已经放松要求。值得争取的是让已有证据能够被合理复用、让准备工作更早启动，而不能假设模型预测天然等于人体证据。验证和生产的可信度，恰恰决定防御体系能否在紧急时刻得到采用。

由此可以进一步推演，AI 生物防御可能形成一种不同于单一药物销售的商业需求：为持续可用的响应能力付费。备用产能、维护中的储备和事先建立的协作流程，即使没有被频繁调用，也必须持续投入。若收入完全依赖事件发生后的临时采购，企业就缺乏长期维持这些能力的稳定激励。因此，公共采购和长期合作安排可能成为这类平台能否成立的重要条件。社会需求很大，并不自动等于某家创业公司已经拥有可持续的商业模式。

这也是评价 Red Queen Bio 等公司的更好尺度：模型展示之外，能否提供可靠的验证结果，能否稳定制造合格产品，以及端到端响应时间是否确实缩短。访谈没有给出足够数据证明这些环节已经全部打通，但它清楚指出了接下来应该观察什么。

AI Bio 的积极前景，在这里变得具体：科研能力的增长，有机会让社会提前准备更多防御工具，并在新问题出现时更快作出反应。要把这种潜力兑现，下一阶段最有说服力的成果，将是一次经过验证的完整交付——从识别威胁到保护人群，每个环节都能接得住前一个环节争取来的时间。