上海近期举办了一场关于生物科学智能产业发展的论坛，这场论坛不仅聚焦人工智能和生物制造的融合路径，还启动了《2025人工智能赋能生物制造产业创新发展蓝皮书》，同时成立了生物科学智能产业生态联盟。镁伽科技、百图生科、迪赢生物等30余家单位成为首批成员。这一系列动作表明，AI与生物制造的结合正在加速推进，越来越多企业将"AI+合成生物学"作为战略重点，像中嘉必优、华恒生物、凯赛生物、川宁生物等上市龙头企业都已布局相关领域。这场论坛的召开，标志着AI技术在生物制造领域的应用进入了一个新阶段。

随着AI技术在生物制造领域的深入应用，其带来的影响正在从实验室走向实际生产。从蛋白质结构预测到基因疗法开发，AI的应用已经覆盖了生物制造的各个环节。然而，这种技术的快速发展也带来了新的挑战，比如AI模型的可解释性问题、生物安全风险以及治理层面的差距。这些问题需要行业各方共同应对，才能确保技术发展既高效又安全。在论坛召开期间，一篇发表在Nature子刊《npj Biomedical Innovations》上的论文《The convergence of AI and synthetic biology: the looming deluge》对这些问题进行了深入探讨，为我们揭示了AI合成生物学的发展现状与未来趋势。

01AI合成生物 进展到哪一步了？

AI在合成生物学中的应用已经经历了两个阶段的演变。早期阶段主要集中在利用机器学习和生物设计工具完成基础的生物设计任务，比如根据氨基酸序列预测蛋白质结构。这项技术曾获得2024年诺贝尔化学奖，AlphaFold就是其中的代表作。这种技术虽然已经取得了显著成果，但其应用范围还比较有限。

随着Transformer等深度学习架构的普及，AI在合成生物学中的应用进入了新的阶段。现在，大型语言模型（LLM）已经开始承担更复杂的任务，比如根据核酸序列预测物理结果。AlphaFold 3的出现，使得生物分子相互作用的结构预测变得更加精确。这种技术突破让AI在生物设计领域的应用更加深入。未来，生成式AI可能会发展出"AI生物设计师"，像BioAutomata这样的平台已经展示了这种可能性。AI不仅能够指导工程微生物的设计-构建-测试-学习（DBTL）周期的每一步，还可能在基因编辑、代谢工程等领域发挥更大作用。

在具体应用层面，一些企业已经开始探索AI在合成生物学中的实际价值。Ansa Biotechnologies、TeselaGen和Synthace等公司为客户提供AI引导的DNA设计和优化服务，帮助设计微生物菌株或开发基因疗法。Biotium、Strateos和Emerald Cloud Lab等初创企业则利用AI技术优化微生物菌株和酶性能，提高生产效率。Design-by-Data和Flatcarbon等公司则专注于通过AI进行微生物、酵母或细胞系的正向工程设计，这些应用案例展示了AI在合成生物学领域的广阔前景。

02直面黑匣子：风险和治理挑战

AI在合成生物学中的应用虽然带来了技术突破，但也引发了一些新的问题。其中最突出的就是AI模型的可解释性问题。许多用于生物设计的AI模型，如生成神经网络或梯度提升模型，都以"黑匣子"的形式运行。这种运行方式虽然不影响技术实用性，但会限制安全性的评估，可能延缓AI模型在生物设计领域的应用和合法化。

以蛋白质设计为例，大型语言算法可能会生成有缺陷的序列建议，但这些建议依然能获得高性能分数。这种现象在一定程度上影响了AI模型的可信度。更值得关注的是，如果算法存在未被发现的缺陷或训练偏差，黑客可以利用这些漏洞故意输出危险设计，从而增加生物安全风险。美国国防部的DARPA最近发布的恶意AI报告就专门针对生物制造的数据或模型中毒进行了兵棋推演，这表明不透明系统的漏洞可能被恶意利用。

2024年，DARPA启动的生物制造Switch计划，目标是开发一套敏捷、可重新编程的生物制造系统，以增强供应链的弹性和适应性。这种技术的数字化和分布式特性，使得防止滥用的工作更加复杂。与物理材料不同，包含AI算法或DNA序列的数字文件可以很容易地跨境共享和复制，这给监管带来了新的挑战。

为了应对这些风险，需要采取多管齐下的方法。技术层面，可以通过增强筛选方法来检测和过滤潜在危险的序列，特别是由AI算法生成的序列。政策层面，需要建立国际协调机制和统一的治理框架。论文特别强调，解决AI合成生物学的黑匣子问题，不仅能加速科学理解和应用开发，还能让技术惠及更广泛的用户群体。这种技术交由大众使用，可以促进问题解决的大众化，从不同贡献者那里获得创新解决方案。

AI与合成生物学的结合正在改变整个生物制造行业。从基础研究到实际应用，从实验室到生产线，AI技术的渗透正在推动生物制造向更高效、更精准的方向发展。但与此同时，技术带来的挑战也需要行业各方共同应对。只有在技术进步与治理完善之间找到平衡，才能确保AI合成生物学的健康发展。这场由AI驱动的生物制造革命，正在为人类带来前所未有的机遇和挑战。