美国降低核威胁倡议组织（NTI）发布《人工智能与生物学（AIxBio）融合发展的前瞻报告》（一）

人工智能与生物学（AIxBio）融合发展领域正处于一个关键的转折点，其能力的快速发展已经超越了治理框架和安全措施的完善。尽管随着人工智能与生物学研究的融合不断加深，技术进步持续加速，但数据质量、生物复杂性以及训练数据外推能力不足等根本性挑战仍构成重大制约因素。

2026年3月3日，美国降低核威胁倡议组织（NTI）发布《人工智能与生物学（AIxBio）融合发展的前瞻报告》（2025年冬季—2026年），并指出未来18个月将成为关键时期，将检验人工智能企业的自愿性安全实践、新兴评估框架及国际协作能否与技术发展同步。当前围绕开源人工智能模型的激烈争论中，现有防护措施恐难有效遏制滥用风险。随着更完善的接口与自动化技术使这些强大能力日益普及，确保其惠及社会同时降低风险，需要政策制定者、研究人员及民间社会利益相关方持续投入关注。

为应对关键的治理需求，本次前瞻性研究旨在审视人工智能与生命科学融合领域（AIxBio能力）快速发展的能力格局。该研究由AIxBio全球论坛主导实施，旨在勾勒未来三年技术与能力发展的预期趋势，其潜在应用范围广泛，包括支持关于AIxBio风险及风险缓解措施的深度探讨。除整合已发表的研究与信息外，本分析还基于2025年末对21位来自学术界、产业界及政策领域的专家访谈与交流。报告通过综合专家洞见，全面概述当前AIxBio能力现状，识别塑造该领域发展的关键趋势，并预测未来三年可能涌现的新兴能力。

（一）当前发展

当前AIxBio领域的发展态势呈现出三大特征：大型语言模型（LLMs）与专业生物AI工具的能力均取得重大突破，同时LLMs与生物研究工作的融合进程显著推进。

1、大型语言模型(LLMs)的发展

大型语言模型如今在生物学领域展现出专家级的表现性能。根据病毒学能力测试（一项旨在评估大型语言模型解答专家级病毒学问题能力的基准测试），OpenAI、谷歌和Anthropic开发的大型语言模型在各自病毒学专业领域已超越人类专家。检索增强生成（RAG）等方法能通过从外部知识源检索相关文档来增强LLMs在特定专业领域的能力——例如利用互联网获取关于特定生物体或细胞信号通路的期刊文章——进而运用检索到的信息生成更精准详实的回答。这项技术可以提升大型语言模型在生命科学领域的应用能力，例如，通过检索实验室操作规程，协助科学家理解如何针对研究对象调整实验流程。

尽管这些先进能力具有显著的潜在效益，但也引发了重大的生物安全与防护机制问题。大型语言模型仍易出现“幻觉”现象，即把不准确或不完整的信息当作事实呈现；当模型提供有关生物安全协议的信息（如规范的隔离或消毒程序）时，此类幻觉将尤为令人担忧。多家顶尖实验室还发现，其未受保护的模型可能通过提供逐步指导，协助新手制造生物武器，而这类信息历史上仅为少数专家所掌握。领先的大型语言模型实验室已部署安全系统以防范此类滥用，并持续更新安全防护机制。

2、生物AI工具的进展

在蛋白质科学领域，专业生物人工智能工具正飞速发展。例如，AlphaProteo和持续迭代的AlphaFold通过“预测蛋白质折叠与相互作用”这一生物学核心难题，显著提升了蛋白质设计与结构预测能力。这使科学家能够确定蛋白质的三维结构，甚至预测突变如何改变其形态与功能。AlphaFold 3现在能够可靠地模拟蛋白质间相互作用及由蛋白质与其他分子组成的复合体，为新型疗法设计提供可能。在AlphaFold 3发布6个月后，其开源竞争对手Boltz-1仅用四分之一的计算资源便实现了同等性能，这充分展现了尖端专有工具如何被迅速复刻并广泛共享，推动相关技术快速普及化。

基因组人工智能模型作为生物人工智能工具的另一种类型，正在拓展生物设计的可能性边界。生物AI工具快速发展的又一例证是Evo模型。作为当前生命科学语言模型的尖端代表，Evo能够为部分小基因组生物建模完整基因组。该模型以DNA序列为初始提示，可完成序列设计，创造新型蛋白质，某些情况下甚至能设计完整基因组。与早期自然语言模型类似，该工具需通过引导和过滤才能产出有效输出，但已初步展现出新型病毒设计能力。通过针对细菌感染病毒进行额外微调、定制提示词和过滤器，Evo团队成功生成302种新型病毒变体，其中16种具有生命活性。

3、LLMs与生物AI工具以及实验室机器人的一体化

大型语言模型与生物学工具的集成已显著提升。例如，MP4和Pinal模型通过自然语言提示生成蛋白质，使更广泛的用户群体能够直观操作；这些用户未必精通蛋白质设计或命令行工具使用。然而当前生成的酶并非总是具有功能性，其效率往往低于天然酶。

用于控制实验室机器人的自然语言界面，比用于蛋白质设计的界面发展得更为成熟。目前，无论是专有软件工具还是非专业语言模型，都可以用于生成液体处理机器人的代码，从而使更多人能够实现湿实验工作的自动化。然而，实验室机器人系统目前尚未普及，即使是先进的实验室通常也需要人工操作员的辅助。

  4、当前主要参与者

密切关注当前的关键参与者有助于了解现有技术的发展现状。在这个动态领域中，众多学术实验室和新兴商业机构持续发布技术突破。在人工智能与生命科学交叉领域，近期人工智能工具发展的主要贡献者包括：Arc研究所（Evo和Evo 2开发者）、谷歌DeepMind（AlphaProteo与AlphaFold进化版）、斯坦福大学（含Biomni项目）、FutureHouse（推动基于智能代理的生物研究），以及商业机构如Benchling（该公司已推出将大型语言模型嵌入研究流程的人工智能助手）。英伟达的BioNeMo框架简化了生物模型的训练与部署流程，而Profluent（OpenCRISPR）和EvolutionaryScale（ESM3）等公司则在基因编辑与蛋白质设计领域作出重大贡献。

参考文献

[1]AIxBio Horizon Scan Winter 2025-2026[R/OL]. (2026-03-03)[2026-03-09].https://www.nti.org/analysis/articles/aixbio-horizon-scan-winter-2025-2026/

[2]NTI Horizon Scan Helps Leaders Anticipate Fast‑Moving AIxBio Advances[EB/OL].(2026-03-04)[2026-03-09].https://www.nti.org/news/nti-horizon-scan-helps-leaders-anticipate-fast-moving-aixbio-advances/

[3]A Critical Moment for AIxBio Safety and Security[EB/OL]. (2026-03-03)[2026-03-09].https://www.nti.org/risky-business/a-critical-moment-for-aixbio-safety-and-security/

[4]Genome modelling and design across all domains of life with Evo 2[J/OL].(2026-03-04)[2026-03-09].https://www.nature.com/articles/s41586-026-10176-5

[5]A General-Purpose Biomedical AI Agent[EB/OL].[2026-03-09]. https://biomni.stanford.edu/