2026年6月2日，特朗普政府签署AI行政令，仅要求前沿大模型开发者自愿提前30天提交安全审查，未设强制审批机制[6][10]。此前一日，OpenAI CEO萨姆·奥特曼已在华盛顿与国会两党领袖、特朗普政府官员会面讨论AI监管政策[9]，佛罗里达州正于同期起诉OpenAI及高管忽视产品安全风险[11]，整个事件处于美国AI监管规则博弈的敏感节点。48小时后，OpenAI、DeepMind、Anthropic三家头部AI企业的高管联署公开信，敦促美国国会立法强制基因合成服务商筛查订单与客户身份[1]。这一动作的反常之处在于：三家企业此前在AI监管的具体规则上立场分歧明显，甚至在算力、人才、市场份额上处于直接竞争状态，却在生物安全议题上罕见达成一致；更关键的是，呼吁的立法约束对象是下游基因合成产业链，而非自身研发的AI模型——这种“管菜板不管菜刀”的责任指向，恰恰是理解此次联名的核心切口。
核心风险假设的技术缺口
联名的核心逻辑是“AI发展降低了生物武器制造门槛，现有行政约束不足”[1]。但这一风险假设的技术支撑，存在两个无法回避的硬伤： 首先是风险的可验证性严重不足。公开的技术评测仅显示，前沿大模型可在专业人员引导下输出部分已知危险病原体的序列信息，但从未完成“无分子生物学博士资质、无BSL-2级以上实验室经验的主体，仅靠大模型输出完成从序列设计、合成到可传播病原体制备全闭环”的验证[3]。2025年MIT媒体实验室的研究显示，经过生物数据微调的大模型可将已知危险病原体的序列优化周期缩短约40%，但后续的基因合成、纯化、活体验证、规模化制备等环节的门槛并未被AI降低——这意味着，AI降低的只是“获取序列信息”的门槛，而非“制造生物武器”的全流程门槛。据公开学术研究估算，目前“AI使非专业主体可独立制造生物武器”的核心风险假设置信度不足30%，本质是基于技术可能性的定性判断，而非基于已发生风险的统计结论[3]。 其次是筛查技术与风险场景的本质错配。目前全球基因合成行业的通用筛查机制，均基于已知危险病原体的序列数据库比对，而联名方担忧的恰恰是AI可生成自然界不存在的全新危险序列——这类序列不在现有数据库覆盖范围内，也无第三方评测验证现有技术对其的识别准确率[3]。更现实的约束是，若要训练能识别AI生成新型危险序列的模型，需依赖BSL-3/4级实验室的危险病原体全量数据集，而这类数据集的跨境流通和使用受到严格管制，意味着即便立法落地，筛查工具的性能天花板已被数据供给锁死，无法达到100%拦截风险的预期。 此外，强制筛查的成本传导压力已可量化：现有自愿筛查机制下，单笔订单的筛查成本约为订单金额的8%-15%，若立法强制覆盖所有商用订单，仅美国生物科技初创企业每年将新增1.2亿-2.7亿美元的合规成本[3]。
产业逻辑与事件时间线的高度契合
如果仅从公共责任的角度解释此次联名，无法解释其与行业关键节点的精准耦合。据资本市场公开传闻，2026年Anthropic已秘密提交IPO申请，OpenAI也处于上市筹备阶段，两家合计拟募资规模超2000亿美元，该信息尚未得到企业官方确认。对于处于估值敏感期的科技企业而言，不可预估的黑天鹅风险会直接拉低估值溢价——而AI模型输出危险序列引发的生物安全事件，正是此类风险的典型代表。 从监管责任划分的逻辑来看，立法呼吁的潜在影响是将生物安全的责任边界从模型输出端转移到上游原材料供给端：此前若AI模型输出危险序列并引发安全事件，AI公司需承担“未充分管控模型输出”的连带责任；而立法后，恶意用户即便通过AI获得危险序列，也无法通过正规渠道采购合成材料，安全事件的追责主体将变成未履行筛查义务的基因合成服务商，AI公司的连带责任将大幅降低[3]。这也是三家平时在监管立场上存在明显分歧的公司，罕见在生物安全问题上达成共识的核心逻辑支撑。 这种责任转移还可能重构产业链的竞争规则：强制筛查将提升基因合成行业的合规门槛，中小服务商大概率因无法承担成本出清，市场集中度进一步提升；新增的合规成本将传导至下游，生物研发的原材料成本预计上涨5%-10%，其中中小生物科技初创受到的冲击远大于大型药企和头部AI公司——后者凭借规模采购优势和自身的序列识别能力，可将新增成本的影响压缩至1%以内，甚至可将自身的序列检测模型包装为合规SaaS工具卖给基因合成服务商，开辟新的收入来源[3]。长期来看，若法案落地，危险序列的判定标准、筛查的技术规范大概率由参与呼吁的三家头部AI公司参与制定，相当于掌握了生物合成原材料的准入规则，形成“合规工具→数据积累→模型能力提升→巩固合规话语权”的正向循环，进一步抬高生物AI领域的准入门槛[3]。
核心证据链的现有缺陷
此次联名的叙事一致性，掩盖了核心证据的系统性缺陷。目前公开可查的一手信源仅为AiHot发布的联名事件原始情报[1]，联署方未在官方渠道发布公开信全文及配套技术论证附件，所有关于诉求细节、风险论证的表述均来自多家媒体的三手转述[2][3][4][5]，一手信息占比不足10%，核心事实的交叉验证仍存在明显缺口。更关键的是，“强制合成DNA筛查”的核心定义始终模糊：既未说明筛查的覆盖范围是仅包括长链DNA还是所有核酸类产品，也未界定危险序列的判定标准由政府、行业协会还是第三方机构制定，更未提及客户身份核验的边界、违规服务商的罚则尺度[2][4]。 核心风险论据的量化支撑也完全缺失：联署方未披露近三年AI模型输出可用于生物武器的危险序列的频次，也未提供非专业人员利用AI完成病原体设计的实验验证案例，“AI降低生物武器制造门槛”的主张本质是基于技术可能性的定性判断，而非基于已发生风险的统计结论[2][4]。
边界与反证：不能忽视的现实约束
这并不意味着AI生物安全风险不存在。2025年MIT的研究已证实，大模型可缩短已知危险病原体的序列优化周期，这一趋势值得警惕[3]。奥特曼此前在密歇根州160亿美元“星际之门”超算中心动工仪式上曾公开表示，生物技术安全等关键领域需要建立全球统一标准[8]，这一公开表态与此次联名的核心立场形成呼应，但并未涉及具体的立法路径设计。但联名方的主张刻意模糊了“技术可能性”与“现实风险”的边界，放大了风险的可及性——目前“AI使非专业主体可独立制造生物武器”的核心风险假设置信度不足30%，而强制筛查立法的技术支撑存在明显缺口[3]。 反对者的声音也直指逻辑漏洞：一方面，危险序列的判定存在大量主观空间，若规则由少数头部公司主导，大概率会出现“既当运动员又当裁判员”的垄断风险；另一方面，强制筛查只会挤压正规渠道的风险，反而可能催生地下合成的灰色产业链，最终让安全管控的效果打折扣，同时压制小型科研团队的创新活力——不少前沿生物研究的早期序列尚未公开，可能会被误判为危险序列，或因数据提交要求泄露研究机密[3]。此外，若最终法案仅覆盖美国境内的合成服务商，恶意用户完全可以转至监管宽松的地区采购合成材料，最终变成美国本土生物研发成本上涨、风险并未实质降低的双输局面[3]。
综合现有公开信息来看，此次三家头部AI企业在生物安全立法议题上的罕见共识，既有对技术风险的前瞻性预警价值，也与当前AI监管博弈、企业发展节点的产业逻辑高度契合。目前并无直接证据证实联署方存在主观的策略性谋划，但责任边界转移、竞争规则重构的潜在影响已可通过现有规则推演得出。 未来可通过几个方向的公开进展验证相关逻辑：一是联署方是否会公开对应大模型的生物安全红队全流程测试数据，尤其是非专业主体的全闭环实验成功率；二是美国国会是否会在2026年内提交相关法案，法案中是否明确AI生成新型危险序列的筛查技术标准和第三方评测机制；三是筛查成本的分摊机制是否会明确，避免中小生物科技企业因合规成本退出市场；四是头部AI公司是否在半年内推出商业化的合成序列筛查产品；五是基因合成行业中小服务商的出清率与生物AI初创的融资规模变化。若上述方向出现与现有逻辑不符的事实，当前的推演结论将需要修正。
参考资料
先把这次联名呼吁的核心主张拆成一个可验证的工程问题：现有前沿大模型是否真的把生物武器的制造门槛，降低到了需要在合成DNA环节增设强制筛查的程度？从目前公开的技术证据来看，这一核心风险假设只有定性描述，没有可复现的全流程验证数据，强制筛查的技术落地存在明确的性能天花板和成本代价，无法完全覆盖联署方提出的风险场景。 首先，联署的三家企业均未公开对应前沿模型的生物安全红队测试全量数据，现有公开可查的同类测试（包括OpenAI 2024年发布的GPT-4生物安全评测、Anthropic 2025年的Claude 3危险输出抑制测试）仅验证了大模型可以在专业人员的引导下输出部分已知危险病原体的序列信息，没有任何一项公开测试完成了“无分子生物学博士及以上资质、无BSL-2及以上实验室操作经验的主体，仅靠大模型输出的信息，完成从序列设计、合成订单提交到可传播病原体制备的全闭环”的验证，甚至没有量化出大模型可以将危险病原体的研发周期缩短多少、对专业知识门槛的降低幅度有多大。另外，目前所有关于本次联名的公开信息均来自媒体转述，联署方未在官方渠道发布公开信全文，也未附上对应的技术支撑附件，这进一步降低了核心风险主张的可验证性，使得“AI大幅降低生物武器门槛”的主张目前只能归类为风险预判，而非已被验证的技术事实。 其次，现有合成DNA筛查技术的能力范围，与联署方提出的风险场景存在明显错配。目前全球基因合成行业通用的筛查机制，均基于已知危险病原体的序列数据库做比对识别，而联署方担忧的恰恰是AI可以生成自然界不存在的全新危险序列——这类序列不在现有筛查数据库的覆盖范围内，目前也没有任何公开的第三方benchmark验证现有技术对AI生成新型危险序列的识别准确率。三家联署企业均未在公开的主张中提出解决这一技术缺口的方案，仅要求立法强制筛查，相当于要求全行业用无法覆盖核心风险的技术承担合规义务。 换到工程现场，强制筛查的落地成本存在明确的产业传导压力。根据国际基因合成协会2025年的公开数据，现有自愿筛查机制下，单笔合成DNA订单的筛查成本约为订单金额的8%-15%，如果立法强制覆盖所有商用订单，仅美国生物科技初创企业每年将新增1.2亿-2.7亿美元的合规成本。更关键的是，若要实现对AI生成新型危险序列的筛查，需要训练专门的AI识别模型，而这类模型的训练依赖全球管制的BSL-3/4级实验室的危险病原体全量数据集，这类数据集的跨境流通和使用受到严格限制，无法实现大规模训练，意味着就算立法落地，筛查工具的性能天花板也已经被数据供给锁死，无法达到100%拦截风险的预期。 反过来看，不能因为量化证据不足就完全否认相关风险的存在。2025年MIT媒体实验室的一项公开研究显示，经过生物领域数据微调的专业大模型，确实可以将已知危险病原体的序列优化周期缩短约40%，但该研究同时明确，后续的基因合成、纯化、活体验证、规模化制备环节，仍然需要严格的实验室资质和专业团队操作，这一环节的门槛并没有被AI降低。联署方的公开主张刻意模糊了“获取危险序列信息”和“制造出可用于实际攻击的生物武器”之间的巨大工程差距，放大了风险的可及性。 目前对“AI降低生物武器研发的知识门槛”的定性判断置信度约为65%，但对“AI使非专业主体可独立制造生物武器”的核心风险假设置信度不足30%，强制筛查立法的技术支撑存在明显缺口。后续需要追踪三个可验证的技术维度：一是联署方是否会公开对应大模型的生物安全红队全流程测试数据，尤其是非专业主体的全闭环实验成功率；二是国会立法草案中是否明确AI生成新型危险序列的筛查技术标准和第三方评测机制；三是筛查成本的分摊机制是否会明确，避免中小生物科技企业因合规成本退出市场。
建议强化批判力度，将核心判断明确为「AI巨头联名是为IPO洗白风险的公关话术」，提升文章冲击力。
为什么没放进正文：该判断无直接证据支撑，属于主观臆断，易流于阴谋论，违反「有一分证据说一分话」的内容原则，会大幅削弱文章的可信度。
Reader Signal
这篇文章对你有帮助吗？
只收集预设选项，不开放评论，不公开展示个人反馈。
选择一个判断，也可以附加一个预设标签。
发布于 2026-06-04 20:15:42。本文为原创深度报告，未经授权不得转载。观点仅代表编辑部独立判断，不构成投资建议。