守护AI时代的生物学：为生命的构建模块加上水印

今天，我们发布了 SynthID Bio，这是一种为 AI 设计的蛋白质——生命的构建基块——添加水印并进行检测的方法。

我们相信，这是人类首次成功合成出既具有功能又带有水印的 AI 设计蛋白质。这是我们 @GoogleDeepMind 研究团队取得的一项非凡工程成就，同时也是我们迈入生物研究变革时代之际的一项重要保障。

生成式 AI 正在帮助科学界设计新型生物制品，例如功能性蛋白质，借助 AlphaProteo 和 RFDiffusion 等系统，甚至还包括噬菌体。这项强大的技术有望推动我们开发有效疾病疗法的方式，但它也存在被滥用的可能。例如，AI 生成的蛋白质可能绕过基因合成公司使用的生物安全筛查措施，还可能污染共享的科学数据库。

多年来，我和我在 Google DeepMind 的团队一直致力于确保 AI 模型的安全性，构建有助于追踪生成式 AI 输出来源的解决方案。我们的研究促使我们开发出 SynthID，这是一种最先进的解决方案，可将不可察觉的水印嵌入 AI 生成的图像、视频、音频和文本等制品中，而不影响其质量。目前，SynthID 已用于为超过 1000 亿张图像和视频以及超过 6 万年的音频添加水印，并且也被我们的多家重要行业合作伙伴使用，包括 OpenAI、NVIDIA 和 Kakao。

将 SynthID 适配到生物世界是一项重大挑战。在图像、视频和音频领域，不可感知性必须考虑人类感知，并避免视觉伪影或声音失真。生物学则不同。蛋白质序列不仅仅是一串文本：它是一个必须在自然世界中发挥作用的物理实体，具有真实的生物学后果。水印只有在所得分子保持其功能时才有效。对于蛋白质而言，这意味着折叠、与细胞受体结合，并像其未加水印的对应物一样与分子相互作用。

借助 SynthID Bio，我们在保留生物活性的同时实现了有效的水印嵌入。我们开发了技术，既能对蛋白质序列加水印，也能对其三维蛋白质结构预测加水印。我们对 SynthID Bio 的广泛测试表明，加水印的分子在生物环境和针对真实治疗靶点的情况下都能发挥作用。在湿实验室实验中，我们加水印的结合蛋白也达到了与未加水印对应物相同的成功率，证实我们的系统按预期运行。

我希望 SynthID Bio 能成为追踪 AI 生成设计的关键验证层。通过自动标记 AI 生成的蛋白质，它可以帮助合成供应商简化目前拖慢重要研究的缓慢人工安全审查。

SynthID Bio 还将有助于保护科学共享资源。像 AlphaFold 这样的突破依赖于干净的公共数据库，例如蛋白质数据库，而这些数据库面临被大量 AI 生成预测污染的风险。通过过滤掉这些错误分类的贡献，SynthID Bio 可确保我们共享的数据库和未来算法保持准确，并避免无意中错误标记的预测。

我们正在持续改进 SynthID，并将其扩展到更多生物模态。作为一个早期示例，我很高兴地分享，在与斯坦福大学 Hie 实验室 和 Arc Institute 正在进行的合作中，我们将 SynthID Bio 扩展到了对 Evo 2 设计的噬菌体基因组进行水印标记。细菌培养物中的早期实验室测试表明，我们的水印方法能够保留噬菌体的功能。这是一个早期里程碑，也是一个有前景的技术概念验证，我们期待很快与科学界分享更多细节。

制定有效的生物来源标准应当是一个协作过程。正如我们在 AlphaFold 数据库方面的工作一样，我们正与科学界和生物安全界合作，共同开发这些技术。作为第一步，我们将发表方法论文、开源代码和体外数据，并向研究界发布权重，以便我们能够充分实现这项工作的生物安全效益。

我们正在进入一个时代，生物学正从一门观察性科学转变为一门我们可以负责任地进行工程改造的科学。水印技术本身并不能解决生物安全问题，但它是迈向更安全、更有韧性世界的重要一步。我认为，我们不应仅以我们能够建模的生物结构的复杂性或其潜在影响来衡量进展，还应以我们引导这些不断进步的能力时所展现的远见和责任感来衡量。

阅读我们的博客：https://deepmind.google/blog/introducing-synthid-bio/ 以及我们的技术论文：https://www.nature.com/articles/s41586-026-10965-y