AI 巨头联名要求国会管 DNA 订单：风险不在模型，在下单那一刻

Sam Altman、Dario Amodei、Mustafa Suleyman、Demis Hassabis、Alexandr Wang 站到同一封信里，这事本身就反常。

这些公司平时抢模型、抢人才、抢云资源、抢安全叙事。现在他们一起要求美国国会出手：让合成 DNA/RNA 供应商筛查订单，拦住可能用于制造危险病原体的序列。

这不是“AI 已经会造生物武器”。那种说法太快，也太吓人。

更准确的风险是：AI 可能降低危险生物序列设计的知识门槛，但落地仍要经过现实中的合成、采购、实验。危险不在一个聊天框里，而在一条被便宜化的链条上。

这封信到底要管什么

按 The Verge 报道，OpenAI、Anthropic、Microsoft、Google DeepMind、Meta 等公司的 AI 负责人参与联名。签署者还包括科学家、国家安全与政策专家，以及部分生物技术公司高管。

核心诉求很窄：要求美国国会制定规则，强制合成 DNA/RNA 公司筛查订单，识别可能用于制造危险病原体的序列。

这个落点比单纯喊“管 AI”更具体。

AI 模型公司需要调整安全策略，不能只盯输出内容。合成生物供应商则要面对更硬的合规要求：接单前筛查、留痕、解释拦截理由，甚至延后交付。

研究机构也会被影响。正常科研订单可能要准备更多材料，采购周期可能变长。小实验室和小供应商最怕的不是规则本身，而是规则写得太宽、执行成本太高。

这也是接下来最该看的地方：美国国会如果推进，规则到底卡“危险序列订单”，还是把一大片正常研究都拖进低效审批。

AI 生物风险不在模型单点

我更在意的是边际成本。

过去，一个人想理解、设计、获取并实验危险生物材料，需要专业训练、实验条件、供应渠道和圈层门槛。AI 不会把这些门槛一次性抹掉。它也不能离开现实实验室独立制造病原体。

但它可能削低前几级台阶。

它能帮人查询资料、解释概念、组合思路、缩短学习路径。对于真正懂行的人，它可能提高效率；对于半懂不懂的人，它可能把危险想法推进到更接近下单的位置。

链条大概是这样：

所以，这封信真正聪明的地方，是把监管点放在“数字世界通往湿实验室”的接口上。

只盯模型输出，容易变成内容审核。今天拦一个回答，明天换一种问法。真正能改变风险曲线的，是让高风险序列在进入供应链时被识别、被延迟、被拒绝或被上报。

这不是说模型安全不重要。模型当然要做红队测试、能力评估和访问控制。

但生物风险的最后一跳不在屏幕上。订单才是闸门。

监管会补漏洞，也会制造护城河

这件事不能只按“企业终于有良心了”来读。

“天下熙熙，皆为利来。”这句话放在这里并不刻薄。AI 公司呼吁监管，有真实的安全焦虑，也有塑造规则的动机。

大公司更能消化合规成本。它们有法务、政策团队、安全团队，也更容易参与规则讨论。小型合成生物公司、大学实验室和开放研究社区，往往没有同样的缓冲垫。

如果规则写得准，它会变成必要的安全闸门。

如果规则写得粗，它会变成进入门槛。采购延后、订单被误拦、研究人员反复补材料，小团队先被拖慢。巨头反而把合规当成护城河。

这里有一个不完全一样、但有用的历史参照：早期铁路。

火车头不是全部问题。真正决定铁路能不能安全扩张的，是轨距、信号、时刻表、调度权。速度起来之后，制度跟不上，事故就会替制度补课。

AI 加合成生物也类似。模型能力继续涨，合成服务继续商品化，科研工具继续普及。好处很真：药物发现、蛋白设计、基础研究都会受益。风险也很真：同一条工具链可以被误用、滥用，或者在管理混乱中出事。

所以我不太买账两种懒办法。

一种是相信企业自律，写几条原则就算治理。生物安全的外部性太大，不能靠各家公司心情好。

另一种是把规则写成大网，什么订单都可疑，什么研究都先停一停。这会伤到正常科研，也会把合规资源从真正高风险点上稀释掉。

真正要观察的不是公开信有多漂亮，而是三件事：

• 筛查义务会不会变成强制要求，而不是行业自愿；
• 高风险订单的定义会不会足够窄，避免误伤正常科研；
• AI 公司、合成生物供应商、研究机构之间的责任边界怎么划。

这次少见地把问题放到了正确位置。模型是入口，供应链是通道，订单筛查是闸门。

但闸门怎么设计，决定它是安全设施，还是新的行业门槛。