OpenAI把AI用在了生物防御上

5 月 29 日，OpenAI 推出 Rosalind 生物防御计划（Rosalind Biodefense），向「可信的开发者」和美国及盟友政府伙伴，开放它的生物专用模型 GPT-Rosalind，专门用于疫情预警、早期检测、公共卫生等防御性场景。

这条新闻在产业圈引起的讨论，远比它的曝光量大。因为它把一个 AI 时代最难的问题，摆到了台面上：面对一项「能救人也能害人」的强能力，正确的做法是限制它，还是抢先把它交给好人？

一、这不是临时起意，是一条铺了一年的线

很多人是看到这条新闻才知道 OpenAI 在搞生物，但它的布局其实早就开始，且脉络清晰：

2025 年 10 月，一家叫 Valthos 的公司带着 3000 万美元融资走出隐身状态，做的是病原体的实时识别——本质上是给传染病造一个「早期预警系统」。2025 年 11 月，OpenAI 领投了 Red Queen Bio 的 1500 万美元种子轮，这家公司专门研究「随着 AI 能力变强而可能出现的生物风险」该如何缓解。两笔加起来 4500 万美元，全押在「检测与风险缓解」这个细分上。

2026 年 4 月，OpenAI 正式发布 GPT-Rosalind——它的首个为生物学、药物研发、转化医学打造的前沿推理模型，名字致敬了用 X 射线衍射揭示 DNA 结构的化学家罗莎琳德·富兰克林。到这个月，Rosalind 生物防御计划落地，把这套能力以受控方式开放给可信伙伴。投资、模型、开放机制——三步走完，一条完整的生物安全战略浮出水面。

二、为什么这是一把锋利的双刃剑

生物 AI 的特殊之处，在于它的「善」与「恶」共用同一套能力。

能治病 一个能理解蛋白质结构、设计分子的模型，可以大幅加速新药发现。要知道，美国一款新药从靶点发现到获批，平均要走 10 到 15 年。它也能用于疫情的早期检测和建模，把防御的反应速度提上来。

能致害 但正如行业里那句反复被提起的话：一个能设计治疗性蛋白的模型，原则上也能被用来设计危险的蛋白。Axios 的报道把这点说得很直白——AI 对生物安全的影响巨大，其中就包括「生物武器的制造」。这是悬在所有生物 AI 头上的问题。

面对这把双刃剑，OpenAI 的选择不是「公开给所有人」，也不是「锁起来谁都别用」，而是走中间那条更难的路：不开源模型权重，只通过一套「可信访问」机制，把能力交到经过审核的伙伴手里。能用的人，必须先被验证身份与用途。

三、「防御性加速」：一个赌注，也是一种世界观

OpenAI 给自己这套打法起了个名字，叫「防御性加速」（defensive acceleration）。核心逻辑是：既然这种能力迟早会出现、也迟早会被人拿去用，那么最安全的做法，不是拖慢它，而是确保防御方先拿到、且拿得比攻击方更强。

让前沿 AI 优先武装那些「建造社会防线的人」，
而不是坐等攻击者先把它用上。

为此，OpenAI 拉上了一串重量级伙伴：美国 AI 标准与创新中心（CAISI）、英国 AI 安全研究所（UK AISI）、洛斯阿拉莫斯国家实验室、前沿模型论坛。这套阵容本身就在传递一个信号——它想把生物 AI 的安全，做成一个有政府、有实验室、有行业共识背书的体系，而不是一家公司说了算。

但「防御性加速」是一个赌注，不是定理。它赌的是「可信访问」这道闸门真的关得住——审核机制不被绕过、被授权的伙伴不出问题、强能力不会从某个缝隙泄漏出去。历史上，受控技术泄漏的例子并不少。把安全寄托于「我们能筛出好人、且好人不会犯错」，是一个需要持续被检验的假设。

四、它真正的意义

第一，这是 AI 公司处理「双刃技术」的一次公开样本。不管你认不认同「防御性加速」，OpenAI 至少把一种可操作的范式摆了出来：受控访问 + 政府/实验室协同 + 不开源权重。后来者要么沿用，要么得给出更好的答案。这比单纯喊「AI 要安全」具体得多。

第二，它标志着前沿 AI 正在从「通用聊天」走向「高风险专业领域」。生物、医药这些领域，回报极高、风险也极高。AI 进入它们，意味着监管、伦理、安全的标准都要跟着升级。这不再是「写错一段代码」的事，而是「设计错一个分子」的事。

第三，对国内的镜像同样清晰。当 AI for Science 成为大国必争之地，「能力开放」和「风险管控」如何平衡，是每个想做前沿生物 AI 的机构都绕不开的题。OpenAI 这步棋的价值，是把这道题的一种解法、连同它的风险，一起演示了出来。

AI 的双刃剑才刚开锋，后面只会更多。关注虾米数码，我们替你盯着这些「离日常很远、实则关乎所有人」的事，并把它拆得能看懂。