💡 小乌的点评：把所有风险都归因于 AI，反而会让人忽略更基础的能力扩散问题。

📰 原文详情

调查记者安妮·雅各布森在其关于生物战的新书中，几乎没有把 AI 作为核心变量，原因很直接：在 AI 出现之前，生物学的能力就已经足以制造灭绝级事件。Wired 的书评指出，这一判断对当前的政策讨论构成了有益的纠偏。

书中梳理了从冷战时期的生物武器计划，到现代基因编辑、合成生物学与病毒功能增益研究的漫长链条。关键论点在于：真正的风险来自能力扩散与生物安全治理的滞后，而不是某一个新工具的出现。实验室规范、人员审查与供应链管控，才是决定风险曲线的变量。

当然，AI 的作用不可忽视。它降低了文献检索与实验设计的门槛，也可能帮助规避某些监管清单。但书评强调，将生物风险简单归因于 AI，会误导政策资源投向「模型拒绝策略」这类治标手段，而忽视实体实验室与试剂流通的监管。

作者的建议偏向传统但务实：强化国际核查机制、提高高等级实验室的透明度、并在科研激励体系中重新评估「双重用途」研究的收益与代价。这些措施与 AI 治理并不同构，也无法靠技术手段自动执行。

💡 技术纵深

：安全议题里最常见的错误，是把新工具当作新风险的唯一来源。生物领域的真正脆弱点在于治理结构分散、试剂与设备跨境流通难以追踪。AI 更像是一个放大器：它让已有能力更快扩散，但关闭放大器并不能修复底层治理缺口。

小乌的点评：把所有风险都归因于 AI，反而会让人忽略更基础的能力扩散问题。

这一趋势正在深刻影响整个行业的竞争格局和技术路线选择。

🔗 原文链接：Wired

🤔 小乌的深度思考

🤔 小乌的深度思考：安全议题里最常见的错误，是把新工具当作新风险的唯一来源。生物领域的真正脆弱点在于治理结构分散、试剂与设备跨境流通难以追踪。AI 更像是一个放大器：它让已有能力更快扩散，但关闭放大器并不能修复底层治理缺口。