摘要：人工智能与生命科学的深度耦合正在重塑当代安全议程，并催生出一种区别于国家间经典安全困境的新型技术安全困境：技术、资本与制度的交织，使能力门槛降低与责任黑箱化并行，风险系统内生化与外溢效应并存。“生命技术”是人工智能与生物工程交互融合的复合体系，其通过三个维度揭示脆弱性的生成路径：生物能力武器化、生命数据资本化和人机边界模糊化。由此，集数据、算法与算力为一体的“公司利维坦”，其经济权力已外溢为安全权力，传统威慑、边界防御与科层管控的有效性正同步衰减。以“监测—吸收—恢复—学习”为核心的战略韧性框架，将安全重心前置至危机前的赋权与共治环节，并将其治理术化的风险与制度限度进行评估。作为政治赋权的工具，韧性存在被治理术化的内在风险，因而应为“技术—安全困境”探索出一条以赋权为核心的审慎治理路径。

作者：程同顺，南开大学周恩来政府管理学院教授；李夏一，南开大学周恩来政府管理学院博士生

摘自：《国际安全研究》2026年第3期

本文载《社会科学文摘》2026年第7期

生命技术与“技术—安全困境”的浮现

人工智能与生命科学的深度耦合正在改变生物安全风险的生成方式。开源人工智能模型、自动化实验室、基因合成服务和生命数据平台的发展，使生物能力的设计、复制和传播不再完全依赖国家级设施或高度集中的科研体系。技术进步在提高医疗、公共卫生和产业创新能力的同时，也降低了高风险能力的获取门槛，并使风险责任更难被清晰识别。本文所称“生命技术”，并非单一意义上的生物技术，也不是一般意义上的人工智能应用，而是人工智能、生物工程、生命数据、算法模型和算力基础设施交互融合形成的复合体系。在这一体系中，生命不只是被观察、治疗和保护的对象，也逐渐成为可计算、可预测、可交易和可干预的数据资源。由此产生的安全问题，不能简单归结为某项技术的误用或滥用，而应被理解为技术、资本与制度相互交织后形成的结构性风险。

一种不同于传统国家间安全困境的新型“技术—安全困境”由此显现。经典安全困境主要源于对国家间意图的不确定；生命技术所引发的困境则不同，它的驱动机制不主要来自对手敌意，而来自技术创新自身所具有的能力扩散不可控性与发展后果不可预见性。国家、企业和科研机构为追求效率、优势和安全而推动技术进步，却可能在这一过程中制造出自身难以识别、难以归责、难以控制的内生脆弱性。因此，生命技术带来的挑战不能只被理解为“技术是否危险”的问题。更需要解释的是：系统性脆弱性如何在技术、资本与制度的耦合结构中被生产、外溢和固化；国家又如何通过战略韧性重建安全能力，同时避免韧性沦为责任下移的治理话语。

系统性脆弱性的生产机制

生命技术所造成的系统性脆弱性，并非某个环节偶然失灵的结果，而是技术加速、资本扩张与制度滞后相互作用的产物。它不是一个可以通过修补单个漏洞迅速消除的问题，而是在常态运行中不断累积的结构性暴露状态。在生命技术条件下，现代化进程制造自身风险的逻辑被人工智能、平台资本和全球化产业链进一步放大。

在技术端，人工智能通过“设计—构建—测试—学习”的全链条模式，提高生命科学研发效率，也降低高风险生物能力的进入门槛。自动化实验室、开源模型和远程实验平台，使过去需要集中设施与专业团队才能完成的部分流程，逐渐转化为可复制、可调用、可扩散的技术能力。

资本端则加快了这种能力扩散。平台企业、风险投资和跨国技术服务商往往以“赋能”为商业逻辑，通过接口、订阅、云服务和模块化平台，将原本集中在实验室或机构内部的能力外溢到更广泛的市场网络。对企业而言，能力扩散意味着用户增长、数据积累和商业回报；对安全治理而言，它也意味着风险边界更难识别。尤其在军民两用技术场景中，创新逻辑与安全逻辑存在结构性张力：前者倾向于更快扩散和更广赋能，后者则要求更强审查和更低风险。当资本化预期压过安全边界时，风险不再只是创新的副产品，而可能被纳入增长本身的循环之中。

制度端的相对滞后，使上述循环逐渐固化为治理赤字。生命技术发展速度快，应用场景复杂，涉及生物安全、数据安全、公共卫生、伦理审查和跨境监管等多个领域。现有制度往往难以及时完成前瞻性风险评估，也难以在基因合成筛查、人工智能模型安全测试、生命数据流动和平台责任之间形成稳定衔接。制度并未完全缺席，但其回应速度和衔接能力不足，使风险获得了扩散和沉淀的时间。与此同时，生命技术风险通常不是由单一主体、单一行为或单一设备造成的，而是在算法模型、数据来源、实验流程、平台接口、供应链外包和跨国法律结构之间共同生成。一旦发生风险，很难简单判断责任应由模型开发者、数据提供者、平台运营者、实验执行者还是监管机构承担。技术黑箱与司法黑箱相互叠加，导致传统问责链条被拉长、切分甚至中断。能力门槛下沉、资本推动外溢、制度滞后与责任黑箱化相互咬合，使生命技术风险从外部威胁转化为系统内部的持续生成物。

生命技术风险的三条威胁向量

在“技术—资本—制度”耦合结构中，系统性脆弱性不会停留在抽象层面，而是沿着具体路径进入国家安全和社会治理体系。本文将这些路径概括为三条威胁向量：生物能力武器化、生命数据资本化和人机边界模糊化。三者并非简单并列关系，而是构成一条递进的风险链条：从对物理生命的直接威胁，到对社会资格的算法化重塑，再到对主体性和判断能力的深层侵蚀。

第一条向量是生物能力武器化。人工智能与生命科学的结合，使生物能力的生产方式发生变化。过去，高风险生物实验通常依赖国家级设施、专业团队和相对封闭的实验条件；而在人工智能辅助设计、自动化实验室、基因合成服务和远程实验平台发展的背景下，部分研发流程正在被压缩为可调用、可复制、可外包的“能力包”。这并不意味着任何个人都能轻易制造生物威胁，但它确实改变了风险分布的基本格局：高风险能力不再只集中于少数国家或大型机构，而可能向更分散的科研、商业和非国家节点扩散。传统生物安全治理主要依赖物理空间中的设施监管、人员审查、材料管控和边境防御。但在生命技术条件下，算法模型、基因序列、实验方案和数据资源可以在数字空间中流动。风险不一定首先表现为实体材料的越境，而可能表现为设计能力、知识模板和操作流程的扩散。当设计者可以是算法，制造者可以被供应链和平台接口拆分为多个节点时，传统的以清晰主体、明确行为和稳定归责为前提的威慑逻辑便会受到冲击。

第二条向量是生命数据资本化。可穿戴设备、商业基因检测、联网医疗终端和健康管理平台的扩展，正在形成一种“人体数据网络”。在这一网络中，心率、睡眠、运动、疾病史、基因序列乃至神经信号，都可能被转化为可采集、可计算、可预测和可交易的数据。身体不再只是自然意义上的生命存在，也被纳入平台算法、商业模型和治理系统之中，成为一种可持续开发的生物数据库。问题并不只在于隐私泄露，而且在于生命数据被资本化之后，风险分配方式会随之改变。平台企业往往先行设定数据收集、共享、加工和风险评估的规则，而问责机制却滞后于数据流动和商业使用。健康风险、保险价格、医疗资源、福利资格和信用评价，都可能在生命数据和算法模型的共同作用下被重新排序。那些被模型识别为“高风险”的个体或群体，可能更容易面对更高成本、更低可得性和更弱保障。所谓“生物主权”的流失，不只是个人隐私问题，而且是个体将对自身身体、基因和风险身份的解释权逐步让渡给平台和算法的问题。

第三条向量是人机边界模糊化。脑机接口、神经数据分析、情绪识别、人工智能辅助诊疗和自动化决策系统的发展，使技术不再只是外部工具，而且开始进入认知、判断和选择的生成过程。技术不只是帮助人作出判断，也在某些场景中参与塑造判断本身。当情感、记忆、判断和价值选择不断被模型识别、预测和引导时，现代政治秩序所依赖的责任主体假设会受到动摇。传统制度通常假定个体具有相对稳定的理性、意志和归责能力，因而可以围绕权利、义务和责任建立规则。但当技术系统深度嵌入判断过程，责任就可能在模型设计者、数据提供方、部署机构和一线执行者之间被层层稀释。医疗差错、公共安全处置、自动化武力使用或危机决策等问题一旦涉及“算法建议—人类执行”的链条，究竟谁应负责，便不再容易回答。

三条威胁向量共同表明，生命技术风险不只是能力扩散、数据滥用或人机关系变化，而且是风险生产与权力分配同步重组的过程。风险不再只是来自外部敌意，也不只是某项技术的单点失灵，而且在技术系统、资本逻辑和制度结构的共同作用下被持续生产、分配并固化。生命技术安全问题最终会转化为权力问题：谁掌握能力？谁定义风险？谁承担后果？谁又被排除在保护之外？

“公司利维坦”与生死排序的技术化

三条威胁向量进一步指向一系列更深层的问题：在生命技术时代，究竟是谁在定义风险？谁在分配保护？谁又在承担后果？生命技术风险并不是均匀落到所有主体身上。相反，它往往通过数据、算法、平台和制度结构，被转嫁给特定群体，并在社会运行中逐渐固化。这里的关键，不只是技术能力的扩散，还是国家与市场之间的权力关系正在发生重组。将平台企业仅仅视为国家治理的补充，已经无法解释生命技术领域中的权力版图变迁。平台化企业凭借对数据、算法、算力和基础设施的集中控制，进入生命安全的关键环节。医疗数据治理、公共卫生预警、生命体征监测、基因检测平台和云端计算服务，都使平台企业在风险识别、风险预测和资源配置中具有前置性影响。其经济权力由此外溢为安全权力，形成一种以数据、算法和算力为基础的“公司利维坦”。

“公司利维坦”的崛起，与国家保护功能的结构性赤字密切相关。首先是知识赤字。生命技术迭代速度快，风险形态变化频繁，而国家科层体系的反应通常是线性的、程序化的。立法、监管和伦理审查很难完全跟上人工智能辅助蛋白设计、自动化实验和生命数据平台的更新速度。其结果是，国家在风险评估和威胁识别环节越来越依赖掌握前沿知识和实践数据的企业、科研机构和平台系统。其次是数据赤字。传统公共卫生体系主要依靠医院、疾控机构和行政上报机制，数据采集往往具有延时性和事件驱动特征。平台企业则通过可穿戴设备、健康应用、商业基因检测和联网医疗终端，持续捕捉个体的生理、行为和遗传信息。它们掌握的数据更实时、更细密，也更贴近日常生活。国家仍然能够追踪已经发生的风险事件，却未必能像平台一样提前识别“静默流行”、异常模式或潜在生物风险。风险感知能力的一部分，便在不知不觉中从政治体转向了数据体。

再往深处看，这种权力重组改变了生命治理方式。当平台资本和算法模型深度嵌入生命治理时，生命就不再只是被普遍保护的对象，更会被转化为可以排序、定价和筛选的数据对象。算法将生命数据转化为风险等级、商业价值和治理优先级，形成一套隐性的生命层级秩序：一部分生命被视为值得投资和优化的资源，一部分生命被纳入持续监控和风险管理，另一部分则可能因为“不具成本效益”或“高风险”而被排除在保护之外。这种“生死排序”的技术化，并不总是以显性的暴力形式出现。它更多发生在保险定价、医疗分流、福利筛选、灾害救援和公共安全处置等具体环节中。某些群体可能因为历史医疗开销较低、数据记录不足、算法评分偏低或风险标签过高，而在资源分配中被系统性边缘化。算法表面上只是提高效率，实际上却可能把既有不平等转化为技术判断，再把技术判断嵌入制度流程。传统安全治理不再只是“如何防范威胁”的问题，而且变成“谁有资格被保护”的问题。

战略韧性：从防御性主权到韧性主权

面对生命技术带来的系统性脆弱性，单纯回到传统国家安全工具已经不够。威慑、防御和管控仍然重要，但它们的适用条件正在发生变化。威慑依赖可识别的行为体、可归责的攻击行为和可信的报复能力；而生命技术风险常常来自分散主体、开源模型、平台接口和供应链网络，风险源头并不总是清楚。防御依赖边界、设施和物理阻隔；而基因序列、算法模型、实验方案和生命数据可以在数字空间中快速流动。管控依赖明确对象和稳定规则；而生命技术具有高度军民两用性，过度封锁既可能抑制创新，也可能把部分研发活动推向更隐蔽、更难监管的空间。

国家安全职能并未因此失效，但国家的角色需要重组。生命技术风险不是单一外部威胁，而是持续存在的内生脆弱性。应对这种风险，不能只追求建造更高的防御墙，也不能幻想通过一次性监管消除不确定性。更可行的路径，是构建能够在风险中感知、吸收、恢复和学习的战略韧性。国家不应只是垂直命令的发布者，也应成为制度协调者、资源整合者和社会赋能者；安全不再只是国家对社会的单向保护，更需要国家、社会与技术网络共同参与。

战略韧性首先体现为监测。生命技术风险具有隐蔽性、跨界性和早期信号微弱等特征，单靠传统科层体系往往难以及时捕捉。分布式监测并不是削弱国家情报体系，而是拓展风险感知的主体。科研共同体、医疗机构、平台企业、专业社群和公民社会，都可能成为风险识别网络的一部分。国家需要建立清晰的报告、验证和反馈机制，使社会化监测能够进入公共治理流程，而不是被平台单独吸纳为新的数据资源。其次是吸收、恢复与学习。复杂系统不可能完全避免局部失灵，真正的问题是如何防止局部风险演化为整体崩溃。生命技术治理需要保留冗余、多样性和去中心化安排，避免所有关键能力被少数平台、少数数据通道或单一基础设施锁定。危机发生后，恢复不应只是技术系统重启或行政秩序复原，还应包括社会信任、资源分配和基本权利保障的修复。最后，更重要的是，战略韧性要把危机转化为制度反思和治理更新，避免知识依赖、数据垄断、责任转嫁和监管滞后被处理成普通的合规问题。

不过，战略韧性本身也存在被治理技术化的风险。若韧性被理解为让个体和社群更多承受风险、更快适应危机，而国家和平台却承担更少责任，那么韧性就会从赋权工具变成责任下移的话语。生命技术时代需要的韧性，不是要求社会被动忍耐系统性脆弱性，而是让社会获得感知风险、参与决策、追问责任和塑造技术秩序的能力。由防御性主权走向韧性主权，意味着国家安全不再只是阻挡外部威胁，更是要在持续脆弱的世界中维系共同体的生存、参与和可问责秩序。