当前，AI（人工智能）与生命科学的深度交叉融合，正从两个方向改写科学与技术的认知疆域。一方面，从AlphaFold破解蛋白质折叠这一世纪难题，到扩散模型设计出自然界从未存在过的功能蛋白，再到自主提出假设、设计实验的“AI科学家”——AI正在重新定义“何为生命”“如何理解生命”“谁能设计生命”。另一方面，生命系统惊人的复杂性，也在对AI以统计关联见长却难以触及因果机制的底层逻辑提出深层挑战。当技术突破的速度领先于治理框架的更新节奏，一道紧迫的时代命题已然浮现：面对这场范式革命，我们如何驾驭它，而不被它所驾驭？
答案首先取决于对当前全球竞速态势的清醒判断。AI与生命科学的融合正处于从实验室突破向产业能力迈进的关键阶段。竞赛的本质已非算法在学术排行榜上的性能比拼，而是“基础模型能力—算力与数据基础设施—治理规则主导权”构成的系统性较量。谁率先在这一体系的各关键环节占据优势，谁就将在下一代生命科学与生物制造的技术版图中掌握核心主动权。技术路线加速走向收敛，从分散的任务特定模型向通用型生物学大模型演进。扩散模型与流匹配已成为蛋白质设计的重要主导范式之一；基础模型通过跨多种数据类型的统一预训练，推动基因组、转录组、蛋白质组等多维生物数据趋向统一框架；AI科学家与自驱动实验室走向现实，形成“提出假说—实验验证—分析反馈—迭代模型”的全流程闭环，对传统生物学研究范式形成根本性重塑。技术收敛意味着先发者可凭借数据与模型的正向循环快速建立结构性优势或技术壁垒，后发者的追赶成本将以指数级速度攀升。
大国战略竞争已加快展开。有关国家与地区已将AI与生命科学的交叉融合提升至战略竞争的核心位置。美国以“创世纪计划”和相关立法为牵引，整合国家实验室的超级计算机与独特数据资产，构建从顶层设计、政策保障到基础设施的系统化部署。欧盟发布《应用AI战略》与《科学中AI战略》，以技术主权为旗帜、以“AI+生命科学”为突破口的战略体系迅速成型。英国以《生命科学AI采用计划》突出务实精准，主攻“监管沙盒”创新友好环境等。相较之下，我国布局呈现“单点突破、体系追赶”的特征：在蛋白质结构预测、基因组分析等领域已接近国际前沿，但底层的生物数据治理仍受困于“数据孤岛”现象，自主可控的生物学基础大模型尚未确立行业标准和生态主导力，这些仍是制约整体能级的结构性短板。
在技术竞赛和地缘博弈同步展开的同时，生成式AI使“设计生命”成为现实，也打开了难以预测的安全和伦理潘多拉魔盒。2025年以来，世界卫生组织、经济合作与发展组织等密集推出治理框架与政策指南，试图为这场技术变革划定规则边界。然而，就在全球部分顶尖AI科学家以更紧迫的语气警告AI生物安全风险正在加速积聚之际，美国将AI政策基调从风险管控显著转向“放松监管、优先发展”。“繁荣”与“安全”之间的叙事张力，折射出大国在治理优先序上的深层分歧，正将这场技术融合治理推向一个充满不确定性的十字路口。
深层困境体现为三重结构性矛盾。一是数据断层：传统科学研究“手工作坊”与AI时代科研“工业流水线”的冲突。数据是AI与生命科学深度融合的基石，但传统生物数据的生产模式围绕特定科学假说展开，呈现小样本、强设计、高异质特征，且存在严重的“阳性偏好”——阴性数据很少报告。这与AI所需的规模化、标准化、低噪声数据之间形成根本性冲突。更棘手的是，数据散落于各机构之间，权责不清、标准不一，缺乏跨越项目周期的长期维护与可持续供给机制；合成数据的大量生成，更模糊了真实数据与虚拟数据的认知边界。数据生产、采集、存储、流通、使用等环节问题层层传导，构成这场融合中最基础的制约瓶颈。二是组织滞后：“小科学”与“大工程”的错位。AI与生命科学的深度融合，需要同时驾驭大模型训练的海量计算、高通量实验的规模化操作、跨模态数据的系统性治理，以及从算法到临床的多环节验证，小而散的科研组织已普遍难以为继。大规模数据集的持续维护、基础模型的迭代更新、自动化实验平台的稳定运行，均具有系统布局属性，与以短期项目为单元的科技资源配置逻辑存在深层矛盾。在科研评价层面，精心治理的数据集、高质量的开源模型、被广泛采用的算法工具包，这些推动领域进步的贡献，在现行评价体系中往往难以获得应有的认可。三是范式脱节：AI统计关联与因果推理之间的鸿沟。当前AI基于统计关联，依赖“封闭世界假设”，以“黑箱预测”见长；而生命科学追求因果推断规律，面对开放动态系统，要求知识可解释。二者之间的脱节并非局部技术不足，而是范式层面的系统性冲突。若AI只能输出预测而无法揭示机制，它就始终是游离于科学知识体系之外的黑箱，难以融入生命科学理论的积累与演化。这并不意味着AI在生命科学中“无用”，而是意味着它无法仅凭现有范式走得更远。生命科学不仅是AI的应用场景，更是AI自我进化的“淬炼场”——倒逼AI从关联走向真正的因果推断，从封闭走向开放，从黑箱走向透明。
战略抉择要求在机遇与约束之间寻找动态均衡。AI与生命科学的双向奔赴，既是一场技术革命，也是一场科研体系的组织革命，是对国家战略能力的一次系统性考验。把握这一机遇，既要增强抢抓战略窗口期的紧迫感，也要保持驭势而强的战略清醒。
加快构筑自主可控的数据与算力底座。建立国家级生物数据治理框架，完善贯穿数据全生命周期的权利界定、元数据标准与质量溯源机制，推进“生物数据安全港”试点，实现数据合规汇聚与受控流动；建设生命科学专用智算平台，规避通用算力在生物数据上的效率折损；打造AI与实验闭环的自主科研系统，铸就生命科学领域新型国之重器。
聚焦关键科技领域实现差异化突破。攻关蛋白质设计、单细胞分析、虚拟细胞、数字器官等关键领域的基础模型；充分发挥我国在人口多样性与海量临床数据、丰富物种资源、完备工业制造业体系等方面的独特禀赋，在“AI+生物医药”“AI+生物制造”等特色赛道形成差异化优势，避免在通用大模型上与优势国家“拼参数”。
改革科研组织与评价体系。建立集算力、数据、自动化实验于一体的交叉融合创新平台，以持续稳定的支持替代短期项目制投入；在评价层面，承认基准数据集、开源模型、算法工具包的学术价值，对从事数据治理、平台运维等支撑性工作的工程技术人员，建立以服务效能和实际贡献为核心的考核机制；在技术审评层面，尽快出台AI辅助药物研发的技术审评指导原则。
发展敏捷治理与风险防控体系。做好AI安全监管与生物技术应用监管的制度衔接，建立“分级分类、动态调整、多元共治”的治理框架——低风险层级适用常规科研伦理管理，中风险层级实行备案与定期安全评估，对涉及病原体改造等高风险研究实施前置审批与全过程监控；建立AI生物安全监测预警平台，制定AI生成生物序列的备案追溯技术标准；发展安全对齐与伦理嵌入技术，确保AI模型行为与人类伦理价值保持一致；深度参与“AI+生物安全”治理，提升国际规则制定的话语权和影响力。
