文：香港应用科技研究院（ASTRI）董事会主席李惠光教授
2026年8月，史丹佛大学与Arc Institute完成了一项史无前例的实验。他们让名为Evo的生成式AI模型——以数百万个天然基因体训练而成——从零开始设计病毒基因体。不是编辑，不是预测，而是逐个碱基撰写并评估数千个功能性基因体。科学家随后在实验室合成并测试这些噬菌体，约三百个设计中，十六个成功“活”了过来。更令人震惊的是，这批AI撰写的噬菌体混合剂突破了细菌抗药性——而同等组合的天然噬菌体却束手无策。

这是医学的重大突破。抗药性每年夺走逾百万人命，超级细菌在与传统药物研发的竞赛中节节胜利。能与细菌同步演化的AI噬菌体，极可能扭转战局。

但请看清附带条款。研究人员自己已提出警示：技术上，同样的方法完全可以指向非无害性的基因体。区隔“AI写出解药”与“AI写出威胁”的，仅仅是一个政策决定——在训练数据中排除人类与动物病原体。这是人为选择，不是物理定律。任何拥有足够运算资源、并持不同数据集的人，原则上都能拆除这道围篱。

该论文的同侪评论一针见血：“问题已不再是生成式病毒基因体设计会否出现，而是社会能否建立监督机制，让其效益得以发挥，同时防止其酿成严重伤害。”

这句话应列入本季每个董事会议程——不仅限于生技，而是任何AI触及实体世界、后果重大的产业。

治理问题，不是科学问题

高阶主管习惯将前沿AI风险外包给科学家、监管者与伦理学家。这个直觉是错的。此次科学家已尽到责任：以限制条件训练模型、公开发表、明确呼吁外部监督。生成式AI能设计无数噬菌体变体，每种都配备不同的抗药性突破机制。然而，决定是否合成这些设计、测试其感染宿主的能力，绝非中立行为。这可以是出于好奇的尝试，也可以置于严谨的治理架构之下。两条路之间的鸿沟是组织性的，不是技术性的。而这道鸿沟，正是决定任何强大AI能力在企业内部创造价值或酿成灾祸的关键。

企业智效（AEI）是什么？

企业智效（Artificial Enterprise Intelligence, AEI）是一门管理学科，不是技术。核心论点：AI不会独自创造结果，它只放大既有的纪律——或纪律的缺失。将Evo这类强大模型置于治理完善的组织，它加速解药诞生；置于治理薄弱的组织，它加速灾难发生。演算法完全相同，但围绕它的企业体质截然不同——而这正是领导者能够著力之处。

企业智效为领导者提供一个简单检验，适用于任何高风险AI能力：这个组织是否真正具备控制这项工具的能力——抑或只是在祈祷不要出错？

四项不可跳过的纪律

商业与政策领袖无需理解基因体语言模型，也能妥善治理这项风险。他们需要的是将企业智效的四项纪律，应用于双重用途的生物AI：

一、视为关键资产，而非实验项目

任何设计、合成、量产、授权或微调基因体规模模型的组织，管控严谨度必须比照基因改造生物、基因疗法、核材料或出口管制技术——需要存取纪录、红队演练，以及紧急断线机制，而非仅有一纸伦理声明。

二、信任数据，更要验证

Evo案例中最关键的防护，是训练数据排除原则：未纳入任何人类或动物病原体序列。但纸面上的排除不足够。真正的考验在执行层面——当设计从程式码走向活体生物、测试其感染宿主能力之际。董事会应要求一个清晰且经核实的答案：哪些数据训练了这套系统？谁负责查核？排除原则是否一路贯彻到实验台？

三、人机交接，必须设卡

生成式设计绝不能端到端全自动运行，合成之前必须设置人工检查点。Evo研究团队全程咨询生物安全与生物防护专家——这是纪律，不是客套。这个检查点，就是问责机制的落脚处。

四、责任到人，不是到委员会

责任分散，正是双重用途研究溜过防线的原因。每个在这个前沿运作的组织，都需要一位具名主管，直接向董事会负责，同时承担该能力的上行效益与下行风险。不是委员会，是一个人。

领导者必须面对的真相

大多数企业永远不会训练基因体模型，但这个模式适用于所有进入企业的前沿AI——互联网攻击工具、自主金融代理、合成媒体系统。Evo的教训不是“禁止强大AI”，而是治理成熟度必须与能力部署同步提升。而现况是，几乎在所有地方，能力都在这场竞赛中遥遥领先。

董事会若仍在追问“我们部署了哪些AI工具？”，那是问错了问题。正确的问题是：这项能力若落入错误之手，或在缺乏适当检查点下运作，是否可能酿成大规模伤害？我们是否真正具备阻止这一切的纪律？

立即行动

能智取超级细菌的噬菌体，值得喝采。能撰写任何基因体的模型，值得敬畏。两种未来之间的鸿沟，不在演算法——而在领导者是否此刻就动手。

本周，请在董事会议程中列入三项议题：

- 盘点组织内所有具备大规模造成实体、财务或声誉伤害能力的AI系统。
- 为每一项指定一名负责主管——不是委员会。
- 针对触及敏感领域的系统，执行数据溯源稽核。

这不是研究专案，一个下午就能完成。而这正是区隔“主动治理下一个Evo”与“被Evo打得措手不及”的关键。

参考资料

1. King, S. et al. "Generative design of bacteriophages with genome language models," *Science*, 2026年8月6日。https://www.science.org/doi/10.1126/science.aec2657

2. Artificial Science. "AI Designs Working Virus Genomes for the First Time," 2026年8月6日。https://artificialscience.org/2026/08/ai-designs-working-virus-genomes-for-the-first-time/

3. CGTN. "AI used to design novel bacteriophage genomes in the lab," 2026年8月6日。https://news.cgtn.com/news/2026-08-07/AI-used-to-design-novel-bacteriophage-genomes-in-the-lab-1Ppn5Qzc68E/p.html

4. Phys.org. "Sixteen AI-designed viruses offer a new route against drug-resistant bacteria," 2026年8月9日。https://phys.org/news/2026-08-sixteen-ai-viruses-route-drug.html

5. GIGAZINE. "An AI that learned gene sequences designed viruses never before found in nature...," 2026年8月6日。https://gigazine.net/gsc_news/en/20260807-ai-designs-bacteriophages-genome/

6. Inglesby, T. and Hanke, M. S. Perspective accompanying King et al., *Science*, 2026年8月6日（引自EurekAlert摘要）。https://www.eurekalert.org/news-releases/1138470

7. EurekAlert! "AI system designs functional bacteriophages from scratch," 2026年8月5日。https://www.eurekalert.org/news-releases/1138470

8. Chosun Biz. "AI designs bacteriophage genomes, targets superbugs and stirs biosecurity debate," 2026年8月6日。https://biz.chosun.com/en/en-science/2026/08/07/FH3OH3BFPBGKTIVLIWSBJE56EU/

9. Arc Institute. "AI can now model and design the genetic code for all domains of life with Evo 2," 2025年2月19日。https://arcinstitute.org/news/evo2

作者：李惠光教授

香港城市大学 - 实践教授 及 前副校长
香港应用科技研究院 (ASTRI) - 董事会主席
北京市政协委员
香港铁路有限公司 - 独立非执行董事；科技顾问小组主席
中银香港（控股）有限公司 - 独立非执行董事；可持续发展委员会主席
中国电信股份有限公司 - 独立非执行董事；薪酬委员会主席
新意网集团有限公司 (新鸿基地产) - 独立非执行董事
香港城市大学（东莞）- 理事会成员；审计委员会主席
城大企业有限公司 - 董事局成员
香港管理专业协会 - 理事会成员；实务教授
香港品质保证局 - 副主席
拔萃男书院 - 校董
加拿大国际学校 - 校董
美国康奈尔大学 (Cornell) 理事会 (Council) 成员
选举管理委员会 关键资讯系统咨询委员会 - 召集人