研究員David Bellamy：AI造致命病毒說站不住

哈佛博士、現於阿聯酋大模型團隊做機器學習系統的David Bellamy發文稱，自己大概屬於同時做過兩件事的極少數人：訓練過前沿大語言模型，並親手在實驗室設計、合成定製病毒。他認爲“人工智能會造出危險病毒殺死所有人”的說法完全站不住。

他隨後拆瓶頸：模型可以提出基因組、序列可以合成、甚至可以有感染性，但那往往只是已知病毒的複製或微調。真正卡住的是物理合成、設備與物資，而不是寫一段鹼基。設計能躲開全部防疫手段的病毒，需要與物理世界反覆迭代，不是數據中心裏的天才一次寫完。

他把恐懼推到極限：一座專做最危險病毒家族、全自動、可用接口遙控的實驗室，造價遠超一億美元，且世上沒有一座實驗室能合成所有可設想的病毒。即便假設它存在，仍要向合成公司下單或自備合成機；前者有序列篩查，後者要把整條供應鏈搬進室內。他稱自己參與過全自動接口實驗室建設，眼下還不存在這種設施。

溼實驗速度受物理限制：細胞培養和小鼠不會因爲模型更聰明而長得更快，基礎病毒學實驗常要數日，有的超過一週。遞歸自我改進主要跑在可編程、可即時驗證的數字基準上，不能把採購週期、固件接口和動物實驗時間一併加速。小鼠有效也不等於人體有效，這與藥物研發同一斷層。

背景是斯坦福與Arc研究所用基因組模型Evo在培養皿裏做出十六種可感染大腸桿菌的噬菌體，訓練數據排除了感染人、動物、植物的病原。同期，病毒學能力測試顯示部分前沿模型在實驗排障選擇題上超過多數人類專家。政策圈據此討論雲實驗室與越獄模型的生物武器路徑。他的結論是：人工智能最多加快檢索儀器與規程，不改採購、監管、成本和人體知識缺口。

市場機制上，買方是要監管與安全溢價的模型公司，賣方是把培養皿里程碑寫成文明風險的敘事市場。這是事件驅動的對沖：噬菌體論文加離職研究員滅絕預警之後，溼實驗出身的人出來把瓶頸從軟件扳回硬件。資金繼續流向大模型訓練與自動化實驗室；受益方是強調合成篩查和設備管制的生安機構，承壓方是把“數據中心即可滅世”寫成減速理由的實驗室公關。

來源：公開信息