Google DeepMind 與 Isomorphic Labs 於 2026 年 7 月 16 日公布共同的 bioresilience 方向，討論如何一方面防止威脅者濫用 AI，另一方面讓政府、科學家和 biosecurity 專家使用 AI 應對未來疫情。文章稱，過去 12 個月已與政府機構、biosecurity 組織和研究團隊推進超過 15 個合作項目。
這套方向分成 prevention、detection 和 response 三個區域。在 prevention 部分，Google DeepMind 表示會按 threat modeling、evaluations、mitigations 和 monitoring 四步安全流程處理 Gemini 等模型，並與生物學家、安全專家及外部夥伴一起理解威脅、測試模型和加入防護。團隊也在探索把 SynthID watermarking 技術調整到 biology，用於協助 DNA synthesis provider 篩查可能由 AI 產生的高風險生物序列。
在 detection 部分，文章以 AlphaEvolve 作為例子。這個 Agent 可以優化產生和分析 metagenomic sequencing data 的算法，目標是讓 outbreak detection 更快、更準確，也降低在大規模追蹤疾病時的成本。這種用法不是讓 Agent 自行作出醫療決定，而是把它放在分析流程中，協助研究人員加速一個可以被檢查的技術步驟。
在 response 部分，Google DeepMind 表示會讓受信任的研究人員使用最新 AI 系統，協助設計疫苗和其他 countermeasure。Isomorphic Labs 亦成立專門單位，在新疫情出現時快速部署 Drug Design Engine，探索自然疫情和先進 AI 被濫用所帶來的風險。文章強調這是一項長期工作，並會配合 Frontier Safety Framework 的評估和主動緩解措施。
這次公布的重點不是宣稱 AI 已經解決 biosecurity，而是把「模型安全」和「模型可以幫助防禦」放進同一個部署問題。生物資料、DNA 序列和藥物設計都屬於高敏感領域，任何 Agent 都需要明確的資料權限、專家審批、輸出限制和事件記錄。即使分析速度提升，實驗驗證和公共衛生決策仍然不能由模型單獨完成。
對 AI 安全實務而言，bioresilience 方向再次說明，安全措施不能只看模型發布前的測試。當系統連接到生物資料、外部資料庫或 Drug Design Engine，威脅模型、持續監控、合作方資格和實際使用邊界都要一起管理。這種「預防、偵測、應對」的分層方法，也可以應用到其他高風險 Agent 工作流。
