Google DeepMind 与 Isomorphic Labs 于 2026 年 7 月 16 日公布共同的 bioresilience 方向，讨论如何一方面防止威胁者滥用 AI，另一方面让政府、科学家和 biosecurity 专家使用 AI 应对未来疫情。文章称，过去 12 个月已与政府机构、biosecurity 组织和研究团队推进超过 15 个合作项目。
这套方向分成 prevention、detection 和 response 三个区域。在 prevention 部分，Google DeepMind 表示会按照 threat modeling、evaluations、mitigations 和 monitoring 四步安全流程处理 Gemini 等模型，并与生物学家、安全专家及外部伙伴一起理解威胁、测试模型和加入防护。团队也在探索把 SynthID watermarking 技术调整到 biology，用于协助 DNA synthesis provider 筛查可能由 AI 生成的高风险生物序列。
在 detection 部分，文章以 AlphaEvolve 作为例子。这个 Agent 可以优化生成和分析 metagenomic sequencing data 的算法，目标是让 outbreak detection 更快、更准确，也降低大规模追踪疾病时的成本。这种用法不是让 Agent 自行作出医疗决定，而是把它放在分析流程中，协助研究人员加速一个可以被检查的技术步骤。
在 response 部分，Google DeepMind 表示会让受信任的研究人员使用最新 AI 系统，协助设计疫苗和其他 countermeasure。Isomorphic Labs 也成立专门单位，在新疫情出现时快速部署 Drug Design Engine，探索自然疫情和先进 AI 被滥用所带来的风险。文章强调这是一项长期工作，并会配合 Frontier Safety Framework 的评估和主动缓解措施。
这次公布的重点不是宣称 AI 已经解决 biosecurity，而是把“模型安全”和“模型可以帮助防御”放进同一个部署问题。生物数据、DNA 序列和药物设计都属于高敏感领域，任何 Agent 都需要明确的数据权限、专家审批、输出限制和事件记录。即使分析速度提升，实验验证和公共卫生决策仍然不能由模型单独完成。
对于 AI 安全实践来说，bioresilience 方向再次说明，安全措施不能只看模型发布前的测试。当系统连接到生物数据、外部数据库或 Drug Design Engine，威胁模型、持续监控、合作方资格和实际使用边界都要一起管理。这种“预防、侦测、应对”的分层方法，也可以应用到其他高风险 Agent 工作流。
