今天，我們正式發布了 SynthID Bio，這是一種能為 AI 設計的蛋白質（生命的基礎組成單元）加上浮水印並進行偵測的技術。
我們相信，這是人類首次成功合成出既具備功能性、又帶有浮水印的 AI 設計蛋白質。這不僅是 @GoogleDeepMind 研究團隊的一項卓越工程成就，更是我們在邁入生物研究變革時代之際，至關重要的安全防線。
生成式 AI 正透過 AlphaProteo 與 RFDiffusion 等系統，協助科學界設計出全新的生物產物，例如具功能性的蛋白質，甚至是噬菌體。這項強大的技術有望推動更有效疾病療法的開發，但同時也存在被濫用的風險。舉例來說，AI 生成的蛋白質可能繞過基因合成公司所使用的生物安全篩檢機制，甚至污染共享的科學資料庫。
多年來，我與 Google DeepMind 的團隊一直致力於確保 AI 模型的安全性，並開發各種解決方案來追蹤生成式 AI 產出的來源。這些研究促成了 SynthID 的誕生——這是一套頂尖的解決方案，能在不影響品質的前提下，將肉眼無法察覺的浮水印嵌入影像、影片、音訊和文字等 AI 生成的內容中。目前，SynthID 已為超過 1,000 億張影像與影片、以及總時長超過 6 萬年的音訊加上浮水印，同時也獲得 OpenAI、NVIDIA 和 Kakao 等多家重要產業合作夥伴採用。
要將 SynthID 應用到生物領域，是一項極大的挑戰。在影像、影片和音訊的世界裡，「難以察覺」意味著必須考量人類的感知，避免出現視覺瑕疵或聲音失真。但生物學截然不同。蛋白質序列不只是一串文字：它是必須在自然界中發揮作用的實體，會帶來真實的生物效應。唯有當生成的分子仍保有原有功能時，浮水印才有意義。對蛋白質而言，這代表它必須像未加浮水印的版本一樣，正常摺疊、與細胞受體結合，並與其他分子互動。
透過 SynthID Bio，我們成功實現了有效的浮水印標記，同時保留了生物活性。我們開發出能為蛋白質序列及其三維結構預測結果加上浮水印的技術。針對 SynthID Bio 進行的廣泛測試顯示，加上浮水印的分子無論是在生物環境中，還是面對真實的治療標靶時，都能正常運作。在濕式實驗室實驗中，我們加上浮水印的結合蛋白也展現出與未加浮水印版本相當的成功率，證實了我們的系統確實如預期般運作。
我希望 SynthID Bio 能成為追溯 AI 生成設計的重要驗證環節。透過自動標記 AI 生成的蛋白質，它能協助合成服務供應商簡化目前耗時且仰賴人工的安全審查流程，讓關鍵研究不再因此受阻。
SynthID Bio 也將有助於維護科學公共資源。像 AlphaFold 這樣的重大突破，都仰賴乾淨的公開資料庫（例如 Protein Data Bank），而這些資料庫正面臨被海量 AI 生成預測資料污染的風險。透過過濾掉這些錯誤分類的內容，SynthID Bio 能確保我們的共享資料庫與未來的演算法保持準確，避免無意間混入標示錯誤的預測結果。
我們將持續改進 SynthID，並將它擴展到更多生物模態。作為初步成果，我很高興在此分享：在與史丹佛大學及 Arc Institute 的 Hie 實驗室 的合作中，我們已成功將 SynthID Bio 應用於為 Evo 2 設計的噬菌體基因組加上浮水印。在細菌培養液中進行的早期實驗室測試顯示，我們的浮水印技術能夠保留噬菌體的功能。這是一個早期的里程碑，也是令人期待的技術概念驗證，我們期待很快能與科學界分享更多細節。
制定有效的生物來源標準，應該是一個協作的過程。就像我們打造 AlphaFold 資料庫時一樣，我們正與科學界及生物安全領域攜手合作，共同開發這些技術。作為第一步，我們將發表方法論文、開源程式碼與體外（in vitro）資料，並向研究社群釋出模型權重，以期充分發揮這項工作在生物安全上的效益。
我們正邁入一個新時代：生物學正從一門觀察性科學，轉變為我們可以負責任地進行工程的領域。單靠浮水印技術無法徹底解決生物安全問題，但它是通往更安全、更具韌性世界的重要一步。我深信，衡量進步的標準不應只看我們能模擬的生物結構有多複雜、或它們的潛在影響力有多大，更應看我們以何等的遠見與責任感來引導這些不斷推進的能力。
閱讀我們的部落格文章：https://deepmind.google/blog/introducing-synthid-bio/ 以及技術論文：https://www.nature.com/articles/s41586-026-10965-y
