Google DeepMind 用 SynthIDBio 给 AI 设计的蛋白质加水印

Ars Technica 在 9 月 30 日报道了这项工作。它回应的是一个近一年前就被指出的缺口。用于筛查 DNA 序列、寻找潜在危险蛋白质的软件认不出 AI 设计的蛋白质，因为没人把这些蛋白质描述得足够清楚，无法判断哪些是威胁。

DeepMind 的方案是给设计本身做标记。SynthIDBio 使用一把类似密码学密钥的钥匙，结合此前已选定的氨基酸，给出下一个氨基酸的建议。ProteinMPNN 随后检查该建议是否仍能生成有功能的蛋白质。若可行则保留，否则弃用。据 Ars Technica 报道，只有当水印氨基酸与正常工作的蛋白质相容时，系统才会采用它。由于这种偏向分散在整个序列上，若不知晓编码方式，标记无法被移除。

化学层面并不宽容。蛋白质仅由 20 种氨基酸构成。有些化学性质相似，有些则带相反电荷。许多蛋白质既有只容许有限替换的区域，也有哪怕轻微偏离就会丧失活性的区域。

它们还很小。一条含 500 个氨基酸的蛋白质已算相当大，而普通图像拥有数百万像素，可用于隐藏信号的“原料”少得多。Ars Technica 指出，SynthID 思路能否迁移过来起初并不明显。团队可能发现空间不足以放置水印，也可能发现塞入足够信息后得到的蛋白质失去了活性。

时机为何重要

生物工具是双刃剑。同一批蛋白质设计方法既能造出分解塑料的酶，也能造出阻断毒液蛋白的分子，原则上还可被转向毒素或病毒蛋白。筛查缺口才是实际问题。给可信设计加上水印，筛查方就有了可查的目标，所有未标记的内容都会被推向更严格的审视。

SynthID 本身早于这项工作。它通过影响模型某些选择的概率，为 AI 生成的数字内容加上不易察觉的标记，使偏向系统地分布到输出中。Google 此前已将其用于文本和图像，标记能挺过基本的导出和缩放。将同样思路应用于分子，难度完全不在一个量级。

实验核心的蛋白质设计工具 ProteinMPNN 由 Baker Lab 开发。David Baker 与 DeepMind 负责人共同获得诺贝尔奖，Ars Technica 在讲述研究源流时提到了这一细节。

ProteinMPNN 分两步工作。先由另一工具描述出适合设计的骨架构型。ProteinMPNN 再沿骨架逐位放置侧链，每次选择一个氨基酸，依据是其能否贴合形状、与邻近部分相互作用，以及满足形成催化口袋或结合其他蛋白质等约束。SynthIDBio 在此过程中介入。

Ars Technica 的报道是目前已发表的最详细机制说明。9 月 30 日还有一篇较短条目，标题为 "SynthID Bio Watermarks Secure AI Proteins"，出现在与 Ars 文章一同流传的近期头条中，但本文所见的材料里没有其全文。Analytics Insight 于 9 月 29 日发表了一篇关于 DeepMind 首席执行官 Demis Hassabis 的人物报道，将公司的科学发现工作置于更宽背景下。那篇是背景，并非关于水印方法的证据。

周边报道说明了什么

这批材料中有些内容与蛋白质无关，值得单独列出。Fox News 在 9 月 30 日报道，都柏林大学学院中世纪考古学教授 Tadhg O'Keeffe 发现，中世纪 Roebuck Castle 的 70% 到 80% 仍存留在校园一栋建筑内的维多利亚时期灰泥之下。都柏林大学学院于 9 月 18 日公布了这一发现。O'Keeffe 对 Fox News Digital 表示，他是在研究画家 Gabriel Beranger 的 18 世纪水彩画后开始调查的。这是个引人注目的故事，但与生物安全无关。

材料中还有两个技术类来源，与蛋白质设计无关。vibecodingdiscover.com 上一个日期为 9 月 30 日的目录页，列出了面向智能体、MCP 服务器、技能和 RAG 流水线的开源 AI 工具，包括一个覆盖 646 种语言的本地 ElevenLabs 替代方案，以及一个面向自主智能体的沙箱运行时。Materialize 于 9 月 29 日发表博客，描述其第三次尝试将数据溢出到磁盘，用自管理的缓冲池取代 Linux swap。理由是 DRAM 延迟约为 100 纳秒，而本地 NVMe 读取需几十微秒，慢数百倍，尽管带宽差距更接近 10 倍。

纳入这两条是因为它们是材料中最新的内容之一，而非因为它们与蛋白质工作有关。对 DeepMind 这篇论文而言，真正的问题更窄：水印能否在蛋白质化学约束下存活，足以对从事筛查的人有用。

Ars Technica 的报道未提及该系统已被任何筛查机构采用，也未提及在研究之外部署。论文描述的是一种潜在解决方案，于周三发表，针对的是近一年前提出且至今未解的风险。后续发展取决于检查序列威胁的实验室和数据库是否采纳这套标记方案，以及未标记的 AI 设计蛋白质是否会默认成为值得追查的信号。

目前这仍是技术层面的主张，而非运营层面的：水印可嵌入设计好的蛋白质，同时不损害其功能。其余一切仍未定论。