能在濕實驗室存活的浮水印：DeepMind 的 SynthID Bio 為 AI 蛋白質設計簽名

2026 年 9 月 30 日，Google DeepMind 把一項自己再熟悉不過的技術——隱形浮水印——指向了一個從未被攻克的新目標：活的分子。當天發布的 SynthID Bio 是一套專為合成生物學打造的浮水印方法，能將難以察覺、可驗證的簽名直接嵌入 AI 生成的蛋白質序列與預測 3D 結構中，並隨論文一同開源程式碼、體外實驗資料與模型權重。最關鍵的一點是：這個簽名不只是數位世界的產物——它能在 DNA 合成之後、做成實體蛋白質分子時依然被偵測到，而且根據 DeepMind 的濕實驗室結果，分子的生物功能絲毫未損。

如果這聽起來像是個小眾的技術成果，不妨想想它真正在回答的問題。生成式 AI 如今已能預測蛋白質結構（AlphaFold）、設計全新的結合蛋白（AlphaProteo、ProteinMPNN），甚至寫出可運作的噬菌體基因組（Evo 2）。這些能力的每一項，同時也是一個生物安全提問：當 DNA 合成公司收到一段陌生序列時，「不常見大概意味着天然」的舊假設已經失效——AI 可以生成與威脅資料庫裡任何已知序列都毫不相似的設計。

浮水印怎麼運作

SynthID Bio 不是單一技術，而是一整套因應資料型態而調整的方法族：

• 蛋白質序列。 在序列生成時，方法會細微地引導特定位置胺基酸的選擇——在取樣過程中加入統計偏置，編碼出可偵測的訊號，同時不把蛋白推離其功能設計。
• 預測 3D 結構。 結構預測的做法更激進：團隊微調了 AlphaFold 3 擴散網絡的一小部分，把浮水印能力直接燒進模型權重裡。無論誰在哪裡執行這個模型，它預測出的座標都天生帶有簽名。DeepMind 表示，微調後的模型維持 AlphaFold 3 的預測準確度、達到近乎完美的可偵測性、保留關鍵結構特徵分佈，且能抵抗數位雜訊與輕微的座標擾動。

「寫進權重」是哲學上最重要的設計選擇。事後加上去的浮水印，只要把設計重跑另一個工具就能洗掉；而內建於生成器本身的浮水印，意味着來源預設隨每一個輸出一起旅行。

濕實驗室的證明

這次發布的實證核心是結合蛋白（binder）驗證。團隊結合 AlphaProteo 與啟用 SynthID Bio 的 ProteinMPNN 版本，針對三個目標設計結合蛋白——VEGF-A（與癌症及眼科疾病相關的血管生長因子）、SARS-CoV-2 棘蛋白 RBD，以及 PD-L1（多種免疫療法背後的檢查點蛋白）。在三個目標上，帶浮水印的設計在命中率、結合親和力（以 K_D 衡量）與天然序列多樣性上，都與未浮水印的對照組相當。DeepMind 感謝 Adaptyv Bio 協助體外驗證，並稱此為史上第一批「帶浮水印且具生物功能」的蛋白結合器。

換句話說：簽名的代價趨近於零。正是這個發現，讓發布的其他部分變得可信。

為什麼合成篩選才是真正的受眾

DeepMind 用「瑞士乳酪」模型來談生物安全——多層防禦的破洞彼此錯開。模型端的防護、客戶審查、合成篩選各自攔截不同風險，而 SynthID Bio 被定位為一層內嵌於設計本身的新驗證層，最直接的應用場景就是數位設計變成實體分子的關卡：DNA 合成篩選。

今天，當合成業者拿訂單與已知有害序列資料庫比對時，一個與資料庫毫不相似的 AI 設計蛋白，要麼被退件、要麼觸發昂貴的人工審查——最糟的情況則是在「陌生等於天然」的假設下矇混過關。浮水印翻轉了這個算式：它是一種自動化的保證，證明訂單來自內建安全防護、可信賴的模型。

產業界確實注意到了。提前審閱這項工作的 Twist Bioscience 生物安全政策副總裁 James Diggans 稱浮水印是「生物安全工具箱中一項有前景的新工具」，能讓篩選資源聚焦在真正需要細看序列上。Science Policy Consulting 的生物安全政策專家 Sarah Carter 則形容 SynthID Bio 是「追蹤生物設計來源這道拼圖的重要一塊」——讓合成業者能為使用浮水印模型的客戶簡化篩選流程。

同樣的邏輯也延伸到科學紀錄本身。公開資料庫——Protein Data Bank、UniProt、GenBank——收錄的 AI 生成內容與日俱增，標錯的條目可能把錯誤同時傳播進研究與生物安全決策。生成當下就嵌入的浮水印，可以在提交時標記合成條目，讓結構資料的來源在 AI 以超過人力審計速度填充它時，依然可信。

從蛋白質到基因體

發布中最具前瞻性的部分是噬菌體研究。DeepMind 與史丹佛 Hie 實驗室及 Arc Institute 合作，把 SynthID Bio 整合進基因體基礎模型 Evo 2——就是今年稍早寫出首批 AI 設計可運作噬菌體基因組的那個模型——為一株 Evo 2 設計的噬菌體基因組加上浮水印。在細菌培養中的早期實驗室測試證實，帶浮水印的噬菌體仍具功能，技術手稿即將發表。

這一點之所以重要，是因為基因體層級的設計正是生物安全風險最高、偵測最難之處。如果浮水印能從蛋白質推廣到 DNA，它就有潛力成為整個合成生物學堆疊的來源驗證層。DeepMind 表示已在探索其他 AI 設計生物分子（如 DNA）的浮水印，計畫主持人 Pushmeet Kohli 稱結果「非常有希望」。

誠實面對限制

DeepMind 刻意不過度推銷。官方部落格明言沒有任何單一生物安全措施是銀彈，並把對抗蓄意竄改的穩健性列為未解難題——擁有合適工具的攻擊者，可能試圖把設計「洗」過未浮水印的模型，或用突變抹掉簽名。公司也建議將浮水印與來源元資料（類比數位媒體的 C2PA）及 AI 生成生物資料的集中儲存庫搭配使用——而這兩者都需要目前尚不存在、全社群的共識採用。

結構性的批評也合理存在。浮水印證明的是設計來自「參與計畫的模型」；對於不參與的模型、開源權重替代品或對抗性玩家的設計，它無話可說。合成業者採用是自願的。而偵測基礎設施——誰能驗證浮水印、在什麼存取控制之下——將決定這是真正的公共基礎設施，還是一個 Google 生態系的特色功能。

但作為第一個可驗證、公開發表的一步——程式碼、資料與權重全部釋出給研究社群，並為生物安全、基因合成與政策夥伴留下聯絡管道——SynthID Bio 回答了這個領域自 AlphaFold 以來不斷追問的問題：如果 AI 已經能書寫生物學，我們至少能簽上自己的名字嗎？從今天起，答案是可以，而且簽名經得起合成。