---
title: "英国建AI生物安全实验室"
date: 2026-10-25
description: "10月24日，英国宣布约6亿英镑AI安全计划，旗舰是全球首个AI生物安全实验室：政府出资1亿，OpenAI、Anthropic各以1亿英镑算力与模型额度支持，合计3亿，DeepMind等参与。另含1.2亿英镑给AI安全研究所、1.3亿用于关键基础设施网络防御、6500万用于病原体对策。本文拆解资金结构、双重用途风险与公私合作，对比英美欧三条治理路径，给银行模型测评、数据主权与第三方管理启示。"
tags: ["AI安全","生物安全","英国","AISI","网络安全","AI治理","银行风控"]
schema_type: Article
references:
  - title: "Introducing the AI Biosecurity Lab（英国内阁办公室 GOV.UK，2026-10-24）"
    url: "https://thegovernmentsays-files.s3.amazonaws.com/content/191/1912586.html"
    source: "GOV.UK / 英国内阁办公室"
  - title: "UK commits £100M to an AI Biosecurity Lab backed by OpenAI and Anthropic（AI Chat Daily，2026-10-24）"
    url: "https://www.aichatdaily.com/ai-security/uk-commits-100m-ai-biosecurity-lab-backed-openai"
    source: "AI Chat Daily"
  - title: "UK Establishes AI Biosecurity Lab Backed by OpenAI and Anthropic（Unite.AI，2026-10-23）"
    url: "https://www.unite.ai/uk-establishes-ai-biosecurity-lab-backed-by-openai-and-anthropic/"
    source: "Unite.AI"
  - title: "UK launches £100m AI Biosecurity Lab with industry compute backing（P.K. Sharma，2026-10-24）"
    url: "https://www.pk-sharma.com/briefing/uk-100m-ai-biosecurity-lab-dsit-ukhsa"
    source: "P.K. Sharma 分析"
  - title: "英国拨款1亿英镑建AI生物安全实验室 OpenAI、Anthropic提供最高2亿英镑模型额度（凤凰网科技，据彭博社，2026-10-24）"
    url: "https://original.ifeng.com/c/8xTZCXojoA9"
    source: "凤凰网科技 / 彭博社"
  - title: "The AI Security Institute (AISI) 官网 About"
    url: "https://www.aisi.gov.uk/about"
    source: "英国 AI 安全研究所"
---

# 英国建AI生物安全实验室

**2026 年 10 月 24 日（周六），英国内阁办公室宣布一揽子约 6 亿英镑（约合 8 亿美元）的 AI 安全投入，重点防范 AI 带来的生物、健康与网络安全威胁。**

**其中最受关注的旗舰项目，是全球首个专门的 AI 生物安全组织——AI 生物安全实验室（AI Biosecurity Lab，AIBL）。**

**AIBL 由政府出资 1 亿英镑，OpenAI、Anthropic 各承诺最高 1 亿英镑的算力、模型额度与可信访问，合计最高 3 亿英镑；谷歌 DeepMind 和英国生命科学公司 Basecamp Research 参与研究合作。**

**需要先厘清口径：企业承诺的 2 亿英镑是算力、模型额度和技术支持等“实物”，不是现金；政府现金出资为 1 亿英镑，两者合计约 3 亿。**

**对银行而言，这不仅是一条生物安全新闻：它示范了国家级“模型安全测评 + 公私合作 + 数据主权”的范式，而这正是金融机构大规模用模型时最需要的能力。**

## 一、事件：6 亿英镑的 AI 安全一揽子

1. **宣布主体与时间**：2026 年 10 月 24 日，英国内阁办公室公布，属于“国家 AI 生物安全倡议”（National AI Biosecurity Initiative）的一部分。
2. **总盘子**：约 6 亿英镑，主要面向 AI 引发的健康与安全威胁，兼顾英国本土 AI 产业和算力能力。
3. **旗舰项目**：AIBL 被官方定位为“世界上首个专门的 AI 生物安全组织”，目标是让英国成为 AI 驱动型生物安全的全球领导者。
4. **政府表态**：英国 AI 部长卡尼什卡·纳拉扬（Kanishka Narayan）称，希望该实验室成为一家“重要的全球性机构”。
5. **背景**：英国 2023 年在布莱切利 AI 安全峰会上设立全球首个 AI 安全研究所（AISI），此次是把国家级 AI 安全能力从“通用模型风险”进一步延伸到“生物安全”这一高危垂类。

## 二、钱怎么分：生物、网络、产业三条线

1. **AIBL**：政府 1 亿英镑现金；企业最高 2 亿英镑算力与模型额度（in-kind，非现金）。
2. **病原体对策**：另投 6500 万英镑，用于病原体的防范和应对措施。
3. **AI 安全研究所（AISI）**：追加 1.2 亿英镑。
4. **关键基础设施网络防御**：1.3 亿英镑，投向“国家网络盾牌”（National Cyber Shield）和“国家暴露与实时漏洞中心”。
5. **产业与算力**：6000 万英镑用于投资机器人、自主系统、制造领域的英国 AI 公司；6000 万英镑用于 AI 研究与采购合同；2300 万英镑研究 AI 经济影响；1800 万英镑建芯片设计学院；1500 万英镑设公共政策 AI 奖金（先从医疗开始）；3000 万英镑给地方市长支持本地 AI。
6. **口径提示**：各分项为媒体依据政府公布整理，存在“约数”和企业额度与政府现金混用的情况，引用时应区分“政府财政支出”和“企业实物承诺”，不宜简单相加后宣称政府全额出资 6 亿。

## 三、AIBL 是什么：独立非营利，公司化运作

1. **组织形态**：独立、非营利组织，类似 AISI，能够以前沿 AI—生物公司的速度和专注度运作，同时保留足够自主权以吸引产业和学术界顶尖人才。
2. **核心使命**：以前沿 AI 增强生物安全，提升英国对生物威胁的理解、预防、检测和响应能力。
3. **初期两大方向**：一是更早发现新兴生物威胁，二是更快研发疫苗、治疗手段和其他医疗对策。
4. **协同机构**：与英国卫生安全局（UKHSA）、动植物卫生署（APHA）、国防科技实验室（Dstl）、药品和医疗产品监管局（MHRA）协作，覆盖公共卫生、农业、国防和药品监管。
5. **治理安排**：设科学咨询委员会，汇聚学界、产业和第三部门专家；政府希望未来由公共和慈善资金共同支持。
6. **尚未公布**：实验室的具体地点、开放时间、负责人和人员规模，官方均未披露。

## 四、企业怎么出钱：OpenAI 与 Anthropic 各 1 亿

1. **OpenAI**：通过其 2026 年 5 月 29 日启动的“罗莎琳德生物防御计划”（Rosalind Biodefense），提供 1 亿英镑算力和模型额度，并可信访问其最强大的相关模型（如 GPT-Rosalind 生命科学用途）；早期参与者包括劳伦斯·利弗莫尔国家实验室、约翰斯·霍普金斯大学应用物理实验室、Fourth Eon Biosecurity 和流行病防范创新联盟（CEPI）。
2. **Anthropic**：提供最高 1 亿英镑模型额度、可信模型访问和专属技术支持。
3. **谷歌 DeepMind**：以研究合作伙伴身份参与，科学家和生物安全专家与 AIBL 协作，并研究提供前沿 Gemini 和专业科学模型的可信访问。
4. **Basecamp Research**：开放其 AI 生物学模型、能力和技术专长，用于优先生物安全难题。
5. **模式特征**：政府用 1 亿英镑公共资金撬动约 2 亿英镑企业算力，放大测评带宽；但算力主要在美国厂商的专有云上，带来主权与数据隔离问题（见下）。

## 五、为什么把生物安全摆在首位

1. **AI 正在改变生物风险图景**：官方明确指出，AI 既能加速疾病研究和医疗对策开发，也可能降低危险活动的门槛。
2. **“双重用途”难题**：前沿模型和智能体擅长排查实验流程、解析显微数据、优化蛋白设计，这些能力既可用于疫苗，也可能被用于病原体合成与改造。
3. **表层护栏不够**：简单提问“如何制造毒素”会被模型拒绝，但真正的风险在于消除大量隐性实验门槛（载体选择、培养条件、免疫逃逸、规模化发酵等），需要系统性红队。
4. **合成 DNA 筛查是关键卡口**：基因合成工厂是把数字序列变成生物实体的必经环节，现行筛查容易被拆分订单、同义密码子替换、片段化等手段绕过，AIBL 被寄望于开发新一代自动筛查能力。
5. **政策配套**：OpenAI、Anthropic 首席执行官本周还联名推动 DNA 筛查立法，以阻止 AI 生物武器，显示产业与监管正在形成合流。
6. **需注意的边界**：48 小时内生成抗体、强制基因合成筛查等具体能力，多为分析机构的设想或目标，并非官方已承诺的交付指标，应区分“制度事实”与“前瞻推演”。

## 六、网络防御才是现金大头

1. **AISI 加 1.2 亿**：通用前沿模型风险评估的核心机构继续扩容，强化模型测评、红队和政策支撑能力。
2. **关键基础设施 1.3 亿**：国家网络盾牌和国家暴露与实时漏洞中心，直接保护能源、交通、金融等关键部门。
3. **金融是关键基础设施**：在英国国家网络安全中心（NCSC）的框架下，金融属于重点保护的 CNI 部门，银行因此是这一防线的直接受益者。
4. **生命科学也是攻击目标**：NCSC 提示，持有基因测序数据和生成式蛋白模型的机构，是国家级网络间谍的重点目标，需要强身份认证、网络分段和持续行为监控。
5. **风险传导**：AI 同时放大了攻击和防御能力，银行既要防外部自动化攻击，也要防自身模型、数据和供应链被渗透。

## 七、全球 AI 治理的三条路径

1. **英国路径——国家级专项实验室**：以独立、技术化的测评机构（AISI、AIBL）为核心，强调“先看懂技术、再定规则”，并以公共资金撬动企业算力。
2. **美国路径——行业自律加行政令**：如 9 月 29 日《白宫超级智能协议》的四层防护（本网站 10 月 24 日有专文），更依赖公司治理、独立审计和董事会责任，叠加行政令改名与工作组。
3. **欧盟路径——立法先行**：以《人工智能法案》为核心，按风险分级统一监管，DORA、GDPR、电子身份等既有规则覆盖金融场景。
4. **对银行的含义**：跨国经营的银行需要同时对照三套逻辑——英国的测评证据、美国的治理问责、欧盟的合规义务，形成一份可映射的 AI 风险台账。
5. **共同趋势**：都在从“原则”走向“可验证的技术证据”，模型安全测评、第三方评估、董事会问责和关键基础设施保护成为交集。

## 八、对银行的十点启示

1. **建立自己的“模型安全测评”能力**：AIBL 的红队、能力边界评估和安全护栏是国家级样板，银行应对外采和自研模型做上线前对抗测试与持续评估。
2. **把双重用途思维迁移到金融**：同一模型能力既能提效，也能被用于合成身份欺诈、深度伪造、自动化钓鱼，需按“能力—滥用场景”系统排查。
3. **数据主权是硬约束**：AIBL 暴露的“机密生物数据不能进商业训练集”问题，与银行上云、调用境外模型时的客户数据隔离、防训练回流诉求完全一致。
4. **可信访问与安全飞地**：优先要求模型供应商提供隔离计算区、可信访问、可审计的数据处理证明，明确数据不进入训练。
5. **第三方与集中度管理**：银行高度依赖少数模型厂商，应避免单一依赖，纳入集中度风险、退出预案和多供应商策略。
6. **网络安全是金融 AI 的底座**：6 亿英镑中网络防御占大头，提示银行 AI 安全必须与身份认证、网络分段、漏洞管理、行为监测一体设计。
7. **独立第三方评估的价值**：AISI、AIBL 这类中立机构的评估，比厂商自述更可信，银行应采信独立测评结果并要求供应商提供。
8. **业务连续性与大流行风险**：生物安全投入的背后是重大公共卫生情景，银行需在压力测试、网点运营、信贷和保险定价中纳入相关情景。
9. **公私合作可借鉴**：公共资金撬动企业算力、共建监管沙箱与测评工具，是金融监管科技的可行模式，但应防范“企业资助监管”的独立性问题。
10. **董事会与问责要跟上**：对照美国四层防护和英国机构化路径，银行董事会应对 AI 风险有专门委员会、独立审计和清晰责任链。

## 九、落地建议

1. **设立模型安全测评台**：对外采和自研模型统一进行红队测试、能力评估、幻觉与滥用测试，未通过不得上线。
2. **建立数据隔离与防回流机制**：明确哪些数据可上云、可调用模型，采用安全飞地、脱敏、私有化部署，并取得“不训练、不留存”的合同与技术证据。
3. **做合成内容与身份欺诈专项**：针对深度伪造、合成语音、批量开户和智能体越权，部署活体检测、行为分析与交易授权分离。
4. **纳入关键基础设施防护**：与网络安全团队联动，强化多因素认证、系统分段、漏洞实时发现与自动化响应。
5. **分散供应商并管理算力依赖**：对 OpenAI、Anthropic、Google 等模型建立分级依赖图谱，准备替代方案和迁移演练。
6. **采信独立测评、对标国际**：跟踪 AISI、AIBL、欧盟相关评估和标准，把外部权威结论纳入供应商准入和续评。
7. **开展情景压力测试**：将大流行、关键模型中断、大规模 AI 欺诈、供应商锁定等情景纳入业务连续性和资本评估。
8. **完善治理与披露**：在董事会层面设 AI 风险治理安排，建立模型清单、风险分级、事故上报和外部审计机制。

## 结语

英国这 6 亿英镑的一揽子，最值得玩味的不是金额，而是它选择的路径：**用独立、专业的国家级实验室去“亲手测模型”，用公共资金撬动企业算力，再把生物与网络这两个最危险的垂类先守起来。** 它和美国的“公司治理加行政令”、欧盟的“立法先行”形成鲜明对照，却共同指向一个结论——AI 风险治理正在从口号走向可验证的技术证据。对银行来说，这是一次重要的预演：未来无论是对外采购模型、上云调用，还是内部智能体操作资金，核心问题都将是同一个——你能否证明模型被测过、数据被隔离、责任有人担。把 AIBL 的红队方法论、安全飞地要求和第三方测评机制，提前搬进金融机构的模型风险管理体系，正是这则“生物安全”新闻留给银行业最现实的功课。

（口径说明：本文资金、机构与合作信息依据英国内阁办公室 GOV.UK 新闻稿，经 AI Chat Daily、Unite.AI、凤凰网（据彭博社）等交叉核实；AIBL 政府现金出资 1 亿英镑，OpenAI、Anthropic 各承诺最高 1 亿英镑算力与模型额度（实物，非现金），DeepMind、Basecamp 为研究合作。6 亿英镑为政府公布的约数一揽子，分项存在近似，企业额度与政府现金不应简单相加。实验室地点、开放时间、负责人和人员规模官方尚未公布；48 小时生成抗体、强制 DNA 筛查等为分析机构设想或前瞻推演，非官方承诺。本文为行业与风险管理分析，不构成法律或投资建议。）