Google DeepMind于9月30日公布SynthID Bio，尝试把可验证的来源信号嵌入AI设计的蛋白质序列及预测的三维结构。思路不是在数字文件外贴一张标签，而是在生物设计本身留下较难察觉、能够被特定方法检测的标记。Google称，在三个目标蛋白的湿实验中，带水印的设计保持了相近的结合能力和功能表现。
这类技术针对两个逐渐突出的难题：研究者很难判断一个新蛋白设计是否由生成式模型产出；开放数据库中的来源标注如果不准确，又可能影响后续研究和风险筛查。若水印能跨越数字设计与实际合成材料，实验室或数据库便可能多一个线索，用来识别设计来源和安排进一步检查。
来源证明不是安全证明
水印的用途是辅助溯源，不会自动判断某种蛋白有害、无害或适合临床使用。Google也把这项方法描述为多层生物安全中的一层，并承认仍需提升其抵抗蓄意篡改的能力。独立研究者还需要检查不同模型、实验条件和处理流程下的检出率；如果设计经过再生成、格式转换或其他模型改写，来源信号是否保留，也会影响实际价值。
同样，厂商报告的实验结果不应被误读成对所有AI设计蛋白都已完成安全认证。水印可为合成订单筛查和数据库标注提供辅助信息，但仍需配合客户身份核验、序列筛查、实验室规范与人工审查。单一信号若变成“安全通行证”，反而会制造新的盲点。
值得关注的还有开放程度。Google表示会发布方法论文、代码和体外数据，并向研究社群开放相关模型权重。若不同模型开发者、数据库和合成服务商能够共同采用兼容的来源标记，溯源才更可能形成生态，而不是局限于单一公司的工具。下一步应关注第三方复现、跨平台兼容性和水印被移除后的应对方案。
参考来源：Google DeepMind：SynthID Bio技术说明与实验结果；Nature：蛋白质水印的能力与去除挑战。