一句话看懂：旧金山初创公司 Radical Numerics 发布一款本地部署的基因测序检测模型 Omnii Defense，试图提前识别自然出现或由 AI 设计改造的危险病原体，针对的是前沿 AI 实验室反复警告的生物安全风险。
事件核心：发生了什么
据 Wired 报道，Radical Numerics 在本周三宣布推出 Omnii Defense。这套边缘模型可以在一台笔记本配合 USB 基因测序仪的条件下运行，也能在断网环境中使用，为网络条件有限的现场研究人员提供识别能力。模型会针对输入的基因序列给出致病可能性、是否为 AI 生成、最接近的分类群等预测，并输出 0 到 1 之间的“威胁分”，分数越高风险越大。
公司联合创始人兼 CEO Eric Nguyen 及其伙伴在斯坦福攻读博士期间参与了开源 DNA 基础模型 Evo 和 Evo-2 的研究，并于 2025 年创立该公司。此前团队还发布过基于 DNA、RNA、蛋白质和表观遗传信号等多类生物信息的基因组语言模型 Omnii，并在获 FDA 特别许可的情况下，用其设计噬菌体组合治疗一名耐药大肠杆菌患者。不过公司曾因未在公告中披露合作方 Tabula Bioscience，导致顾问、哈佛遗传学家 George Church 辞去职务。
为什么重要
传统生物防御工具如 Finding Engineering-Linked Indicators（Felix）主要依赖与已知生物基因库比对，适合发现对已有病原体做局部改动的场景，但很难对完全陌生的序列做推断。Omnii Defense 走的是 AI 路线：从序列模式中学习与生物功能相关的特征，而非要求精确匹配，因此可能识别出“基因写法”已经改变但特征相近的序列。公司称，在完全移除邦迪布焦病毒（正在东非引发埃博拉疫情）相关训练数据后，模型仍能以一定比例标记出相关病毒序列，而非 AI 工具几乎没有反应。
Nguyen 将生物防御视为正在到来的“军备竞赛”，类似网络安全领域攻防双方都在借助 AI 争夺优势，他认为生物安全在防御端落后明显。不过，目前公开信息显示，许多科学家仍认为 AI 制造生物武器的可能性偏低；Broad Institute 的病原体监测专家 Bronwyn MacInnis 也提醒，检测到信号与判断病原体是否具有真实后果、威胁是否人为设计之间仍有很大差距。
对用户/开发者/创作者的影响
Omnii Defense 目前只向经过审核的外部测试者开放，公司正与国家实验室、政府机构及其他独立评估方合作检验模型表现。对生物信息、公共卫生和现场流行病监测领域的开发者而言，它提示了一条新路线：在低算力、弱网络条件下部署本地推理模型，把预测能力带到测序现场，而不是依赖云端比对。对普通用户和内容创作者，短期内影响有限，这一方向更可能先影响科研、公共卫生和监管评估流程。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是独立评估方能否给出可复核的检测结果，以及误报率和漏报率处于什么水平；二是该工具是否从测试阶段走向更广泛的科研与公共健康机构使用；三是随着 AI 生物设计能力演进，各国监管是否要求此类模型接受安全审查或建立使用限制。
来源：Wired AI
