華盛頓普遍認為，人工智慧（AI）是一項強大的技術，將決定哪個國家能在 21 世紀稱霸。從國會到白宮的決策者都將美國的 AI 領導地位列為優先事項，並投入大量資源以保持領先地位。然而，美國在更廣泛的全球科技競爭中，面臨前所未有的風險。儘管對 AI 的投資不斷增加，但美國決策者卻未能為其與生物技術的融合做好準備，而這種融合將定義未來幾十年的經濟和國家實力。當競爭對手正在建立協調的 AI-生物生態系統時，美國的生物數據（biological data）環境仍然分散、資金不足且不安全。若沒有聯邦主導的努力來建立整備 AI 的生物數據作為國家基礎設施，美國將面臨在關鍵時刻喪失 AI 和生物技術領導地位的風險。

AI-生物技術連結的戰略重要性

AI 驅動的生物技術需要運算能力、人才和資金，但生物數據是關鍵的限制因素。沒有大規模、具代表性且可互通的生物數據集，AI 模型就無法泛化、擴展或轉化為實際影響。

AI 在生物技術的應用對國家實力帶來深遠的承諾。從為美國戰士提供更強大的生物基裝甲，到透過國內生物製造修補供應鏈的脆弱性，其潛力與生物本身一樣廣闊。在 AI 驅動的生物學領域領先的國家，不僅將在健康和醫學發現方面領先，也將在農業、工業生產，甚至未來的威懾領域領先。然而，抓住這一潛力，將取決於改善美國獲取高品質、安全且專為 AI 設計的生物數據的能力。

生物數據蘊含生命的藍圖，並已成為 AI 時代一種新的戰略力量。這些數據，包括 DNA、RNA、蛋白質和代謝物，是生物基材料、燃料、農業和醫學創新的基礎。

新興生物技術國家安全委員會的 2025 年最終報告得出結論，生物技術的優勢「取決於誰控制最完整、最準確和最安全的生物數據集」。在 21 世紀，生物數據是國家實力的戰略資產，類似於先進半導體或關鍵礦物。美國的競爭對手，特別是中國，正迅速採取行動，建立 AI-生物技術的領導地位。

中國在 AI 驅動的生物技術方面的優勢不僅在於規模，還在於協調。北京的國家戰略明確將生物技術、大數據和人工智慧聯繫起來，並在指導性規劃下，旨在跨部門協調數據生成、運算資源和產業轉化。一個例子是中國的非侵入性產前檢測生態系統：國內非侵入性產前檢測市場在 2023 年的價值約為 6.08 億美元，預計到本十年末將超過 10 億美元，這反映了基因測序、醫院網絡和商業生物資訊學服務的廣泛整合。像華大基因（BGI Group）這樣的公司營運大規模測序和檢測平台（包括非侵入性胎兒三體檢測），在一個涵蓋臨床護理、研究和產業的整合生態系統中產生和處理大量的基因組數據。中國還迅速擴大了其國內的細胞和基因療法生態系統，包括多項嵌合抗原受體 T 細胞療法批准和不斷增長的臨床生物製造基地，縮短了從研究到部署的路徑。同時，中國正在建立使 AI-生物複合成為可能的數據基礎：大規模的縱向健康隊列和為大規模整合與分析設計的國家級生物數據平台。

在基礎設施層面，中國國家基因庫數據庫（China National GeneBank DataBase）作為一個統一的生物大數據入口，在協調的國家框架下提供多組學數據的存檔、共享和分析服務。透過將來自不同項目的數據匯總到一個由雲端運算和生物資訊學工具支援的集中平台，該數據庫降低了數據收集、模型開發和下游應用之間的交易成本。戰略優勢不在於單一的突破性進展，而在於系統本身——一個國家指導下的數據收集、AI 模型訓練和工業生產相互強化的生態系統。從國家安全角度來看，這種協調減少了發現與實際應用之間的摩擦，無論是在生物防禦準備、供應鏈韌性，還是在先進生物材料方面。

相比之下，美國擁有世界一流的公共生物數據儲存庫，中國經常進口這些數據。美國國家醫學圖書館的國家生物技術資訊中心（National Center for Biotechnology Information）託管著 GenBank、Sequence Read Archive 和 Genotypes and Phenotypes 資料庫等基礎資料庫，這些資料庫共同儲存了大量的基因組和生物醫學數據，並支撐著全球開放科學。美國和中國的區別不在於數據基礎設施的缺失，而在於整合和戰略協調的程度。美國的儲存庫主要為存檔訪問和科學開放而設計，而不是為了協調的產業轉化或 AI 原生優化，並且治理、互通性和商業化途徑仍然分散在各個機構、大學和私人參與者之間。

中國的集中式模型並非沒有弱點。生物醫學數據生成的快速擴張已經對管理和整合能力造成壓力，產生了品質控制和治理方面的挑戰。此外，監管人體基因資源的重疊監管制度對跨境數據傳輸施加了嚴格的審查要求，這使得國際合作複雜化，並可能限制與全球研究生態系統的互通性。獨立分析也指出，異質的生物醫學數據來源和不一致的標準可能會造成瓶頸，限制大型匯總數據集的實際效用。集中化可以降低協調成本，但如果驗證、審計和治理機制跟不上規模，也可能放大系統性漏洞（包括個人識別、數據完整性和其他網路安全風險）。

對美國的啟示不是要複製中國的系統，而是要認識到，決定 AI-生物領導地位的不是僅僅是創新，而是協調。在 AI 效能隨著數據規模和整合而複合的時代，制度設計——而不僅僅是科學人才——成為競爭變數。新興生物技術國家安全委員會認為，美國大約有三年的時間來重申其生物技術領導地位，否則將面臨將重大的軍事、地緣政治和經濟優勢拱手讓給中國的風險。因此，美國決策者應迅速採取行動，修補一些關鍵的漏洞。

美國缺乏建立全球競爭力 AI-生物生態系統所需的生物數據多樣性、品質、互通性和安全性。這些弱點經常被混淆，但在分析上是不同的。數據多樣性決定了模型是否能在不同人群和環境中泛化；數據品質影響信噪比和可靠性；互通性決定了數據集是否可以合併；安全性決定了誰可以在何種條件下訪問敏感信息。在一個維度上的進展並不保證在其他維度上的進展。

許多基礎基因組數據集仍然不成比例地由歐洲血統的個人組成，這限制了模型在不同人群和環境中的表現。在同質數據上訓練的 AI 系統在多樣化環境中的表現不佳，降低了公平性和營運韌性。挑戰不僅在於數量，還在於遺傳、地理、環境和實驗條件的代表性。

生物數據集經常充滿雜訊，註釋不一致，或在異質條件下收集。缺失的元數據、批次效應以及技術或採樣協議使用不一致，都可能嚴重損害下游分析效能。如果來源和驗證標準薄弱，大量數據集並不自動產生可靠的模型。

即使是高品質的數據，如果無法整合，價值也有限。這個問題不僅限於醫學：多個生物醫學儲存庫使用不同的格式和本體論運行，而像全球基因組與健康聯盟（Global Alliance for Genomics and Health）這樣的組織正是為了創建共享標準而存在，因為基因組和表型數據難以跨系統協調。沒有商定的技術框架，農業基因組學或生物工業表型學的跨領域分析將變得更加昂貴和緩慢，增加了在部署 AI 模型之前應支付的「整合稅」。

匯總的生物數據系統會成為高價值的目標。但分散化並未消除風險，只是模糊了責任。生物技術供應鏈和食品行業基礎設施面臨日益嚴重的網路威脅，包括針對營運系統的勒索軟體。如果測序平台和實驗室資訊管理系統的安全性不足，可能會暴露敏感的知識產權和生物工業流程。隨著生物數據變得整備 AI 並與工業流程更緊密地連結，攻擊面也在擴大。

大多數美國生物數據並非為 AI 而建。像 ChatGPT 和 AlphaFold 這樣的模型主要是透過「找到」的數據，或網路上容易取得但未經刻意結構化以進行模型優化的數據進行訓練的。開放科學一直是美國的優勢，但這些數據中的許多反映了收集、文件記錄和背景方面的不一致。沒有刻意策劃、共享標準和 AI 原生架構，模型可能會放大雜訊而不是提取生物信號。

生物醫學 AI 已經取得了有意義的進展，尤其是在藥物發現和診斷方面。像 Insilico Medicine、Recursion Pharmaceuticals 和 DeepMind 的 Isomorphic Labs 這樣的公司展示了 AI 驅動療法的前景。但健康應用僅佔生物技術生態系統的一小部分。對農業、製造業、能源、國防和環境韌性支持的不足，導致關鍵領域在國家生物數據中代表性不足，限制了強健的跨部門 AI 模型開發。

在缺乏國家戰略來協調公共和私人生物數據的收集、標記和儲存的情況下，各個利益相關者獨立運作，遵循自己的實踐和標準。結果是生物數據的零散和混亂的寶庫，以及次優的 AI 模型，這些模型可能會模糊底層的生物信號並產生不可靠的輸出。缺乏共享標準和協調會產生零散的數據和次優的模型，在 AI 驅動的生物學時代造成結構性弱點。

這些挑戰造成了一個對 AI 未來準備不足的生物數據生態系統，並威脅著美國的生物技術領導地位。川普政府已採取幾項措施來解決這些挑戰，但最終都未能成功。

最近發布的《國家安全戰略》和《國防授權法》承認生物技術是地緣政治競爭的關鍵領域，並概述了將生物技術更好地整合到美國國防和國家安全系統的舉措。但承認和試點項目並不能構成戰略，尤其是在新興生物技術國家安全委員會 2025 年警告美國科學生態系統正在停滯不前的情況下。

《創世紀任務》（Genesis Mission）行政命令顯示了對 AI 加速科學發現日益增長的認識，但如果沒有整備 AI 的生物數據，它可能會擴大現有的分散化。此外，國會尚未為《創世紀任務》提供使生物自動化有意義所需的投資和標準。沒有互通的模式、品質控制和安全的運算到數據環境的自動數據生成，只會更快地產生更多不一致的數據。

總之，問題不在於缺乏意識，而在於缺乏規模和協調。美國仍在試圖在 AI 驅動的生物學領域競爭，但卻缺乏使 AI 運作的投入：高品質、安全的生物數據。問題不在於缺乏意識，而在於缺乏規模和協調。如果沒有對整備 AI 的生物數據以及生成和管理它的基礎設施進行嚴肅投資，聯邦舉措將保持脫節和緩慢，即使競爭對手正在工業化 AI-生物生態系統。美國現在需要一套與技術步伐和競爭利害關係相匹配的重點行動。

批評者將認為，私營公司最適合建立整備 AI 的生物數據，而過早的標準化可能會減緩創新。在狹窄的領域，這通常是正確的。但公司理性地投資於專有、短期和商業可變現的數據集，卻在縱向、跨部門和公共利益數據方面留下了空白。這些空白正是國家安全和長期競爭力所決定的地方。公共投資不是私人創新的替代品——它是使私人創新可擴展和可轉移的基礎。

同時，集中化整備 AI 的生物數據會帶來真實的風險。生物學本質上是雙重用途的。加速疫苗開發、工業酶或氣候適應性作物的數據集和模型，如果被濫用，也可能降低有害生物設計的門檻。因此，匯總的生物數據集將成為高價值的網路和內部人士目標，而管理不善的訪問可能會擴大間諜活動和敵對利用的風險。國家生物數據戰略應將協調與強健的運算到數據控制、可審計性、紅隊演練和分級訪問框架相結合。選擇不在於創新與安全之間，而在於不受管理的零散化（它會加劇漏洞）與從一開始就考慮到安全性、訪問控制和問責制的故意工程化協調之間。

將生物數據視為關鍵國家基礎設施

國會應指示能源部與國家標準與技術研究院（NIST）、國家衛生研究院（NIH）及其他相關領域機構協調，資助整備 AI 的生物數據委託：大規模、縱向數據集；標準化元數據；來源追蹤；共享安全分類；以及持續維護。私營部門無法單獨生產全面、無偏見或長期的數據集。公共投資對於利用美國的學術優勢至關重要。

建立安全的國家運算到數據入口

一個聯邦化的入口應允許經過審查的用戶將演算法帶到敏感數據集，使用隱私保護機器學習、差分隱私和持續監控。聯邦化的運算到數據模型管理，但並非消除安全與開放之間的權衡。透過允許演算法移動而數據保留在受控環境中，這些系統可以在不廣泛發布的情況下支援敏感的民用、國防和商業數據集。然而，這類模型需要持續投資於技術基礎設施、治理、審計和用戶審查，以避免成為新的瓶頸。

將《國防授權法》的試點項目轉化為具有約束力的國家標準

國會應要求聯邦資助的所有生物數據都具備互通的元數據、可審計性、安全分類和共享來源規則。將有前景的試點項目，如 2026 財年《國防授權法》第 244 和 245 節中的項目，轉化為標準需要明確的授權。國會應指示科學技術政策辦公室和國家標準與技術研究院，與能源部、國家衛生研究院及其他相關任務機構協調，定義基礎生物數據元數據、來源和安全標準，作為聯邦資助的條件。合規性將透過採購規則、贈款和合同要求以及大學和承包商已經熟悉的數據共享資格機制來執行，而不僅僅是透過監管。

使《創世紀任務》與生成整備 AI 生物數據的國家努力保持一致

《創世紀任務》行政命令為 AI 加速科學發現提供了藍圖，但除非與生成整備 AI 生物數據的協調國家努力相結合，否則其生物技術雄心將會失敗。國家標準與技術研究院（NIST）應與其他相關領域特定機構合作，領導聯邦自動化計劃，以生產標準化、高品質的生物數據集用於 AI 模型開發；整合安全的測量系統；並創建為模型訓練提供數據的持續數據管道。

生物學正在變得可程式化，而 AI 是編譯器。在 AI-生物領域領先的國家將塑造全球標準、工業供應鏈、醫療創新、氣候韌性和生物防禦。十年內數百億美元的持續投資在相關背景下並非非同尋常。美國在 2026 財年就要求了約 270 億美元的生物防禦相關支出，而國內生物經濟已經支持了食品、農業和生物製造領域約 8300 億美元的年經濟影響。真正問題不在於投資是否巨大，而在於美國是否願意冒著依賴外國控制的生物工業供應鏈來獲取維持其經濟和軍隊的藥品、材料和關鍵投入的風險。

如果沒有對整備 AI 的生物數據進行大規模公共投資，美國將落後於那些已經在建立我們尚未開始的競爭對手。輸掉這場競賽是一種選擇，而逆轉的窗口正在關閉。美國仍然可以領導。但領導地位需要現在就建立定義生物技術世紀的生物數據及相關基礎設施。