文章提出'Ultra-Agency'概念，认为在真正的AGI到来之前，基因编辑技术将先让人类变得更聪明、更强大。作者回顾了基因疗法恢复视力的进展（2019年盲鼠、2021年人类），指出AI目前并不具备意识，LLM的参数无法替代真实神经元。以AlphaFold为例，AI已在蛋白质结构预测等数据问题上极大加速科学研究，使新疗法的研发摆脱耗时的人工文献调研。作者认为风险可控，医学试验仍将至关重要。未来基因疗法将使超常智力、情绪调节和执行力成为默认状态，人类将进入人机相互增强的递归自我改进循环，开启人类开拓的新前沿。
文章以英矽智能 18 个月完成候选物提名的 rentosertib 项目为案例，系统梳理 AI 在药物发现四个环节的作用：找靶点、预测蛋白结构（如 AlphaFold）、设计分子和用 Agent 串联研究流程。作者强调核心价值在于扩大搜索范围、把部分试错提前到实验之前，但项目提速是数据、AI 和团队共同的成果，候选分子离患者获益还很远。文末提出判断'AI 制药突破'的四个问题：完成了什么、快的是哪一段、和谁比、失败算没算进去，提醒区分模型高分、项目提速与临床获益。
Google DeepMind 宣布推出 SynthID Bio，一种为 AI 设计的蛋白质添加水印并进行检测的方法。这是人类首次成功合成兼具功能性与水印的 AI 设计蛋白质。文章指出，生成式 AI 正帮助科学界设计新型蛋白质和噬菌体，但也带来被滥用和污染科学数据库的风险。团队将已在图像、视频、音频和文本领域广泛应用的 SynthID 技术适配到生物领域，确保水印蛋白质仍保持折叠、结合受体等生物功能。SynthID Bio 还延伸至 Evo 2 设计的噬菌体基因组水印，并将开源方法、代码和数据，与科学界共同建立生物来源标准，为生物安全提供重要保障。
