x战警

北京大学饶毅教授：禁止人类性细胞基因编辑_我的网站

一 | 北京大学教授兼学术主编饶毅就基因编辑的未来发表主旨演讲。    过去一段时间，绝大部分AI应用创业者最焦虑的问题就是：大模型会不会把应用全吃了？                    今年以来，OpenAI、Anthropic 持续推出法律、设计、办公全套垂直套件，微软依托 Office 生态捆绑 Copilot，不断向企业渗透。关于基因编辑的未来，饶毅说：“我认为基因编辑应该允许体细胞的基因编辑，也应该在现有框架下进行监测，但原则上是允许的。

二 |                    越来越多人开始相信，只要底层模型持续进化，今天所有AI应用，不过都是等待被官方“内置”的功能。我认为编辑人类性细胞基因的最好方法是暂时、长期甚至永久禁止它们。此外，他还说：“我们应该非常警惕，而不是大量商业利益驱动的人类生殖细胞基因编辑，这在国内外所有国家都应该保持警惕。”下面是演讲稿（略删去）：我今天所说的问题是基因编辑的问题，以及未来基因编辑的问题。                   但就在不久前，曾打造上市安全巨头Rubrik、如今执掌70亿美金企业AI独角兽Glean的创始人Arvind Jain，做客全球头部创投播客《20VC》，给出了一个犀利的判断：                    OpenAI和Anthropic赢不了真正的应用层企业。这个问题与当今分子生物学对人类的影响以及去年的事实有关。去年，我们举办了一个活动，在整个网络中，知识分子和Sai先生的点击率为3.5亿。原因很简单，通用模型能解决“标准化生产”，却永远无法替代应用公司对垂直业务的深度理解。这是什么活动？你们都知道。

三 | 其原因是遗传生物化学催生了分子生物学和新的基因工程技术。                   更重要的是，前沿闭源大模型的本身也在失去吸引力。目前90%以上企业场景，开源模型已经能完全承接需求。1866年，当时的德国神父在今天的捷克城提出了遗传学定律。1871年，一位年轻的瑞士科学家在德国发表了他的研究成果，发现了原子核中的原子核，也就是我们后来知道的核酸。1944年，洛克菲勒医学研究所附属医院的三位科学家Avery等人提出DNA是遗传物质的基础。1953年，美国遗传学家和英国物理学家在剑桥大学提出了DNA双螺旋模型。                   以下是专访的内容：                              / 01 /          企业开始“不信任”前沿模型了                    Palantir CEO Alex Karp7月初在CNBC抛出一个判断：大型企业对前沿模型厂商的不信任度达到了前所未有的程度。                   之所以出现这种情况，是因为实验室里的“能力”与企业里的“价值”，中间隔着一条很长的链条。从那时起，分子生物学就诞生了。分子生物学的进一步发展带来了新的技术发展。

四 |                    当前不少企业部署AI的方式非常直接：购买模型服务，再通过MCP等方式把它接入内部的文档、邮件、CRM、工单、代码库和各种业务系统。管理者的想象是，只要模型能看到足够多的数据，它就会自动理解公司，并开始创造价值。1973，分子生物学、基因工程或重组DNA技术的重要技术，是由两位科学家，Habor和斯坦利，美国生物医学学院，旧金山，加利福尼亚大学和斯坦福大学，第二最好的生物医学学校发明的。在他们发明了新技术之后，旧金山顶尖加利福尼亚大学的博耶教授和弱势投资者加入了1976。                   现实并非如此。                   一家大型企业内部可能有数百甚至上千套系统，同一个客户在销售部门叫“账户”，在财务部门叫“主体”，到了交付部门又可能对应若干项目。随着全球第一家新生物技术公司Genentech的成立，现代生物技术产业应运而生。                   权限、版本、业务口径和隐性规则层层叠加。

五 | 模型虽然能读取这些信息，却并不知道哪一条对当前任务最重要，也不知道公司过去究竟是如何完成类似工作的。1977年，英国剑桥的Angler和美国的Wally Gibert发明了两种基因测序技术，一种是哈佛大学发明的，另一种是剑桥大学发明的。                   于是，它只能用一种近似“暴力搜索”的方式拼装上下文：先检索大量材料，再尝试判断彼此关系，最后生成一个看上去像答案的答案。                   这会产生两个直接后果：一是慢，大量时间耗在寻找原材料上；二是贵，大量Token消耗在无效检索和上下文拼接上。企业买到了一个聪明的大脑，却没有给它配备记忆、地图和工作手册。经过一百多年的科技创新，对科学技术和人类产生了巨大的影响。

六 | 随着基因重组技术的发展，蛋白药物的生产方法也发生了根本性的变化。                   所以，企业AI落地的真正瓶颈，往往不是模型能力，而是上下文工程。                   这里的“上下文”也不仅是把几份文档塞进提示词。它包括企业的知识体系、数据权限、术语关系、业务流程，以及那些从未写进制度、却存在于员工经验中的隐性知识。因此，在1980年，在现代华尔街历史上首次公开募股的当天，股票涨幅最大，这取决于它们的用途。基因工程技术被用于生产蛋白质药物，特别是胰岛素。

七 | 因此，基因工程技术和其他分子生物学技术也应用于某些医学、医学等领域。我把加州大学旧金山分校称为顶尖大学是因为我去那里学习。                   比如，一项工作第一次被执行时，企业或许会留下十个标准步骤。1985年，我去那里学习神经生物学。当我去那里学习神经生物学时，我发现我必须了解分子生物学。

八 | 我们的下一个部门是生物物理学部，它诞生了现代重组DNA技术。我把它们作为主要课程，分子生物学，生物化学，病毒学，结构生物学和发展。

九 | 但此后几年里，员工会不断调整顺序、绕开例外、总结捷径。大量真正决定效率的经验并没有被记录，只存在于人的判断里。

十 | 未来，当智能代理开始承担工作时，这些经验会逐渐沉淀到代理之中。生物学和遗传学也有过一次研究，因此在神经生物学的基础上，它对我一生中通过基因测序和操作来研究大脑的功能起到了非常重要和基础的作用。                   这也带来一个比“数据归谁”更深的问题：由AI在长期工作中积累的组织经验，究竟属于企业，还是属于提供智能代理的厂商？                    企业担心的已经不只是技术依赖，而是运营依赖。所以在1988年，当我还是一名研究生的时候，我做了我自己的手工排序，它画了很多代码，为了仔细阅读它是AG还是CT，在1989年，我也做了。从那以后，我一直在我自己的实验室里做基因分析和操作。下面是我们即将发表的论文中果蝇的基因操作图。除了制作果蝇之外，我们还对大鼠、猴子和猪进行了基因分析和基因操作。猪和猴子的基因操作是与昆明和南京的教授合作完成的。我自己的实验室已经完成并发表了一份关于哪些基因与长期记忆有关，哪些基因与视觉的高级功能有关的分析报告，但是在人类中，我们只分析了基因的功能，而没有进行人类基因操作，也就是说，我们非常熟悉这项技术。如果核心工作由外部代理执行，代理又掌握了不断复利的组织经验，那么更换供应商就不再是换一个软件，而近似于更换一套公司的“外置大脑”。                   所以，企业真正需要控制的，不只是模型和数据，还包括AI在工作中形成的经验。                   / 02 /          90%的企业AI场景，不需要最强模型                    如果说上下文决定AI能不能用，那么成本决定AI能不能大规模使用。                   Arvind Jain的访谈中最值得关注的一个判断是：如今90%甚至更多的企业应用场景，已经不需要用最强的模型。我们的评论实际上是专家评论。                   这个数字背后的含义是，企业只会为“足够好且成本可控的结果”买单。2012年，一项非常特殊的技术诞生了。                   无论是一份内部会议纪要，还是一封销售跟进邮件，都不需要调用世界上最强的模型。这叫做背景。只要质量达到业务要求，更便宜的模型就会自然胜出。1987年，意大利科学家卡佩奇（Capecchi）和其他人发明了在老鼠身上敲除基因的技术，他于1987年移民美国。                   这意味着，大模型正在经历软件行业非常熟悉的一幕：稀缺能力变成标准供给，技术优势变成可替换的商品。                   Glean的做法很有代表性。它并不要求客户押注某一个模型，而是根据任务自动选择合适的模型：简单任务交给成本更低的开源模型，复杂任务再调用更强的闭源模型。2007年，他获得了诺贝尔奖，但你没有注意到的是另一项技术，因为卡佩奇的技术可以应用于老鼠，一出生就推动。                   在这种架构里，应用公司与模型公司的关系也发生了变化。模型厂商越卷、开源社区进步越快，应用公司的原材料就越便宜、越丰富。研究人员非常需要少量的动物进行研究，但这项技术不能用于大多数生物体，因为它的使用和交流有限。真正危险的不是模型继续升级，而是应用公司除了调用模型之外，没有形成其他价值。

十一 | 它能用于其他生物体是非常好的，但它很难使用或不使用。

十二 |                    这也是为什么“套壳”是个容易被滥用的词。                   调用同一个模型，不等于提供同一种产品。你没想到的是，1987年，日本大阪大学的微生物学家中田吉郎实验室发现了一个后来的名字。就像所有电商网站都运行在类似的云计算基础设施上，真正决定体验的仍是供应链、履约、推荐、客服和组织效率。Crispr DNA序列的重要性当时还不清楚，但在日本、荷兰、西班牙、立陶宛、美国、法国和英国的一系列科学家发表了一系列论文之后，一些人意识到，在了解了这种奇怪现象的机制之后，他们可以把这一原理变成技术。企业AI的差异同样来自权限体系、上下文质量、工作流编排、结果评估和交付能力。                   当然，开源替代也并非毫无阻力。                   Arvind Jain提到，一些企业对中国开源模型仍有心理和合规顾虑，即使模型可以本地部署、数据不会传回模型提供方，决策者依然会担心潜在的安全风险与舆论风险。因此，2012年，法国科学家Emmanuelle和美国科学家Jennifer共同发表了一篇论文，而立陶宛科学家Siksnys在其实验室的美国科学院杂志上发表了一篇论文，认为Crispr/Cas9可以用来编辑基因。                   但这更像新技术扩散中的“第一批采用者”问题。一旦头部企业开始使用并形成示范，顾虑就会逐渐从“能不能用”转向“怎样用得更安全”。它们都证明了CRISPR/CAS9可以在理论和实践上用于基因编辑。CRISPR/CAS9诞生后，国内外华人也做出了贡献。                   长期看，企业模型市场很可能不是一家通吃，而是多模型共存。我们的贡献主要是在少数情况下促进和改进。模型层的利润会被竞争持续压缩，价值则不断向负责选择、连接和管理模型的应用层迁移。                   / 03 /          微软的入口优势没了                    模型商品化还会冲击企业软件过去最有效的一种竞争武器：捆绑销售。这是关于科学和技术的。                   微软的优势从来不只是产品，而是它可以把新功能装进企业已经购买的套件里。我们在科学技术方面没有突破CRISPR/CAS9，但我们也在其他文化上进行了创新，在道德底线上取得了突破。对一家大型企业来说，免费获得一个“七十分”的Copilot，通常比重新采购一个“九十分”的独立产品更省事。后者不仅要多付一笔钱，还要经过安全审查、法务审批、供应商管理和员工培训。

十三 |                    Arvind Jain坦言，微软是比前沿模型厂商更现实的竞争者。因此，在CRISPR/CAS9技术诞生后，人们发现它非常强大。许多客户拒绝Glean的理由是，“我们已经购买了微软”。原方法不能应用于许多生物体。CRISPR/CAS9几乎和一些说法相同。                   不过，AI的按量付费模式正在给捆绑逻辑制造一道裂缝。它被放在大多数有机体的下面工作，因此它突然成为可能对许多有机体，包括人类进行基因改变。以前的技术做不到，或者效率很低。                   传统SaaS按席位收费，企业一旦购买套件，就会倾向于让员工尽量使用其中的产品；AI更接近按任务量付费，无论工具是否捆绑，实际执行一次任务都要消耗算力。企业完全可以同时开放多个工具，让员工选择最适合的一个，再为真实用量买单。

十四 | Crispr/Cas9罐。而且这项技术很简单，除了强大，它也很简单，所以任何一个学过生物本科生的人都可以做这个实验，所以它突然成为一个非常重要的事件，也就是说，这最终在生物学上产生了一把非常强大的双刃剑。                   这意味着，捆绑依然拥有采购和分发优势，却未必还能锁定最终使用。未来的竞争不只是“谁进入了供应商名单”，还包括“员工真正把任务交给了谁”。如何使用这把双刃剑，如何造福人类，如何危害人类，已经成为一个严重的问题。                   这是一个细微但重要的变化：软件时代的入口优势，正在被AI时代的任务完成质量重新定价。                   / 04 /          AI降本是个伪命题                    谈到企业AI，另一个经常被混淆的问题是投资回报。2015年，中国广州中山大学副教授首次在伦理上取得突破。黄军，副教授，带头在世界各地对人类受精卵及其衍生胚胎进行CRISPR/CAS9试验。                   在客服场景中，回报很好计算：一个客服过去每天处理10张工单，使用AI后处理12张，效率提升一目了然。但在研发、管理和知识工作中，计算就复杂得多。

十五 | 外国科学家在做这个实验之前不敢做。他们有着长期的文化和伦理传统，不敢对人类的性胚胎进行基因改变。

十六 |                    就拿Glean来说，目前公司内部接近100%的初始代码由AI生成，没人手动写第一版代码，但产品交付速度并没有爆炸式增长。

十七 | 很多中国人都知道，所以不敢动。                   为什么？因为写代码只是整个链条中最短的一环。代码量上去了，但代码审查、架构设计、跨团队协调、测试、部署，这些环节还是原来的速度。在某种形式的空间，但有一个技术突破的地方。

十八 | 这篇论文是用自然科学论文打印出来的。一家中国杂志很快就收到了这篇文章，并在两天内在没有同行评论的情况下发表了它。所以这两个突破不是科技突破。它们都是其他方面的突破。外国人不敢这样做。                   当AI把写代码变得极快，瓶颈就会迁移到代码审核。若为了追求速度取消人工审核，企业又可能在几年后面对难以维护、无人真正理解的代码库。后来有人说，美国和英国严格按照他们的做法行事。因此，Glean依然保留严格的人类审核，以短期效率换取长期可维护性。中国人做到了。                   这揭示了一个朴素的规律：AI不会自动消除流程瓶颈，它只会把瓶颈推向下一个环节。因此，在2016年，第一位作者是中国人，最后一位负责交流的作者是一位从俄罗斯移民过来的美国科学家，他还做了一个关于人类胚胎的实验。因此，马海涛的论文仅在2012年在中国的基础上发表。                   所以，很多AI应用当下的经济账并不好看，短期内也很难实现纯粹降本。长期来看，AI降本只存在两种出路：                    第一条路，等着成本降下来。                   历史规律如此，科技只会越来越便宜。两篇论文在编辑生殖细胞时都选择了琼。开源模型已经把推理价格打到闭源的十分之一了，OpenAI被迫降价只是时间问题。

十九 | 当生殖细胞变成胚胎时，它就不能发育成婴儿，在胚胎期就会死亡，所以就没有孩子了。

| 在此基础上，中美两国关于这一问题的讨论开始变得模糊，我们都知道，到2018年，你们所知道的将会发生。这件事发生后，据说有两个婴儿出生了。整个世界的形势都在混乱之中。人们关心的是这两个婴儿的命运，胚胎是如何移动的，以及人类能否通过上帝改变人类。所以有很多不同的观点，在很多地方都有发展。他们中的大多数，包括一些专业协会，包括一些国家科学和工程研究所，包括一些机构发布的声明，都是不专业的。

| 他们在核心问题上犯了科学错误，因此他们的讨论经常与根本不了解这些问题的人进行。等Token价格降到今天的十分之一甚至更低，那个100万美金的Agent就会变成一笔极其划算的买卖。                   第二条路，用AI放大人均产能，而非单纯裁员。                   假设两家同赛道企业，拥有同样先进的AI工具。讨论的原因是不清楚问题的核心是什么。A公司决定缩编团队，用更少人做同样的事；B公司维持团队规模，用AI拓展十倍业务量、打造更好产品。

|                    长期来看，B公司会彻底碾压A公司。

|                    因为企业的终极竞争力不只有成本，还有产出。是婴儿吗？当然，我们应该关心任何婴儿。企业老板对AI能力的理解分为两种：“一个人能干更多事”的能力和“一件事可以让更少人干”的能力。

| 但问题的核心不是婴儿。如果你选了后者，你的竞争对手选了前者，你会被迅速甩开。它是胚胎吗？如果你信仰宗教，对某些宗教来说，胚胎是个问题。                   AI不会消灭岗位，但会消灭"只做单一执行工作"的岗位。                   未来的岗位会全面复合化，一个懂技术的产品经理可以直接用AI生成原型；销售可以同时兼顾方案演示和商务谈判，不再需要解决方案工程师跟在后面。                   基础数据分析师、招聘寻访员、报表制作这类纯执行角色会逐步消失，但跨职能的复合型人才会成为刚需。如果你是无神论者，你是科学和技术的理性信徒，胚胎问题是第二个问题。核心问题是生殖细胞。                   / 05 /          进入核心工作流，才是AI应用的关键                    最后回到创业者最初的焦虑：模型公司亲自下场，应用公司该怎么办？                    OpenAI在推垂直套件，Anthropic也在做行业方案，从设计到法律到金融，看起来就是要一个个吃掉应用层公司的饭碗。在胚胎中，早期生殖细胞和非生殖细胞只有一个不能分离的细胞。                   Arvind Jain给出的判断是不必恐慌，二者根本不在同一竞争维度。在一定时间内，生殖细胞和非生殖细胞可以分离。                   以设计行业为例，Claude出了设计辅助功能，听起来像是要抢Figma的生意。所以分离后，胚胎中的非生殖细胞是不相关的，生殖细胞是核心。因此，我们必须明确，基因编辑需要关注的核心问题是人类生殖细胞的基因是否可以被编辑。但实际上，设计师们的主力工具依然是Figma。Claude只是让那些"本来就不是设计师"的人，比如产品经理、市场销售，能自己做一些简单的素材生成。                   也就是说，Claude做的更像是市场扩展，让本来不用工具的人开始用工具了，但深度工作仍然留在了Figma里。动植物是另一回事。                   更深层的问题是，模型厂商不理解企业内部的真实运作。人类是不同的。

| 体细胞并不那么重要，或者说它在现代伦理学的框架内，而生殖细胞则带来了新的问题。

|                    通用模型对接企业系统，目前靠的是MCP这类标准化协议。什么是生殖细胞？在人类中，精子、卵和受精卵通常被称为体细胞。如果体细胞对它进行基因编辑，它只会影响个体，就像我们今天为一个人做心脏手术和肺切除一样。简单粗暴地连进去，暴力检索所有数据，然后试图完成任务。但这种模式有两个致命问题：                    一是效率极低。大量Token都消耗在"找东西"上，AI要先搞清楚这个业务需要哪些信息、信息在哪、怎么拼起来，还没开始干活，钱已经烧掉了一大半。

| 因此，它等同于现代医学，并没有带来任何新的伦理问题。它的问题都在当前的伦理框架内。

|                    二是完全不懂上下文。企业内部的权限体系、历史决策逻辑、专有术语、隐性规则，通用模型一概不知。也就是说，体细胞基因编辑需要安全、有效、稳定，但这些都是当前审批过程中强调的问题，我们不需要单独讨论。你让一个外部模型去理解"为什么这个供应商去年被标记为高风险"，它连从哪里开始查都不知道。                   Glean自己的定位就是一个对照。他们花了好几年打通企业内部成百上千套系统——Salesforce、ServiceNow、Google Drive、Slack、Notion，几十个甚至上百个不同的数据源，建立了一套基于权限的组织知识图谱。

|                    员工搜索任何信息，返回的结果都是他权限范围内最相关的那一条。这套壁垒就是靠时间和深度嵌入堆出来的。生殖细胞的基因编辑与体细胞的基因编辑有着根本的不同，因为生殖细胞的基因编辑的结果是，如果生殖细胞在编辑后成为婴儿、儿童和成人，他们将继续传递，他们将拥有自己的孩子。另外，如果他想和别人结婚，就不能独生子女，所以他也向社会传播，所以他具有遗传和扩散两个特点，因此人类生殖细胞的基因编辑带来了一个新的问题，完全超出了以前的伦理框架。                   所以，真正值得应用公司担心的，是自己的产品是否足够深入到核心流程。                   如果价值只是一层聊天界面，模型升级确实可能一夜之间将其抹平，如果产品掌握了企业上下文、权限、流程和长期学习，模型升级反而会放大它的价值。                   这也是Glean创始人经营思路发生变化的原因。那么人类生殖细胞基因编辑的好处是什么呢？缺点是什么？它使一些遗传性疾病在家庭遗传条件下局部治愈。这会让一些人觉得他们的孩子没有足够的肌肉。它能改变一个基因使它们拥有更多的肌肉。听起来不错，但有很多问题。他过去强调克制、资本效率和每一笔投入的回报，但现在也开始担心，过度保守会错过一轮难得的市场圈地期。

| 首先，医学上的必要性非常小，因为我们每个人都有两套染色体，也就是说，我们通常有两套基因，一套来自父亲，一套来自母亲。                   在他看来，企业对AI的需求已经被唤醒，今天不进入客户的核心工作流，未来再进入的成本可能高出十倍。大多数疾病在患病时需要两组基因被破坏。也就是说，你的父亲和母亲不一定是你的父亲和母亲，他的父亲和母亲。它们有两组基因。如果四套中只有一套坏了，父母就不应该生病，孩子也不应该生病。如果父母中的一个，如父亲的两套，被打破，父亲就会生病。但是如果两个孩子的父亲都嫁给了没有坏孩子的母亲，孩子就不会生病，反之亦然。                   不过，“加速”不等于放弃商业纪律。如果父亲的基因是坏的，一个是好的，母亲的基因是好的，他们都不会生病，但是如果他们结婚生子，四分之一的后代会生病，四分之三的后代不会生病。四分之一的后代不仅会生病，而且不会携带生病的基因。

| 产品仍然要收费，仍然要给客户创造可衡量的价值，营销投入仍然要形成回报。资本可以帮助公司抢时间，却不能长期掩盖产品没有价值这一事实。                   这大概是企业AI市场最真实的矛盾：一方面，窗口期要求公司大胆投入；另一方面，模型成本、客户回报和商业模式又要求它保持克制。这是最简单的。

|                    如何在两者之间找到平衡，才是这一代AI创业者真正的考题。                                                           文/元元。即使是学习金融的人也会知道如何安排和组合。我说这排除了白崇恩教授，因为他去学经济学而不是数学。对于那些学习数学的人来说，我们生物系的学生都是同舟共济的。

| 所以当父母只有一套坏孩子时，他们中只有四分之一会生病。如果他们担心他们后代的疾病，让他们在体外受精生产受精卵是非常简单的。如果他们不把坏的受精卵移植到子宫里，而把好的受精卵移植到子宫里，他们就可以保证他们的后代不会生病。也就是说，它们可以通过所谓的受精卵基因选择来选择。解决大部分问题。然而，在一些情况下，你会遇到一个想结婚的未雨绸缪的女人。父母的四组染色体都被同一个基因破坏一定是很罕见的。在这种情况下，他们所有的后代都会继承患病的基因。在极端的情况下，患病的基因会被治愈，但大多数会有问题。这是唯一需要用基因编辑的遗传病。这个家族的根治性治疗。事实上，这个问题不需要解决，因为人很少，所以我认为最好的解决办法是让他们在爱情、婚姻和分娩三个阶段中只在一个阶段透露自己的基因型。这种披露可能是因为你有疾病，别人可以看到你有两套破绽，所以披露你自己。基因型可以解决这个问题，当然，避免同两套坏人结婚生子，你们彼此相爱，清楚地认为生孩子的风险是你们自己的责任，这是非常罕见的医疗需求，可以通过基因型的披露来解决，这不需要全社会都负起责任。因此，不需要对人类生殖细胞基因进行编辑。允许人类生殖细胞基因编辑将是一个问题，而且代价高昂。编辑基因是一个永无止境的问题。你必须编辑它们。我希望我儿子能成为一名优秀的长跑运动员或长距离滑雪运动员。我希望他有更多的红细胞，可以模仿瑞典的一些家庭。他的家族中红细胞生存素受体有突变。他在家里会自动产生比其他人更多的红血球，所以他需要比其他人更多的氧气耐力。有很多，所以他们几代人都赢得了奥运会冠军。

| 其他人说他们不想贫血。

| 所以不同的人有不同的需求。其他人说瑞典最近做过研究，说一个基因型已经改变了，而你在瑞典，你的平均分可以多0.2分，有些人会说我不想要，有些人会说我想要，我家99.8分，相差0.2分，所以编辑什么基因很难定义，这有一个简单的常识，疾病这个术语无法定义，你要仔细考虑。为什么不能定义疾病？省略了疾病定义的两个简单例子。精神疾病的定义是由美国精神病学会特别委员会的讨论决定的。你已经大到可以听到神经官能症了。今天没有这种病。不是疾病已经根除，而是定义已经根除。我以前没有听说过孤独症，但现在很多人都有孤独症，因为孤独症的定义很清楚，所以很难定义这种疾病，所以为什么技能改变基因也是一个很模糊的问题。

| 编辑一个基因，为什么我要编辑89个基因，然后他编辑936个基因，所以编辑什么基因和多少基因是很难决定的。谁决定？是他的家人决定的吗？当他的家庭决定把它强加于整个社会，而他的家庭必须为他人结婚和生孩子时，个人和家庭会给社会带来问题。由清华大学教授决定。我不这么认为，但你说是由本科生和县医院的产科医生和妇科医生合作来改变他们的县基因吗？所以谁决定编辑基因也是一个谜。然后他就会出现，一旦打开，就既没有边界也没有焦点。

| 在这些变化中有相当大的不确定性。例如，有一种叫做镰状细胞性贫血的贫血，是由红细胞中蛋白质的基因突变引起的。那就是贫血。后来，人们发现突变也会引起这种贫血。它使人们对疟疾有更强的抵抗力，因此这种改变本身就有其优点和缺点。所以如果我们都把基因突变变成红细胞中的一种蛋白质，就会导致贫血。问题在于遗传多样性。我们大多数人在基因上有一定的差异。区别在于自然选择对整个人类都是有益的。我们知道，在欧洲，黑热病和黑热病有着广泛的传播。很多人死了。你得问别人为什么。他们不是死了，躲在家里去工作，听知识分子的话吗？还是有其他原因？我们也知道肺结核是通过呼吸道传播的，所以一个肺结核病人周围都有肺结核，为什么不呢？另一个原因是我们的基因天生是多样的，而一群人天生不是。因此，我们的基因多样性需要保持，所以会有很多因素在时间和地点上发生变化，但是如果我们允许人类进行大量的无边界基因编辑，我们可能会在那时变得适合当地的情况，而不是在另一个时候，这会发生吗？如果基因改变了，就没有办法同时改变它。

| 因此，如果把暂时的和局部的权宜之计写进我们的基因中，可能会给我们带来无尽的后果。

| 因此，我认为我们需要非常警惕，我们不能编辑由大量商业利益驱动的人类生殖细胞基因。这个问题不仅是我国面临的，也是美国面临的。其他人总是说，医疗需求是父母的四条染色体坏的原因。

| 他们是这样的好人吗？这种罕见的案件对他们没有任何商业利益。他们一定想打电话给每个人，让他们改变肌肉和肌肉的基因。

| 可能有两公斤以上的肌肉。有一种基因可以消除鸡、猪和牛的肌肉。人类有一种罕见的自发突变。一个5岁的孩子的体重就像一个15岁的少年。不，我们大多数人都有基因。必须有功能。如果我们都学习鸡、猪和牛来消灭这种基因？所以他一定要做到这一点，不要成为一种罕见的人类疾病，所以企业利益需要在任何国家保持警惕。还有多少边界和底线突破？有没有人想大推一把赚大钱？在同一个人身上做很多基因，在很多人身上做很多基因，那么人类的脸会有很大的影响。因此，我认为对于人类生殖细胞的基因编辑应该有严格的立法和执法，建立一个变革协商机构来规范和检查新科技可能产生的伦理和社会影响，这应该是很容易达成共识的。我们在中国以前没有机会在科学技术领域建立伦理。

| 因为我们的科学技术太落后了，现在我们的科学技术赶上了我们。有时我们需要在道德和伦理方面带头制定合理的规章制度。这些问题还涉及国际合作和竞争。

| 我认为这四点应该有广泛的共识。

| 我认为基因编辑应该允许对体细胞进行基因编辑，并在现有框架下进行监测，但原则上是允许的。

| 我认为最好的办法是禁止，暂时禁止，永久禁止，甚至永远禁止人类性细胞的基因编辑。因此，我希望我们的生物学所带来的严重问题和严重问题能够得到当今社会更多人的认可，推动我国科学技术政策法规的建立和实施。

Current article:http://www.lichuorenrenyitankanmeimu.cfd/dj1n/0mb.xlsx

Published on:19:24:22