生物多样性是人类生存发展的基础。我国生物多样性保护工作已取得重大成就，自然保护地体系不断完善，本底基础持续夯实，种质资源库建设、生物多样性传统知识整理稳步推进。伴随人工智能、大数据、区块链等技术快速发展，为生物多样性保护、遗传资源开发与传统知识利用提供全新机遇。但数据短板、伦理风险、人才缺口、国际规则分歧等问题同步显现，需要坚持技术创新与制度建设双轮驱动，推动人工智能更好服务于生物多样性保护与公平惠益分享。
    一、人工智能显著促进生物多样性保护
    在陆生野生动植物保护领域，依托大数据训练，大大提升野外动植物物种鉴定效率。东北虎豹国家公园搭建天地空一体化AI监测体系，依靠红外相机与算法实现虎豹个体识别，为反盗猎、栖息地修复提供数据支撑；拉萨拉鲁湿地利用水下AI设备结合环境DNA技术，追踪高原土著鱼类，支撑城市湿地保护与科普工作。海洋生物保护方面，AI与GIS、声纹识别结合破解海洋调查难度大、人力成本高的困境，厦门中华白海豚AI监测系统实现物种自动识别定位；南通搭建水下声学识别平台，对江豚、伪虎鲸开展实时监测；南海珊瑚礁多模态大模型有效提升珊瑚种属识别准确率，解决水下珊瑚礁判读难题。
    在外来物种风险防控上，外来入侵物种多模态识别模型针对野外环境物种分辨难点，实现入侵物种野外照片快速鉴定，为早期预警和快速处置提供技术工具。
    在遗传资源与种质数字化领域，AI推动育种、药材鉴定转型升级。崖州湾AI育种平台整合基因型、表型与环境数据，挖掘优良基因，缩短育种周期；中医药多模态识别模型融合视觉特征、高光谱图谱与DNA条形码，完成数百种中药材快速鉴定，区块链技术也开始试点应用于遗传资源溯源管理。
    依托生物多样性大数据平台，人工智能对标本档案、红外影像、声纹、遗传序列、遥感影像等多源异构数据开展深度挖掘。国家生物多样性大数据平台、BioONE等平台整合保护地监测、种质资源、公民科学观测数据，支撑物种分布制图、生境适宜性模拟、入侵物种风险研判、人兽冲突预警。大语言模型与知识图谱能够从文献、地方志、档案材料中抽取非结构化信息，为基因挖掘、惠益分享提供数据基础。同时人工智能推动公民科学发展，通过公众参与影像标注、野外声纹采集，补充大量隐蔽物种、城市区域的观测数据，拓宽生物多样性数据来源。
    二、 人工智能在生物多样性保护存在不足
    当前人工智能赋能生物多样性保护仍存在诸多短板，现有AI产品多聚焦植物、大中型旗舰鸟兽，针对昆虫、真菌、微生物等小型生物类群的成熟技术较少；设备建设普遍存在重建设、轻运维现象。
    第一，高质量数据供给不足。AI模型性能高度依赖标准化标注数据，但大量监测数据分散于科研机构、保护地管理部门，缺乏统一采集、标注与共享标准，跨部门、跨区域的数据壁垒尚未破除。偏远地区本底调查存在大量空白，昆虫、微生物等类群的标注数据尤其匮乏，直接限制AI模型识别能力与覆盖范围。机器学习和深度学习模型的解释性较差，需要进一步提高。
    第二，技术应用与制度供给不同步。遗传资源数字序列（DSI）信息、传统知识大模型训练、AI育种等新业态出现新问题：境外主体无需获取实体样本，仅通过网络抓取数字序列、传统知识数据就可以开展商业开发，事先知情同意、共同商定条件等保护制度难以延伸到数字领域，地方社区、原住民合法权益容易遭受损害。现有知识产权制度和生物多样性保护目标衔接不足，AI育种、算法衍生成果的资源来源披露、利益分配缺少刚性约束。
    第三，伦理安全风险不容忽视。物种栖息地信息、敏感遗传资源完成数字化之后，在存储、流转过程中存在泄露风险，有可能被非法开发利用，给珍稀濒危物种和特色遗传资源带来威胁。
    第四，复合型人才短缺，区域应用不均衡问题突出。基层保护区普遍设备运维成本高，既掌握生态学知识，又熟悉人工智能技术的复合型人才缺口大。算力、智能监测设备集中于国家级保护地与经济发达区域，大量县级保护地、生态脆弱偏远地区缺少资金与技术保障，难以享受数字化保护红利，进一步扩大区域生物多样性治理能力差距。
    第五，全球数字生物多样性治理协调难度大。《生物多样性公约》《名古屋议定书》与知识产权国际条约价值取向各有侧重，针对遗传资源数字序列信息、AI训练数据集等新兴议题，各国诉求分歧突出。
    三、 人工智能推动生物多样性保护的建议
    面对机遇与挑战，应当统筹技术攻关、完善制度、风险防控，构建完整的数字生物多样性保护体系。
    首先，构建统一规范的国家级生物多样性数据共享平台。建立统一的数据采集、标注、元数据管理标准，整合遥感、红外相机、声纹、环境DNA、公民科学观测等多源数据，打通跨部门、跨区域数据共享通道，实现数据整合。重点补齐小型生物类群、偏远空白区域的本底数据，完善公民科学参与机制，为AI模型训练提供高质量基础数据集。
    其次，补齐制度短板，健全数字场景下遗传资源获取与惠益分享机制。针对遗传资源数字序列信息、数字化传统知识、AI育种等新场景，厘清法律概念，将事先知情同意、共同商定条件延伸至数字领域。利用区块链、智能合约技术搭建全流程溯源体系，对AI育种、相关专利设置资源来源强制披露遗传资源与传统知识来源，保障地方社区在商业化开发中的收益权。
    再次，推进专用保护AI技术攻关，降低基层使用门槛。重点研发轻量化、可解释的生物保护领域专用模型，突破物种识别、栖息地风险预警、生态修复情景模拟、保护方案优化等关键技术。面向基层算力不足的现实，推广边缘计算、轻量化算法，开发适配基层管护人员使用的简易操作系统，减少运维成本。完善人才培养体系，面向基层管护人员开展常态化技能培训，打造懂保护懂数字技术的一线队伍。
    第四，建立健全AI应用伦理与风险防控体系。将公平、安全、可解释作为核心原则，建立算法评估审查机制，消除模型的物种、地域偏见。区分公益科研与商业开发，设置差异化授权、准入与惠益机制。落实分级分类数据管控，对濒危物种分布、特色遗传资源、民族传统知识实行分级授权管理，明确使用主体、范围和审批流程，严防核心保护数据泄露和非法利用。
    最后，积极参与全球数字生物多样性治理。依托多边公约平台参与遗传资源数字序列信息、AI生物资源利用相关国际规则谈判，推动不同国际公约之间规则衔接，讲好中国实践经验，分享数字技术助力惠益分享的中国方案，推动构建兼顾资源提供国权益、平衡保护与可持续利用的全球治理新格局。
    科技是手段，制度是根本。面向美丽中国建设目标，既要发挥数字技术在监测、科研、资源利用上的效率优势，又要筑牢法律制度底线，守住生物安全与公平惠益，以数智化手段夯实我国生物多样性保护根基。
（作者：肖能文  单位：中国环境科学研究院）