报告概述
本报告由RAND Corporation发布,旨在系统评估非正规生物经济(Informal Bioeconomy)的现状及其在生物安全(Biosafety)与生物安保(Biosecurity)方面的机遇与挑战。非正规生物经济指在传统机构框架之外进行的生物学研究、实验和创新活动,涵盖社区生物实验室、生物黑客空间等。报告通过半结构化访谈、桌面研究和战略分析,对全球45家符合条件的非正规生物实验室进行了映射,分析了其参与者类型、参与动机、生物安全培训、采购渠道、治理模式及资金约束。报告还提出了多项建议,以在促进负责任创新的同时降低风险,为政策制定者和科学界提供了理解这一快速成长领域的参考框架。
报告的核心结论
非正规生物实验室主要运营在低生物安全水平(BSL-1)。
报告通过访谈发现,所有受访的非正规生物实验室均运营在BSL-1水平,仅有一家拥有BSL-2组织培养室。实验室通过项目审批和人员监督确保活动不超出许可的BSL,从而将生物风险控制在较低水平。
生物安全培训普遍存在但标准化程度不足。
几乎所有受访实验室都要求用户接受某种形式的生物安全培训,涵盖基本操作、废物处理等。然而,培训频率、内容和实施方式因实验室而异,缺乏统一标准。生物安保(biosecurity)培训提及较少。
非正规生物实验室面临持续的资金约束。
实验室通常依赖会员费、课程费、捐赠和小额赠款运营,预算远低于大学或大型研究机构。资金不足制约了实验室的长期可持续性,但也为政府资助机构提供了参与和引导的机会。
现有治理框架缺乏针对非正规生物实验室的专门规定。
虽然实验室适用地方性法规(如废物处理、消防)和职业安全法规,但美国联邦层面尚无专门针对非正规生物实验室的法规。实验室通过非营利注册、地方监督和社区规范实现一定程度的制度化。
报告回答的关键问题
非正规生物实验室的生物安全水平如何?
报告显示,受访的非正规生物实验室绝大多数运营在BSL-1水平,仅极少数拥有BSL-2设施。实验室通过项目审查和监督确保所有活动不超出其批准的BSL级别,实际发生的安全事故很少且后果轻微。
人们为什么参与非正规生物实验室?
主要动机包括教育(参与课程与培训)、探索(个人好奇心与技能维持)、创业(低成本验证研究想法)以及赋权(获得接触生物学的机会)。不同的动机对应不同类型的活动和会员模式,教育项目尤其吸引新用户。
非正规生物实验室如何获取实验材料和设备?
报告识别出三种主要采购方式:通过正式供应商购买试剂和生物材料(通常由实验室统一订购);通过二手经销商获取实验设备;以及接受来自大学、企业或其他实验室的捐赠。成本是选择采购方式的主要因素。
非正规生物实验室面临哪些监管空白?
美国联邦层面没有专门针对非正规生物实验室的法规,实验室主要受一般性工作场所法规(如OSHA)和非营利组织规定的约束。游离于已知实体之外的个体或非固定场所活动监管更少。报告建议通过自愿注册、微赠款和嵌入式支持来加强治理。
报告中的代表性数据
识别出的非正规生物实验室数量
2025年1月至2月,报告通过DIYbiosphere网站、谷歌搜索和访谈,在全球范围内识别出45家符合纳入标准的非正规生物实验室,其中美国16家、欧洲14家、加拿大5家,其余分布在亚洲、南美、非洲和澳大利亚。
受访者来源分布
2025年4月至8月,报告共访谈20人,其中10人有非正规生物实验室工作经验,5人有使用经验,10人有生物安全/安保专长,9人有非正规生物经济专长(部分受访者满足多个条件)。
以上数据根据报告摘要整理,具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整的非正规生物实验室全球地图与分布图表,包含美国本土和全球的实验室地理位置标注。
- 详细的纳入与排除标准说明(表2.1),帮助理解研究范围的界定逻辑。
- 半结构化访谈指南(附录A),涵盖定义、采购、生物安全、监管等六大模块的提问要点。
- 定性分析编码本(附录B),展示系统主题分析使用的全部代码及其定义。
- 全部45家符合条件的非正规生物实验室名单(附录C),包括名称、所在城市与国家。
- 针对11项治理建议的详细实施方案,包括潜在负责机构、对应研究发现和预期效果。
- 对早期初创企业、车库实验室等未纳入范围实体的讨论,补充了非正规生物经济的多样性。
- 国际比较视角,涉及欧盟、澳大利亚等地对转基因生物的更严格监管。
本页内容由川海智库整理,用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限,部分观点、数据、统计口径或表述可能存在偏差,具体内容请以完整报告原文为准。
相关报告

Bridging the Digital to Physical Divide: Evaluating LLM Agents on Benchtop DNA Acquisition

Measuring Biological Capabilities and Risks of AI Agents: Generating and Interpreting Evidence from Agentic Evaluations

Securing AI Algorithmic Insights

Toward Comprehensive Benchmarking of the Biological Knowledge of Frontier Large Language Models

The Dynamics Behind Artificial Intelligence's Impact on Productivity Growth
