谷歌与CSIRO合作建立两套澳大利亚巨藻参考基因组，并训练适用于巨藻DNA分析的DeepVariant模型，研究涉及塔斯马尼亚沿岸600份野生样本。项目旨在为兼具遗传多样性与耐热能力的恢复种源提供依据，但尚未公布实际恢复面积、长期存活率或生态恢复效果。
谷歌于2026年11月12日公布与澳大利亚联邦科学与工业研究组织（CSIRO）合作的巨藻研究进展：研究人员已建立两套澳大利亚巨藻参考基因组，并训练适用于巨藻DNA分析的DeepVariant模型。按照谷歌的介绍，团队研究涉及从塔斯马尼亚沿岸40个地点采集的600份野生样本，目标是为培育兼具遗传多样性与耐热能力的巨藻提供依据。
这并不意味着人工智能已经让消失的海底森林重新长成。谷歌对当前工作的描述是：遗传分析与合作伙伴的实验室杂交研究，正在为未来恢复种植奠定基础。公告没有给出由这项研究带来的恢复面积、长期存活率或生态系统恢复效果。
海洋变暖为何让巨藻难以生存
巨藻（Macrocystis pyrifera）是一种大型褐藻，可以形成超过30米高的水下结构，为其他海洋生物提供栖息、觅食和繁殖空间。它的消失，不只是少了一种海藻，而是失去了一类能够支撑其他物种的栖息地。
损失在塔斯马尼亚尤其明显。谷歌称，当地巨藻种群已缩减至历史水平的5%；CSIRO在2024年合作公告中也使用了当地巨藻森林损失95%的表述。相关基因组论文则给出了更具体的地域与时间口径：塔斯马尼亚东部的巨藻覆盖度自1940年以来下降了95%至98%。这些数字共同说明衰退严重，但种群数量、森林范围与覆盖度并不是完全相同的统计指标。
论文指出，东澳大利亚洋流向南延伸，将更温暖、营养较少的海水带到塔斯马尼亚东部，加剧了当地海洋热浪的影响，也使长棘海胆扩展分布范围。海胆啃食等压力会妨碍巨藻补充更新，使部分海域转变为缺乏大型海藻的海胆荒漠。
这也解释了为什么恢复工作不能只靠“多种一些”。研究者需要知道哪些种源可能更能承受温度变化，同时理解当地环境是否仍能支持它们生存。
AI分析的是DNA差异，不是替代测序仪
这项合作并非2026年11月才启动。CSIRO于2024年2月23日发布的公告已经介绍了谷歌、CSIRO、塔斯马尼亚大学海洋与南极研究所（IMAS）及多个保护组织的合作。
当时的计划包含两条相互补充的路径：利用Google Earth Engine与Vertex AI分析卫星影像，定位残存巨藻森林；利用DeepConsensus与DeepVariant等工具开展基因组研究，寻找可能与耐热能力相关的遗传模式。前者回答巨藻在哪里，后者试图帮助解释不同个体之间的差异。
DeepVariant不是生成式聊天机器人，也不是直接读取生物样本的测序设备。根据其官方代码仓库说明，它接收已经完成序列比对的测序读段，利用深度神经网络识别遗传变异，输出标准格式的变异结果。测序仪产生数据，计算工具再参与数据分析，是两个不同环节。
这一点对于理解谷歌此次提到的600份样本很重要：应将其视为团队采样、测序与遗传分析工作的规模，而不是说AI本身“测序了600株巨藻”。谷歌表示，研究人员训练了适用于巨藻DNA的DeepVariant版本，但这篇进展公告没有提供该版本的准确率、与其他方法的对照结果，或600份样本分析完成的具体日期。
物种适配也不能被省略。DeepVariant文档明确提醒，随软件提供的模型基于人类数据训练，用于其他生物时需要注意适用性问题。识别出遗传差异，只是后续研究的起点；哪些差异真正影响耐热能力，还需要结合实验判断。
两套参考基因组，为什么需要“本地版本”
此次进展的重要基础，是发表于《BMC Genomics》的澳大利亚巨藻基因组研究。论文页面标注的发表日期为2026年6月12日，另列正式记录版本日期为8月21日。因此，11月的谷歌文章是对既有合作成果的介绍，不能被写成这篇论文刚刚首发。
参考基因组可以理解为分析DNA时使用的坐标底图。研究者将不同样本的测序数据与它比对，才更容易定位差异、比较种群结构，并寻找值得进一步验证的遗传线索。
在这项研究之前，研究人员已有来自加利福尼亚巨藻的高质量参考基因组。但论文指出，南北半球巨藻存在遗传分化，长期只依赖一个地区的参考，可能影响对其他地区遗传多样性和种群差异的判断。
团队为来自维多利亚州与塔斯马尼亚的两个巨藻个体建立了基因组组装。它们是两个参考个体，不应与谷歌此次提到的600份野生样本混为一谈。论文使用PacBio HiFi与牛津纳米孔长读长测序数据，并在组装校正环节使用DeepVariant识别单核苷酸变异。
论文将成果称为“伪染色体尺度”的组装，并提醒其尚未完全解析到完整染色体水平。它们提供了更贴近澳大利亚种群的遗传底图，但不是一份已经穷尽所有巨藻遗传变化的完整目录。
作者还观察到，不同地区基因组中与代谢、蛋白质稳态和应激反应有关的基因功能类别存在差异。不过，论文明确指出，这些差异是否转化为实际功能差异，仍需进一步验证。不能据此直接宣布已经找到了决定耐热性的基因。
从遗传线索到恢复森林，还有多远
谷歌把遗传分析与实验室杂交放在同一条恢复路径上：先了解残存种群的遗传差异，再为培育和选择恢复材料提供依据，最终希望在海中重新建立具有多样性、能够适应更暖环境的巨藻森林。
遗传多样性与耐热能力同样重要。只选少量看似表现优异的个体，并不自动等于获得了能够长期适应环境变化的种群。参考基因组的价值，正在于帮助研究者更有依据地评估这些差异，而不是仅凭外观或单次实验决定恢复材料。
类似的技术边界，也出现在本站此前关于谷歌使用AI开展疾病研究的报道中：包括DeepVariant在内的工具可以参与遗传分析，但计算结果仍需经过相应的实验或专业验证，才能转化为实际干预依据。巨藻保护面临的是生态问题，而非临床问题，两者不能直接类比效果；共同点是模型输出与现实结果之间仍有验证环节。
目前可以确认的，是研究者拥有了新的澳大利亚巨藻参考基因组，谷歌披露了更大规模野生样本研究，并将遗传分析与恢复育种工作连接起来。尚不能确认的，是这些工作已经使多少海域恢复，或培育材料能否在持续变暖、营养变化与海胆压力下长期存活。
这项研究展示了AI在自然保护中一种更具体、也更有限的角色：帮助科学家整理和解释复杂生物数据，为保护决策提供依据。能否真正恢复巨藻森林，最终仍要由实验、海上种植和持续的生态监测来回答。