AI 首次独立造出可自我复制的活体病毒

302 份设计稿，最终 16 份成真。

2026 年 8 月，斯坦福大学 Brian Hie 课题组在《Science》刊文：他们借助 AI 从零构建出完整的病毒基因组，注入大肠杆菌后——其中 16 个实现了自主复制。

这是人类史上首次，由生成式 AI 撰写出一个能独立存活、不断复制的生命体。

不是修修补补几段碱基，也不是微调某个蛋白。是一次性交付一整套完整的生命指令，然后它真的启动了。

研究采用的 AI 模型名为 Evo，是一个基因组语言模型。

常规大语言模型处理的是文本，学习"什么样的词组合起来像人话"。Evo 处理的则是 DNA 碱基，学习"什么样的序列组合起来像一个运转正常的生命系统"。

它预先消化了数百万条来自不同物种的基因组，掌握了哪些排列可行、哪些会被进化筛掉。随后研究人员给它一小段 DNA 作为起点，让它向后延伸——就像让 GPT 续写一篇文章。

AI 输出了上百万份候选序列。团队筛选出 302 个进行合成，最终 16 个存活。成功率约 5.3%。

这 16 个全新病毒的基因组序列，与自然界中任何已知的噬菌体都不同。部分设计在竞争性实验中甚至优于天然版本。将它们混合使用，可以突破已对天然噬菌体产生耐药性的大肠杆菌防线。

但这里有一个关键前提：它们都是噬菌体。

噬菌体专门攻击细菌，不感染人类。它识别的是细菌表面的受体，借助的是细菌内部的复制机器。人体细胞的锁和家具完全是另一套系统。

因此这 16 个病毒对人不具备已知感染能力。论文中也没有开展、未证明 AI 能设计出感染人的病毒。

有个事实需要澄清：人类并非有了 AI 之后才掌握制造病毒的能力。

2002 年，纽约州立大学的研究者依据已知序列，用化学合成的寡核苷酸拼装出完整的脊髓灰质炎病毒——具有感染性。2003 年，Craig Venter 团队用同样技术组装出了 ΦX174 噬菌体。

巧合的是，本次 AI 选用的设计模板，正是 ΦX174。

所以"照图纸把病毒造出来"这件事，二十多年前就已有人完成。

差别究竟在哪里？

过去依赖专家手工完成。一个人必须吃透病毒基因组的每一段、每一个重叠区、每一个调控机制，然后小心翼翼地动手修改。

如今，AI 将"撰写完整病毒基因组"转化为可批量执行的计算任务。模型在浩瀚的序列空间里批量产出设计方案，人类负责筛选，合成公司将信息转化为 DNA，实验室决定哪些能存活。

门槛从"少数顶尖专家的手艺"降低为"有模型、有合成服务、有实验室即可运行"。这才是本质差异所在。

这件事最直接的应用场景是噬菌体治疗。

全球每年有数百万人死于抗生素耐药菌感染。过去寻找一株能剿灭耐药菌的噬菌体，研究者往往要在污水中翻找数年，运气不佳时三五年都一无所获。

现在 AI 几小时内就能输出数百万个候选，挑出几十个进行合成验证。专门针对某一种耐药菌的定制噬菌体"鸡尾酒"，或许几天之内就能"打印"完成。

对于头孢和万古霉素都无可奈何的超级细菌，这或许就是最后一道屏障。

乐观的话讲完了，该谈谈不那么乐观的部分。

目前全球的 DNA 合成筛查机制，核心思路是数据库比对：有人下单合成一段 DNA，系统拿去和已知病原体的基因序列匹配，命中即拦截。

然而 AI 设计的基因组是全新的。数据库里压根没有。常规比对机制会直接放行。

这不是假设。约翰斯·霍普金斯大学健康安全中心的专家已在《Science》同期评论中发出警示。他们措辞直白：不应开展利用 AI 设计可能引发疾病的新型病毒的研究。

还有一项让人难以安睡的事实：Evo 2 的代码和模型权重是公开的。技术一旦发布，就无法"撤回"。

研究团队表示他们做了审慎安排——训练数据移除了所有感染人、动物和植物的病毒序列，实验采用非致病宿主和生物安全实验室。

但教会 AI 编写病毒基因组的底层能力，已经通过训练数据和论文本身完成了传授。

本次 16 个新病毒与天然 ΦX174 的序列相似度仍有 93%-99%，并非"全新物种"，更接近于"自然演化尚未触及的邻近区域"。

从 5000 个碱基对的噬菌体基因组，到人类基因组的 30 亿个碱基对，中间隔着巨大的复杂度鸿沟。模型也尚未触及真核生物病毒。

技术不会在明天就造出超级病毒。

但方向已清晰可见：AI 驾驭复杂生命系统的能力，正从蛋白质层面向基因组层面跃升。今天是噬菌体，下一次未必还会选择最简单的入手。

需要更新的不是恐慌阈值，而是监管框架。DNA 合成筛查不能仅依赖数据库匹配；全基因组设计项目必须强制引入独立安全审查；开源模型与合成生物学之间的接口需要监管介入——不是禁止研究，而是确保"从序列到实体"这一路径不被轻易绕过。

生物安全的底层逻辑正在被重写。继续沿用旧办法应对新缺口，迟早会失守。