夜雨聆风你有没有过这种感觉：新冠疫苗打了一针又一针，结果该阳还是阳，该咳还是咳，最后不得不接受一个无奈的现实——打了跟没打差不了太多。
这不是错觉。新冠变异株的"换装速度"远超人类疫苗的更新节奏。2025年10月发表在《新英格兰医学杂志》上的系统综述给出了一个让人高兴不起来的数字：XBB.1.5 mRNA疫苗防住院的有效性只有46%（队列研究）到50%（病例对照研究）。2026年4月《自然·通讯》的一项研究更直接——对既往感染过的儿童来说，BA.1时期疫苗保护力还有62%到65%，到了XBB时期，保护效果已经不再有统计学意义。世界卫生组织2026年5月的声明也侧面印证了这个问题：他们刚刚把推荐疫苗抗原从JN.1更新到LP.8.1，因为病毒又跑远了。
更让人担心的是，CDC 2026年3月的报告显示，一种叫BA.3.2的高突变变异株已经在23个国家检出，它的刺突蛋白与当前疫苗靶株之间有70到75个替换和缺失——这意味着正在使用的疫苗可能再次面临"脱靶"风险。
简单来说，目前的疫苗模式就像在打移动靶——你瞄准的时候它已经不在那了。冠状病毒隔三差五换个"脸"，人类的疫苗配方就得跟着改，改完投产、分发给群众接种，等这一切完成，病毒又变了好几轮。这个循环，从新冠以来就没停过。
但现在，剑桥大学团队用一种全新的方式打破了这种被动——他们让AI来设计疫苗。
不是AI辅助筛选抗原，不是AI加速数据分析，而是AI从零"画"出了一个自然界不存在的"超级抗原"，然后直接打进人体。6月5日，这款名为pEVAC-PS的全球首款AI设计通用冠状病毒疫苗，完成了I期人体临床试验，结果发表在《Journal of Infection》上。
这件事的意义，可能比"又一款新疫苗"大得多。
三个你可能想错的事
在聊具体结果之前，先澄清三个常见的误解。
第一个误解：AI只是帮忙的，设计还是人来做。
恰恰相反。传统疫苗的抗原是从病毒身上提取或模仿的——灭活疫苗用整颗死病毒，mRNA疫苗用病毒的刺突蛋白编码序列，本质上都是在"照猫画虎"。但这次剑桥团队的"超级抗原"，是AI分析了全球监测网络收集的全部沙贝冠状病毒基因序列后，找到整个病毒家族共有的、不易变异的保守结构，然后从零合成出来的。这个抗原分子在自然界中根本不存在，它纯粹是AI的计算产物。
具体来说，这个设计过程分三步：第一步，把全球监测项目记录的所有沙贝冠状病毒基因序列全部收集起来；第二步，用机器学习算法分析这些序列，找出整个病毒家族"共有且不易变异"的结构弱点；第三步，基于这些共性特征，从零合成出一个全新的"超级抗原"分子。这个分子不对应任何一种真实毒株，它是一个"最大公约数"式的合成结构。
领导这项研究的剑桥大学教授Jonathan Heeney说了句话很直白："我们已经把疫苗开发从被动应对变成了前瞻性设计。"用他的另一个比喻说，传统疫苗就像"狗追自己的尾巴"，永远落后一步；而AI设计让人类第一次能跑到病毒前面去。
牛津大学疫苗小组主任Andrew Pollard教授的评价更简洁：AI将成为疫苗研发的"游戏规则改变者"，它有潜力预测免疫系统对疫苗的反应，把研发速度拉到另一个量级。
第二个误解：通用疫苗就是把多种毒株拼一起。
不是。多价疫苗是把几种流行株的抗原一股脑塞进去，比如流感四价疫苗就是覆盖四种毒株。但冠状病毒的变异速度意味着，你今天做的四价，明天可能就覆盖不了新冒出来的变异株。
通用疫苗的逻辑完全不同。它不追任何特定毒株，而是寻找整个病毒家族的"最大公约数"——那些病毒赖以生存、无法轻易突变的核心结构。AI在基因序列的汪洋大海里找到这些共性特征，把它们整合成一个单一的合成抗原。这个抗原不仅能覆盖已知的新冠、SARS，甚至还能识别那些尚未感染人类的蝙蝠冠状病毒。
Heeney教授解释说："我们看的是什么是一致的、什么是不变的、什么对它们的生命是必不可少的。"这种思路和传统疫苗完全反过来——不是看病毒哪里不同，而是看它哪里相同。
试验数据也印证了这一点：志愿者体内产生的抗体，不仅识别了SARS-CoV-2和SARS，还对蝙蝠源沙贝冠状病毒产生了交叉反应。这说明免疫系统确实"学会"了识别冠状病毒家族的通用特征，而不只是某一张特定面孔。
第三个误解：I期过了就万事大吉。
I期临床试验的核心目标只有一个——安全性。39名18到50岁的健康志愿者，分4个剂量组（0.2mg、0.4mg、0.8mg、1.2mg），第0天和第28天各打一剂，看有没有严重不良反应。
结果是：没有。全程未出现严重不良事件（SAE），也没有疑似非预期严重不良反应（SUSAR）。121起非主动监测不良事件全部为1到2级，仅23起判定与疫苗相关。15起重点关注不良事件均为轻症新冠感染，无需医疗干预。更值得注意的是，第二剂接种后的不良反应明显少于第一剂（首剂14起2级事件 vs 第二剂3起），而且不良反应和剂量没有明显关联——这说明疫苗不会因为打多了就更容易出问题。
安全性没问题。但免疫原性呢？论文用了一个很诚实的词——"modest but variable"：温和，且存在个体差异。
1.2mg高剂量组在第6周检测到针对超级抗原的结合抗体显著升高（p<0.05），0.8mg组对奥密克戎BA.1、1.2mg组对德尔塔变异株的中和活性有小幅提升。但整体抗体水平偏低，且所有组别均未观察到针对SARS-CoV-1的交叉中和增强。
不过，肽芯片分析证实了一个关键发现：接种后抗体主要靶向受体结合域（RBD）的N端区域和ACE2结合区域——这些正是病毒功能核心表位。更重要的是，抗体还能识别S309广谱中和抗体结合表位，这是沙贝科病毒高度保守的区域。这意味着AI的设计思路是对路的，虽然免疫反应还"温和"，但方向正确。
免疫反应偏弱的部分原因，是这些志愿者此前都已接种过2到3剂新冠疫苗，基线免疫的"噪音"太大。试验从2021年12月横跨到2023年9月，经历了奥密克戎BA.1、BA.2、BA.5、XBB等多个变异株流行期，不同剂量组受试者的基线抗体水平差异巨大，这让精确评估新疫苗的独立免疫效果变得非常困难。用163网易深度解读的话说："基线免疫异质性干扰显著，保守表位应答初现。"
两个值得关注的亮点
亮点一：无针注射。
这款疫苗采用了PharmaJet Tropis无针皮内微流控喷射技术——用高压细流把DNA疫苗直接射入皮肤，不打针。对怕打针的人来说是好消息，在大规模接种场景下也更高效。南安普顿大学的首席研究员Saul Faust教授特别强调了这一点：无针接种不仅减少了医疗锐器废弃物，在医疗资源有限的环境中操作也更简便。
亮点二：DNA剂型的常温稳定性。
与mRNA疫苗不同，DNA疫苗热稳定性远超mRNA，无需超低温冷链，在常规冷藏甚至常温下就能长期保存。这对发展中国家尤其重要——很多偏远地区缺乏可靠的冷冻储存设施，传统疫苗运输困难，而DNA疫苗可以轻松送到。
而且，这个"超级抗原"本身具有极高的平台兼容性。DNA质粒只是I期选用的载体，未来同样可以搭载到mRNA、病毒载体或重组蛋白等递送系统中。剑桥团队也明确表示，后续可以探索与mRNA平台的序贯接种策略，弥补DNA免疫原性偏弱的短板。
AI设计疫苗，不止于新冠
DIOSynVax（全称Digitally Immune Optimised Synthetic Vaccines）是剑桥大学2017年成立的衍生企业，由Cambridge Enterprise支持。这个AI抗原设计平台的通用性很强，冠状病毒只是第一个战场。
目前团队已经在并行推进多个方向：通用季节性流感疫苗（动物实验阶段）——试图终结WHO每年换配方的被动循环；H5N1禽流感疫苗（研发中）——这种病毒感染人类后病死率超过50%，一旦获得人传人能力后果不堪设想；埃博拉及出血热病毒疫苗（研发中）——刚果民主共和国正在暴发的埃博拉疫情，现有疫苗ERVEBO仅对扎伊尔型有效，对正在流行的邦迪布吉奥型无效，而DIOSynVax的广谱设计理论上可以覆盖多个种属。
而在疫苗领域之外，AI正在更深地介入药物开发体系。2025年底，FDA首次认定了AI药物开发工具AIM-NASH，用于评估临床试验中的肝活检影像；2026年，Google DeepMind的衍生公司Isomorphic Labs融资21亿美元，专门用于AI药物设计。剑桥团队的这次试验，相当于为"AI设计药物"这条路提供了一个最早的人体安全性证据——AI算出来的分子打进人体是安全的，这个验证本身就是里程碑。
不止剑桥：全球通用疫苗赛道的其他玩家
剑桥不是唯一在追通用疫苗的团队。中国也在积极布局，而且走出了不同的技术路线。
香港大学潘烈文教授团队开发的cb1减毒活疫苗，采用密码子去优化策略——在不改变任何氨基酸的情况下，通过重新编排基因密码来大幅削弱病毒毒性。这款疫苗单次鼻内给药就能在动物模型中产生广谱免疫力，不仅能防重症，还能有效截断病毒通过气溶胶和直接接触的传播链。2026年1月发表于PNAS。潘烈文教授的解释很有意思："这款疫苗的复制能力刚好足够全面训练免疫系统，但又不至于引发疾病。"
厦门大学团队则走了另一条路——SIRC八价mRNA联合疫苗，把3种新冠变异株RBD、4种流感血凝素和RSV pre-F蛋白塞进一针，实现了"一针三防"。团队还创新性地加入了CpG佐剂，解决了多抗原联合中的"免疫竞争"难题。发表于ACS Nano。
这些路线各有侧重：剑桥AI设计超级抗原走的是"找共性"的路径，港大cb1走的是"减毒活疫苗全谱免疫"的路径，厦大SIRC走的是"多联多价"的实用路线。最终谁能跑出来，还要看后续临床数据。但有一点是共同的——传统单株疫苗的思路，确实在转向。
值得注意的是，这些路线并不冲突，未来完全可能组合使用。比如用AI设计的超级抗原作为核心，搭配港大的鼻喷递送方式增强黏膜免疫，再用厦大的多联平台整合到常规接种程序中。这种"积木式"的组合，才是通用疫苗最令人期待的地方。
清醒地看：距离"一针管所有"还有多远？
说完了好消息，也得说说现实。
首先，I期只验证了安全性，距离证明有效性还很远。疫苗历史上，I期安全通过但后续阶段失败的例子比比皆是。39个人的小样本、开放标签设计、没有对照疫苗，这些方法学局限意味着当前数据只能算"初步信号"。
其次，DNA疫苗本身的免疫原性弱于mRNA疫苗，这是平台本身的短板。163网易深度解读指出的三大核心局限非常到位：跨变异株流行期招募导致基线免疫异质性极大、样本量小且开放标签缺乏对照、DNA疫苗本身免疫原性弱于mRNA。未来的优化方向可能包括改进递送系统（如电穿孔技术）、换用mRNA载体，或探索序贯接种策略。
第三，还有一个不能回避的事实：BA.3.2变异株已经在全球23个国家检出，它的刺突蛋白与当前疫苗靶株LP.8.1之间有70到75个替换和缺失。这意味着，即便通用疫苗的设计思路正确，面对如此大幅度的抗原漂移，保护力仍需在更大规模试验中验证。
第四，即使II期约200人的试验顺利推进，距离真正面向公众使用，乐观估计也需要数年时间。
但即便如此，这次试验的意义仍然不容低估。它是人类第一次把AI从零设计的抗原打进人体，并且安全通过了。这就像1970年代末Genentech用基因工程方法制造胰岛素——他们没有发明新的治疗手段，而是发明了一种全新的制造方式。方法论的改变，往往比单一产品的突破更深远。
Jonathan Heeney有句话总结得很到位："我们摆脱了不断追赶人群中流行病毒变体、再更新疫苗试图补上的循环，就像狗追自己的尾巴一样。"
这条狗，也许终于不用再追了。
作者：老狼回头看世界 | 关注科技与健康
麻烦您在百忙之中点个关注吧!
延伸阅读
AI-designed universal coronavirus vaccine passes first human trial — ScienceDaily, 2026-06-05 New 'universal vaccine' technology could protect us from future virus outbreaks — University of Cambridge, 2026-06-05 首个AI设计"通用疫苗"通过人体试验，人类有望"拦截"下一场大疫情？ — 上观新闻, 2026-06-06 改写疫苗研发史：剑桥AI通用冠状病毒疫苗完成首次人体试验 — 网易, 2026-06-10 首个AI设计的疫苗打进了人体，它想一次搞定所有冠状病毒 — MIT科技评论中文版, 2026-06-08
