夜雨聆风凌晨，斯坦福大学博士生Samuel King看见培养皿上慢慢浮现出透明斑点。
那些斑点，叫噬斑，意味着细菌正在被病毒一个个胀破、裂解、杀死。但杀死它们的病毒，自然界从未存在过。它的整段基因组，是一个AI模型在GPU上一个碱基、一个碱基"敲"出来的。
机器从A、T、C、G四种碱基开始生成，过程中未由人类逐段修补。它写出了一整套能自我复制的病毒蓝图，然后这张蓝图，在培养皿里真的启动了。
BBC报道说，当结果被分享给更大的团队时，房间里自发响起了掌声。
▲ Arc Institute官方发文：《我们如何构建了首批AI生成的基因组》
302次掷骰子，16次命中"生命"
故事的主角是两个AI模型，Evo 1和Evo 2，由斯坦福大学Brian Hie实验室与非营利机构Arc研究所联合打造。你可以把它们粗暴地理解为"生物版ChatGPT"：ChatGPT学的是人类语言的统计规律，Evo学的是DNA序列的语法，哪些碱基排列"读起来"像一个真实的基因组，哪些组合注定是一堆废码。
Evo 2的训练语料有多大？约9.3万亿个核苷酸，覆盖超过12.8万种生物的基因组数据。它学完之后，研究者给它一小段"种子序列"作为开头提示，就像你给ChatGPT写一句"请帮我续写"，然后模型自己往下生成，直到写完一整个病毒基因组。
生成了数千个候选序列团队从中筛出约302个，花真金白银去做化学合成，把电脑里的字符串变成真实的DNA分子。其中约285个成功组装，被送进大肠杆菌细胞。
结果：16个设计，活了
它们不仅感染了细菌，还在细菌体内完成了复制，产生了有传染性的后代病毒颗粒。有几株AI噬菌体的感染力，甚至超过了它们的天然"老师"，一种叫ΦX174的经典噬菌体。
▲ 科学记者Niko McCarty第一时间报道：部分AI噬菌体的感染效率不输甚至优于野生型
为什么偏偏选ΦX174？因为它是"生命测序史"的刻度尺
这个名字你可能陌生，但在分子生物学的编年史里，ΦX174就是"Hello World"。
1977年，弗雷德里克·桑格团队把它测成了人类历史上第一个完整的DNA基因组；2003年，克雷格·文特尔团队把它变成了第一个被从头化学合成并"启动"的基因组。现在，2025年，Arc团队用它完成了第三个"第一次"，第一个由AI设计并经实验验证的完整基因组。
读取DNA → 书写DNA → 设计DNA
同一把尺子，量出了半个世纪的三次跳跃。
但别以为ΦX174好欺负它的基因组只有约5386个碱基、大约11个基因，看起来很短，但这些基因大量重叠：同一段DNA可能同时编码两个蛋白质，改动一个碱基可能同时搞崩两条生产线。这种精密到令人窒息的"压缩包"结构，恰恰成了最好的考试：AI是真的学会了基因组层面的设计逻辑，还是只会随机拼凑？
答案写在那16个透明噬斑里
▲ 科技资讯账号SciTech Era的长帖，分条梳理了整个研究的核心数字
不止"能活"，还能干出人类想不到的事
如果仅仅是"复刻"野生病毒，这项工作的意义会大打折扣。研究者尤其关注AI交出的那些人类设计师想不到、也不敢试的方案。
以编号Evo-Φ36为例它把一个关键的DNA包装蛋白（J蛋白）替换成了来自远缘噬菌体G4的更短版本，此前人类研究者尝试过同样的操作，结果是功能直接崩溃。但AI版本通过在基因组其他位置引入一系列补偿性突变，让这个本不该工作的嵌合体活了下来，并且电镜结构证实了它的颗粒完整性。
这像什么？像一个棋手走出了一步"明显的坏棋"，但在后续二十步里把劣势全部扳回，只有深度计算过全局的人才走得出来。
更刺激的数据来自竞争实验把多种AI噬菌体和野生型ΦX174放在同一锅里和细菌"赛跑"，编号Evo-Φ69的变体在混合培养中展现出约65倍的相对增殖优势。而当研究者人为演化出对ΦX174耐药的大肠杆菌株时，单独使用野生型噬菌体束手无策，但AI噬菌体鸡尾酒在1到5代之内就突破了耐药防线。
测序显示，成功突破耐药的毒株往往呈现多个AI设计之间的重组镶嵌，突变集中在与细菌受体相互作用的表面区域。这套结果体现出对全局约束的把握
"下一步是AI生成的生命"
Brian Hie对媒体说出这句话时，语气平静，但冲击波已经在互联网上炸开。
▲ 科技大V Mario Nawfal的帖子标题直接写成："里程碑……还是警告？"
先澄清一个边界：病毒在生物学上通常不被定义为"生命"，它们没有独立代谢能力，离了宿主细胞就是一团化学物质。从5000碱基的噬菌体到460万碱基的大肠杆菌基因组，复杂度相差近一千倍；人类基因组则是30亿碱基对合成成本随长度指数上升，整个细菌基因组的重新设计曾耗时数年、花费上百万美元。
但趋势不会停Evo 2的参数量和训练数据仍在扩展，DNA合成的单价在持续下降，自动化实验室在各地落地。帝国理工学院的Tom Ellis对《卫报》的评价很精准：这是"最小、最容易"的一类基因组，但它证明了原理可行。
而原理一旦得到验证，往往就会开启一条新的技术路线。
掌声之后，恐惧的声音同样真实
▲ 《纽约时报》将报道框定为"医疗希望与危险可能性"的双重视角
《卫报》的标题格外醒目，"安全担忧：科学家制造出首批由AI设计的病毒"。约翰霍普金斯健康安全中心的Tom Inglesby在Science配发评论中写道：生成式病毒基因组设计已经存在，而安全引导它的治理尚不存在。
▲ 一位网友对纽约时报报道的回复："为什么感觉这将来会用来杀我"，获得大量点赞
研究团队强调了自己设置的安全边界：训练数据刻意排除了感染人类、动物和植物的病毒；实验宿主是无害的实验室大肠杆菌株；所有操作在专用生物安全柜内完成Hie的立场是：开源模型能加速防御能力建设，而从零用AI设计全新人类病毒，目前仍比直接获取和改造已有自然病原体更难。
但批评者的担忧同样有力伦敦国王学院的Filippa Lentzos主张分层治理：不能只盯AI模型本身，要同时看住DNA合成订单筛查，这是目前实务上最硬的闸门。因为即使AI一秒生成百万条序列，你仍然需要找一家合成公司把字符串变成真实的DNA分子，而这个环节是可以被监管的。
HIV基因组约1万碱基，冠状病毒约3万碱基，与噬菌体处在同一"可合成"的尺度范围。这个事实让人无法完全放松
▲ 一位日本用户的评论切中要害：如果能设计自然界不存在的病毒，AI的角色已超出辅助工具，管理问题才是今后的主题
旧药方的新弹药
回到光明的一面全球每年约有127万人直接死于抗生素耐药菌感染（2019年《柳叶刀》数据），数字还在攀升。噬菌体疗法，用"细菌的天敌"代替抗生素，是一张被讨论了一个世纪的老牌处方，但长期卡在"从环境中碰运气找毒株"的低效模式里。
AI改变的，是弹药的供给侧以前你需要去污水处理厂、医院排水沟里大海捞针地分离天然噬菌体；现在理论上可以在序列空间里批量采样，定向生成针对特定病原菌的候选库。Hie特别强调"多毒株鸡尾酒"的逻辑：单一噬菌体被细菌进化绕过就"game over"，但遗传上彼此不同的混合物让细菌无处可逃，这次实验已经初步验证了这条路。
潜在靶标名单上，团队提到了铜绿假单胞菌、MRSA（耐甲氧西林金黄色葡萄球菌）、结核相关病原，乃至植物病害细菌。当然，从培养皿到临床处方之间还横亘着药政审批、制造一致性、人体免疫反应等一长串关卡。但方向已经点亮
写在"数字代码"与"生命代码"的边界消融时
2020年代上半叶，AlphaFold证明AI能搞定蛋白质折叠；紧接着，生成式蛋白设计造出了自然界没有的新酶、新结合剂。但那些都是单分子的胜利
这一次，AI跨过了一个全新的门槛：它写出了一整台机器的图纸，11个基因必须在时间和空间上精密配合，调控序列、包装信号、宿主识别位点缺一不可。而这台机器，在现实世界里真的转动了起来。
合成生物学家Marc Güell对BBC的评价或许最准确："这是一个非常重要的转折点。我们历史上第一次开始在计算机上设计生物学。"
这句话值得读两遍第一遍感受兴奋，第二遍感受敬畏
从此以后，生命的源代码不再只属于自然选择。
人类手里多了一支笔，问题是，我们准备好写什么了吗？