夜雨聆风培养皿里，一片片透明的噬菌斑正在蔓延，那是细菌死去的痕迹。
制造这些噬菌斑的，是一个AI从零开始、逐个碱基“写”出来的、地球上从未存在过的全新生命体。
2026年8月6日，Science正式刊发了这篇论文。斯坦福大学博士生Samuel King发帖宣布：“我们报告了首批功能性AI生成基因组。”他的导师Brian Hie转发时补充：正式版含有预印本阶段没有的全新实验数据。
▲ Samuel King在论文发表当日的推文，宣布人类历史上第一批功能性AI生成基因组
AI跨过了替换几个碱基、调整启动子的修补阶段。它学完两百万条病毒的DNA“语法”后，起草了一整段从未存在过的遗传程序，然后这段程序真的跑了起来。
302个候选，16个“活”了
故事要从一个名字说起：ΦX174
这只小得不能再小的噬菌体，只感染细菌、不碰人类细胞的病毒，在分子生物学史上反复充当“第一次”的载体。1977年，桑格团队用它完成了人类历史上第一个完整DNA基因组测序；2003年，文特尔团队把它做成了第一个化学合成并成功启动的全基因组。
现在轮到第三个“第一次”
Arc Institute与斯坦福的团队把基因组语言模型Evo 2拉上了牌桌。这个模型在海量跨物种DNA序列上预训练，再对ΦX174所属的Microviridae科约一万四千到一万五千条基因组做了微调。然后，他们对模型说：请生成一段ΦX174样的噬菌体基因组。
模型吐出了数百条序列团队筛掉长度不对的、基因注释不全的、宿主匹配度差的，最终把大约302个候选送进了湿实验室，化学合成DNA、组装、注入感受态大肠杆菌。
结果：16个设计成功复制、组装成病毒颗粒、裂解了宿主细胞。
用Brian Hie接受MIT Technology Review采访时的话说：那天夜里，当他们在培养皿上看到AI生成的病毒杀出的透明噬菌斑时，实验室里弥漫着一种“AI is here”的气氛。随后他们拍下了电子显微镜下的病毒颗粒，模糊的小点，却是人类文明从未见过的生命形态。
“能活”之后，它还干了人类工程师干不成的事
16个听起来不多？别急，精彩的在细节里
这些AI生成的基因组，相对最近的天然亲缘序列携带了67到392个全新突变。其中Evo-Φ2147与已知噬菌体NC51的核苷酸一致性仅约93%，在某些分类标准下，它已经可以被视为一个全新物种。更有13个基因组中包含的突变，是在整个已知天然序列数据库中都找不到的。
但最戏剧性的故事属于Evo-Φ36。
这个AI设计把一个来自远缘噬菌体G4的DNA包装蛋白J“移植”进了ΦX174的整体架构。G4的J蛋白更短，人类科学家此前尝试过同样的替换，每次都让噬菌体直接瘫痪。而AI呢？它不仅换了J蛋白，还在基因组的其他位置悄悄安排了一系列补偿性突变，冷冻电镜显示，更短的J蛋白在病毒衣壳中采取了一种全新的取向。
人类做砸的手术，AI做成了
还有一个叫Evo-Φ69的变体，在与野生型ΦX174的竞争培养中，数量暴涨至起始水平的约65倍。换句话说，AI写的病毒，比大自然花了几十亿年进化出来的版本，更凶。
▲ MIT Technology Review报道要点：约200万噬菌体基因组训练，302设计中16个成功，培养皿上的“AI已至”时刻
耐药菌杀不死？AI鸡尾酒上场
如果故事到这里就结束了，它充其量是一篇漂亮的概念验证。但团队多走了一步，而这一步，才是让整个医学界竖起耳朵的原因。
他们培育了三株对ΦX174耐药的大肠杆菌，这些细菌改变了表面受体，让野生型噬菌体完全失效。然后他们做了一个直击灵魂的对照实验：
单独用野生型ΦX174攻击？失败。 用天然来源的噬菌体混合物攻击？失败。 用AI生成的噬菌体组成“鸡尾酒”攻击？一到五次传代内，耐药被突破。
▲ Samuel King展示的耐药对照实验：AI生成的噬菌体鸡尾酒成功克服了天然噬菌体无法突破的耐药性
秘密在于多样性AI生成的噬菌体彼此序列差异足够大，当细菌改变受体来躲避其中一种时，另外两三种仍然能抓住它。实验中，突破耐药的主力往往来自多个设计之间的重组，由此产生嵌合基因组，突变集中在与受体相互作用的表面区域。
生成式多样性可以先铺开一群彼此不同、却都还能活的序列，为后续的适应性进化备好原料库。
一百年的旧药方，终于等到了AI
为什么这件事如此重要？因为抗生素正在失效
全球公共卫生机构反复警告：耐药感染的死亡率和医疗成本正在快速攀升。而噬菌体，这种专门猎杀细菌的病毒，其实早在一百年前就被人类发现并用于治疗。但青霉素横空出世后，西方几乎全面转向抗生素，噬菌体疗法只在东欧和格鲁吉亚等地顽强存活。
直到2015年的一个故事把它拉回了聚光灯下：流行病学家Steffanie Strathdee的丈夫在埃及感染了多重耐药鲍曼不动杆菌，所有抗生素都无效。在紧急同情用药路径下，多个团队从污水、畜舍、甚至军舰舱底水中大海捞针般寻找匹配的噬菌体，最终静脉鸡尾酒治疗成功。
这就是噬菌体疗法最大的痛点：“找噬菌体太慢、太看运气”。 每个病人身上的耐药菌株不同，每一株需要的噬菌体也不同。从环境样本中筛选、匹配、纯化、测试，这个过程可能需要数周乃至数月，而病人往往等不起。
AI生成式设计，正精准撞在了这个瓶颈上。
不再从污水里碰运气，而是让模型批量生成候选、合成、筛选，速度提升的想象空间是巨大的。
“还能出什么问题呢？”
欢呼声外，担忧也随之而来
▲ 退休教授Rune Linding的五个字回复，道出了一部分科学界的忧虑
▲ 普通网友的直觉担忧：人体依赖大量有益菌，噬菌体如果“杀错对象”怎么办？
约翰霍普金斯大学健康安全中心在Science同期发表的评论文章措辞严厉：用生成式AI拼装病毒基因组的能力已经存在，但安全引导它的治理体系却还没有。 他们明确划出红线，不应推进可感染真核生物的病原基因组生成。
社交媒体上，普通读者的担忧则更加直觉：噬菌体杀细菌，但人体也离不开有益菌。人体肠道、皮肤上共生着数万亿有益微生物，如果AI设计的噬菌体进入人体后“误伤”了它们呢？
团队的数据显示：这批ΦX174样设计对测试过的非目标大肠杆菌株保持了狭窄的宿主嗜性。至于“进入复杂人体微生态后是否安全”，仍需要另一套专门研究来回答。
5000个碱基与50亿年
让我们把镜头拉远一点
ΦX174的基因组只有大约5000个碱基，11个基因，很多还彼此重叠。而一个大肠杆菌的基因组大约是它的一千倍，人类基因组则是六十万倍。16/302的命中率放在5kb尺度上已经是突破，放到更大的基因组上，复杂度会呈指数级爆炸。
合成生物学先驱Jef Boeke在MIT Technology Review的评论一针见血：从噬菌体到细胞，复杂度会陡升到令人却步的程度。而文特尔则以过来人的冷静打了一个比方，这很像过去人工试错的加速版，“我们团队也曾靠文献和反复测试'手动AI'地拼过基因组”。
速度本身，正是今天人们看重AI生物学的理由，也是人们恐惧它的理由。
1977年：人类读懂了ΦX1742003年：人类抄写了它2025年：AI创作了它的同类
从“读”到“写”到“设计”，三种能力在同一只五千碱基的小病毒身上依次落地。这条弧线的终点在哪里，没有人知道但有一件事已经确定：生命的源代码，不再只有大自然能写了。