夜雨聆风培养皿上出现了透明的死亡斑块
那是一个深夜，帕洛阿尔托的实验室里，几个研究员盯着琼脂平板上一圈圈清晰的噬菌斑，每一个透明圆环，都意味着一片细菌的集体死亡。杀死它们的凶手，是一段由人工智能从零起草、从未在地球上存在过的基因组。
斯坦福大学生物工程博士生 Samuel King 后来在社交媒体上写道：这是人类历史上第一批功能性的AI生成基因组。他的导师、Arc Institute 的 Brian Hie 则用了一个更有重量的句子，"Welcome to the age of generative genome design."
欢迎来到生成式基因组设计的时代
▲ Nature 官方账号概括称：科学家首次用AI设计出能猎杀大肠杆菌的病毒。
AI自己“写”了一整本书
先看他们到底做了什么
过去的基因工程常以编辑为主：拿一段已知的DNA序列，改几个碱基，换一个基因，看看效果。Arc Institute这次让AI从一张白纸开始，起草整段基因组。
具体怎么做的？团队用了自家开发的基因组语言模型Evo 2，一个把DNA当作"语言"来学习的大模型。先在约两百万条噬菌体基因组上预训练，让模型学会碱基序列的"语法"和"句法"；再在ΦX174所属的Microviridae科约一万五千条基因组上微调，让它更精确地理解"怎样的序列组合能构成一个可以运转的病毒"。
然后，让它写
模型吐出了数百个候选基因组团队用长度、基因数量、关键蛋白相似性等条件层层过筛，最终把约302个设计交给合成，其中约285个完成组装。化学合成DNA，组装完整基因组，注入大肠杆菌，如果设计成立，细菌会被劫持、复制病毒、然后胀裂而死。
结果：16个设计真的活了
▲ 科学记者 Niko McCarty 在Asimov Press发表深度解读，第一时间报道这一突破。
16/302，命中率大约5%这些完整基因组由AI生成，在自然界中从未出现过，合成出来就能复制、组装成病毒颗粒、裂解宿主细胞。电子显微镜下，那些模糊的小圆点，真真切切的病毒颗粒，让 Brian Hie 在接受《麻省理工科技评论》采访时直言："那一刻极为震撼。"
MIT Technology Review 的记者记录下了那个具体的夜晚：培养皿上浮现死亡细菌形成的透明噬菌斑，那是一个"AI is here"的时刻。
一只五千碱基的小病毒，为什么被反复选中改写历史？
这里需要插一段科普
ΦX174，一种专门感染大肠杆菌的微型病毒，只有大约五千多个碱基、十一个基因，许多基因还彼此重叠，像俄罗斯套娃一样嵌套在同一段DNA上。它很小，但它反复站在生物学里程碑的起点：
- 1977年
，弗雷德里克·桑格团队完成了它的测序，人类读懂的第一个完整DNA基因组； - 2003年
，克雷格·文特尔团队从头化学合成了它的全部DNA并让它"启动"，第一个人工合成并复活的基因组； - 2025年
，Arc团队用AI生成了它的全新变体，第一个由AI设计并在实验室验证的功能基因组。
读、写、设计三种能力，在同一只小病毒身上依次落地。
选它也有现实考量：五千碱基的合成成本尚可承受，但重叠基因与调控元件又足够复杂，改一个碱基，可能同时影响两个蛋白质的编码。这是一场多重约束下的高维优化，AI面对的是一整张纠缠在一起的约束网络。
最"疯狂"的那个设计：人类工程师做砸的事，AI做成了
在16个成功案例中，有一个叫 Evo-Φ36 的设计尤其令人瞠目。
它干了什么？模型把一种远缘噬菌体G4的DNA包装蛋白J，嵌进了ΦX174的整体架构里。G4的J蛋白比ΦX174的更短，而过去，人类研究者多次尝试过这种蛋白互换，几乎每次都让噬菌体直接瘫痪。
AI在替换这个零件的同时，还在基因组的其余部分安排了一系列补偿性突变，让整个系统重新自洽。冷冻电镜揭示：那个更短的J蛋白在衣壳中采取了完全不同的取向，一种自然界中未曾出现、人类未曾设计成功的构型。
*人类试过，失败了AI试了，成功了*而且它并非靠运气，它学会了在序列空间中找到那些人类直觉无法抵达的补偿路径。
还有更"凶"的在竞争实验中，一个名为 Evo-Φ69 的AI噬菌体在混合培养中的增殖效率达到起始水平的约65倍，比野生型ΦX174更能打。
▲ MIT Technology Review要点转述：约两百万噬菌体基因组训练，302个设计中16个工作，培养皿上的"AI来了"时刻。
更令医学界兴奋的：AI鸡尾酒打赢了耐药菌
"能活"只是起点，耐药实验又把它推向了 Science 的论文与同期讨论。
团队人为进化出三株对ΦX174产生耐药的大肠杆菌。然后分三组挑战：单独的天然ΦX174、天然噬菌体混合物、以及AI生成噬菌体组成的鸡尾酒。
结果一目了然：天然ΦX174打不动，天然混合物打不动，AI鸡尾酒在一到五次传代内突破了耐药。
▲ Samuel King 展示对照实验：AI生成噬菌体鸡尾酒可克服耐药，天然对照组不能。
成功的突破株往往是两三个AI设计之间重组产生的嵌合基因组，突变集中在与细菌受体相互作用的表面区域。AI提供了一群彼此不同但都能活的序列原料，让自然选择在其中快速筛选出能绕过耐药屏障的组合。
这恰好撞在了噬菌体疗法一百年来最大的瓶颈上，找不到合适的噬菌体。
一百年的弯路：噬菌体疗法为什么一直"差一步"？
噬菌体疗法的历史比抗生素还长早在1920年代，法国微生物学家菲利克斯·德埃雷尔就用噬菌体治疗细菌感染。但早期制剂粗糙、纯化困难，有些制剂甚至混入了能灭活噬菌体的防腐剂。二战后青霉素横空出世，西方迅速抛弃噬菌体；只有格鲁吉亚等东欧国家延续了这一传统。
直到超级细菌杀回来
一个标志性故事：2015年，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，所有抗生素无效。紧急状态下，研究者从污水、畜舍、甚至军舰舱底水中大海捞针般寻找匹配噬菌体，最终配成静脉鸡尾酒。患者奇迹般康复，夫妇写下了 The Perfect Predator。
但这个过程太慢了，为一个病人定制噬菌体，可能需要数周甚至数月。细菌不会等
AI生成的多样性，直指这个命门：不再从污水里碰运气，而是让模型批量生成候选，再用鸡尾酒策略覆盖耐药可能。 当然，从实验室培养皿到医院病床，中间还隔着漫长的药政审批与临床试验。但方向已经被打开了
"对人类无风险"？事情没那么简单
论文发表后，社交媒体上的担忧集中在一个朴素问题：
你杀的真的全是"坏"细菌吗？
▲ 网友回复：并非所有细菌有害，有益菌至关重要。
这个担忧有道理人体肠道、皮肤上生活着万亿级的共生细菌，它们参与消化、免疫、甚至情绪调节。噬菌体虽然靶点极窄，这批AI设计只针对实验用的大肠杆菌C株，但进入复杂人体微生态后是否会"误伤"，仍须开展宿主范围研究。实验室结果无法直接代表人体内的效果。
而更深层的忧虑来自双用途风险Evo 2 的训练代码和权重是开源的，下载量以十万计。约翰霍普金斯大学健康安全中心在 Science 同期评论中划出了一条明确红线：可感染真核生物的病原基因组，不应作为生成目标。 Arc团队在训练数据中排除了人类病毒，红队测试也显示模型对人类致病病毒蛋白的生成"接近随机噪声"。批评者仍认为，研究伦理只是起点，全球治理尚有空白。
▲ 二次转述帖声称"只针对细菌，对人类无风险"，实际风险仍需更多研究评估。
写在最后：第一个字母已经落笔
让我们拉远景看这件事
1977年，桑格测序ΦX174时，五千个碱基已是技术的极限。2003年，文特尔合成它时，花掉了整个团队数年光阴。2025年，AI在一个深夜里批量"写"出了数百个变体，其中十六个自己就能活。
从读懂第一个基因组，到AI起草基因组，人类用了不到五十年。
当然，五千碱基的噬菌体与四百万碱基的大肠杆菌之间，还隔着三个数量级的复杂度悬崖。合成生物学先驱 Jef Boeke 直言：从噬菌体到细胞，难度会陡升到令人却步的程度。但谁又能在桑格读出第一个基因组的那天，预见今天呢？
文特尔本人倒是泼了一盆冷水：在他看来，这不过是"一个更快版本的试错实验"，人类过去也在做类似的事，只是慢得多。
但速度本身，不就是这个时代最危险、也最迷人的东西吗？
生命的源代码，已经不再只属于自然第一个字母落笔了后面的故事会走向治愈还是失控，答案掌握在我们手里。