夜雨聆风凌晨的实验室里，博士生Samuel King盯着培养皿上逐渐出现的透明小圆斑。
琼脂表面那层浑浊的细菌草坪上，正一个接一个地冒出透明的小圆斑，蚀斑。每一个蚀斑，都意味着一种从未在自然界存在过的病毒，刚刚杀穿了它面前的细菌，完成了感染、复制、组装、裂解的完整生命循环。
这种病毒的全部遗传密码来自AI模型生成的序列，而非河流、土壤或下水道中的天然样本。
当结果被分享到更大的团队时，房间里自发响起了掌声。
▲ 实验室负责人Brian Hie在X上确认论文正式发表于Science，并指向团队的详细说明线程
从5386个字母开始的"造物"实验
故事的主角，是一种叫ΦX174的噬菌体，专门感染细菌的病毒。
如果你学过分子生物学，这个名字一定不陌生。1977年，Fred Sanger用它完成了人类历史上第一次完整的DNA基因组测序；2003年，Craig Venter的团队又用它完成了第一次从化学原料合成完整基因组并"启动"。可以说，人类每次在"读写生命"这件事上迈出里程碑式的一步，ΦX174都在场。
现在，第三次来了这一次，AI接过了设计基因组的笔
斯坦福大学与非营利研究机构Arc Institute的团队，使用自研的基因组语言模型Evo 1和Evo 2，从零开始生成了一批以ΦX174为设计模板的完整病毒基因组。这些序列经过层层计算筛选后，被化学合成、组装成真实的DNA分子，导入大肠杆菌中接受终极检验，
能不能活？
约285个成功合成并进入测试的设计中，16个真的活了。
它们不仅完成了自我复制，还组装出了完整的病毒颗粒，裂解宿主细菌，释放出具有感染能力的后代。电子显微镜下，研究者亲眼看到了AI写出来的球形病毒颗粒。导师Brian Hie后来对MIT Technology Review回忆说，看到那个画面的冲击感难以言表，"this AI-generated sphere"。
▲ 第一作者Samuel King在论文正式发表当天发布的流程概览：从生成序列→评估设计→构建基因组→在宿主中测试
5300个碱基，每一个都不能乱写
这件事为什么难？
ΦX174的基因组只有大约5386个碱基，编码约11个基因。看起来很短，但它有一个让所有设计者头疼的特性：基因重叠。
什么意思？就是同一段DNA，要同时被不止一个基因使用，被不同的阅读框架解码成不同的蛋白质。你改了一个字母，可能同时影响两个甚至三个蛋白的结构和功能。可以把它想象成在同一张纸上同时写两封信，改一个字两封信都得通顺。
随机突变对ΦX174来说几乎是致命的。King在线程中特别提到了这一点，如果你只是胡乱往基因组里塞突变，存活率低得可怜。模型设计的存活率，远高于随机乱写的基线。
而那16个成功的AI噬菌体，相对于自然界中最接近的同源序列，携带了大约67到392个全新突变。其中不少突变，在已知的所有自然序列中都找不到。
最极端的一个设计，代号Evo-Φ2147，与最近亲缘的天然噬菌体核苷酸一致性只有约93.0%，携带392个突变。按照噬菌体分类学的某些阈值，它已经接近一个全新物种。
▲ Arc Institute官方博文详细记述了从基因到基因组的设计挑战，以及Evo系列模型的演进路径
AI做了一件人类工程师认为"不可能"的事
16个功能噬菌体中，最让结构生物学家兴奋的是Evo-Φ36。
它干了一件大胆到离谱的事：把ΦX174用来包装基因组的J蛋白，换成了一种来自远缘噬菌体G4的更短版本。此前，人类理性工程多次尝试过这类替换，结论几乎一致，会致命。
但Evo模型给出了另一套设计它在替换J蛋白的同时，在基因组的其他位置做了一系列补偿性改动，让整个系统重新协调起来。冷冻电镜显示，短版J蛋白在病毒衣壳内部的朝向与野生型完全不同，呈现出一种全新的结构解法。
相关的高分辨率结构数据已经提交PDB（蛋白质数据库），供全球研究者验证。
这个案例显示了AI基因组设计的潜力：模型能在复杂的全基因组约束中，找到可以运转的新方案。
比野生病毒更强？噬菌体"鸡尾酒"的惊人表现
适应性实验的结果带来了新的惊喜
研究团队让大肠杆菌逐步进化出对野生ΦX174的耐药性，涉及细菌表面受体相关基因的突变。然后，分别用三种方案去挑战这些耐药菌：
- 单独的野生ΦX174
- 天然类ΦX174组合
- AI生成噬菌体"鸡尾酒"
结果：只有AI噬菌体鸡尾酒，能在有限传代内克服全部三株耐药菌。
成功逃逸的噬菌体株常常呈现出多个AI设计之间重组的镶嵌基因组，并通过交换遗传材料，自行演化出新的攻击策略。突变富集的位置，恰恰在与细菌受体相互作用的表面区域。
AI创造的多样性本身，成了对抗细菌进化的原料。
这对噬菌体疗法意味着什么？以前，要找一种能对付特定耐药菌的噬菌体，得去下水道、污水厂、土壤里"碰运气"采样。现在的可能性是：在计算机上批量设计，直接合成，组合成鸡尾酒投入战斗。
▲ 科学记者Niko McCarty报道：16个AI设计噬菌体部分携带大量突变，却仍可感染甚至比野生型更强
"这不再是辅助工具的问题了"
论文于2026年8月6日前后正式发表于Science。BBC以"AI设计全新病毒"为题报道，MIT Technology Review的标题更直接，AI-designed viruses are here and already killing bacteria。
学术圈反应热烈基因组学学者Anshul Kundaje祝贺"重大里程碑"。西班牙庞培法布拉大学合成生物学教授Marc Güell称之为"非常重要的转折点"，人类开始在计算机上设计生物学。曼彻斯特大学的Patrick Cai则把视角拉得更远：语言模型正在学习进化用了几十亿年才写入DNA的设计原则。
但争议同样尖锐
蛋白/计算结构领域的Sergey Ovchinnikov直接抛出方法学质疑：93%的序列一致性真的需要Evo 2吗？如果对高相似序列做简单的比对采样，285条里能成功多少？他的质疑指向模型能力的边界：这究竟是语言模型的泛化能力，还是在家族内近邻空间的高效插值？
Science配发的安全评论中，约翰霍普金斯大学健康安全中心的Thomas Inglesby和Moritz Hanke把焦点放在安全使用上：生成式病毒基因组设计已经出现，下一步必须防止它造成严重伤害。他们明确主张，有致病潜力的新病毒方向不应被追求。
▲ 一条日文评论精准捕捉了公众情绪的转折点："如果能设计自然界不存在的病毒，AI就不再只是辅助工具的话题了。谁来管、怎么管，才是今后的核心议题。"
潘多拉的培养皿
让我们冷静地看清楚几个事实，
第一，这次的对象是噬菌体，只感染细菌，不感染人类。实验宿主是非致病实验室大肠杆菌团队强调，训练数据中排除了感染人类等复杂生物的病毒序列。
第二，ΦX174只有约5400个碱基。而最小的自由生活细胞基因组大了两个数量级。从"写出一首五言绝句"到"写出一部长篇小说"，中间隔着的不止是字数。
第三，也是最让人不安的一点：Evo 2的模型权重和代码是开源的。DNA合成服务的门槛在持续降低人类相关病毒的基因组长度，与噬菌体在同一个量级。
当"模型开源 + 合成外包 + 实验能力扩散"三条线汇聚到一起，"这次只做了噬菌体"这句话的安慰效力，正在以肉眼可见的速度衰减。
伦敦国王学院科学与国际安全研究者Filippa Lentzos等指出，现有高风险生命科学研究政策，未必能完整覆盖"在计算机上设计新病毒DNA"这一全新场景。治理需要同时盯住三个环节：模型获取、合成前序列筛查、实验室管控。缺任何一环，都是漏洞
▲ MIT Technology Review的封面设计意味深长：一只手握着手机，屏幕上是DNA序列与"Can you design life?"的提示框
站在"读、写、设计"的第三个路口
回望ΦX174的历史，你会发现一条惊人清晰的发展线，
1977年，人类学会了"读"基因组2003年，人类学会了"写"基因组2026年，AI开始学会"设计"基因组。
Brian Hie对BBC说，朝向更复杂的细胞级别系统，"工作量很大，但并非不可能"。他的团队有兴趣继续推进
我们正站在一个分岔口上一边是用AI批量设计噬菌体对抗超级细菌的光明前景，另一边是生成式生物武器的暗黑想象。两条路之间仍缺少足够的治理规则、社会共识与安全护栏。
16个透明的蚀斑，已经出现在培养皿上。
它们不会等我们准备好