夜雨聆风那天深夜，培养皿上出现了一圈圈透明的斑，死掉的细菌，被从未在地球上存在过的病毒杀死了。
斯坦福博士生Samuel King盯着那些噬菌斑，脑子里只有一个念头：AI is here。
这段场景真实发生在2025年9月，地点是帕洛阿尔托的一间实验室。Arc Institute与斯坦福大学的研究团队用一个基因组语言模型，让AI像写作文一样，从零起草了一整段自然界中从未出现过的病毒基因组，跨过了微调已知病毒和筛选天然噬菌体的旧路。然后他们把这段“作文”化学合成出来，注入大肠杆菌。
数百个候选设计里，有十六个“活”了 它们能复制、能组装成完整的病毒颗粒、能撕开宿主细胞。其中一些AI病毒，还干掉了连天然噬菌体都打不动的耐药菌。
2026年8月6日，这项工作正式登上了《Science》。
▲ Samuel King展示核心实验结果：AI生成的噬菌体鸡尾酒能克服细菌耐药性，而天然噬菌体不能
读、写、设计，生命代码的三次飞跃
要理解这件事有多疯狂，得先看一条极简时间线。
1977年，弗雷德里克·桑格团队完成了人类历史上第一个完整DNA基因组的测序。主角就是一种叫ΦX174的小噬菌体，大约五千多个碱基、十一个基因，比你手机里一张照片的信息量还小。那一刻，人类学会了“读”生命
2003年，克雷格·文特尔团队把ΦX174的已知序列用化学方法从头合成出来，注入细胞后成功启动。人类学会了“写”生命，但写的是抄本，是自然界已有的答案。
2025年，Arc Institute团队让AI在学习了海量天然DNA的“语法”之后，起草了一段从未存在过、却仍能跑起来的生命程序。人类开始“设计”生命
同一只小小的噬菌体，读、写、设计，三次里程碑全落在它身上。Brian Hie，实验室负责人之一、Evo系列模型的关键人物，在预印本发布时写道："Welcome to the age of generative genome design."
▲ Brian Hie引用King的帖子，宣布完整噬菌体基因组的生成式设计论文正式发表于Science
五千个碱基的“地狱级考试”
有人可能会说：不就是五千个碱基吗？蛋白质AI（比如AlphaFold）都能预测几百个氨基酸的三维折叠了，一条短短的DNA序列有什么难的？
难就难在“编排”二字
蛋白质是一条链折出一个功能单元但基因组是多个基因、启动子、包装信号、调控元件的协奏曲。ΦX174更是出了名的“紧凑到变态”，它的许多基因彼此重叠，同一段DNA在不同阅读框下编码不同的蛋白质。在一个位点上改一个碱基，可能同时改变两个甚至三个蛋白质。单点突变就可能让整条生命程序当场报废。
所以这好比在一张五千格的填字游戏里，横竖两个方向同时填出有意义的句子，而且没有答案可以抄。
团队用的核心工具是Evo 2，一个在跨生命域的海量基因组序列上预训练的基因组语言模型。但光靠预训练远远不够：他们又在ΦX174所属的Microviridae病毒科的约一万四五千条基因组上做了监督微调，并用精心设计的提示词、采样参数、基因注释过滤和宿主特异性约束来引导生成。
提示太长？ 模型几乎会“背课文”，吐出来的东西太像野生型ΦX174。提示太短？ 生成的序列天马行空，根本不像噬菌体。在这两个极端之间找平衡点，本身就是一门手艺。
最终，约302个候选设计进入了湿实验管道。其中约285个完成了化学合成与组装，剩下的因为高重复区域难以拼接而失败。合成好的基因组被送入感受态大肠杆菌，如果设计成立，宿主就会开始生产噬菌体蛋白，然后，胀裂。
16个设计成功启动 命中率大约5.6%
听起来不高？但请记住：这是从零设计一个完整的、自然界中从未存在的生命体。每一个成功，都意味着AI在五千个碱基的每一个位置上，都做出了至少不算致命的选择。
“进化上的陌生人”
这十六个AI噬菌体与ΦX174的微调版相去甚远。
按Arc官方博客的数据：这些功能基因组相对最近的天然亲缘基因组，携带了67到392个新突变。与已知序列的平均核苷酸一致性约在93.0%到98.8%之间。其中一个叫Evo-Φ2147的设计，与天然噬菌体NC51只有约93%的一致性，在某些分类标准下，这已经可以被认定为一个新物种。
Evo-Φ36尤其特别
这个AI设计做了一件人类工程师试过但失败了的事：它把一种远缘噬菌体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，人类研究者之前尝试过类似的理性替换，结果噬菌体直接瘫痪。但AI不走寻常路，它在基因组的其余位置上安排了一系列补偿性突变，让这个“不可能的替换”跑了起来。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。
这条路线跳出了蛮力试错：AI在序列空间中找到了一条人类专家没有想到的路径。
还有一个叫Evo-Φ69的变体（是的，就是这个编号），在与野生型ΦX174的竞争实验中表现得格外“凶猛”，它能增殖到起始水平的约65倍，远超天然版本。
杀穿耐药菌：一场精心设计的“围剿”
让这篇论文从“酷炫的概念验证”升级为“临床想象力爆发”的关键，来自耐药性实验。
团队专门培养了三株对ΦX174产生耐药性的大肠杆菌，这些细菌通过改变表面受体，让天然噬菌体无法识别和吸附。然后他们设计了三组挑战：
第一组：单独用野生型ΦX174结果，打不动
第二组：用天然ΦX174样噬菌体的混合物。结果，同样打不动
第三组：用AI生成的噬菌体组成鸡尾酒。结果，在一到五次传代内克服了耐药性。
突破耐药的那些噬菌体，往往源于两三个AI噬菌体之间重组产生的嵌合基因组，突变集中在与受体相互作用的表面区域。
这揭示了一个深刻的逻辑：AI生成的多样性，本身就是武器。 一群彼此不同、却都还能活的序列，可以给后续的自然选择和重组提供丰富原料，如同空投一整支基因多样性极高的部队，让进化自己在战场上找到出路。
一百年的迂回，AI能否终结“捞噬菌体”的笨办法？
要理解这件事为什么让医学界兴奋，得把目光拉远一点。
噬菌体疗法其实有超过一百年的历史。早在二十世纪初，法国微生物学家菲利克斯·德埃雷尔就发现这种“细菌的天敌”可以用来治病。但二战后青霉素横空出世，西方医学界一头扎进了抗生素的黄金年代，噬菌体被丢进了故纸堆，只有格鲁吉亚等东欧国家还在默默坚持。
然后，超级细菌来了
抗生素滥用催生的多重耐药菌，正在全球范围内制造越来越多的“无药可治”困境。噬菌体疗法被重新翻出来讨论一个标志性的故事发生在2016年：流行病学家Steffanie Strathdee的丈夫Tom Patterson在埃及感染了多重耐药鲍曼不动杆菌，所有抗生素全部失效。最后，研究人员从污水、畜舍、甚至军舰舱底水中大海捞针式地寻找匹配噬菌体，配成静脉鸡尾酒注射，患者奇迹般地活了下来。
但这个故事恰恰暴露了噬菌体疗法最大的瓶颈：找到“对的”噬菌体太慢、太难、太看运气。 你需要在自然界中筛选到恰好能识别患者体内那一株特定细菌的噬菌体，而细菌随时可能再变异、再逃逸。
AI生成式设计，正好撞在了这个瓶颈上。
如果你不再需要去污水里捞，而是可以让模型直接“写出”成百上千种各不相同的噬菌体候选，然后合成、筛选、组合，这不就是把大海捞针变成了定制化生产吗？
▲ CNN报道：AI从零创造16种新病毒，带来对抗耐药菌的希望，同时引发滥用警告
潘多拉的盒子，还是普罗米修斯的火？
当然，每一次“设计生命”的突破，都会伴随同一个问题：如果这项技术被滥用呢？
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中明确划出红线：可感染真核生物（包括人类）的病原基因组，不应被作为生成目标。 CNN的报道引用了这一警告，强调“用生成式AI拼装病毒基因组的能力已经存在，安全引导它的治理体系却还没有”。
文特尔，那个2003年第一个合成ΦX174的人，也表达了担忧。在他看来，这项工作很像过去人工试错的加速版，速度本身就是风险。
Arc团队采取的技术性护栏包括：训练数据中排除了所有人类病毒；实验只使用非致病的实验室大肠杆菌株；生成过程中用模板和表面蛋白约束把探索锁定在已知安全边界附近。红队评估显示，模型对人类致病病毒蛋白的生成能力接近随机噪声。
社交平台上的普通读者还提出了另一个角度：就算噬菌体不直接感染人，如果它杀掉了人体肠道或皮肤上的有益细菌呢？ 这确实是一个值得认真对待的问题，不过实验数据显示，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范围。从实验室到人体微生态，中间还有很长的路要走。
▲ 社交平台上的科普转述：AI写出的全新噬菌体变体，部分能对付普通噬菌体无效的细菌
五千碱基之后
冷静地看：命中率5%出头、宿主只是实验室大肠杆菌、基因组只有5kb，距离临床噬菌体疗法，中间还隔着宿主范围验证、生产工艺、药政审批等一连串艰苦的工程。从5kb的噬菌体到460万碱基的细菌基因组，复杂度呈指数级攀升。
但这就像1977年桑格测完ΦX174时，没人敢想2003年人类基因组计划会完成，台阶一旦踩上去，后面的事情就开始加速了。
Arc团队在Evo 2一周年回顾中，把功能性噬菌体列为旗舰成果。模型权重与代码已经开源，下载量以十万计。全球的实验室正在把同样的技术用于农业病害、动物遗传变异评估、三维基因组结构预测，生成式基因组设计已经走进现实。
在帕洛阿尔托那个深夜，Samuel King看到培养皿上第一批噬菌斑时，也看到了十六个能杀细菌的新病毒背后的转折：人类第一次越过阅读和抄写生命源代码的阶段，开始执笔创作。
这支笔，握在AI手里