夜雨聆风凌晨三点，斯坦福博士生 Samuel King 盯着培养皿，屏住了呼吸。
铺满细菌的琼脂平板上，出现了一个又一个透明的空洞，那是噬菌斑，是病毒正在屠杀细菌的铁证。但这些病毒，地球上从未存在过它们的基因组蓝图，是人工智能一个碱基、一个碱基"写"出来的。
King 冲进实验室隔壁，把结果摊在同事面前。房间里自发响起了掌声
这样的场景发生在真实实验室里2025年9月，这项研究以预印本形式震动学界；2026年8月，它正式登上Science。BBC称之为"转折点"，《卫报》直接把"安全恐惧"写进了标题，《纽约时报》科学版罕见地同日跟进。一个无法回避的事实摆在全人类面前，
AI，已经能从零设计出可以自我复制的完整病毒基因组了。
▲ Arc Institute 官方发布《How We Built the First AI-Generated Genomes》，宣告基因组设计进入AI时代
一条"病毒流水线"：从数字到生命，只需五步
故事的主角是Evo，一系列由Arc Institute与斯坦福大学联合打造的基因组语言模型。
你可以把它理解为"基因界的ChatGPT"。ChatGPT学了人类所有的文字，然后能写文章；Evo学了海量DNA序列，然后能写基因组。只不过它的字母表只有四个字母：A、C、G、T。它的"文采"不靠辞藻，靠的是，合成出来的东西，能不能活。
研究团队选择了一个经典模板：ΦX174噬菌体。这是一种专门感染大肠杆菌的微型病毒，基因组只有大约5000多个碱基，在病毒世界里算极简主义者。但别小看它，它的基因高度重叠，多个蛋白编码在同一段DNA的不同阅读框里，改动一个碱基，可能同时搞坏两个蛋白。
这相当于让AI在一张纸的正反面同时写两篇文章，改一个字，两篇都得通顺。
整条流水线极其清晰：
第一步，在约14000条同科噬菌体序列上微调Evo模型，让它学会"像ΦX174那样写，但要写出新东西"；第二步，模型批量生成候选基因组；第三步，用计算过滤器筛掉明显不可行的，基因缺失的、长度离谱的、关键蛋白畸形的，全部淘汰；第四步，化学合成并组装幸存者，导入大肠杆菌；第五步，看谁能活
▲ 科学记者Niko McCarty在预印本发布当日即公告：Arc报告首批AI设计的可活基因组
结果？约285个完成合成的候选里，16个成功启动了完整的感染循环，进入宿主、劫持细胞机器、复制自身、组装子代、裂解细菌、释放后代。
每一步，都是真实病毒该做的事这些病毒的"出生证明"上，写着一个AI模型。
自然界从未见过的变体
如果AI只是原样抄了一遍天然噬菌体，这事最多算个工程成就。科学界的震动来自一个发现：这些噬菌体，跟自然界已知的任何病毒都不一样。
16个成功者携带的突变数量从67个到392个不等。有的与最近的天然亲戚相比，基因组相似度低到约93%，按病毒分类学的惯例，这已经足以讨论能否算作"新物种"。其中13个基因组包含了在任何已知自然序列中都找不到的突变。
Arc Institute的科学家Brian Hie对BBC说：这是生成式AI可以设计完整基因组的"新领土"。
有一个案例尤其令人拍案编号Evo-Φ36的AI噬菌体，居然把一种远缘噬菌体G4的DNA包装蛋白"移植"进了自己的基因组。人类科学家此前尝试过类似的嵌合设计，反复失败，因为蛋白长度和构象对不上号。但AI不仅做到了，冷冻电镜还揭示了原因：那段更短的外源蛋白在衣壳内采取了完全不同的朝向，而模型似乎"预判"了这一点，在周围基因里安排了一系列补偿性突变。
这组结果暗示，AI学到了某种人类尚未完全理解的基因组"语法"。
噬菌体鸡尾酒：AI多样性如何击败细菌抗性
故事到这里，已经足够惊人但研究团队还做了一件事，把想象空间直接拉到了临床。
他们让16个AI噬菌体与野生型ΦX174同台竞技，在同一群大肠杆菌中厮杀。结果，部分AI变体的丰度飙升，其中一个编号Evo-Φ69的选手，丰度暴涨到起始值的约65倍。
抗性实验还带来了新发现当大肠杆菌对野生型ΦX174产生抗性，比如改变了细胞表面受体，让病毒"认不出门"，研究者把多个AI噬菌体混合成鸡尾酒投放。结果：野生型单打独斗失败了，AI鸡尾酒却在几轮传代后成功突破了细菌防线。
突破株的基因组测序显示，它们是多个AI设计重组后的嵌合体，突变集中在与受体互作的表面区域。换句话说，AI提供的序列多样性本身，成了对抗细菌演化的弹药库。
▲ 研究团队展示的AI噬菌体设计流程：生成序列、评估设计、构建基因组并在宿主细胞中测试
这对全球公共卫生意味着什么？每年，耐药细菌感染夺走的生命以数十万计。噬菌体疗法，用病毒精准猎杀目标细菌，被视为抗生素之后的下一代武器。但最大的瓶颈一直是：找到一株刚好能杀当前临床菌株的噬菌体，太慢了。
约翰霍普金斯大学微生物学家Kimberly Davis提醒：AI或许能更快地生成候选噬菌体，但必须严格控制与充分测试，避免误伤人体内的有益菌群。
从"读"到"写"再到"设计"：ΦX174的三次革命
选择ΦX174绝非偶然这个小小的病毒，恰好串联了现代基因组学的三个里程碑：
1977年，Frederick Sanger团队完成了ΦX174的全基因组测序，那是人类第一次读完一个DNA生命的完整蓝图，Sanger因此获得诺贝尔奖。
2003年，Craig Venter团队从化学原料出发，合成并组装了ΦX174的完整基因组，导入细胞后成功启动，人类第一次证明可以"印刷"生命蓝图并让它运转。
2025年，Evo模型在进化从未采样的序列空间里，撰写出仍可启动的全新蓝图，这是"设计"。
读、写、设计同一条五千碱基的DNA，见证了半个世纪的三次跃迁。
▲ BBC报道页面，Brian Hie（左）与同事在实验室查看分子结构
潘多拉魔盒的另一面：能力来了，治理在哪？
掌声之后，恐惧如影随形
《卫报》的标题直截了当：安全恐惧约翰霍普金斯健康安全中心的Tom Inglesby与Moritz Hanke在Science配发的评论中写下了一句让人脊背发凉的话：生成式AI撰写病毒基因组的能力已经存在，而安全引导这一能力的治理框架，尚不存在。
▲ 《卫报》科学版大标题直书"安全恐惧"
社交媒体上的反应更加两极化有研究者用反讽语气写道*"还能出什么问题……"。有人说"十年前觉得有趣，现在只想烧掉实验室"*。日文社区则追问：AI能设计自然界不存在的病毒以后，该由谁来管、怎么管？
▲ 一位研究者的反讽回复："What could possibly go wrong....."
帝国理工学院合成基因组工程教授Tom Ellis给出了一个重要的冷静锚点：这是"最小、最容易"的基因组。大肠杆菌基因组比ΦX174大约三个数量级，真核生物更是天文数字。原子成本与合成复杂度仍然是巨大的壁垒。而且相比"让AI从零设计全新人间病原"这种科幻场景，对现有病原做功能获得改造，在现实威胁排序上可能更高。
伦敦国王学院的Filippa Lentzos则强调了分层治理的思路：不要只盯着模型，要同时管住模型访问、研究伦理审查、DNA合成订单筛查、以及实验室生物安全。因为任何数字序列要变成真实威胁，最终都必须穿过"把比特变成原子"的关口，DNA合成商的订单筛查，就是那道最后的物理闸门。
Evo的微调模型权重已在Hugging Face上完全公开。这是科学开放精神的体现，也是安保评论者眼中的双刃剑。
▲ 微调模型权重在Hugging Face公开发布，任何人可下载
尾声：我们站在哪里
让我们回到那个凌晨三点的培养皿
透明的噬菌斑，在某种意义上是一面镜子。一面映出医疗的希望，耐药菌感染者或许不必再绝望地等待那株恰好匹配的天然噬菌体；另一面映出治理的空白，当AI能在序列空间里自由"创作"，人类的监管体系还停留在上一个时代。
ΦX174只有五千多个碱基未来的模型、数据与合成技术，可能继续扩大完整基因组设计的尺度。
Asimov Press的科学记者Niko McCarty写道：从ΦX174到人类基因组的30亿碱基，曾经看起来是不可能跨越的鸿沟，但测序技术不到一代人就走完了。今天从噬菌体到更大基因组的设计跨度，也可能被数据、算力与合成技术压缩，风险治理必须跟上技术脚步。
这不再是"AI会不会取代程序员"的茶余谈资。这是生命本身的源代码，正在被一种全新的智能重新书写。
而我们所有人，都需要决定：这支笔，该交给谁来握。