夜雨聆风凌晨三点，培养皿上冒出了透明的斑点。
那些斑点意味着细菌正在死去，被一种从未在地球上存在过的病毒杀死。它来自AI模型：一个字母一个字母，由A、C、G、T四个碱基“写”成。
斯坦福大学博士生Samuel King盯着那些蚀斑，用了一个词：extremely exciting。当他把结果分享给更大的团队时，房间里自发响起了掌声。
听起来像科幻预告片的场景，已经走进实验室。2026年8月6日，这项工作正式登上Science，人类历史上，第一批由生成式AI设计、在实验室里“活”过来的完整基因组由此诞生。
▲ 2025年9月，Samuel King首次公开预印本成果，宣布验证了首批功能性AI生成基因组
285个候选，16个“活”了：一场前所未有的生命设计实验
故事的主角是噬菌体，一类专门猎杀细菌的病毒。它们不感染人，只感染细菌，像精确制导导弹一样锁定宿主，钻进去，劫持细胞工厂复制自己，最后把细菌从内部胀破，释放出一群子代继续猎杀。
斯坦福与非营利研究机构Arc Institute的团队，选了一个分子生物学的“老熟人”作为设计模板：ΦX174。这个名字你可能没听过，但它串联了基因组学最重要的三个“第一次”，1977年，它是人类第一个完整测序的DNA基因组；2003年，它是人类第一个化学合成并启动的基因组；现在，它成了AI第一个从零设计出可存活变体的基因组。
人类先学会“读”基因组，再学会“写”基因组，如今试图用AI“设计”基因组。
▲ Arc Institute官方博文详述了从基因到基因组的设计跨越
团队使用的工具叫Evo，可以理解为生物学领域的GPT。只不过，ChatGPT吃进去的是人类语言，吐出来的是文章；Evo吃进去的是DNA碱基序列（A/C/G/T），吐出来的是“看起来像能工作的生物代码”。Evo 1专攻原核生物和噬菌体，Evo 2则把训练数据扩展到了整个生命域，约9.3万亿个碱基，覆盖约12.8万种生物。
但“看起来能工作”和“真的能工作”之间，隔着一道深渊。
团队的流水线是这样的：先在ΦX174所属的Microviridae家族约14,466条序列上微调模型，再用精心设计的提示让AI产出大量候选，提示太长，AI会死记硬背抄野生型；提示太短，AI会天马行空写出一堆垃圾。然后是残酷的计算筛选：长度对不对？必要基因是否齐全？宿主特异性是否保留？进化多样性够不够？
从海量生成序列中，约302个基因组通过筛选。再经化学合成和组装，约285个成功进入湿实验测试。最终，16个，活了
▲ 导师Brian Hie引用King推文确认论文正式发表于Science
AI究竟写出了多少新东西
有人可能会问：AI不过是在抄已有的病毒序列，换几个字母罢了吧？
数据给出了强有力的回答
这16个功能基因组，相对最近的自然同源序列携带了67到392个全新突变。其中，与已知Microviridae的核苷酸一致性大约在93.0%到98.8%之间。最激进的一个设计，Evo-Φ2147，以仅约93%的一致性和392个突变，在某些分类学阈值下，已经接近“新物种”的门槛。
代号Evo-Φ36的设计尤其特别它干了一件以前理性工程师认为“会致命”的事：把负责包装的J蛋白替换成了远缘噬菌体G4的更短版本。按常理，这种跨谱系替换应该直接让病毒死掉。但AI在全基因组的上下文中，同步给出了一系列补偿性突变，就像一个天才建筑师拆掉了承重墙，却在其他地方悄悄加了新的支撑结构，整栋楼依然稳如磐石。冷冻电镜显示，这个短J蛋白在衣壳内部的取向完全不同，高分辨率结构已提交至PDB数据库。
西班牙庞培法布拉大学合成生物学教授Marc Güell评价：这是一个“非常重要的转折点”，人类开始在计算机上设计生物学。
▲ 学者Jorge Bravo Abad总结：“模型提出，计算筛选，实验室裁决”，这才是完整的闭环
对抗超级细菌：AI噬菌体的“鸡尾酒战术”
如果故事只停在“能活”，那只是一篇漂亮的学术论文。但团队把刀锋往前推了一步
他们让大肠杆菌进化出对经典ΦX174的耐药性，这些变异株改变了表面受体，让野生型噬菌体无从下口。然后，团队祭出由多个AI噬菌体组成的“鸡尾酒”。
结果：AI噬菌体鸡尾酒成功突破了三株耐药菌的防线，而单独使用天然ΦX174则无能为力。实验还发现，那些最终逃逸的细菌体内，噬菌体基因组呈现出多个AI设计互相重组的镶嵌结构，多样性本身成了对抗进化的武器。
在直接竞争实验中，部分AI噬菌体展现出远超野生型的裂解能力。其中Evo-Φ69的扩增效率令人瞠目，相关数据显示其可达到远高于起始比例的水平。
这对正在全球蔓延的抗生素耐药危机意味着什么，不言自明。以往寻找噬菌体要去下水道、污水处理厂“碰运气”，现在可以在计算机上按需设计、批量筛选。从“大海捞针”到“精准制导”，范式正在被改写。
▲ 科普帖聚焦AI噬菌体对抗超级细菌的潜力
“潘多拉的盒子”：当AI学会设计生命
掌声之后，阴影紧随其至
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指出：生成式病毒基因组设计已经出现，接下来必须确保它不会造成严重伤害。他们主张，有致病潜力的新病毒方向不应被追求。
这种担忧并非杞人忧天Evo系列模型的权重和代码是开源的。DNA合成服务越来越便宜、门槛越来越低。人类病毒的基因组长度，和噬菌体处于同一量级。把这三件事拼在一起，一个能“写”病毒的开源AI、一个能“印”DNA的商业服务、加上一间具备基本分子生物学能力的实验室，治理问题的紧迫性不言而喻。
伦敦国王学院的生物安全研究者Filippa Lentzos等人指出，现有高风险生命科学研究政策，未必覆盖“在计算机上设计新病毒DNA”这一全新场景。治理需要同时看住三个环节：模型获取、合成前序列筛查、实验室管控，缺一不可。
团队自身做了哪些防线？训练数据排除了感染人类的病毒序列；实验宿主是非致病实验室大肠杆菌；所有生物材料不离开控制区Brian Hie对BBC坦言：这既“充满未来感”又“原始”，通向更复杂系统的负责任设计“仍有清晰道路”。
但“清晰道路”和“安全道路”之间，或许还有很远的距离。
从5386个碱基到……生命的下一章
让我们把镜头拉远一些
ΦX174的基因组只有约5400个碱基，放在生物世界里，这是最简单的“程序”之一。最小的自由生活细胞，基因组要大两个数量级。从“写出一个能工作的小病毒”到“设计一个能自主存活的细胞”，中间的复杂度鸿沟堪比从计算器到超级计算机。
但Brian Hie对BBC说了一句意味深长的话：朝向更简单的细胞级系统，“工作量很大，但并非不可能”。
曼彻斯特大学合成基因组学教授Patrick Cai的评价或许更精准地捕捉了这一刻的历史坐标：语言模型开始学习进化在数十亿年间写入基因组的设计原则。
▲ MIT Technology Review的标题一针见血：“AI设计的病毒已经来了，并且正在杀死细菌”
进化用了38亿年，试遍了无数种排列组合，才把一条条能“自举”的基因组打磨成型。现在，一个训练在9.3万亿碱基上的模型，用几小时的计算，走完了进化的一小步。
这一小步有多小？16个能工作的噬菌体，93%–99%的序列相似度，仍然在ΦX174家族的设计空间里翻跟头。有学者尖锐地问：如果对高相似序列做简单统计采样，成功率会不会差不多？这个问题把“AI创造生命”的说法拉回了“高效探索近邻序列空间”的技术实相。
但即便如此，培养皿上那些透明的蚀斑，电子显微镜下那些从未在自然界出现过的完美球体，以及击溃耐药菌的鸡尾酒实验数据，它们是真实的，是湿实验给出的、不容辩驳的回答。
AI写的代码，在培养皿里跑起来了 这件事本身，已经足以拓宽我们对“设计”与“生命”的理解边界。
至于这扇门推开之后，通向的是药房还是潘多拉的匣子，最终由人类决定。