夜雨聆风凌晨的斯坦福实验室，培养皿上出现了一圈又一圈透明的"空洞"，那是细菌被吃掉后留下的痕迹。Samuel King盯着那些噬菌斑，手心发汗。因为正在吞噬细菌的病毒，完全由AI一个碱基、一个碱基"写"出来。当结果在组内分享时，房间里自发响起了掌声。
这发生在真实实验里2025年9月，斯坦福大学与Arc研究所的团队发布预印本；2026年8月，同一成果登上了《Science》正刊，BBC、CNN、《卫报》纷纷报道。核心结论是：
人类第一次用AI设计出了完整的、可自我复制的病毒基因组。
▲ 第一作者Samuel King在社交平台揭示：AI设计的噬菌体携带数百个前所未见的突变，冷冻电镜揭示了一种曾被认为"致死"的全新包装机制
一条五千碱基的"说明书"，难倒了整个领域
先把"病毒"这个词的恐怖感卸掉这里说的是噬菌体，一种只感染细菌、对人体无害的微型"猎手"。地球上数量最多的生物实体，就是它
研究团队选中的模板叫ΦX174，一个在分子生物学史上近乎"图腾"级别的存在：1977年，Fred Sanger靠它完成了人类历史上第一次完整DNA基因组测序；2003年，Craig Venter用化学方法从零合成了它的全部基因组，证明"写出一条基因组并让它启动"在原理上可行。
但"读"和"写"都不等于"设计"
ΦX174的基因组只有大约五千多个碱基对，编码11个基因，放到人类基因组30亿碱基对面前，简直像一张便签纸。可就是这张"便签纸"，基因互相重叠、调控彼此交织，任何一个关键位点的错误，都可能导致整条基因组"死机"。此前的AI已经能设计蛋白质、甚至多组件的CRISPR系统，但"整条可复制的基因组"这座山，一直没有人翻过去。
▲ Arc研究所技术博文首屏："我们如何造出第一批AI生成的基因组"
285条候选，16条"活"了
研究团队的武器，是两款名为Evo 1与Evo 2的"基因组语言模型"。
理解这个概念最快的方式：ChatGPT把人类语言当作训练数据，学会了"下一个词应该是什么"；Evo则把DNA当作一种语言，在覆盖生命三域、数万物种量级的海量基因组数据上学习"下一个碱基应该是什么"。然后，团队又专门在ΦX174所属的微病毒科家族上做了微调，让AI更擅长写出"像ΦX174那样"的基因组。
接下来是一场大规模的"生成，筛选，验证"流水线：
第一步，海量生成 AI吐出数千条候选基因组序列
第二步，严格过滤 团队自建注释管线，砍掉长度不对的、编码残缺的、刺突蛋白与ΦX174差异太大（可能脱靶到其他宿主）的、以及与野生型太像（说明AI只是在"背课文"）的序列。
第三步，湿实验验证 约302条幸存者被送去做DNA合成，其中十几条因序列太复杂合成失败，最终285条被组装成双链DNA，转化进大肠杆菌。
结果？16条基因组成功启动，产生了有感染力的子代噬菌体。
通过率为5.6%而在基因组设计这个领域，首次成功本身就是石破天惊。
▲ Asimov Press主编Niko McCarty解读：16种AI噬菌体中，部分感染能力与野生型相当甚至更强
"人类说不可能，AI说你看好了"
让同行倒吸凉气的，是这些噬菌体出人意料的活法。
这16种AI噬菌体相对最近的自然序列，携带了67到392个新突变，核苷酸同一性大致在93%到98.8%之间。其中一些设计包含基因插入、丢失、截短、延长，甚至调控区的整体重塑。编号Evo-Φ2147的设计差异尤其大，在某些噬菌体分类标准下已经越过了"新物种"的阈值。
但最让研究者兴奋到掌声雷动的，是编号Evo-Φ36的故事。
这条AI噬菌体把负责基因组包装的关键基因J，换成了另一种远缘噬菌体G4的版本。G4的J蛋白更短，过去人类工程师做过这个实验，直接替换，ΦX174死了。这条路被判了"此路不通"
然而AI没有走人类走过的路它在替换J的同时，协调性地修改了基因组其他位点的数十个补偿性变异，让整体重新自洽。冷冻电镜一照，更短的J蛋白在衣壳内部采取了一种从未在自然界观察到的取向与相互作用方式。
人类理性工程说"换了就会死"，生成式AI说"看我怎么换"。
这就是"设计"与"拼装"的本质区别：AI跨越多个模块，在整个基因组的全局约束空间里搜索到了一条人类从未想过的路径。
不止能活，有时还更狠
竞争实验中，研究者把AI噬菌体和野生型ΦX174放在一起"赛跑"。结果：多种AI噬菌体跑赢了野生型裂解动力学上，部分设计杀菌更快
更具临床想象力的实验是这样的：团队先培育出对ΦX174有抗性的大肠杆菌突变株，单独用野生型噬菌体，打不过去。然后，他们把多种AI噬菌体混合成"鸡尾酒"，几轮传代之后，抗性菌株被重新压制。
后续测序揭示了其中的精妙机制：多条AI设计之间发生了重组，形成嵌合基因组，突变集中在与细菌受体相互作用的表面区域，多样性本身变成了进化原料，让细菌"按下葫芦浮起瓢"。
这恰恰命中了噬菌体疗法最大的痛点。抗生素耐药是全球医学的慢性危机，噬菌体被视为替代路线之一，但单一噬菌体太容易被细菌突变逃逸。如果AI能批量生成遗传上足够多样、却仍锁定目标宿主的噬菌体库，抗性逃逸的成本将被大幅抬高。
"疯狂得酷，也疯狂得吓人"
消息传开，社交平台的反应几乎可以用"肾上腺素过载"来形容。
日文社区有用户一针见血：如果已经能设计自然界不存在的病毒，核心问题便转向谁来管理、怎么管理。英文评论区则有人直接勾连疫情记忆，质疑"这是个坏主意"。
担忧并非空穴来风《Science》配发的评论文章中，约翰霍普金斯大学健康安全中心的Thomas Inglesby与Moritz Hanke写下了冷峻的句子：生成式病毒基因组设计的能力已经存在，而安全引导它的治理尚未跟上。 他们明确建议：对可能感染人或动植物的病原方向，不应推进同类工作。
但问题的另一面同样真实：天然病原体在获取与操作上，往往比"从零AI设计"更现实。 Brian Hie在接受媒体采访时反复强调这一点，开放模型权重与代码有利于正当的防御研究，而安全屏障应该分层构建：模型开发与访问、研究审查、DNA合成订单筛查、实验室生物安全规范，缺一不可。
这座山翻过去了，下一座更高
需要泼一盆冷水：ΦX174是已知最小的DNA基因组之一。帝国理工学院合成基因组工程教授Tom Ellis对媒体直言，选它作为第一站，恰恰说明更复杂的基因组有多难。从五千碱基的噬菌体到几百万碱基的最小细菌基因组，中间是数量级的鸿沟。
而且，噬菌体本身属于非细胞形态，必须寄生在宿主里才能复制。从"AI设计噬菌体"到媒体标题里的"AI生成生命"，中间仍有好几个诺贝尔奖的距离。
但里程碑就是里程碑
整套"生成，注释，过滤，合成，验证"的工程管线，也许构成了这项工作最深层的遗产。它证明了一件事：基因组尺度的设计约束，是可以被机器学习的。 同一套方法由此可能迁移到其他模板噬菌体、其他宿主，甚至最终，迁移到我们还无法想象的系统。
BBC引述一位合成生物学学者的话说，这是"开始在计算机上设计生物学"的转折点。
1977年，人类第一次读完了一条基因组。2003年，人类第一次从零写出了一条基因组。2025年，AI第一次自己设计了一条基因组，而且它活了。
读、写、设计基因组学的三级跳，在同一个模板身上完成了闭环。
下一跳会落在哪里，没有人知道但有一件事是确定的：潘多拉的盒子没有回退键。