夜雨聆风凌晨三点，斯坦福大学的实验室里，博士生Samuel King盯着培养皿。
铺满大肠杆菌的琼脂平板上，出现了一个又一个透亮的圆斑，那是噬菌斑，意味着细菌正在被什么东西杀死。制造这些噬菌斑的病毒，来自AI生成的全新序列。
他把结果分享给团队时，房间里自发响起了掌声。
这段场景来自2026年8月6日发表于Science的研究。斯坦福大学与Arc Institute的团队使用名为Evo的基因组语言模型生成数千条完整病毒基因组候选，筛出302条进入实验验证，其中约285条完成合成与组装。这些序列跳出了天然样本的逐字复制和现有病毒的局部改造，是AI在学完两百万条噬菌体基因组之后"即兴创作"出的全新生命蓝图。
然后，16条蓝图活了
▲ SciTech Era以"BIG BREAKTHROUGH"开头介绍这项研究
一个有48年传奇的"考题"
为什么偏偏选ΦX174这个拗口的名字？
因为它是分子生物学界的"Hello World"。1977年，Frederick Sanger团队用它完成了人类历史上第一次完整DNA基因组测序，从此人类学会了"读"生命。2003年，Craig Venter团队化学合成了它的全部基因组，再塞进细菌里，证明人类可以"写"生命。2012年，斯坦福的合成生物学家又把它高度重叠的基因像拉手风琴一样"解压"重排，依然保持感染性，这是人类"改"生命。
而现在，AI要"设计"生命了
ΦX174只有大约五千多个碱基，比人类基因组小了差不多六十万倍。但别被"小"骗了它的基因高度重叠，同一段DNA，换个读法就是另一个蛋白的编码，改一个碱基，可能同时伤到两个蛋白。这就像在一张纸的正反面分别写了两篇文章，你改动任何一个字，都可能让另一面变成乱码。
这恰恰是最严苛的考试：如果AI只会"堆基因"，它一定会在这里翻车。
▲ Arc Institute官方文章展示了从蛋白设计到完整基因组设计的能力跃迁路径
一条从未有人走通的流水线
研究团队的做法，像是让AI当了一回病毒界的小说家。
第一步：海量阅读 Evo模型在大约两百万条噬菌体基因组上预训练，学习包括操纵子结构、调控元件时序、跨基因依赖在内的DNA"语法"。然后，团队在ΦX174所属的微病毒科（Microviridae）约一万四千余条序列上做了微调，相当于让一个读遍世界文学的AI，又集中精读了某一类型的全部经典。
第二步：疯狂创作 模型生成了数千条候选基因组
第三步：编辑筛稿 用计算过滤器检查：基因注释对不对？长度合理吗？必需基因齐了没？表面蛋白像不像能识别宿主的样子？不合格的，直接毙掉
第四步：印刷成书 幸存的302条序列被化学合成为真实DNA，组装成完整基因组，导入大肠杆菌。
第五步：让现实投票 细菌培养，观察谁能感染、复制、裂解、释放后代。
结果：16个AI噬菌体跑完了整个生活史。它们进入宿主细胞，劫持宿主的分子机器，复制自己的基因组，组装子代颗粒，然后炸开细菌，涌出来感染下一个。
它们是真的活了
▲ Asimov Press编辑Niko McCarty在预印本发布当天即发出公告，称部分AI噬菌体的感染力不亚于野生型
AI给出的新组合
怀疑者的第一个问题永远是：这些序列会不会只是近似复制品？
数据表明，它们与天然参考拉开了距离。
功能基因组相对最近的天然参考，携带了67到392个全新突变。有的噬菌体与已知自然序列的平均核苷酸同一性低到93%左右，按照某些病毒分类学惯例，这足以被讨论为新物种。其中十三个基因组包含在任何已知自然序列中都找不到的突变。
最让研究者兴奋的案例是Evo-Φ36。它把一个远缘噬菌体G4的DNA包装蛋白（J蛋白）"移植"进了ΦX174的框架，这件事人类工程师试过很多次，几乎都失败了，因为长度和构象对不上。但AI做到了冷冻电镜照片显示，更短的G4 J蛋白在衣壳内部采取了完全不同的取向，而模型还同步写入了一系列补偿性突变，让整个系统自洽运转。
这些结果显示，AI掌握了人类尚未完全理解的基因组级别协调规律。
打败"超级细菌"的新武器？
故事到这里，如果只剩"AI造了个病毒挺酷"，那它最多值一篇Nature新闻。医学界更关心抗性突破实验
研究团队把16个AI噬菌体和野生型ΦX174混在一起，同时去感染大肠杆菌。部分AI变体的丰度飙升到初始的65倍，在竞争中碾压了"原装正品"。
当大肠杆菌对野生型ΦX174产生抗性后，表面受体突变，让正常噬菌体认不出门，AI噬菌体鸡尾酒仍然能突破防线。突破后的噬菌体基因组呈现出多个AI设计的重组嵌合体，突变集中在与受体互作的表面区域。
翻译成人话：AI提供的多样性本身，就是对抗细菌进化的弹药库。
▲ Science News以"AI生成的第一个可工作基因组：微型细菌杀手"为题做了科普报道
全球每年有大量患者死于耐药细菌感染，噬菌体疗法被视为抗生素之外的重要候选。瓶颈一直是，找到恰好能杀灭当前临床分离株的噬菌体，太慢了。约翰霍普金斯大学微生物学家Kimberly Davis在Science News中评价：如果AI能批量生成多样性候选，再结合快速合成和高通量筛选，"这可能根本性地改变我们寻找治疗用噬菌体的速度"。
但她也立刻补了一句：必须防止噬菌体谱过宽，误杀人体内的有益菌群。
掌声之后，恐惧涌来
BBC发出报道的同一天，《卫报》的标题用了Safety fears这个说法。
▲ 《卫报》标题直写"安全恐惧"，导语同时点出医药希望与生物安保紧迫问题
约翰霍普金斯健康安全中心的Tom Inglesby与Moritz Hanke在配套评论中发出警告："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尚不存在。"
帝国理工学院教授Tom Ellis承认工作"令人印象深刻"，但也泼了冷水：ΦX174是"最小、最容易"的基因组。他同时提出一个更冷峻的思考，相比从零设计全新病原，对现有危险病原做AI辅助的功能增强改造，在现实威胁排序上可能更高。
伦敦国王学院的生物安全专家Filippa Lentzos则把目光投向了更实际的环节：模型访问控制、DNA合成订单筛查、实验室生物安全，"不能只盯着模型本身"。因为无论AI写出什么序列，它最终都要穿过一个关口：把数字变成分子。那个关口，就是全球的DNA合成服务商。
社交媒体上的情绪更加两极化有人反讽"What could possibly go wrong"，也有人激烈要求停止实验。日本网友则把问题拉到了另一个维度，
▲ 日文评论把焦点放在管理主体与管理方式上
AI完整设计出自然界未曾出现的病毒后，谁来管、怎么管，成为接下来的正题。
从五千碱基到三十亿碱基
冷静下来之后，有一个问题值得所有人思考。
ΦX174只有五千多碱基大肠杆菌的基因组大了三个数量级人类基因组又大了三个数量级从噬菌体到细菌到人类，每一步跨越都意味着指数级增长的复杂度与合成成本。剑桥大学Jason Chin团队合成全基因组大肠杆菌，历时多年、耗资巨大，而那还只是"照着天然蓝图抄"。
但历史教会我们一件事：不要用今天的成本估算明天的可能性。 1977年测序ΦX174花了Sanger团队数年心血；如今一台测序仪一天能读出数千个同等大小的基因组。成本曲线的坍缩速度，从来都比人类的想象力更快。
Asimov Press的Niko McCarty在深度分析中引用了一个让人心悸的类比：印度裔美国作家Siddhartha Mukherjee在《基因传》中写道，从五千碱基到三十亿碱基，曾是"看似不可能的跨度"，却在不到一代人时间里被测序技术走完。那么今天，从噬菌体到更大基因组的设计跨度，会不会也被数据、算力和合成技术压缩？
没有人能确定答案但所有人都知道，时钟已经开始走了
这或许是2026年最重要的一篇论文。16个只感染大肠杆菌、对人体毫无威胁的噬菌体，证明AI已经跨过了"能否从零写出一个可以自我复制的生命蓝图"这道门槛。门开了，就不会再关上AI的能力已经摆在眼前，我们，所有人，准备好了没有？