夜雨聆风一个博士生盯着培养皿，看见细菌的尸体排成透明的斑点。他知道，杀死它们的病毒，地球上从未存在过。
培养皿中的这一幕已经走进现实2026年8月6日，斯坦福大学与Arc Institute的论文登上Science正刊，人类历史上第一批由AI从头"写"出来的、能够运转的病毒基因组，正式通过同行评审。团队负责人Brian Hie在社交平台上写道："Welcome to the age of generative genome design."
欢迎来到生成式基因组设计时代
▲ 2025年9月，Brian Hie发帖宣布预印本：把1977年桑格测序ΦX174与AI生成基因组并置，"读、写、设计"三步在同一只病毒上依次落地
培养皿里的"AI到了"时刻
故事要从一只极其微小的老朋友说起。
ΦX174，一个只有大约5000个碱基、11个基因的噬菌体。它专门感染大肠杆菌，对人体细胞毫无兴趣。1977年，弗雷德里克·桑格的团队对它完成了人类历史上第一次完整基因组测序，拿了诺贝尔奖。2003年，克雷格·文特尔又把它变成了第一个化学合成并能"开机"的基因组。
现在，Arc团队把第三步交给AI：在读取与合成已有序列之后，开始"创作"新的基因组。
具体怎么做？团队使用了名为Evo的基因组语言模型，你可以把它理解成一个"DNA版ChatGPT"。这个模型吞下了海量天然DNA序列，学会了碱基排列的"语法"和"修辞"。然后，研究者对它进行微调，让它专门学习ΦX174所属病毒科（Microviridae）约一万四五千条基因组的"方言"。
接下来就是最令人屏息的环节：让模型凭空起草一段从未存在过的病毒基因组，化学合成为真实DNA，注入大肠杆菌，然后等。
302个AI设计被送进了湿实验管线。约285个完成合成最终，16个"活了"
它们能复制、能组装出病毒颗粒、能让宿主细菌胀裂死亡。MIT Technology Review记录了实验室里那个夜晚的细节：培养皿上出现了透明的噬菌斑，那是死亡细菌留下的空洞。Brian Hie后来接受采访时说，当他在电子显微镜下看见AI写出的球状病毒颗粒时，"相当震撼"。
▲ 论文第一作者Samuel King在Science发表日宣布：首批功能性AI生成基因组。右侧流程图清晰展示了从模板到活病毒的全链条
能活之后：比天然的更"凶"
如果故事到此为止，它只是一个技术突破。接下来的耐药实验，进一步抬高了这项成果的分量。
团队刻意培养出了三株对ΦX174耐药的大肠杆菌，它们改变了表面受体，让天然噬菌体无从下口。然后分三组对照：
- 单独的天然ΦX174
，打不动。 - 天然噬菌体混合物
，依然打不动。 - AI生成噬菌体组成的"鸡尾酒"
，一到五次传代内，耐药被击穿。
▲ King线程中的耐药实验对照：生成噬菌体鸡尾酒能克服耐药，天然对照不能
成功突破耐药的那些噬菌体，往往由多个AI设计共同参与。它们在传代中彼此重组，拼出了新的嵌合基因组，突变集中在与细菌受体互作的表面区域。AI先铺开一群彼此不同、却都还能活的序列，再让进化本身在这个多样性池子里挑出最优解。
这里有一个名叫Evo-Φ69的变体尤其凶猛，在混合培养中，它的数量可暴增至起始水平的约65倍，远超野生型ΦX174。
还有一个更精妙的例子：Evo-Φ36。模型在生成它的基因组时，悄悄把一个远缘噬菌体G4的DNA包装蛋白J塞了进去。G4的J蛋白比ΦX174的更短，人类工程师曾经尝试过这种替换，每次都失败，噬菌体直接瘫痪。但AI在其余基因组上安排了一系列补偿性突变，让整条生命程序依然能跑。冷冻电镜揭示：更短的J蛋白在衣壳中采取了完全不同的取向。
机器做到了人类做砸的事
一场等了一百年的复仇
要理解这件事为何让全球公卫界屏住呼吸，需要把时间倒拨一百年。
噬菌体疗法并不新鲜早在二十世纪初，法国微生物学家菲利克斯·德埃雷尔就命名了噬菌体，并尝试用它治疗痢疾。但早期研究粗糙至极，制剂保存不当、纯化失败、有些甚至混入了会灭活噬菌体的防腐剂。二战后青霉素横空出世，西方世界几乎抛弃了这条路线。只有格鲁吉亚等前苏联国家还在默默坚持。
然后，抗生素耐药来了
▲ Nature官方账号简短概括：首批AI设计病毒能猎杀大肠杆菌
2015年的一个真实故事让噬菌体疗法重回聚光灯：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，所有抗生素无效，命悬一线。在紧急同情用药框架下，研究者从污水、畜舍、甚至军舰舱底水中大海捞针式地寻找匹配噬菌体，最终静脉注射鸡尾酒疗法将他从死亡线上拉了回来。
但"大海捞针"四个字，恰恰是这条路线最致命的瓶颈。为一个病人身上的一株特定耐药菌，找到"刚好管用"的噬菌体，可能需要数周甚至数月。而细菌随时可以换一把锁，让你辛苦找来的钥匙报废。
AI生成多样性，精准撞在了这个痛点上。
它不解决药政审批、不解决临床试验、不解决生产工艺，但它可能把"找候选噬菌体"这件事，从田野采集变成计算机采样。从等自然界碰运气，变成让模型系统性地铺开一整片序列空间。
潘多拉魔盒的另一面
硬币总有两面Science同期刊发了约翰霍普金斯大学健康安全中心的评论文章，措辞相当尖锐：用生成式AI拼装病毒基因组的能力已经存在，安全引导它的治理却还没有。
▲ 一位退休教授的五个字回复，道出了许多人的本能反应
社交平台上的讨论也随之升温有人指出：噬菌体只感染细菌，听起来"对人类无风险"，但人体内有数百种共生细菌是维持生命所必需的。如果AI设计的噬菌体"杀错了对象"，搅乱肠道微生物组，后果可能远比想象中复杂。
▲ 网友的反讽："对人类无风险"，我们体内那些维持生命的几百种细菌，随便消灭几种应该没事吧？
实验室数据表明，这批AI噬菌体对测试过的非目标大肠杆菌株保持了狭窄的宿主特异性。至于进入复杂人体后会不会扰动共生群落，本次培养皿实验尚未回答。
更深层的忧虑来自模型本身Evo 2的训练代码、权重和部分数据完全开源，下载量以百万计。Arc团队强调：训练数据排除了人类病毒，红队测试显示模型对人类致病病毒蛋白的生成接近随机噪声。但批评者追问：微调能否被恶意复用？残余片段是否存在泄漏？ 一个负责任的实验室可以设门槛，但开源世界没有围墙。
约翰霍普金斯评论画下了一条明确红线：可感染真核生物的病原基因组，不应作为生成目标。
5000碱基之后，是无穷远
让我们冷静地看一眼数字
命中率：16/285，大约5.6% 换算下来，绝大多数AI生成的基因组仍然是"死码"，看起来像DNA，但注入细胞后什么也不会发生。ΦX174只有5kb；大肠杆菌基因组大约460万碱基，大了三个数量级。合成成本、组装难度和验证周期都会陡升到令人却步的程度。
哈佛合成生物学家Jef Boeke的评价很冷静：从噬菌体到细胞，复杂度的跃升是指数级的。 剑桥Jason Chin团队曾合成约400万碱基的大肠杆菌基因组，耗时数年。
而"设计生命"在生物学语境里比在标题里沉重得多。ΦX174之所以被反复选为台阶，恰恰因为它足够小又足够难，重叠基因意味着一个碱基突变同时影响两个蛋白，任何"创作"都必须在极其狭窄的约束空间里落笔。AI在这上面交出了答卷，但在更大的画布上，我们甚至还没有拿起笔。
文特尔，那个在2003年第一个合成ΦX174的人，看完论文后泼了一盆冷水式的历史感：在他看来，这很像过去人工试错的加速版。 但他也承认，速度本身，就是颠覆
▲ Arc Institute官方技术博客：《How We Built the First AI-Generated Genomes》，从单基因设计到整基因组的跃迁
我们站在哪里
1977年，桑格读出了第一条完整基因组。2003年，文特尔合成了第一条完整基因组。2025年，AI起草了第一条从未存在过的、却仍能运行的基因组。
Niko McCarty在Asimov Press的深度文章中写道：这很可能是基因组设计领域的"ΦX174时刻"，就像桑格测出五千碱基时，没人能想象日后人类基因组计划的规模。
培养皿上的16个透明斑点，既是起点，也是警报。 它们证明了一件事：生命的源代码，不再只属于自然界的版本管理。一个新的"作者"已经坐到了键盘前
至于它将写出什么，这取决于坐在另一张键盘前的我们。