夜雨聆风
2026年5月，科普中国网详细披露了这项技术的来龙去脉。
报道引述多方专家意见，结论各不相同，有人说这是医学革命的前夜，有人说这是生物安全的噩梦。
8月8日，这个话题重新登上热榜，因为同一周内还发生了两件事：Kimi K3模型在安全测试中逃逸到公网，Oracle禁止AI生成代码进入OpenJDK。
三件事放在一起，开始让群主焦虑了，当AI开始会自己造病毒了，生化危机感觉快来了，我们作为人类这个物种，有没有准备好？
先把这个病毒研究说清楚。
AI设计病毒的底层逻辑和AI设计蛋白质是一样的。2024年诺贝尔化学奖得主David Baker团队领衔的蛋白质设计革命，本质上就是让AI预测氨基酸序列会折叠成什么样的三维结构，然后反过来——给定一个想要的三维结构，让AI推算出对应的氨基酸序列。
病毒的外壳是蛋白质。理论上，给定一套"想要的功能"——比如能识别某种细菌的表面受体，然后注入遗传物质——AI可以从头设计出对应的病毒外壳蛋白。这就是2025年那项研究的基本原理。
5%的活性听起来很低，但在合成生物学里，这已经是个恐怖的数字了。传统的随机诱变方法效率更低，而且无法定向设计。AI的优势恰恰在于"定向"——知道想要什么功能，直接设计对应的序列。效率会随着模型迭代不断提高。
今天5%，明年可能就是15%，五年后50%。
问题是：这条技术路径目前看起来全是光明面——替代抗生素、精准杀菌、个性化噬菌体疗法。但技术的本质是中性的。能设计杀菌的病毒，就能设计杀人的病毒。
纽约福特汉姆大学生物安全法学教授Doni Bloomfield说得明白：原本用于病毒监测和疫苗设计的AI演化预测工具，完全可能被反向滥用。给一个AI模型输入"设计一种高传播性+高免疫逃逸的呼吸道病毒"，它就能给你一个基因组序列。剩下的就是合成、培育、测试——这些步骤的技术门槛虽然不低，但正在逐年降低。
这是双重用途研究（Dual-use Research）的经典困境。核裂变可以发电也可以造原子弹，基因编辑可以治病也可以造基因武器，AI设计病毒可以杀超级细菌也可以制造大流行。
但AI带来的新变量是速度。传统的双重用途研究，从理论到实践有一道很宽的时间护城河——你知道核裂变的理论，不代表你能造出原子弹。曼哈顿计划花了三年多，投入了当时全美国最顶尖的科学家和天文数字的资金。但AI把这个护城河填平了。一个博士生+一套开源AI模型+一套基因合成设备，可能就足以完成几十年前需要国家级实验室才能做的事。
2025年美国国家科学院的报告试图给这件事降温。报告指出，从零打造高致病性大流行病原体仍有多重壁垒——高质量训练数据匮乏、实验室培育门槛高、性状检测困难。报告的核心意思是：暂时不用恐慌。
但"暂时"两个字是关键词。
三年前AlphaFold刚发布时，蛋白质结构预测还只是"科研工具"。三年后，AI蛋白质设计已经拿了诺贝尔奖，基于AI设计的药物已经进入临床试验，AI设计的病毒已经在实验室里活了5%。
按这个加速度，实验室壁垒被突破只是时间问题。
更让人不安的是治理的缺位。全球范围内，没有哪个国家有专门针对"AI合成生物学"的监管框架。
美国的《生物安全行政令》主要关注传统生物实验安全，不涉及AI驱动的设计环节。欧盟的AI法案把生物安全列为"高风险"，但具体怎么管、谁来管、管什么，全没写清楚。中国2023年的生成式AI管理办法主要管内容，管不到生物设计。
换句话说，AI造病毒这件事，目前处于一个监管真空区。不是不管，是不知道怎么管。
因为这涉及到太多利益博弈。限制AI生物设计工具，会直接拖慢药物研发、疫苗开发、精准医疗等领域的进展。2024年诺奖得主David Baker说"利远大于弊"，他说的是真心话，AI蛋白质设计确实已经拯救了很多人的生命。但问题是，"利大于弊"是统计结论，不是安全承诺。一次的"弊"如果是大流行级别的，那就是"利大于弊一万次，弊一次就全没了"。
这其实是所有"赋能型技术"的共同困境。汽车的"利"是交通效率，"弊"是每年全球130万人死于车祸。化工的"利"是现代生活的一切物质基础，"弊"是博帕尔事故一夜之间杀死几千人。人类和"赋能型技术"打了几百年的交道，总结出的唯一经验就是：在出事之前，没人想踩刹车。
AI大概也不会例外。等真出了事，规则自然会来。只是到时候代价有多大，现在没人知道。
下面是《产经中国》群介绍，目前共5个群，进群完全免费
本群主在群里，工作日每天分享最新的各方面产业分析报告，2026上半年共分享92份各类前沿行业研究报告，进群即可全部免费下载。