夜雨聆风真正可怕的从来不是公开的技术，而是你不知道谁已经在暗处先掌握了它。
——一位英国微生物学家，在AI写出第一段“活的”病毒基因组之后
一、16个噬菌斑，一道被跨过的门槛
2026年8月6日，《科学》杂志刊发了斯坦福大学Brian Hie实验室的论文。讲这件事之前，先说一个常被忽略的事实：过去二十年，人类“写”基因组的能力突飞猛进——2003年ΦX174噬菌体基因组被化学合成，2016年“最小细菌”问世，合成酵母计划重写了16条染色体。但所有这些蓝图，要么是人画的，要么是照抄自然的。从来没有人让机器从零开始，写出一整条能活的基因组。
这次不一样。研究团队用两个基因组语言模型Evo 1和Evo 2，以5386个碱基、11个基因的ΦX174噬菌体为模板，生成了约70万条候选序列。经过质量控制、宿主趋向性、多样性三道筛选，302条被选中，285条成功化学合成，最终16株在培养皿上裂解了大肠杆菌，留下清晰的噬菌斑。
5.6%的存活率听起来不高，但在全基因组尺度上，这是从0到1。冷冻电镜还揭示了一个连研究者都没预料到的细节：其中一株噬菌体的DNA包装蛋白，来自进化上相距遥远的另一类噬菌体。AI不是在模仿自然，它在做自然没做过的事。
二、进化没走过的路，模型替它走了一遍
基因组语言模型的原理和ChatGPT没有本质区别：把核苷酸当字母，把进化当语法。Evo 2在9.3万亿个核苷酸、超过12.8万个基因组上训练，学会的是“什么样的DNA才能活下来”。
真正让微生物学家坐不住的，是突变的位置。适应度提高的那几株噬菌体，突变不在细菌表面受体结合区——那是所有人预期会动手的地方——而散落在调控区和基因组长度上。其中Evo-Φ2147携带392个新突变，与最接近的天然噬菌体同源性只有93%，按分类学标准几乎可以算一个新物种。
更有商业意义的是实测结果：3株生成噬菌体在与天然ΦX174的正面对抗中胜出；当细菌进化出耐药性、天然噬菌体束手无策时，AI噬菌体鸡尾酒在5轮传代内压制了全部耐药培养物。这对噬菌体疗法是个关键信号——天然噬菌体的致命弱点是宿主谱窄、细菌耐药来得又快又彻底，过去行业只能去下水道、海洋里“海选”新噬菌体。现在，可以按需生成。
三、127万人的死亡账单，资本不该视而不见
需求侧的账本很硬。《柳叶刀》GRAM项目测算，2021年全球114万人直接死于抗生素耐药，2050年将升至191万，2025至2050年间累计死亡3900万，平均每分钟3人。仅美国每年就有约280万例耐药感染、3.5万人死亡，MRSA的死亡人数三十年间翻了一倍。世卫组织早已把耐药菌列为全球十大公共卫生威胁之一。
供给侧呢？抗生素投资回报差，大药企成批退出抗菌赛道。留下的空白里，噬菌体疗法是少数被验证过方向感的选项：全球已有超过40项注册临床试验，Locus Biosciences的CRISPR增强噬菌体、Armata的特异性噬菌体管线都进入了结构化临床开发阶段。市场规模目前还小，2025年全球约6000万至1.3亿美元，各家机构口径不一，但复合增速普遍预测在16%到18%，到2035年有望扩张至2.7亿美元以上。
AI设计恰好补上了这个行业最贵的一环：新噬菌体的发现与迭代速度。从“去自然界找”到“在模型里生成”，成本结构的改变，可能重写整个赛道的估值逻辑。
四、开源还是锁死：斯坦福把代码放上了GitHub
争议随之而来。Evo 2的代码和权重全部开源，任何人都能下载；这次研究的微调模型也挂上了HuggingFace。门槛在以肉眼可见的速度降低——过去设计一个新病毒需要深厚的分子生物学功底和完整实验室，现在理论上，一个会写代码的人就能生成基因组序列。
研究团队不是没有设防。Evo 2的训练数据刻意排除了感染人类和其他真核生物的病毒基因组；红队测试显示，模型生成病原体蛋白的序列“实际上是随机的”。Hie的辩护更直接：自然进化的病原体没法内置安全检查，AI可以；面对自然疫情，开源工具反而是防御方的速度优势。
BMJ在8月17日发表的评论把这层意思说透了。作者、雷丁大学微生物学家Simon Clarke写道：与其让恶意行为者在暗处悄悄掌握这种能力，不如让全世界看清它已经可能。管用的规则只能约束公开做事、服从监管的机构；藏在政府保密体系背后、或者安全文化稀薄地区的鲁莽研究，才是真正的盲区。这句话反过来读，是一句商业判断：透明本身，就是一种竞争力。
五、最脆弱的一环不在实验室，在快递箱里
生物安全链条上真正的裂缝，比AI更老。今天任何人都可以在网上下单定制DNA序列，价格不到10美分一个碱基对，几天后收到一支快递来的试管——而美国至今没有联邦法律强制合成商核查序列内容或买家身份，筛查靠国际基因合成联盟的自愿执行。
AI让这个漏洞变宽了。现行筛查的逻辑是“比对已知危险序列”，而AI生成的基因组恰恰是全新的、数据库里没有的。约翰斯·霍普金斯大学的Inglesby和Hanke在评论中点破：AI设计功能性病毒基因组的能力已成现实，引导它的治理机制却尚未建立。
政策在追。2026年7月28日，美国政府发布新规，禁止联邦资金资助危险的功能获得性研究，并引入独立第三方审查。帝国理工的Tom Ellis给过一个时间标尺：把全基因组设计放大到SARS-CoV-2的尺度，难度大约高100倍。窗口期存在，但没人知道有多长。
六、阳光下的军备竞赛，才赢得起
把这篇论文只读成威胁，是读窄了。它同时是一份证据：防御性研究正在和潜在威胁赛跑，而且第一次有了代际工具。中国团队在噬菌体库建设和基因合成产业链上的位置不低——2025年全球新增噬菌体疗法专利中，中国申请人占比已升至28%。筛查标准的升级、AI基因组设计的安全评估协议，对这些环节的企业来说，是成本，更是卡位机会。
技术不会因为人类的犹豫而停在原地。16株噬菌体此刻冷冻在零下80度的冰箱里，标签上写着“非致病、靶向大肠杆菌”。它们是AI在生命领域写下的第一行能运行的代码。接下来的问题是：这段代码，是写在阳光下，还是写在暗处。
答案决定的不只是安全，还有下一个十年生物经济的话语权归属。