斯坦福用 AI 设计自然界不存在的病毒，成功杀灭耐药菌

如果把 DNA 看成一串代码，大语言模型不仅能帮你修补 Bug，现在甚至开始从头「写出」全新物种了。

Stanford 大学与 Arc Institute 的研究人员最近在《Science》杂志上发表了一项研究。他们让 AI 模型直接生成了自然界从未存在过的病毒基因组，合成并在实验室注入细菌后，这些病毒成功活了过来，并完成了对靶标的感染。

这是科学界第一次由语言模型生成出完整且能真正运作的生物基因组。

285 次尝试，筛出 16 种全新生命

研究团队使用的是名为 Evo 1 和 Evo 2 的基础模型，它们接受了数百万个基因组数据的训练。这次的实验目标是重写 Phi X174，这是一种专门感染大肠杆菌、被生物学家研究得非常透彻的噬菌体。

研究人员根据 AI 给出的蓝图，在实验室里人工合成了 285 种不同的噬菌体序列。在逐一验证后，有 16 种表现出了活性。

不仅能活，其中几种甚至比大自然原本的天然病毒复制速度更快。另外还有少数几个样本因为基因变异幅度极大，在生物分类学上已经足以算作全新的物种。

更有意思的是实战效果。面对已经对天然噬菌体产生耐药性的大肠杆菌，研究人员把这些 AI 改造过的病毒配成「鸡尾酒制剂」倒进去，依然把耐药菌彻底清除掉了。这为治疗抗生素耐药性感染提供了一个很有说服力的概念验证。

至于安全问题，研究团队表示他们在训练时做了一道硬防火墙：模型只学习了细菌相关的基因，完全剔除了感染人类、动物和植物的病毒数据，因此它根本没有生成威胁人体能力的底模。

为什么重要

我们认为，这项成果最让人兴奋的地方在于它给抗生素耐药性危机开了一扇新窗。面对全球越来越头疼的「超级细菌」，传统抗生素的研发周期往往长达十几年，而 AI 驱动的噬菌体设计让科学家可以在几天内生成大量候选方案，甚至针对耐药菌专门定制攻击载体。对于生物医疗研究者而言，这套范式如果成熟，会彻底颠覆靶向疗法的开发流程。

但它引发的担忧同样无法忽视。问题的核心在于工具的通用性：用来治疗耐药菌的逻辑，换套数据就能用来设计攻击宿主的病原体。而且 Evo 2 本身是开源模型，这意味着模型权重和架构都在公网流通，研究团队虽然在自己的训练集上删除了人体病毒，但任何有算力的人都可以用自己的危险数据重新微调。

在我们看来，这就像网络安全行业里的漏洞挖掘工具，既能帮白帽子修补系统，也能被黑客用来造勒索软件。这一步突破看起来把合成生物学的门槛拉低到了普通编程的水平，接下来监管和行业最头疼的，不再是 AI 到底聪不聪明，而是实体生物实验室的 DNA 合成订单审查体系，到底能不能挡得住这种凭空造物的能力。