斯坦福用 AI 設計自然界不存在的病毒，成功殺滅耐藥菌

如果把 DNA 看成一串程式碼，大語言模型不僅能幫你修補 Bug，現在甚至開始從頭「寫出」全新物種了。

Stanford 大學與 Arc Institute 的研究人員最近在《Science》雜誌上發表了一項研究。他們讓 AI 模型直接生成了自然界從未存在過的病毒基因組，合成並在實驗室注入細菌後，這些病毒成功活了過來，並完成了對靶標的感染。

這是科學界第一次由語言模型生成出完整且能真正運作的生物基因組。

285 次嘗試，篩出 16 種全新生命

研究團隊使用的是名為 Evo 1 和 Evo 2 的基礎模型，它們接受了數百萬個基因組資料的訓練。這次的實驗目標是重寫 Phi X174，這是一種專門感染大腸桿菌、被生物學家研究得非常透徹的噬菌體。

研究人員根據 AI 給出的藍圖，在實驗室裡人工合成了 285 種不同的噬菌體序列。在逐一驗證後，有 16 種表現出了活性。

不僅能活，其中幾種甚至比大自然原本的天然病毒複製速度更快。另外還有少數幾個樣本因為基因變異幅度極大，在生物分類學上已經足以算作全新的物種。

更有意思的是實戰效果。面對已經對天然噬菌體產生耐藥性的大腸桿菌，研究人員把這些 AI 改造過的病毒配成「雞尾酒製劑」倒進去，依然把耐藥菌徹底清除掉了。這為治療抗生素耐藥性感染提供了一個很有說服力的概念驗證。

至於安全問題，研究團隊表示他們在訓練時做了一道硬防火牆：模型只學習了細菌相關的基因，完全剔除了感染人類、動物和植物的病毒資料，因此它根本沒有生成威脅人體能力的底模。

為什麼重要

我們認為，這項成果最讓人興奮的地方在於它給抗生素耐藥性危機開了一扇新窗。面對全球越來越頭疼的「超級細菌」，傳統抗生素的研發週期往往長達十幾年，而 AI 驅動的噬菌體設計讓科學家可以在幾天內生成大量候選方案，甚至針對耐藥菌專門定製攻擊載體。對於生物醫療研究者而言，這套範式如果成熟，會徹底顛覆靶向療法的開發流程。

但它引發的擔憂同樣無法忽視。問題的核心在於工具的通用性：用來治療耐藥菌的邏輯，換套資料就能用來設計攻擊宿主的病原體。而且 Evo 2 本身是開源模型，這意味著模型權重和架構都在公網流通，研究團隊雖然在自己的訓練集上刪除了人體病毒，但任何有算力的人都可以用自己的危險資料重新微調。

在我們看來，這就像網路安全行業裡的漏洞挖掘工具，既能幫白帽子修補系統，也能被駭客用來造勒索軟體。這一步突破看起來把合成生物學的門檻拉低到了普通程式設計的水平，接下來監管和行業最頭疼的，不再是 AI 到底聰不聰明，而是實體生物實驗室的 DNA 合成訂單審查體系，到底能不能擋得住這種憑空造物的能力。