更新——2026年8月7日

• 补充了《科学》杂志发表的细节以及其他科学家的评论。

更新，2026年8月7日：

斯坦福大学和Arc研究所的一个团队让AI模型从头设计出完整的病毒基因组，随后在实验室中构建出16种自然界不存在的功能性病毒。此前这项工作仅以预印本形式发布。如今它已通过同行评审，发表在《科学》杂志上。

《纽约时报》报道了新的细节，尤其是命中率方面。名为Evo的模型提出了70万个可能的基因组。团队只追踪了最有希望的候选方案，将285个序列化学合成为DNA，并将其插入细菌中。其中16个产生了能够复制的病毒。预印本中曾提到合成了302个基因组。

训练过程也变得更加清晰。Evo首先从数百万种动物、植物、微生物和病毒中提取的约九万亿个核苷酸中学习，掌握了贯穿整个生命之树的模式。随后才进行第二轮专门训练，使用噬菌体Phi X-174的11个基因及其约1.5万个近亲的基因。对于博士生兼共同作者Samuel King来说，这是顺理成章的一步。“感觉就是显而易见的下一步，”他说。

由此产生的病毒也并非弱化版复制品。它们被证明与天然病毒一样强健，有些甚至比Phi X-174复制得更快。“它们不只是已有生物的虚弱版本，”牛津大学蛋白质化学家Oliver Crook表示，他未参与这项研究。曼彻斯特大学合成生物学家Patrick Cai称这项工作是一个“重要里程碑”。

不过，Crook也降低了预期。AI并没有发明出任何根本性的新东西。这些病毒与天然物种非常相似，依赖相同的生物学机制。Evo在其他病毒类群上能否同样成功仍是一个悬而未决的问题。如果能够成功，其结果可能为医学和生物技术带来有用的工具。“我们的很多科学都建立在将病毒作为技术的基础上，”Crook说。

为什么当前的安全规则不涵盖这一点

生物安全监管方面的漏洞如今比以往任何时候都更加明显。美国国立卫生研究院于7月下旬发布了一项关于高风险生命科学研究的新政策。该政策禁止使病原体更具危险性的实验。但该机构表示，纯粹的计算工作——即在计算机上设计病毒DNA——不在其覆盖范围内，“除非涉及受关注实体”。

问题显而易见。对于天花病毒，这种分类是明确的。但对于来自AI模型的病毒，情况则不然。“我从未见过的东西，其风险是什么？”约翰斯·霍普金斯大学健康安全中心的Moritz Hanke问道。他认为，研究的速度与围绕研究的护栏之间存在巨大差距。“这之间存在着巨大的脱节。”他设想的滥用场景是：“你可以说，‘嘿，基因组语言模型，给我生成一个经过改造、更具传播性或更致命的流感基因组。’”

该团队自行采取了预防措施。在训练期间，Evo没有接收任何感染人类的病毒数据，也没有接收来自动物、植物或真菌的相关病原体数据。这意味着该模型从一开始就无法生成这些基因组。“我们只是想格外小心，”斯坦福大学计算生物学家、该研究的合著者Brian Hie表示。Hanke称此举“相当值得称赞”，尤其是因为并没有任何官方规定要求这样做。“因为他们从任何地方都得不到关于自己应该做什么的指导，”他说。

原文发表于2025年9月21日：

加利福尼亚州的一个研究团队利用人工智能设计出了能够杀死细菌的有效病毒，他们将其描述为“完整基因组的首次生成式设计”。据《麻省理工科技评论》报道，该项目标志着向AI设计的生命形式迈出了早期一步。

这项工作由斯坦福大学和非营利组织Arc Institute的科学家完成。在一篇预印本论文中，他们描述了一个AI系统如何提出新的病毒遗传密码。该团队随后将其中302个设计通过化学方法合成为DNA链，并将其暴露于大肠杆菌中。其中16种AI生成的病毒成功复制并摧毁了它们的细菌宿主。

“看到这个AI生成的球体，确实令人震撼，”Brian Hie说。他负责运营Arc Institute的实验室，这些病毒正是在那里被创造出来的。

Evo从数百万个病毒基因组中学习

这个项目的核心是一个名为Evo的AI，它的运作方式类似于大语言模型，但训练数据是生物学而非文本。Evo不是从书籍和文章中学习，而是基于约两百万个噬菌体基因组进行训练。在这项研究中，研究人员让它提出phiX174的变体——这是一种简单的噬菌体，仅包含11个基因和约5,000个DNA碱基。

纽约大学朗格尼健康中心的生物学家Jef Boeke将该项目描述为迈向AI设计生命“令人印象深刻的第一步”，尽管病毒本身严格来说并不算有生命。他表示，AI的表现“出奇地好”，其设计也“出人意料”，对基因顺序和排列的改变是人类科学家未曾考虑过的。

并非所有人都对此信服。曾帮助开创合成DNA的J. Craig Venter称这种方法“只是更快版本的试错实验”。他的实验室曾通过类似过程制造出合成细胞，但当时是通过对科学文献进行缓慢得多的手动检索。

前景与风险

这项技术可能具有重大应用价值。医生们长期以来一直在尝试将噬菌体疗法作为治疗多重耐药细菌感染的手段。病毒也是基因治疗中的关键工具，它们将新基因递送到人体细胞中。AI设计的病毒可能让这两种方法都更加有效。

但风险同样显而易见。研究团队刻意避免让Evo在人类病原体上进行训练。即便如此，Venter仍对如果同样的方法被用于天花或炭疽等危险病毒时可能发生的情况提出了“严重关切”。“我强烈敦促保持极度谨慎的一个领域是任何病毒增强研究，尤其是当它是随机进行时，因为你不知道你会得到什么，”他说。

将该方法扩展到活细胞要复杂得多。像大肠杆菌这样的细菌，其DNA数量大约是phiX174的1000倍。博克警告说：“其复杂性将从令人震惊的程度飙升到远超宇宙中亚原子粒子数量的水平。”

尽管如此，Ginkgo Bioworks首席执行官杰森·凯利认为，追求AI设计的细胞应成为国家优先事项。他设想自动化实验室能够持续测试AI生成的基因组设计，并将结果反馈给模型。“这将是国家级的科学里程碑，因为细胞是所有生命的基础构件，”他说。“美国应确保率先实现这一目标。”

继续阅读以了解全貌。订阅以获取无炒作报道。

• 访问THE DECODER全部文章。
• 无干扰阅读——无Google广告。
• 访问评论和社区讨论。
• 每周AI新闻通讯。
• 每年6期：“AI雷达”——深入探讨关键AI主题。
• KI Pro线上活动最高可享25%折扣。
• 访问我们完整的十年存档。
• 从The Decoder获取最新AI新闻。