Science炸裂！斯坦福AI从零写出活病毒，16条感染细菌，比自然进化强一个数量级

AI学会了从零写一条生命，16条活了

8月6号，Science发了一篇论文。

斯坦福大学和Arc Institute的团队用AI从零设计了完整的病毒基因组，然后在实验室里把它们合成出来。16条活了。它们感染了大肠杆菌，并且杀死了宿主。

我看到这个消息的时候第一反应是，等等，什么叫「从零设计」？

不是改造，不是编辑，不是在已有病毒上动手脚。是AI自己写出来的。从一段只有4到9个碱基的起始序列开始，AI把剩下的5386个核苷酸全部补完，写出了一个完整的病毒基因组。就像你给GPT一个开头「从前有座山」，它给你写了一整本小说。

只不过这本「小说」是活的。

AI不再只是在写代码了。它开始写生命的源代码。

说真的，这个类比越想越觉得不寒而栗。我们这些写程序的人，每天让AI帮我们写Python、写JavaScript、写各种代码。现在同样的技术，用在了另一种「编程语言」上，A、T、C、G，四个字母，但编译器是真实的细胞，运行环境是活着的生物体。

我需要把这件事的数字拉出来给你看一下，因为数字本身就够震撼了。

他们用的模型叫Evo，分1代和2代，在大约200万个噬菌体基因组上训练。模型一共生成了大约70万个候选基因组。团队从里面挑了302个去合成，成功造出来285个，然后把这285个塞进大肠杆菌里。

16个活了。变成了能自我复制、能杀死宿主的功能性病毒。

5.6%的命中率。听起来不高对吧？但你想想看，这是从零开始写出来的东西。自然界花了几十亿年进化出的精密机器，AI用几个碱基的提示词就写出了可以运转的版本。

更离谱的是性能。表现最好的那个设计，编号Evo-Φ69，在6小时的感染窗口内扩增了16到65倍。作为对比，自然界的野生型ΦX174在同样条件下只能扩增1.3到4倍。

AI设计的病毒，比自然进化出来的，杀菌效率高了一个数量级。

然后还有最关键的一个发现。研究团队把这16个AI设计的病毒混在一起做成鸡尾酒，去对付那些已经对自然病毒产生抗性的大肠杆菌。

结果呢？自然病毒的混合物搞不定的抗性菌株，AI设计的病毒鸡尾酒搞定了。

细菌对自然界的武器产生了免疫，但对AI写出来的武器没有。

好了，到这里你可能有两种反应。

第一种，太牛了。抗生素耐药性是人类面临的最紧迫的公共卫生危机之一。全球抗微生物耐药性研究项目预测，2025到2050年间，耐药菌将导致3900万人死亡，差不多每分钟3个人。如果AI能设计出自然界不存在的新型噬菌体来对付这些超级细菌，那这简直是天大的好消息。

第二种，等一下。你告诉我一个开源模型现在能从零写出功能性病毒基因组？这。。。

两种反应都对。而且它们指向的是同一个问题。

约翰霍普金斯大学健康安全中心的Thomas Inglesby和Moritz Hanke在Science同期发了一篇评论，里面有一句话我觉得精准得可怕。

「用生成式AI编写病毒基因组的能力已经存在了，但安全治理它的框架还不存在。」

能力先到，治理后到。这个时间差，就是风险存在的那个缝隙。

更讽刺的是，美国国立卫生研究院最近发了一个政策，禁止联邦资助的功能增益研究。听着很负责任对吧？但这个政策有一个明确的豁免条款，计算设计不算在内。

也就是说，你用AI在电脑上从零设计一个病毒基因组，只要你没真的在实验室里合成它，现有政策管不了你。

坦率的讲，我能理解为什么会有这个豁免。因为以前「计算设计」离「真的造出来」之间差了十万八千里。但现在呢？斯坦福这篇论文告诉你，从设计到合成到活的病毒，这条路已经跑通了。

当然了，也有人觉得威胁被夸大了。

帝国理工学院的Tom Ellis教授说这事被吹过头了，因为改造已有病原体比从零设计一个要容易得多，对坏人来说走捷径更实际。新加坡亚洲健康安全中心的Hsu Li Yang也说，「设计之后的湿实验室能力门槛依然很高，这一点没有变。」

他们说的有道理。你不是下载个模型就能在车库里造病毒的。从基因组序列到真的合成出来再到让它活着，中间需要的实验室设备、技术能力和专业知识，不是普通人能搞到的。

但我想问的是，这个门槛还能守多久？

你想想看，三年前写代码还是一门需要多年训练的专业技能。现在呢？AI让几乎任何人都能写出能跑的程序。技术的民主化从来都是单向的，从难变容易，从少数人到所有人。合成生物学会是例外吗？

我希望是。但我不敢打赌。

然后就在这篇论文发出来的第二天，发生了一件特别有意思的事。

8月7号，Anthropic更新了Claude Fable 5的生物安全防护策略。

他们做了什么呢？放宽了。生物学相关查询的误拦截率降低了85%。现在用户可以正常问健康问题、理解化验单、学习生物学知识了。医疗专业人员也能获得更多的临床支持。

但同时，有三个领域依然是锁死的，病毒学、毒理学、分子设计。这些查询会被路由到能力更弱的Opus 5模型。

Anthropic在公告里说了一句很关键的话。

「Fable 5在某些高度复杂的生物学任务上已经能超越人类专家，并且能为恶意行为者提供他们在其他任何地方都找不到的能力。」

你品一下这句话。一个AI公司亲口承认，自家模型在生物领域的能力已经强到需要主动限制了。不是因为能力不够所以限制，是因为太强了所以限制。

这跟斯坦福那篇论文放在一起看，简直就是同一个故事的正反两面。

一面是学术界说，看，AI已经能从零写出活的病毒了。另一面是产业界说，对，我们知道，所以我们把这部分能力锁起来了。

能力已经到了。围栏还在建。

怎么说呢，这让我想起奥本海默。

1945年三位一体核试验成功的时候，奥本海默引用了薄伽梵歌那句话，「我现在成了死神，世界的毁灭者。」后来他花了余生试图推动核武器的国际管控。

但核武器这个东西有一个「好处」，它的门槛极高。你需要浓缩铀或者钚，你需要极其精密的工程能力，你需要国家级别的资源。所以虽然制造原理是公开的，七十多年来也只有九个国家真正造出了核弹。

生物技术的门槛正在变得完全不同。

基因合成的成本在过去十年下降了1000倍。AI模型可以开源获取。实验室设备越来越标准化和易得。美国情报界2026年度威胁评估里明确写着，多个国家可能正在维持活跃的进攻性生化武器项目，而合成生物学的进步「可能导致新型生物威胁」。

核武器的治理靠的是原材料的稀缺性。生物武器的治理靠什么？

这个问题我真的不知道答案。

斯坦福的团队做了他们能做的负责任措施，训练数据里排除了感染真核生物（包括人类）的病毒，实验只在非致病性噬菌体和非致病性大肠杆菌上做，全程在安全实验室里。

但知识一旦发表就是公开的。方法论一旦被验证就是可复现的。Evo模型本身是开源的，任何人可以免费使用。

这就像编程领域的开源精神，代码写出来就是要被全世界看到和使用的。但当「代码」写的是生命本身的时候，开源精神还适用吗？

其实吧，我觉得答案不是非黑即白的。

噬菌体疗法真的可能是解决抗生素危机的关键突破。AI设计的噬菌体鸡尾酒如果真的能对付超级细菌，那每年可能挽救几十万人的生命。这个好处是实打实的、可量化的、紧迫的。

但你同时也不能假装风险不存在。

我自己的感受是这样的。这篇论文标志着一个分水岭。在它之前，「AI设计生命」是科幻小说。在它之后，是Science正刊论文。

我们正在从「AI能不能做到」的时代，进入「AI做到了，然后呢」的时代。

回到开头那个画面。AI拿到4到9个碱基的提示，写出了5386个核苷酸的完整基因组。16条活了。还比自然进化的版本更强。

三年前我们在讨论AI能不能写出通顺的文章。两年前我们在讨论AI能不能写出能跑的代码。现在我们在讨论AI写出来的东西，活了。

从写文章到写代码到写生命，这条线的延长方向，说实话，比任何AI模型本身的进步都让我心里没底。

反正我觉得，这件事值得每个人认真想一想。不是恐慌，但也绝对不能当作又一条「AI又做到了什么」的新闻刷过去。

因为这次AI写的东西，真的活了。

大时代啊，朋友们。

---

以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～

谢谢你看我的文章，我们，下次再见。