AI从零设计病毒基因组：斯坦福团队用大模型造出16种杀细菌的全新病毒

斯坦福大学与Arc Institute的研究团队近期在《Science》发表了一项新成果：他们用AI模型从零设计完整的病毒基因组，并在实验室中成功制造出16种自然界并不存在的功能性病毒。这不是对已知病毒的微调，而是真正意义上的"按需创造"。

一次从零设计生命的实验

研究的核心工具是一个名为Evo的AI模型。团队让Evo一次性提出约70万个候选病毒基因组，再只挑出其中最有希望的285个序列进行实际合成，并将这些DNA片段植入细菌宿主。

最终结果相当克制——只有16个病毒成功在细菌内完成复制并杀死了宿主。对比70万的候选池，这个命中率说明AI的"想象力"和实验"成功率"之间仍有巨大鸿沟。

16这个数字的意义在于：这是首次有研究证明，AI可以独立设计出具备完整生命功能的病毒序列，而不是在已有病毒基础上做小幅修改。从"读取生命"到"编写生命"的边界，又往前推了一步。

它意味着什么

长期以来，生物学家的思路是"发现"——从自然界中分离噬菌体（专门感染细菌的病毒），再想办法用于治疗。这条路径受限于天然样本的多样性。AI设计把逻辑换成了"按需创造"，理论上可以快速针对特定细菌"定制"杀手。

研究团队明确强调，Evo没有使用人类病原体数据进行训练。这意味着模型的"知识来源"相对可控，短期内不太可能被直接用来设计针对人类的病毒。这一边界设计是研究者主动放进去的。

对开发者和中文用户的信号

这类工作对国内做合成生物学、AI for Science方向的团队是明确的风向标。大模型在蛋白质设计上的成果（如AlphaFold）正在向更复杂的"核酸层级"扩展，从RNA到完整基因组，AI能操作的设计颗粒度正在变大。

对普通AI工具使用者来说，这项研究提示了一个新趋势：AI正在从"语言和图像生成"扩展到"生命系统生成"。这意味着相关的伦理讨论、安全规范和监管框架会在未来几年密集出现。

后续值得观察的几件事

首先，Evo这类模型能否推广到其他病毒类群仍是未知数。其次，这类噬菌体如果走向临床，会面临监管路径、生产工艺和成本的多重门槛。最后，模型的开放程度和数据集治理方式，会直接影响后续研究是加速还是停滞。