AI“造物”成真：70万行代码孵化16种活体病毒，潘多拉魔盒打开了吗？

当人工智能还在忙着写诗、作画和敲代码时，科学家们已经让它学会了“创造生命”。

近日，一项于 8 月 6 日发表在《科学》杂志上的重磅研究震动了科技与生物界：斯坦福大学与 Arc Institute 的联合团队，利用名为 Evo 的基因组语言模型，在数字世界中生成了约 70 万份病毒基因组候选序列。更令人震撼的是，经过层层筛选与实验室合成，其中有 16 份“数字代码”成功转化为真正的活体噬菌体，能够在培养皿中复制、感染并裂解大肠杆菌。

这不仅是生成式 AI 的一次炫技，更是合成生物学从“设计零件”迈向“整车制造”的历史性跨越。

从“拼装零件”到“从零造车”

过去，AI 在生物学领域的应用多局限于设计单个蛋白质或基因片段，就像是在打造汽车的轮胎或方向盘。而这一次，研究团队实现了整套功能性病毒基因组的“从头设计”。

Evo 模型输出的并非肉眼可见的病毒实体，而是一长串由 A、T、C、G 组成的 DNA 序列。研究人员从中挑选了 285 份候选序列进行物理合成，并将其送入大肠杆菌中进行验证。大多数序列如泥牛入海，毫无反应；但有少数培养皿上出现了透明斑点——这意味着细菌已被新生的病毒成功裂解。最终，16 个完全由 AI 构思的病毒在现实世界中“活”了过来。

AI 是如何“捏”出病毒的？

为了确保实验的安全性和可控性，团队选择了噬菌体 Phi X-174 作为模板。这种病毒只感染细菌，基因组极短且被人类研究得非常透彻，是验证全流程的完美选择。

在训练阶段，Evo 先是“阅读”了高达 9 万亿个核苷酸的庞大数据，随后又用约 1.5 万个与 Phi X-174 亲缘关系相近的微小病毒科基因组进行了专项微调。

事实证明，AI 并不是在简单地复制粘贴。这 16 个存活的 AI 病毒不仅不是勉强运转的“残次品”，其中一些在竞争实验和裂解细菌的速度上，甚至击败了天然的 Phi X-174。更神奇的是，当研究人员将这些 AI 噬菌体混合传代时，它们仅用 1 到 5 轮重组，就成功突破了三种具有耐受性的大肠杆菌防线。这一特性，无疑为利用噬菌体疗法对抗日益严峻的超级耐药细菌点亮了新的希望。

悬在头顶的达摩克利斯之剑

然而，当 AI 掌握了编写生命源代码的能力，安全问题便如影随形。

虽然研究团队在训练 Evo 时，刻意剔除了所有感染人类的病毒及其近亲数据，且实验仅使用非致病性大肠杆菌，声称当前模型无法生成人类病毒序列。但牛津大学的研究人员敏锐地指出，“自然界没有”并不等同于“生物学机制未知”。这些 AI 病毒依然依赖自然界的底层生物机制运行；且今年 6 月的独立分析显示，Evo 评分越高的序列，往往越接近自然病毒。换句话说，AI 目前更多是在自然法则允许的框架内提升搜索效率。

但这并不能消除学界的担忧。约翰斯·霍普金斯大学的研究员发出了灵魂拷问：如果换一套毫无限制的训练数据，后果会怎样？未来，恶意行为者是否会利用类似的基因组模型，去改写流感等病毒的传播力或致死率？

尽管从生成一段 DNA 序列到制造出真正的危险病原体，中间还横亘着物理合成、病毒组装和宿主适配等多道技术鸿沟，但监管的滞后已是不争的事实。美国政府虽在 7 月底出台了高风险生命科学研究政策，严禁联邦资金流向增加生物制剂危险性的实验，但面对一段“自然界从未有过”的 AI 生成序列，审查者该如何界定其潜在风险？目前全球尚无共识。

结语

70 万份数字序列与 16 个活体病毒的诞生，推开了生成式生物学新纪元的大门。它既蕴含着攻克耐药菌感染等医学难题的巨大潜力，也向人类现有的生物安全治理体系发出了严厉拷问。

技术狂飙突进之时，前瞻性的安全护栏必须同步跟上。毕竟，在生命的源代码面前，我们没有试错的机会。