AI造出16种此前从未存在过的活病毒

这不是编辑一种已知病毒，也不是替换某个基因或删减某段序列。BBC、CNN、《纽约时报》、WIRED、ABC和《科学美国人》均有报道，称AI首次成功设计出了完整基因组⁠2⁠3⁠5⁠7⁠8。这项研究的核心AI模型名为Evo，报道中称其为Evo 2。该模型通过DNA数据训练，学习遗传密码中的模式，随后生成全新的病毒基因组⁠3⁠5⁠6。科学家随后合成了这些设计，并在实验室测试它们能否感染、复制和杀死目标⁠2⁠4⁠7。

在实际构建并测试的设计中，有16种从头到尾都奏效⁠2⁠3⁠5⁠7⁠8。CNN称测试数量约为300种⁠4。这个比例很重要，因为它同时说明了两件事：正如生物学规律所预示的那样，大多数AI预测都失败了。但成功的数量足以证明，这种方法是真实可行的，而非停留在理论层面。一个能设想数十万个基因组，并最终造出16种活病毒的系统，已经从预测跨入了构建阶段。

存活下来的是噬菌体，即感染并杀死细菌的病毒，包括大肠杆菌⁠2⁠4⁠6⁠11。这一细节既界定了这项研究当下的科学意义，也界定了它的局限。研究宣布的并非创造出人类病原体，而是创造出猎杀细菌的噬菌体。斯坦福大学研究人员布赖恩·希和阿迪蒂·默钱特称，针对一种杀灭大肠杆菌的病毒设计开展的实验室测试结果超出预期⁠3⁠6。

布赖恩·希和阿迪蒂·默钱特的名字在各家报道中反复出现⁠3⁠5⁠6。他们的成果指向各方认同的近期最实际用途：寻找对抗抗生素耐药细菌的新方法⁠4⁠6⁠8⁠11。噬菌体长期以来受到医学界关注，因为它们杀死细菌的方式与抗生素截然不同。如果AI能按需编写新的噬菌体，研究人员原则上就可以为药物失效的细菌菌株设计杀手，开发揭示感染情况的诊断工具，并构建新的生物技术和基因疗法组件。这正是支持者将Evo视为生物学设计引擎、而不只是DNA读取工具的原因。

《独立报》将公众反应概括为：这项研究令人同时感到振奋和恐惧⁠10。这句话广为流传，是因为研究本身就引人产生这种感受。论文指出，这项能力引发了生物安全、生物安保和生物遏制方面的担忧⁠3⁠8⁠10。《科学美国人》报道，一些科学家称这项技术可能遭到滥用⁠3。WIRED则指出，人们担心技术发展会快于监管⁠8。经核实的报道中，没有人声称这16种噬菌体会威胁人类。人们担忧的是这一方法所证明的事实：软件能够“幻觉”出一个基因组，再由实验室中的人将其变成活体。

时间线十分紧凑。论文发表于《科学》，并于2026年8月6日星期四对外宣布⁠2⁠7⁠10。2026年8月6日至8日，BBC、CNN、《纽约时报》、WIRED、《福布斯》、ABC和《科学美国人》相继报道⁠2⁠3⁠4⁠5⁠6⁠7⁠8⁠9。报道如此迅速，反映出这一说法不同寻常。AI已被用于预测蛋白质形状、提出编辑建议和筛查DNA。但从头设计出完整且能发挥作用的病毒基因组，并观察它复制，是跨越了另一道门槛；各方报道都将其视为首次⁠2⁠4⁠7。

资料中有一处明显分歧，读者应当知晓，而不是被含糊带过。《福布斯》称Evo是OpenAI的人工智能模型⁠9，而其他报道则将其归于斯坦福大学和Arc研究所的研究人员⁠3⁠5⁠6。各方对模型的来源说法不一。但一致的信息是，这项研究在斯坦福大学和Arc研究所开展，并于8月6日发表于《科学》；研究成果是16种能够存活的病毒⁠2⁠4⁠7。

对于防护措施，也应保持同样的谨慎。WIRED指出，监管可能落后于科学发展；但在所提供的资料中，没有证据证实针对AI生成活病毒的具体强制性防护措施已经落实⁠8。这一缺失本身和病毒一样，是报道的核心内容。相关方法已经发表，原理验证也已公开。报道尚未解答其对人类的影响：一方面，它可能带来对抗耐药性的医疗进展；另一方面，蓄意滥用或意外泄漏可能快于监管应对。

研究人员不必从活病毒模板入手进行复制。他们从数据出发，训练模型生成基因组，合成候选病毒，再以能否感染作为检验标准⁠2⁠4⁠7。大多数尝试失败了。16种没有失败⁠2⁠3⁠5⁠7⁠8。在生物学中，这就是模拟与生物体的区别，也是筛选结果所显示的可能性与培养皿所证实的现实之间的区别。