2026年8月6日，美国斯坦福大学与弧形研究所（Arc Institute）联合团队在《科学》杂志发表论文，宣布利用生成式AI模型Evo 1和Evo 2首次成功设计出16种自然界不存在的、具备完整功能且可自主复制的活体噬菌体。这些噬菌体在实验室测试中杀灭耐药性大肠杆菌的效果优于天然噬菌体，为全球抗生素耐药危机提供了全新的替代疗法思路。但该研究同时引发约翰斯·霍普金斯大学健康安全中心专家的强烈警告——现有生物安全治理框架已不足以监管生成式基因组学技术，问题不再是AI能否设计病毒基因组，而是人类能否在不造成严重危害的情况下使用该技术。
什么是Evo模型？它如何从零设计完整病毒基因组？
Evo模型与ChatGPT遵循相同的预训练与生成原理，但学习对象从人类语言换成了“生命的语言”——DNA碱基序列。模型利用超过200万种噬菌体的遗传数据（总计约9万亿个核苷酸）进行训练，能够识别自然界长期演化形成的DNA结构模式，并据此从头构建全新基因组，而非在天然病毒基础上修改。
斯坦福大学计算生物学家、助理教授布赖恩·希（Brian Hie）对BBC表示：“这是生成式AI首次被用于设计完整基因组。它能够复制，也能在细胞内执行其他功能……对我们来说，这是一个全新的领域。”
研究团队以天然噬菌体Phi X-174（仅感染大肠杆菌）为模板，通过微调模型生成数千个候选基因组序列，从中筛选出302个进行实验室人工合成，最终确认16株具备完整活性、能稳定复制并高效杀灭耐药性大肠杆菌的新型噬菌体。
| 技术/产品 | 核心指标 | 应用场景 | 限制条件 | 信息来源 |
|---|---|---|---|---|
| Evo 1 / Evo 2 基因组语言模型 | 训练数据超9万亿核苷酸 | 生成完整噬菌体基因组 | 早期阶段，需实验室验证 | BBC、财联社 |
| 16种人工噬菌体 | 从302个AI方案中筛选合成 | 杀灭耐药性大肠杆菌 | 仅实验室验证，距临床应用需长周期研究 | 《科学》杂志 |
| Phi X-174（天然对照） | 仅感染细菌的DNA噬菌体 | 基础科研与教学 | 功能有限，非AI设计产物 | 通用知识 |
为什么选择噬菌体作为研究对象？
噬菌体只感染细菌，不会对人类构成直接威胁，且基因组较小（通常5-20千碱基对），便于合成和验证。更重要的是，全球抗生素滥用已催生大量“超级细菌”，每年约127万人死于耐药菌感染。传统噬菌体疗法需从自然界中筛选噬菌体，耗时数月至数年，而AI介入可将设计周期压缩至数天，实现“针对特定耐药菌快速定制噬菌体”。
布赖恩·希强调：“如果我们以负责任的方式开发这些技术，我认为这将为人类健康带来巨大益处。”伦敦帝国理工学院合成基因组工程教授汤姆·埃利斯（Tom Ellis）则评价称，这项成果令人印象深刻，但也揭示了构建更复杂基因组的巨大挑战，“这确实是最简单、最容易构建的基因组了。”
这项突破带来了哪些生物安全担忧？
约翰斯·霍普金斯大学健康安全中心专家在《科学》同期评论中明确警告，该研究提出了“迫在眉睫的生物安全和生物安保问题”。核心担忧在于技术逻辑的可迁移性——生成式AI编写病毒基因组的能力已具备，但针对恶意使用的监管规则却几乎空白。
研究团队已采取多项安全措施：训练数据中排除了所有感染人类、动物或植物的病毒遗传代码；所有实验均在严格生物安全实验室中进行；最终产物仅针对细菌。然而，Evo 2模型为完全开源项目，任何人都可免费下载使用，这大幅降低了病毒设计的技术门槛。
结论：技术突破与监管真空并存
AI设计噬菌体在实验室层面验证了可行性，为抗生素替代疗法打开了新门。但全球监管框架的滞后使这项技术暗藏风险。对于投资者和公众而言，当前最值得关注的不是恐慌，而是各国政府对生成式基因组学监管政策的推进速度。