研究做了什么

一支来自斯坦福大学与加州帕罗奥图非营利研究机构 Arc 研究所的团队，借助人工智能模型 Evo，设计出了自然界中从未存在过的病毒基因组。相关论文发表在 2026 年 8 月的《科学》（Science）杂志上。

Evo 是一款专为生物遗传物质训练的”基因组语言模型”。与阅读人类文本的 ChatGPT 不同，Evo 读取的是各种生物体的 DNA 与 RNA 序列。研究团队介绍，Evo 在训练中扫描了约 9 万亿个核苷酸，数据来自动物、植物、微生物和病毒等数百万种生命形式，借此学会了生命遗传密码中隐藏的”语法规则”。

从 70 万个方案到 16 种活病毒

研究人员以噬菌体 Phi-X174 为起点。这种仅感染大肠杆菌的单链 DNA 病毒，科学界已研究近百年。他们让 Evo 学习 Phi-X174 及其约 1.5 万个”近亲”的序列，随后要求模型写出全新的版本。

Evo 一口气生成了约 70 万个候选病毒基因组。团队筛选出最有希望的方案，将其中的 285 个左右合成并接入大肠杆菌进行培养，最终有 16 种成功存活、能够自我繁殖。

其中一些新病毒表现出了意料之外的能力：几种的繁殖速度比原型 Phi-X174 更快；还有一种在演化关系上已与本体相距甚远，相当于人工智能在极短时间内，完成了自然演化可能需要数百万年才会出现的变化。更令研究者振奋的是，把几种新病毒混合使用，竟能杀死已经对抗生素产生耐药性的大肠杆菌菌株，为对抗日益严峻的耐药菌问题提供了新思路。

“这是一个重要的里程碑，”未参与该研究的曼彻斯特大学合成生物学家 Patrick Cai 评价道。斯坦福研究生、论文作者之一 Samuel King 则表示，尝试让人工智能设计完整病毒基因组”似乎是很自然的一步”。

医学希望与安全担忧并存

目前这些新病毒都只感染细菌，不会侵染人类或动植物。研究者在训练 Evo 时，也特意剔除了可感染动植物和人类的病毒数据，把风险控制在窄范围内。

但《科学》同期配发评论文章指出，这项突破同时带来了紧迫的生物安全隐忧。约翰斯·霍普金斯大学健康安全中心的专家在评论中写道：”用生成式人工智能编写病毒基因组的能力已经存在，而安全引导它的治理体系尚未建立。”

部分专家担心，若有人窃取致命病毒基因组并交由人工智能改写，可能制造出人类缺乏防御手段的新病原体。不过多位学者认为当前风险有限：70 万个方案中仅有 16 个成功，且这些病毒只能感染大肠杆菌，从数字设计到真实病毒还需经过合成与严格实验，门槛不低。

研究者强调，真正需要的是多层级安全保障——加强基因库安保、对生物人工智能模型的输入与输出设限、完善科研审查，并要求 DNA 合成机构对客户提交的序列进行筛查。技术本身不分好坏，关键在于如何使用。