8 月 6 日，美国斯坦福大学与加州弧形研究所（Arc Institute）合作团队在《科学》（Science）期刊发表一项里程碑式研究：他们用生成式 AI 模型设计出 16 种自然界中不存在、且确实具备感染与杀伤能力的噬菌体病毒。这是生成式 AI 首次产出「完整且有功能」的病毒基因组——纽约时报在报道中强调，人类早已掌握实验室合成病毒的技术，但此次的特殊之处在于，这些病毒是 AI 凭空「写」出来的全新设计。研究本身服务于噬菌体疗法与耐药菌治疗，但它在生物安全与治理层面掀起的涟漪，远比实验室里的培养皿更远。
一、技术拆解：Evo 2「写」基因组，302 选 16
研究团队使用的模型是 Evo 2——一个以约 200 万种噬菌体遗传序列为「语料库」训练的开源生成式模型。流程并不神秘：AI 先学习自然界 DNA 的结构模式，掌握基因组的「语法」后，被定向调整为专门生成噬菌体——一种只感染特定细菌的病毒。模型批量产出了数千组候选基因组，团队从中筛选出 302 个最有潜力的设计，在实验室完成 DNA 合成并导入细菌进行测试，最终 16 种被证实具备生物活性，能够在培养皿中裂解（杀死）大肠杆菌，且清除效力优于作为模板的天然噬菌体 ΦX174。博士生塞缪尔·金描述了那个「令人无比激动」的瞬间：把 AI 设计的病毒放入覆盖细菌的培养皿后，出现了清晰可见的透明噬菌斑。「16/302」的验证率，就是当前技术能力的具象刻度——成功率不算高，但「从零写出生效的活病毒」已经不再是国家实验室的专利。
二、安全设计：主动降险的三道闸门
研究团队在安全层面做了相当刻意的设计。第一道闸门在训练端：训练数据中剔除了能够感染人类、动物或植物的病毒代码，从源头确保模型无法生成威胁人类健康的病原体基因组；第二道闸门在测试端：实验只使用非致病性的大肠杆菌菌株，测试环境符合生物安全规范；第三道闸门在选材端：团队选择天然噬菌体 ΦX174 作为设计模板——这种病毒只感染大肠杆菌，且已被科学家研究了近一个世纪，特性掌握充分，风险相对可控。项目负责人、斯坦福大学计算生物学家布赖恩·希（Brian Hie）明确表示，实验室依靠慈善与政府经费运作、没有商业化计划，并选择开源发布 Evo 2——在他看来，公开基础技术本身就是一种责任。但约翰霍普金斯大学的学者在《科学》配发的评论文章中提出了冷静的追问：这项技术「现有的治理框架不足以监管」——「利用生成式人工智能编写病毒基因组的技术现已具备，但能够对其进行安全管控的治理体系却尚未建立」。研究者自己也承认，存在一个「风险极高、不能触碰」的领域：生成能够感染真核生物（人类、动物、植物）的病原体基因组，因为一旦如此，现有应对手段将无法遏制。
三、产业与学界反响：莱特兄弟时刻，还是潘多拉魔盒
消息公布后，舆论迅速分成两派。乐观者看到了噬菌体疗法复兴的可能：东欧用噬菌体治疗感染已有数十年历史，但西方长期受限于噬菌体与细菌的配对复杂性与耐药性问题，AI 有望大幅降低设计与筛选成本，在超级细菌（多重耐药病原体）蔓延的背景下提供创新替代方案；合成生物学公司 Genyro 首席执行官阿德里安·伍尔夫森称之为「生物学的莱特兄弟时刻」——人类不再只读取进化给出的蓝票，而开始编写未来生物的指令集。审慎者则聚焦双刃剑效应：帝国理工学院生物工程学教授汤姆·埃利斯指出，如果未来有人用包含危险病原代码的数据对 AI 进行重新训练，产出更具威胁病毒的门槛将被显著压低；伦敦国王学院科学与国际安全副教授菲利帕·伦佐斯则把干预点锁定在「DNA 合成端」——模型把关、研究伦理审查、基因合成筛查、实验室生物安全分级必须多层叠加，不能只盯着 AI 本身。开源发布的 Evo 2 意味着任何实验室（包括处于灰色地带的机构）都能下载改写，这是开源精神与安全边界之间最现实的张力。
四、客观看：突破是真的，治理是缺的
把这项研究放回 AI Agent 的大图景中看，它的冲击在于：AI 的能力边界正在从「理解世界」跨向「改写世界」——过去一年里，AI 在写代码、做科研、操作电脑上的突破让「智能体」成为热词，而这一次，AI 直接「写」出了生命体的基因组。这对前沿模型的安全评估体系提出了直接挑战：现有的生物风险评估框架（如主流模型安全政策中普遍存在的生物风险门槛）主要针对「模型能否提供有害知识」，而 Evo 2 证明，生成式模型已经可以端到端产出「可合成的危险设计」，安全审查的粒度需要从「知识」下沉到「输出物」本身。但另一方面，也必须避免过度恐慌。其一，本次成果是噬菌体而非人类病原体，且团队主动剔除了危险训练数据，研究本身的可控性值得肯定；其二，16/302 的成功率说明「从序列到活病毒」的合成链路仍有大量不确定性，AI 设计距离「可规模化制造危险病原体」还有距离；其三，噬菌体疗法、耐药菌治疗等应用前景是真实存在的正向价值。真正的风险在于治理缺位：当技术扩散速度快于规则建设速度，「负责任的 AI 生物设计」就不再只是一句口号，而需要 DNA 合成筛查、模型训练数据过滤、研究伦理审查与生物安全实验室规范在多个环节同时发力。AI 造物的时代已经打开了一扇门，社会需要尽快决定：门里要装几道锁。