▲ 一种基于人工智能的噬菌体基因组设计框架。

基于数百万基因组训练的语言模型能够生成完整的噬菌体。序列根据受噬菌体ΦX174 及其宿主大肠杆菌（E. coli）启发的设计标准进行生成和计算评估。最有前景的设计通过化学合成并在宿主细胞中测试，产生了与已知天然噬菌体不同的可存活生成的噬菌体基因组，同时保留了宿主特异性。

▲ 概念图：AI 学习"生命底层语言"（DNA 序列），并据此设计全新基因组。

普通人刷到"AI 造出活病毒"的标题，第一反应是恐慌，但是这次大可不必！

先划重点辟谣：这次的产物不是攻击人类细胞的病毒，而是专门猎杀细菌的噬菌体（bacteriophage）——它只识别、裂解特定细菌，接触人体不会致病，相当于大自然天然的"细菌杀虫剂"。

为什么这件事轰动全球？因为全球抗生素正全面失效。据《柳叶刀》2022 年研究，2019 年全球约 127 万人直接死于耐药菌感染，世卫组织早已预警"抗生素失效是本世纪最大公共卫生危机"。而噬菌体疗法，被公认为对抗超级耐药菌的终极方案之一。AI 这次直接把噬菌体的研发范式推上了新台阶。

人类编辑噬菌体，从来不是新闻。从 CRISPR 到各类理性工程（rational engineering）技术，科学家早已能修改现有噬菌体的基因，赋予其更强的杀菌能力或新特性。那么，这篇论文凭什么被公认为"里程碑"？

关键在于它跨越了从"基因编辑"到"De Novo（从零）设计"的鸿沟。过去，科学家可以"修修改改"已有基因组，但要凭空创造出一个完整的、具备全部生命功能的基因组，是另一个维度的挑战。

斯坦福团队训练的 Evo 系列基因组语言模型，学习的不是文字，而是DNA 序列这套"生命的底层语言"——它能自主推导基因搭配、蛋白结构与生物繁殖逻辑。研究团队以天然噬菌体 ΦX174 为模板，让 AI 批量生成数千套完整基因组蓝图，从中化学合成并实验室测试近 300 个，最终 16 株全新噬菌体顺利成活、在宿主大肠杆菌中自主复制。

更惊人的是，论文明确指出：这些成活噬菌体不同于任何已知天然噬菌体，呈现出新发突变、分歧基因与可变基因组长度；其中一株（Evo-Φ36）的衣壳甚至借用了进化远缘噬菌体的 DNA 包装蛋白，并经冷冻电镜确认。这意味着它们是真正"硅基起源"、地球上从未存在过的生命。这是生命科学从"基因尺度"迈入"全基因组尺度"设计时代的标志。

要理解这项突破的价值，必须先看清旧方法的"笨拙"。传统噬菌体发现与疗法，被形象地比作"泥土淘金"：科学家去泥土、污水里天然打捞噬菌体，再靠繁琐的手工培养、分离、筛选，动辄耗费数月，且高度受限于天然已有的生物序列，很难匹配复杂、快速变异的新型耐药菌。即便理性工程能对局部基因做修改，要整体优化裂解率等综合特性，仍受困于低通量的实验周期。

而新的 AI 驱动方法是主动的、高通量的：它不仅打破了天然资源的天花板，让科学家能够探索自然界演化路径中从未出现、却可能具备优异功能的"未知序列空间"；更把过去动辄数月的搜集与筛选，压缩为以"天"乃至"小时"计的即时设计与验证，研发效率提升约百倍。噬菌体设计，由此从手工被动筛选，升级为一座现代化的"硅基精密智造工场"。

▲ 左：传统"泥土淘金"式手工筛选；右：AI 高通量硅基基因组设计。鸿沟一目了然。

面对每年上百万人的耐药感染死亡，AI 噬菌体提供了一条全新解药路径，其优势集中在两点：

① 百倍效率的个性化定制。输入目标细菌的基因组信息，AI 可在数小时内输出一套专门猎杀它的定制噬菌体设计方案，快速、低成本地应对新型突发感染或复杂难治的临床病例——这是传统"地毯式轰炸"式广谱抗生素难以企及的。

② 精准靶向，理论上只伤及目标菌。传统抗生素不分好坏，杀光肠道菌群、催生新耐药；而噬菌体 inherently 高度特异，只针对特定细菌，对健康人体细胞与益生菌群影响极小。（注：本研究的噬菌体仍属实验室阶段成果，临床安全性与适用范围仍需严谨的人体试验验证，不宜直接等同于"全人群安全"。）

而论文中最硬核、也最令人振奋的证据，是对"细菌进化耐药"的正面破解：研究团队验证，由 AI 生成的多株噬菌体组成的"鸡尾酒"，能够快速攻克已经对 ΦX174 产生耐药的大肠杆菌；而一组可类比的、天然来源的 ΦX174 类噬菌体混合物却做不到。这说明，我们未来能在硅基层面快速迭代不同攻击机制的组合，主动、有效地应对细菌的快速进化——这正是耐药菌治疗长期以来的死结。

▲ 噬菌体如"精确制导导弹"锁定并裂解超级耐药菌，对健康细胞影响极小。

这项突破引发舆论对"潘多拉魔盒"的担忧。需要厘清的是：论文正文并未使用"潘多拉魔盒"一词，也没有夸大风险；但它在参考文献中已系统引用多篇生物安全治理研究——如 Wang 等呼吁"为生成式 AI 工具内置生物安全护栏"、Baker 与 Church 的《Protein design meets biosecurity》、Bloomfield 等的《AI and biosecurity: The need for governance》、Wittmann 等的核酸生物安全筛查等。学界对这一颠覆性能力的双重用途风险有清醒认知。

真实边界在于：Evo 这类通用基因组 AI 的核心逻辑具有通用性。在缺乏护栏的前提下，同一套工具理论上可被导向设计感染人类的病原体，从而大幅降低高危病原体研发的门槛；叠加日益廉价、普及的 DNA 合成与组装技术，滥用的潜在成本显著下降。正因如此，包括 OpenAI、谷歌 DeepMind 在内的多家 AI 机构与生物安全专家，已多次呼吁建立生成式生物设计工具的监管护栏与 DNA 合成订单筛查机制。防护不能只靠企业自律，全球统一的生物安全监管体系必须追上技术的速度。

科技本身无善恶，使用它的人才决定走向。AI 凭空创造完整活体病毒基因组，是合成生物学划时代的里程碑——它让我们第一次真正拥有"重写生命代码"的能力，也把生命的底层蓝图完全摊开在人类面前。

未来几年，决定这项技术走向光明还是灾难的关键，在于三条主线：

① AI 噬菌体进入人体临床（乃至大规模三期）的落地进度；

② 全球 DNA 合成与生物 AI 相关监管立法的出台；

③ 各国通用基因组 AI 的安全分级管控标准能否真正落地。

无论如何，硅基生命的曙光已经重塑了人类与耐药菌战争的格局。从"泥土淘金"到"硅基智造"，我们终于从被动等待大自然的恩赐，转向主动设计生命的解药——这，才是这篇《科学》论文最值得被记住的意义。

▲ 未来：生命之光，护栏与全球监管决定它通向希望还是风险。

资料来源：

1. King S.H., Driscoll C.L., Li D.B., et al. Generative design of bacteriophages with genome language models. Science, 2026.（斯坦福大学生物工程系 & Arc Institute；通讯作者 Brian L. Hie；模型 Evo 1 / Evo 2；模板 ΦX174；近 300 个合成测试、16 个成活噬菌体；AI 噬菌体鸡尾酒攻克耐药大肠杆菌）DOI: 10.1126/science.aec2657  https://www.science.org/doi/10.1126/science.aec2657

2. 耐药感染死亡数据：Antimicrobial Resistance Collaborators, Global burden of bacterial antimicrobial resistance, The Lancet, 2022（2019 年全球约 127 万人直接死于耐药菌感染）。

相关阅读：

1. 噬菌体几个视频链接，顺便再推荐下JoVE可视化的期刊

2. 百年防腐剂有望成为特效药 

3. 诺奖风云录——小病毒一己之力为人类贡献数次诺贝尔奖

4. 从细菌捕手到智能传感器——小病毒成大利器

5. AI之光，照进生物宇宙"暗物质"

6. 这大概是我看到最开脑洞的病毒应用啦 

7. 太聪明啦——噬菌体攻破细菌防御新武器被我国科学家发现

8. 这是种病毒，却全身都是宝

9. 治疗痤疮黑科技——噬菌体、溶菌酶、乳酸链球菌素 

10.   2025 年度个人完成工作备忘录（2026年1月） 

支持单位：