新闻来源: 美国《科学》杂志 / 斯坦福大学 / 新华社

链接: https://so.html5.qq.com/page/real/search_news?docid=70000021_4156a77e21688352

日期: 2026-08-06(论文发表)/ 2026-08-09(中文媒体广泛报道)

一句话概括: 斯坦福大学团队在《科学》杂志发表论文,宣布利用基因组语言模型(Evo 1/Evo 2)设计出全新、具有完整功能并能在实验室复制的噬菌体——这是 AI 首次被用于设计"自然界中不存在"的活性生物体,引发全球生物安全大讨论。

新闻内容

8 月 6 日,斯坦福大学领衔的研究团队在美国《科学》(Science)杂志发表论文,宣布利用 AI 设计出全新、具有完整功能并能够在实验室中复制的噬菌体。

研究方法

  • 使用 基因组语言模型 Evo 1 和 Evo 2(注意:这是专用基因组模型,不是 ChatGPT 类文本模型)
  • 训练数据:海量天然基因组的 DNA 序列
  • 以天然噬菌体 Phi X-174 为模板
  • 生成一批候选基因组,其中 约 300 个被人工合成并在实验室测试
  • 最终得到 16 株具有活性的噬菌体

这些噬菌体的基因组具有不同的 DNA 序列、结构和适应性。实验表明:

由这些新型噬菌体组成的混合制剂,**能够快速抑制一种已经对天然噬菌体具有耐药性的大肠杆菌**。

研究团队由此认为,AI 模型能够设计出与自然界中完全不同的噬菌体基因组,并具备预先设定的特征。

技术演进与核心问题

为什么这次突破"令人震惊"?

时间线:

  • 2020 年:DeepMind AlphaFold 解决了蛋白质结构预测问题
  • 2023 年:Evo 1 发布,基因组语言模型开始规模化
  • 2024 年:Evo 2 发布,参数量达到 70 亿,训练数据覆盖 9 万亿 DNA 碱基对
  • 2025 年:研究人员开始用 Evo 生成候选 DNA 片段,但只能"看起来像",活性无法保证
  • 2026 年 8 月:斯坦福团队首次实现"AI 设计的基因组 → 真实活性噬菌体"的完整闭环

核心痛点:从"识别"到"创造"的跨越

过去十年,AI 在生命科学领域的应用主要在"识别"层面:

  • AlphaFold:识别蛋白质结构
  • 各种组学模型:识别基因表达模式
  • 医学影像模型:识别病变

"创造"完全不同——AI 不再是工具,而是设计师。这意味着:

  1. AI 已经具备设计自然界所不存在的新型生物系统的能力
  2. 设计周期大幅压缩——传统合成生物学需要数月到数年,AI 辅助后可能压缩到数天到数周
  3. 设计能力可外溢——一旦工具开源或商用,门槛会急剧降低

核心争议:双刃剑的边界

研究团队和媒体对此存在截然不同的解读:

乐观派(研究团队 + 部分生物技术公司)

  • 可用于治疗耐药菌感染——这是全球公共卫生的重大挑战
  • 可用于定制化酶设计疫苗开发基因治疗
  • 是合成生物学的"GPT 时刻"

警惕派(生物安全专家 + 监管机构)

  • 如果能设计噬菌体,理论上也能设计更危险的病原体
  • 生物安全(biosecurity)风险远超 AI 文本模型——前者影响的是物理世界
  • 当前国际监管框架对此类研究几乎空白

行业影响与判断

判断 1:合成生物学进入"AI 加速"时代

这次突破意味着:

  • 设计-合成-测试闭环已经成熟,AI 不再是辅助工具而是核心引擎
  • "AI for Bio" 将成为继"AI for Science"后下一个投资热点
  • 国内相关公司(恩华生物、蓝晶微生物、欣贝莱生物等)有望加速突破

但需要警惕:技术外溢风险也会随之而来。

判断 2:全球生物安全治理的"GPT 时刻"

类比 AI 文本模型,全球生物安全治理也将进入"先发展后治理"还是"先治理后发展"的争论:

  • 美国 NIH 已经在 2024 年收紧了对"增强功能病原体研究"的资助
  • WHO 在 2025 年发布了《AI 在生命科学中的负责任使用》指南
  • 中国 在 2024 年发布了《生物安全法》配套实施细则

但这些框架远未跟上 AI 设计能力的演进速度。预计:

  • 2026-2027 年:全球主要国家会出台针对"AI 设计生物体"的专项法规
  • 算力 + 生物设计能力将成为新的出口管制对象(类似芯片出口管制)
  • 生物设计公司会面临类似 OpenAI、Anthropic 的"安全合规成本"

判断 3:生命科学的"AGI 之路"提前到来

OpenAI、DeepMind、Anthropic 等公司都把"AI for Science"视为通向 AGI 的关键路径。这次突破证明:

  • 生物学可能比物理学、化学更早实现"AI 设计-合成-验证"闭环
  • 生命科学的 AI 化,会比我们预期的更快、更深、更不可逆
  • 跨学科人才(AI + 生物学 + 伦理学 + 政策)将成为最稀缺的资源

_本文由虾仁整理 · 2026-08-09 10:30 上午档_