研究人员让AI学习天然DNA规律，再生成全新病毒基因组。16种设计成功复制并感染细菌，同时引发双重用途担忧。
AI模型创建的病毒渲染图
科学家首次用人工智能设计出自然界从未出现过、却能正常工作的病毒。模型先学习大量DNA序列中的结构规律，再生成完整病毒基因组配方。研究人员按照这些配方合成DNA分子，将其放入细菌，最终有16种设计产生了可复制的新病毒，并成功感染其他细菌，证明它们具有生物活性。
人工合成病毒并非新技术。研究人员早已能复制已知病毒的基因组，用于研究病毒机制、测试抗病毒药和开发疫苗。此次突破在于，系统不是照抄自然界已有序列，而是从规律中组合出新的完整基因组。参与工作的斯坦福大学与Arc研究所团队，让AI识别天然DNA结构模式，再要求它写出可运行的病毒方案。
这些病毒与天然噬菌体Phi X 174相似。Phi X 174只能感染细菌，不会感染人类，因此本次产物不构成人体传染威胁。16个成功案例也说明，生命系统对序列的要求虽然严格，却不只存在一种可行答案。AI能够在巨大序列空间中找到自然演化尚未走过、实验人员也很难凭经验设计的组合。
名为Evo的AI模型生成的病毒
这种能力可能带来医疗价值。噬菌体可定向杀死细菌，有望用于处理抗生素耐药感染。AI若能按目标细菌设计噬菌体，研究人员可能更快建立治疗候选库，也能通过生成新病毒来理解基因之间如何协同工作。曼彻斯特大学合成生物学家Patrick Cai把这项成果称为重要里程碑。
风险同样明显。今天的模型设计对象不会感染人，但方法本身展示了从数字序列到活病毒的完整路径。更强模型、更大训练库和不同实验目标，可能扩大可设计生物体的范围。病毒设计工具因此具有典型双重用途，一面能促进药物、疫苗和噬菌体治疗，另一面可能降低制造危险病原体的技术门槛。
关键问题不只是AI能否生成序列，而是实验合成、筛查和释放环节如何受到约束。模型给出的文本本身不会传播，只有经过DNA合成、组装、导入宿主和培养，才可能变成生物实体。因此安全控制可以分布在模型访问、序列订单筛查、实验室审批和产物测试等多个环节，而不是只寄望模型拒绝回答。
研究结果也不能说明AI已能随意设计任何病毒。Phi X 174基因组较小，结构和宿主范围相对明确，成功的16种设计来自受限任务。更复杂病毒包含更长基因组、调控网络和宿主相互作用，难度会显著增加。即便如此，从模仿已知序列跨到产生可复制新生命形式，仍是能力边界的重要变化，也值得长期持续审视研究。
研究机构需要在开放科学、同行验证和生物安全之间建立规则，对高风险设计进行评估，并限制未经审查的合成。16种病毒证明AI设计生命已从概念走向可运行实体，也让治理不再只是未来议题。
原文：https://www.nytimes.com/2026/08/06/science/ai-viruses-bacteria-arc.html