美国科学家首次用 AI 设计出病毒，生物安全该如何设防？

据英国广播公司（BBC）当地时间8月6日报道，美国研究人员表示，人工智能已被用于设计全新的病毒。这些病毒具备完整功能，并能够在实验室中复制。这是人工智能首次成功设计出完整的病毒基因组。研究人员最终制造出16种新型病毒，它们被设计用于感染细菌，不会对人类构成威胁。这一突破被称为科学领域的“一个非常重要的转折点”，可能开启疾病治疗的新阶段。但专家也警告，由人工智能设计病毒带来了“迫在眉睫”的生物安全和生物安保问题。该研究结果于周四发表在《科学》杂志上。

美国科学家首次用AI设计出病毒，意味着什么？

这两天“美国科学家首次用AI设计出病毒”的新闻出来以后，我估计很多人的第一反应都和我差不多：这玩意是不是有点危险？

再往后想一步就更吓人了。今天AI能够设计一个感染细菌的病毒，以后能不能设计感染人的病毒？如果有人故意这么干，这项技术会不会被拿去制造生物武器？

这个担忧我觉得并不是杞人忧天。

但这个问题要往下讨论，有件事情得先说清楚：人类并不是有了AI以后，才突然学会制造或者设计病毒的。

这次研究来自斯坦福大学和Arc Institute的Brian Hie团队。研究最早在2025年9月以预印本形式公开，2026年8月正式发表于《Science》。研究人员使用Evo 1和Evo 2两个基因组语言模型，以经典的ΦX174噬菌体作为设计模板，让AI生成完整的病毒基因组，再把其中一批候选序列真正合成出来进行实验。

最后，302个实际测试的AI设计中有16个产生了能够繁殖的噬菌体。部分设计在竞争实验或者裂解动力学中表现得比天然ΦX174更好，由AI设计噬菌体组成的组合还可以克服3株大肠杆菌已经形成的ΦX174抗性。[1]

这个结果当然很厉害。

但这里的“首次”，指的是第一次由生成式AI直接设计出完整而且能够运行的病毒基因组，不是人类第一次从DNA开始制造病毒。

这件事我们二十多年前就干过了。

2002年，纽约州立大学石溪分校的研究人员根据已知的脊髓灰质炎病毒序列，从化学合成的寡核苷酸开始组装出全长病毒cDNA，再由此获得了具有感染性的脊灰病毒。[2]

这项研究当时引起了很大的生物安全争议，因为它第一次非常直观地证明了一件事：只要一个病毒的基因组信息已经公开，就算手里没有天然病毒样本，也可能从“信息”重新走回“实体”。

一年以后，Hamilton Smith、Clyde Hutchison、Craig Venter等人又用人工合成的寡核苷酸，组装出了完整的ΦX174噬菌体基因组，而且最后得到了具有感染能力的噬菌体。[3]

很巧，这次AI研究选择的设计模板，也正是ΦX174。所以“按照已有图纸把病毒重新做出来”并不新鲜。甚至重新设计病毒，也不是AI时代才出现的。

2005年，MIT的Leon Chan、Sriram Kosuri和Drew Endy做过一个非常经典的T7噬菌体genome refactoring，也就是“基因组重构”实验。

T7天然基因组里有大量相互重叠的遗传元件，对于进化来说这没有任何问题，但对于想理解和改造它的人类来说就很麻烦。于是研究人员把一部分遗传元件重新拆分、整理，重新设计DNA序列，再把T7左侧原本11,515 bp的天然序列替换成12,179 bp的工程化DNA。最后得到的嵌合噬菌体仍然能够繁殖。[4]

所以如果把这次新闻理解成：AI出现以前，人类不会设计病毒，现在突然会了。这个理解肯定是不对的。

AI改变的，其实是“到底应该怎么设计”

那既然我们二十年前就会做，为什么这次还这么受关注？

因为以前科学家虽然会改病毒，但绝大多数情况下，你首先得知道自己准备怎么改。

比如研究人员根据病毒学知识判断某个基因可能影响宿主范围，于是去修改它；或者认为某段基因重叠没有必要，于是把它拆开；或者通过重新编码，在尽量不改变蛋白质的前提下大规模改变病毒的核酸序列。

这种设计，本质上还是：人先提出规则，计算机帮着执行，最后再做实验。

问题是，生物学远没有这么简单。

一个病毒基因组里，一个碱基的变化可能影响蛋白质编码，也可能影响RNA二级结构、基因表达、复制效率或者基因组包装。如果这个位置恰好存在重叠基因，一个变化甚至可能同时影响两个不同的蛋白。

更麻烦的是不同突变之间还有epistasis，也就是上位性效应。一个突变单独存在的时候有利，跟第二个突变放在一起可能没什么影响，再加上第三个以后，整个病毒可能直接不能复制了。

所以病毒工程里面一个很大的难题从来不只是：DNA能不能合成出来？还有另一个问题：这么大的序列空间里，我到底应该合成哪一条？

这恰恰是生成式AI开始介入的地方。

Evo 2是一种大规模基因组基础模型，训练数据大约包含9万亿个DNA碱基对，覆盖细菌、古菌和真核生物等不同生命类群，同时纳入了感染细菌的病毒，但研究人员出于生物安全考虑，主动排除了感染真核生物的病毒。[5]

它和传统计算机辅助设计最大的不同，是人不需要先把所有规则一条条告诉模型。模型先从巨量天然基因组里学习什么样的序列经常一起出现？哪些结构在漫长进化中被保留下来了？一个“像样的”基因组在统计上应该长什么样？然后再生成新的候选序列。

这次研究进一步证明，这种方法已经不只是可以设计一个蛋白、一条基因，而是有可能扩展到一整个非常简单的病毒基因组。

这件事情的重要性就在这里。

AI没有让人类突然拥有病毒工程能力，但它可能让原本高度依赖专业知识和大量试错的“设计”变得更高效，且门槛降的更低了。

有点类似于，用AI技术P图出现之前，我们也可以用PS或者美图秀秀来P图，AI只是降低了这个技术的门槛。

但这里我还想特别强调一句：设计门槛降低，不等于制造门槛消失。因为AI输出的仍然只是一串ATCG的序列信息。

从电脑里的一段序列变成真正能够复制的病毒，中间还隔着核酸合成、基因组构建、生物体系中的启动和复制以及实验验证。对于复杂的人类病毒来说，这些环节本身就有很高的专业和设施门槛。

所以今天并不存在“打开AI，输入一句话，第二天就造出一种超级病毒”这种事情。

这次成功的ΦX174本身就是一个非常小的噬菌体，基因组只有约5.4 kb，宿主还是细菌。而一个病毒“能够复制”，和它能够在人类中有效感染、稳定传播、造成严重疾病，是完全不同的问题。

宿主范围、组织嗜性、免疫逃逸、传播方式、致病性和遗传稳定性之间存在非常复杂的关系。哪怕我们今天已经研究一些重要的人类病毒几十年，也远没有做到像设计汽车参数一样，想把传播性调到多少就调到多少，想把致病性调到多少就调到多少。

所以这篇论文并不意味着AI设计生物武器的到来，但这个技术依然值得让人担忧。为什么呢？

我担心的不是今天，而是这些技术门槛降低后的未来

设计病毒只是其中一环。过去，一个复杂的病毒工程项目往往需要很多不同的能力。

需要真正懂病毒的人提出设计，需要专业公司合成DNA，需要成熟实验室完成后续构建，还需要大量实验不断筛选失败和成功的结果。

这些事情分散在不同的人、不同的机构和不同设备之间，本身就是一种门槛。可是现在我们看到的是几件事情在同时发生：AI设计生物序列的能力越来越强，DNA合成越来越便宜和自动化，实验机器人和高通量平台也越来越成熟。

如果再把实验结果重新反馈给模型，让AI根据上一轮结果继续修改设计，就会形成合成生物学里很熟悉的Design-Build-Test-Learn循环：

设计，构建，测试，学习，然后再设计。

其实今天很多正常的合成生物学研究，本来就在努力把这个循环做得更快，我每天在实验室里的工作内容也是这些。

这对于药物研发、工业生物制造、噬菌体治疗当然是好事。但同一套技术天然也是dual-use，也就是具有双重用途。

这就是为什么这篇论文发表以后，生物安全领域会开始讨论它，甚至连知乎上都有了对应的问题。

并不是因为今天的Evo 2已经能够设计危险的人类病毒，而是大家需要考虑：如果设计、合成和自动化实验这几道原本相对独立的技术门槛以后都继续下降，会发生什么？

那现在靠什么管？

目前最重要的一道防线，其实不在AI这里，而是在AI和现实世界之间。

也就是DNA合成。

无论一个模型生成了什么东西，只要它还停留在电脑里，那就只是信息。真要变成生物实体，总得想办法把对应的核酸做出来。

所以商业核酸合成公司天然就是一道检查站。

你是谁？你为什么需要这段DNA？你订购的序列里有没有涉及危险病原体或者已知与致病性、毒性有关的序列？这就是nucleic acid synthesis screening，核酸合成筛查。

美国HHS在2023年发布的指导文件已经把这套思路从传统基因合成公司进一步扩展到了台式核酸合成设备，同时建议供应商进行客户身份核验，并逐步把Sequence of Concern，也就是关注序列的范围扩大到已知能够贡献致病性或者毒性的序列。[6]

不过要注意，2023年的HHS文件本身是指导性框架，并不是一部强制所有人的法律。

2024年美国OSTP随后发布了《核酸合成筛查框架》，把要求进一步和美国政府的生命科学研究经费绑定起来：使用相关政府科研资金采购合成核酸或者台式核酸合成设备，需要选择符合筛查要求的供应商和制造商。[7]

但这套制度现在本身也还在变化。

2025年5月，美国政府要求有关部门重新修订或者替换2024年的筛查框架；截至2026年8月，美国ASPR官网仍然注明新版框架尚未公布。[7]

另外，2026年7月28日美国刚公布了一套新的《高风险生命科学研究政策》，对被认定为危险的功能获得研究设置联邦资助禁令，同时扩大了对可能增加生物因子危害后果的研究审查。[8]

不过我们国家在这部分的审核还比较……松弛。

比如在2025世界顶尖科学家论坛上，2000年图灵奖得主、中国科学院院士姚期智表示：

如果把危险的基因放在错误的人手中，就会威胁到许多人的生命，并损害公众对科学的信任度。比方说用合成DNA片段组装病毒可以创造出1918年的流感病毒。因此有效的DNA筛查就变成非常必要的要求了。因为现有的筛查方法已经不够充分了。如果有人想要故意制造病毒的话，现有的筛查方法是不能阻止他们的。

我国目前更多的还是推行行业自律、参与制定国际/国家标准以及强化生物安保源头管控来规范这一领域。

不过无论如何，这些措施还都有实际意义的，只是看效果是否足够。

因为如果商业DNA公司是“门卫”，那么至少大量正常供应链里的高风险订单有机会被拦下来。

但接着就会遇到我觉得比较麻烦的问题：如果有人根本不去商业公司订购DNA呢？

比如一个有相应技术能力的实验室，自己就拥有台式核酸合成设备。当然，一台DNA合成仪不是“病毒打印机”。拥有合成设备，也绝不等于能够直接制造病毒，后面仍然需要相当多的分子生物学和病毒学工作。

但从监管逻辑上说，问题确实出现了：原来设在商业DNA供应商那里的检查站，被绕过去了。

HHS其实也考虑到了这一点，所以2023年的指南已经建议台式核酸合成设备的制造商核验客户身份，机构限制设备只有合法用户可以访问，并让设备在合成之前进行关注序列筛查。[6]

简单说，如果商业DNA公司是一个门卫，那以后可能连DNA合成仪自己都得带一个门卫。

可是机器一旦已经到了用户手里，又会冒出下一层问题。

设备的软件限制能不能永远不被规避？我能不能越狱？全球所有制造商会不会采用同一套规则？没有政府科研经费的私人机构怎么办？不同国家之间的监管差异怎么办？

如果未来核酸合成设备越来越开放，对特定厂商软件、云服务或者专用耗材的依赖越来越低，又怎么办？

这些问题没有一个简单的答案。

而且生成式AI还会给核酸筛查带来另外一个很麻烦的问题。传统的筛查方法，很大程度上依赖于判断：这段DNA和我们已经知道的危险序列到底有多像？

对于天然病原体，这个办法当然很有价值。可如果AI越来越擅长生成自然界原本没有的新序列呢？那么未来筛查面对的问题就可能逐渐从：“它像不像一个已知危险病原体？”变成：“它虽然和已知病原体不像，但这段序列到底能干什么？”

后面这个问题可难太多了。序列相似性是可以比较的，生物学功能却很难仅仅通过一段DNA准确判断。

到这里就会出现更让人头疼的局面：未来我们可能还需要足够强的生物AI，帮助判断另一个AI设计出来的序列有没有潜在风险。

所以我并不赞成因为存在这种风险，就简单地得出“那就不要让AI设计病毒”这种结论。这有点像军备竞赛，你不干，其他人干了你就拦不住。

而且也有一点自废武功的感觉。

比如这项研究中用到的噬菌体治疗本来就是这项技术很有潜力的应用之一。细菌会不断进化出噬菌体抗性，如果以后能够更快地产生新的候选噬菌体，对于一些难治性的耐药菌感染可能非常有价值。

除此以外，疫苗、病毒载体、合成生物学以及最基础的病毒学研究，都可能从更强的基因组设计工具里受益。科技发展也很少会因为“这项技术可能被滥用”就停止。

比如我们从几十年前就可以制造核武器毁灭世界，但核技术并没有停滞不前，现在核电站也是重要的能源供给。

我更担心的是另外一件事情，过去很多生物安全制度能够发挥作用，其中一个并没有写在法规里的前提，就是这些事情本身足够难。

病毒设计需要非常专业的人，DNA合成需要专业供应链，病毒构建和筛选又需要另外一整套实验条件。这些技术门槛本身就在降低风险。而现在，AI、自动化实验和核酸合成正在一点点改变这些条件。

虽然今天还远没有到“谁都可以制造一个危险病毒”的程度。但如果有一天，设计、合成、测试和优化真的越来越容易被连成一条自动化的链条，那么我们现在这套主要盯着已知病原体、商业DNA订单和传统高风险实验的监管方式，恐怕也必须跟着改变。

这才是我看到这项研究以后比较担心的事情。不是AI突然打开了一个以前不存在的潘多拉魔盒。

而是过去挡在这个盒子前面的几道技术门槛，正在一点一点变低。

参考资料

[1] King SH, Driscoll CL, Li DB, et al. Generative design of novel bacteriophages with genome language models.Science. 2026. DOI: 10.1126/science.aec2657. 该研究预印本于2025年发表于bioRxiv，DOI: 10.1101/2025.09.12.675911.

[2] Cello J, Paul AV, Wimmer E. Chemical synthesis of poliovirus cDNA: generation of infectious virus in the absence of natural template.Science. 2002;297(5583):1016–1018. DOI: 10.1126/science.1072266.

[3] Smith HO, Hutchison CA III, Pfannkoch C, Venter JC. Generating a synthetic genome by whole genome assembly: phiX174 bacteriophage from synthetic oligonucleotides.Proc Natl Acad Sci USA. 2003;100(26):15440–15445. DOI: 10.1073/pnas.2237126100.

[4] Chan LY, Kosuri S, Endy D. Refactoring bacteriophage T7.Molecular Systems Biology. 2005;1:2005.0018. DOI: 10.1038/msb4100025.

[5] Brixi G, Durrant MG, Ku J, et al. Genome modelling and design across all domains of life with Evo 2.Nature. 2026;652(8112):1349–1361. DOI: 10.1038/s41586-026-10176-5.

[6] U.S. Department of Health and Human Services.2023 HHS Screening Framework Guidance for Providers and Users of Synthetic Nucleic Acids. 2023.

[7] White House Office of Science and Technology Policy.Framework for Nucleic Acid Synthesis Screening. 2024.

[8] U.S. Government.Policy for Stopping High-Risk Life Sciences Research. Released July 28, 2026. NIH Notice NOT-OD-26-101.