当AI写下第一段“生命代码”：斯坦福设计功能性病毒背后的生物安全考问

当AI写下第一段“生命代码”：斯坦福设计功能性病毒背后的生物安全考问

2026年8月6日，加州斯坦福大学的生物安全二级实验室里，培养皿上出现了16个清晰的噬菌斑。这并非自然界演化的产物，而是人工智能的“手笔”。

就在这一天，斯坦福大学与Arc研究所团队在《科学》杂志刊发论文，宣布利用基因组大语言模型Evo 1和Evo 2，成功设计出首批具有生物活性的功能性病毒——噬菌体。研究团队在约200万个噬菌体基因组数据上训练模型，生成了数千个潜在基因组，最终在实验室中培育出16种能裂解大肠杆菌的噬菌体。其中一组“鸡尾酒”配方，甚至攻克了对天然噬菌体具有耐药性的大肠杆菌。

这是人类首次验证AI具备从头设计功能性全基因组的能力。消息一出，全球合成生物学界为之振奋——这或许是对抗“超级细菌”的里程碑；但与此同时，约翰斯·霍普金斯大学的安全专家在同期《科学》评论中泼下冷水：“问题不再是AI能不能设计病毒，而是社会能否在它造成严重危害前建立监管。”

当写诗与写病毒共用同一个Transformer架构，当生命的设计门槛从实验室的精密仪器跌落到键盘的敲击之间，我们不得不追问：这股技术洪流，究竟将把人类带向何方？

一、从“读取生命”到“书写生命”

过去半个世纪，人类对基因的操作始终在“自然”的框架内进行。测序是“读”，基因编辑是“改”，即便是最前沿的合成生物学，也多是对现有生命蓝图的微调。斯坦福团队的突破在于，他们教会了AI理解生命的“语法”。

Evo系列模型将A、T、C、G四种碱基视为自然语言中的字符，在海量噬菌体基因组中学习了基因序列的“语法规则”——从启动子的位置到重叠阅读框的协同，再到包装蛋白的折叠逻辑。随后，模型在仅含1.4万条ΦX174家族噬菌体基因组的微数据集上进一步调优，开始独立“写作”。

结果令人震惊：模型生成了约70万条候选基因组，经生物信息学筛选后，302条被送入合成仪。最终，285条被成功组装，其中16条在平皿中展现出完整的生物活性，成功率达5.6%。更关键的是，这16条序列并非对自然模板的简单复制，而是长度、裂解速度各异的“全新物种”。

“这证明了AI不仅能模仿自然，还能创造出自然界未曾存在但功能更优的解决方案。”西班牙庞培法布拉大学计算生物学家马克·格尔评价道。对于每年导致全球数百万人死亡的耐药菌感染而言，这无疑是曙光——AI可以快速批量设计出针对特定耐药菌株的“噬菌体鸡尾酒”，弥补天然噬菌体库更新慢、匹配难的短板。

然而，技术的双刃剑属性在此刻显露无遗。正如光明日报在解读生物安全法时强调的，“统筹发展和安全”是核心要义。当我们为AI攻克超级细菌欢呼时，必须同时看清这把“剑”的另一面。

二、四道闸门同时漏水

斯坦福团队在论文中强调，他们剔除了感染人、动物、植物的致病病毒数据，并将宿主锁定为非致病性大肠杆菌。但这并不能消除安全专家的忧虑。伦敦国王学院生物安全专家菲利帕·伦佐斯指出，真正的危险不在于斯坦福做了什么，而在于这项技术验证了“AI设计病毒”的可行性后，技术扩散带来的连锁反应。

第一道漏洞，在于模型能力的泛化。Evo 2的基础模型已开源，权重和代码公开可查。虽然训练集剔除了危险病原体，但任何具备基础技术能力的人，都可以用包含禽流感病毒、天花病毒或冠状病毒关键片段的数据集对模型进行微调。模型一旦学会了基因组的“通用语法”，换一套“词汇表”就能生成截然不同的序列。帝国理工学院合成生物学教授汤姆·埃利斯坦言，虽然目前用AI设计复杂的人类病原体仍极难，但“难”不等于“不可能”，且技术迭代的速度往往快于监管适应。

第二道漏洞，在于合成端的筛查失灵。目前，全球基因合成公司的安全筛查主要依赖“黑名单比对”——即检查订单序列是否与已知危险病原体（如天花、炭疽）的序列匹配。但AI设计的病毒，其定义就是“自然界不存在”。微软研究院2025年的红队测试显示，AI重新设计的毒素变体，在最弱的商用筛查系统面前漏检率超过75%；即便在打补丁后，仍有约3%的“顶级设计”能绕过筛查。斯坦福的16条活性序列，因自然界不存在，在常规筛查系统中将畅通无阻。更令人担忧的是，美国尚无联邦法律强制所有DNA合成商进行序列筛查或客户身份验证，这相当于把制造生物武器的“原材料”放在了电商平台上。

第三道漏洞，在于生态与实验安全的边界模糊。噬菌体虽不感染人类，但一旦释放到环境中，可能通过水平基因转移将耐药模块或毒力因子传递给其他菌株，干扰本土微生物群落，甚至破坏污水处理系统的生态平衡。而随着技术成熟，当类似的AI架构被用于设计哺乳动物病毒时，现有的实验室生物安全等级（BSL）规范，是否还能有效管控这些“未知活性病原体”，仍是未知数。

第四道漏洞，在于治理节奏的错位。《禁止生物武器公约》缺乏有效的核查机制，而AI生物设计天生具有跨境属性：模型在加州训练，在拉脱维亚微调，在新加坡合成，在巴西组装。美国2024年发布的《核酸合成筛查框架》仅约束接受联邦经费的机构，2026年7月更新的“功能获得研究”政策，也未能覆盖“从零生成无自然前体的基因组”这一新领域。我国《生物安全法》虽已涵盖生物技术研究，但对“开源AI模型”“干实验生成序列”等新型客体尚缺乏细化的管控条款。技术论文的发表以天计，而国际公约与国内立法的修订以年计，这个“时间差”，就是风险敞口。

三、构建多层动态护栏

面对挑战，简单的禁止或恐慌无济于事。正如光明日报所倡导的，需从“保护人民健康、保障国家安全”的高度，构建“全过程、全链条”的治理体系。结合国际专家的建议与我国实际，应对之策应聚焦于构建五道“技术+制度”的护栏。

第一道：模型与数据端的“内置护栏”。推动生物大模型实行分级发布机制。基础权重可开源，但涉及真核病毒、毒素蛋白的微调权重及端到端生成脚本，应走受控API接口，申请需提供机构认证及生物安全承诺。强制推行“模型卡”制度，要求发布者披露训练集剔除清单、后训练恢复测试结果及输出过滤规则。在模型输出层嵌入不可见水印（如FoldMark或SynthID-for-DNA），使AI生成的序列自带“身份证”，便于合成端溯源。

第二道：合成端的“强制功能筛查”。推动国内基因合成行业标准升级，将单纯的“序列比对”升级为“结构-功能预测筛查”。要求合成商在接单时，利用轻量模型对订单序列进行多维风险评估：包括毒素结构域扫描、受体结合倾向预测、与已知病原体的非连续同源性分析等。立法要求所有商用合成商（含台式合成仪厂商）执行筛单与验客制度，对大于500bp、功能未知、GC含量异常的订单进行人工复核，并建立跨国订单信息回流机制。

第三道：科研与实验端的“分级管控”。将“AI全基因组设计”项目列入生物安全委员会强制预审范畴，设立专用审查表格。根据宿主范围（如噬菌体/非致病菌为Ⅰ级，跨真核宿主为Ⅲ级）实施分级管理。Ⅰ级项目可在BSL-2及以上实验室进行，Ⅲ级项目原则上不予资助并限制开源。要求研究机构留存候选序列池、未合成丢弃序列及模型微调日志至少10年，接受监管部门突击审计。

第四道：国际治理的“规则对齐”。积极利用《禁止生物武器公约》会间会等平台，推动将“AI生成式基因组设计”纳入多边治理议题。倡导建立“模型发布地审计、合成下单地验纹、实验执行地报备”的跨境协同机制。将生物大模型的安全治理纳入我国《全球人工智能治理倡议》，推动建立AI生物设计的国际安全标准。

第五道：防御能力的“正向牵引”。设立专项，鼓励利用同类AI技术加速耐药菌噬菌体库构建、疫苗抗原设计及生物监测哨点建设。通过政策引导，让“防御性研究”比“恶意研究”获得更多资源支持，确保安全防护技术跑在潜在威胁前面。同时，加强公众科普，精准区分“噬菌体疗法”与“生物武器风险”，避免舆论场陷入非理性的技术恐慌。

四、在平皿之外看见未来

斯坦福实验室里那16个噬菌斑，是AI在生命领域写下的第一行有效代码。它们被冷冻在-80℃的冰箱里，标签上写着“非致病、靶向大肠杆菌、勿释环境”。但这只是一个开始。

技术的演进从不因人类的犹豫而停步。Evo 2的GitHub页面依然开放，下游开发者或许用它寻找抗癌酶，也可能有人用它探索麻疹病毒未被自然选择的变异路径。生物安全治理的复杂性在于，它既需要鼓励创新以造福人类，又必须严防技术被滥用而反噬文明。

这不仅是科学家的责任，也不仅是监管者的考题。当一条由AI设计的DNA序列可以变成快递包裹，当一段代码可能关乎数百万人的生死，我们每一个人都无法置身事外。从保护人民健康到维护国家长治久安，我们需要在技术点亮第一盏灯的同时，就同步点亮监管的灯——让AI在阳光下书写生命，而不是在暗处孕育风险。

这，或许是斯坦福那16个斑点留给我们最深刻的启示。

数据来源与参考文献：

1. King, I. et al. De novo design of functional phage genomes by a generative language model. Science (2026).

2. Inglesby, T. V. & Hanke, M. C. AI design of functional virus genomes. Science (2026).

3. Wittmann, B. J. et al. Scoring functions for DNA screening. Science (2025).

4. 美国《2026年生物安全行政令》及OSTP《核酸合成筛查框架》.

5. RAND Corporation. The Operational Risks of AI in Biological Weapons Development (2026).

6. 光明日报评论部. 《筑牢国家生物安全防线——写在〈生物安全法〉实施之际》.

【本文内容信息来自国（境）外相关信息源，为开源文献，由军融国动智库研究人员编译/写，后进行了文字加工处理，文中具体技术信息和数据仅供参考，不代表本公众号观点，请自行甄别使用。】