史丹佛團隊用AI設計出可活的噬菌體，合成生物學跨過新門檻

史丹佛大學與Arc Institute做了一件過去只存在於想像裡的事：讓AI直接寫出病毒的基因組，然後在實驗室把它做成真的病毒。上週發表在《Science》的研究裡，AI模型（Evo 1、Evo 2）產生了數百組噬菌體設計，285組被實際合成測試，16組活了下來——能繁殖、能攻擊大腸桿菌，其中幾組組合起來還能打穿已經對原始噬菌體產生抗性的細菌。這不是把病毒基因組讀出來抄一遍，而是讓AI像寫語言模型的句子一樣，從頭「造句」寫DNA。

命中率怎麼看？285組裡活了16組，成功率不到6%。這說明什麼？說明AI離「可靠設計生命」還遠得很，遠不到能量產的地步。但換個角度看，這仍然是從零到一的跨越——十年前Craig Venter團隊靠人工設計做出能自我複製的極簡基因組細菌，已經被視為里程碑；這次AI用海量基因數據訓練出的模型，等於把那套流程自動化、規模化了。以色列噬菌體治療中心臨床負責人Ran Nir-Paz點出一個更麻煩的事實：噬菌體基因組裡人類只搞懂大約四成基因和蛋白質的功能，剩下六成基本是黑箱。AI能不能反過來幫人類讀懂這塊黑箱，比它能不能造出新病毒更值得關注。

真正的問題不在這16隻噬菌體本身——它們只咬細菌、不碰人類細胞，Assuta Ashdod醫院傳染病科主任Tal Brosh講得很直白：「這些病毒不會以任何方式危害我們。」他真正擔心的是這套能力的延伸性。合成生物學早就不是紙上談兵：幾年前科學家靠公開的基因序列，用比今天落後得多的技術重建出馬痘病毒（horsepox，天花的近親）。如果同一套「用AI搜尋讓病毒更易傳播、更致命、更能躲過疫苗」的能力被套用在流感或冠狀病毒上，門檻只會越降越低。而且不需要惡意，一次實驗室疏失或外洩，後果一樣嚴重。

該不該管、怎麼管？Brosh的答案很誠實：這是個沒有標準答案的兩難——限制太多，科學進不去；完全不設限，又擋不住有心人拐彎繞過現有AI系統的安全防護去問出危險資訊。對藥廠和公共衛生決策者來說，這件事的正面意義同樣真實：AI設計分子、預測病毒變異株、加速疫苗與抗生素替代方案的開發，都是實打實的商業機會。但這篇論文真正該被記住的，不是16隻活下來的噬菌體，而是它證明了寫在電腦裡的程式碼和活在現實裡的生物學之間，那條界線正在變薄。誰先意識到這件事的速度，誰就先掌握下一輪生技與AI融合賽局的話語權。