AI刚刚设计了一种自然界从未存在的病毒

从未存在的病毒

8月6日，《科学》杂志发表了一篇论文，足以让全球每一位生物安全专家挺直脊背。斯坦福大学领导的一个研究团队利用人工智能设计了完整病毒基因组——一种自然界中根本不存在的病毒——随后在实验室将其构建出来。实验成功了。这些由AI设计的噬菌体实现了自我复制，共有16种是从头合成的。

这并非渐进式突破，而是一个临界点事件。在此之前，科学家能够修改现有病毒，或使用已知片段组装合成基因组。从未有过AI能以语言模型凭空生成文本的方式，从零开始设计完整且具有功能的病毒基因组。这项成就背后的两个模型名为Evo1和Evo2，它们并非基于人类语言训练，而是基于所谓"生命语言"：病毒、细菌、植物和人类的海量基因序列数据集。

斯坦福大学助理教授、该项目合作研究员布莱恩·何（Brian He）告诉BBC，生成式AI现已使得设计日益复杂的生物系统成为可能。他没有说出口、但每位熟悉生物安全的读者都应听出的话是：复杂性正是让这些工具变得危险的原因所在。

为何这与每个人相关，而不只是科学家

噬菌体——感染细菌但不感染人类的病毒——长期以来被视为对抗抗生素耐药超级细菌的潜在武器。噬菌体疗法的理念是用定制化病毒杀死特定细菌感染，几十年来一直有探索。但问题始终如出一辙：寻找或改造靶向特定细菌的噬菌体极其困难。对某种菌株有效的噬菌体可能对另一种菌株毫无用处，而噬菌体的自然多样性限制了它们能靶向的细菌范围。

AI改变了这一格局。你不再需要从自然中搜寻合适的噬菌体，而是可以要求模型设计一个匹配特定细菌靶标的噬菌体。休斯敦卫理公会医院的斯蒂芬· Wong 教授（未参与本研究）称这项工作为"合成生物学史上的里程碑"，同时也正确指出其仍处于早期概念验证阶段。

医学意义真实且潜力巨大。如果噬菌体疗法能够实现规模化应用，它将为对抗日益严峻的抗菌素耐药性危机提供关键工具——世界卫生组织警告，若放任不管，到2050年这一危机每年可能导致1000万人死亡。

但赋能精准医学的同一种能力，也赋能精准破坏。

暗面：双用途在此绝非隐喻

病毒学的每一次重大进展都伴随双用途风险——本意为善的研究可能被转用于危害。这一时刻的不同之处不仅在于AI能够设计病毒，更在于它比以往任何时候都更快、更便宜、所需专业知识更少。传统病毒学实验室需要生物安全设施、培训人员和大量资金。而能设计功能性病毒基因组的AI模型？只需服务器即可运行。训练此类模型的知识正变得越来越普及。

科学界此前已应对过这种张力。在2011年H5N1禽流感争议期间，两篇描述功能增益实验（旨在提高病原体传播力的研究）的论文几乎发表，但在全球抗议之后，临时暂停并进行了广泛审查。是否应该发表这些研究的辩论困扰该领域多年。这项新研究将同样的问题推到了更大规模层面。

据《新闻周刊日本》报道，日本对斯坦福研究的报道以一个直接问题开篇：这是医学进步的黎明，还是潜伏的生物危害？这种平衡效益与风险而不偏向任一端的框架，反映出比通常主导西方科学新闻报道的公众讨论更为谨慎的态度——在西方报道中，突破叙事往往盖过了安全关切。雅虎新闻的文章包含一段题为"我们是否应该害怕AI创造的完全新型病毒？“的视频片段——在报道同一研究的西方媒体中，这类问题很少以如此紧迫的语气提出。

英文媒体报道缺失了什么

西方科学媒体倾向于通过两种框架报道AI设计病毒：要么惊叹于技术能力，要么谨慎推测最坏情况。 largely 缺失的是对治理此类研究的政策基础设施——或缺乏此类基础设施——的持续探讨。

目前没有任何全面的国际条约规范合成病毒的设计。《生物武器公约》禁止开发生物武器，但缺乏核查机制，且该公约起草于数十年前，远在AI诞生之前。各国生物安全审查程序差异巨大。也不存在类似某些国家用于监管"值得关注的双用途研究"的监督框架——而这一框架本身的执行也参差不齐。

日本的报道微妙地突出了欧美媒体经常忽视的缺口：在当前监管框架是否足以应对这样一个世界的问题上——在这个世界中，任何能接触生成式AI和基本分子生物学试剂的人，原则上都能设计新型病毒。那篇文章的视频片段标题——询问我们是否应该害怕AI创造的病毒——传递出一种认真对待该问题而非将其 dismiss 为杞人忧天的公众对话信号。

监管实际走向何方

美国卫生与公众服务部最近提议建立新的框架，以监督"选择性病原体"研究——涉及可能构成严重公共卫生威胁的病原体的工作。2025年4月，疾病控制与预防中心（CDC）宣布将采用合成基因组监管的国家战略，要求对基因合成订单进行筛查并报告可疑请求。这些是正确方向的步骤，但仍是碎片化和反应式的。

国际层面更加薄弱。没有针对训练于生物序列数据的AI模型的全球登记册。开发Evo类模型的公司没有强制伦理审查。也没有要求研究人员披露其AI何时产生功能性病毒基因组。

需要的不是禁令——这样的禁令将无法执行并会将研究推向地下——而是多层次治理方法：对合成遗传物质的强制筛查、对训练于病原体数据的AI模型的可追溯审计，以及将AI设计病毒与自然界出现的流行病同等重视的国际规范。

真正的考验尚未到来

斯蒂芬· Wong 说得对，这还处于早期概念验证阶段。斯坦福研究设计的是噬菌体——感染细菌而非人类的病毒。这在科学和政治上都是有意义的限制。但底层方法——在生物序列数据上训练生成式AI并用其设计功能性基因组——本身并不局限于噬菌体。

第一个能在人类细胞中复制的AI设计病毒并非科幻场景。它只是时间问题，而非是否发生的问题。应该占据政策制定者、科学家和公众心头的问题是：我们是否拥有足够的治理基础设施，以确保由此产生的知识服务于医学而非成为灾难蓝图，而非我们是否应该停止这项研究——我们无法停止。

日本媒体正在提出正确的问题。世界其他地方需要开始作答。