一句话看懂：斯坦福大学与 Arc Institute 用 AI 模型 Evo 从头设计病毒基因组，并在实验室成功构建出 16 种自然界不存在的、能杀死细菌的病毒。这项此前只有预印本的研究已通过同行评审，发表于《科学》杂志。
事件核心：发生了什么
该研究由斯坦福大学与 Arc Institute 团队完成，核心是 AI 模型 Evo——一个类似大语言模型但以生物数据训练的基因组模型。Evo 先学习了约九万亿个来自动物、植物、微生物和病毒的核苷酸，再用噬菌体 Phi X-174 的 11 个基因及其约 1.5 万个近亲做了第二轮专项训练。
据 The New York Times 报道，Evo 共提出约 70 万个候选基因组，团队筛选出其中最有可能成功的部分，将 285 条序列化学合成为 DNA 并导入细菌。最终 16 种病毒成功复制并杀死宿主。论文合著者 Samuel King 表示，进行专项训练是“顺理成章的下一步”。牛津大学蛋白质化学家 Oliver Crook 评论说：“它们不是已有生物的病弱翻版。”不过他也提醒，这些病毒与自然界物种非常相似，Evo 能否推广到其他病毒类群仍是未知数。
为什么重要
这是“生成式设计完整基因组”首次得到功能验证，意味着 AI 不仅能预测或优化蛋白质，还能设计出完整的、可复制的生物体基因组。对合成生物学和生物技术而言，病毒本身就是工具：噬菌体可用于替代抗生素，病毒载体则用于基因治疗。如果这类生成式模型能泛化到更多病毒家族，实验室开发和测试新生物工具的速度将会明显加快。
研究同时暴露了生物安全监管的空白。美国国立卫生研究院（NIH）在 2026 年 7 月底发布的政策只禁止让病原体变得更危险的实验，但纯计算性的病毒基因设计并不在覆盖范围内。约翰斯·霍普金斯大学健康安全中心的 Moritz Hanke 指出，研究速度与护栏之间存在“巨大脱节”：无法评估从没见过的新病毒有多大风险。作为防御措施，团队在训练 Evo 时排除了所有感染人类的病毒及其近亲数据，使模型本身不具备生成这类基因组的能力。Hanke 称这一做法“相当值得称赞”，因为没有硬性规定要求他们这样做。
对用户/开发者/创作者的影响
对 AI 开发者，Evo 提供了一个重要的工程范式：用通用基因组数据预训练，再用小规模高质量数据集做领域微调，最终输出可被化学合成并验证的序列。这套流程对生物计算、蛋白质设计和合成生物学方向的开发者有直接参考价值。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对生物技术企业，这类生成式病毒设计工具未来可能进入药物研发管线，尤其在噬菌体疗法和基因递送载体的前期筛选中发挥作用。对普通用户而言，目前没有直接可用的产品或 API，但 Arc Institute 是非营利机构，相关模型代码和训练方法的开放程度值得关注。
值得关注的后续
目前公开信息显示，三个观察点最有价值：一，Evo 是否能复现于其他病毒类群，如果只能
