一句话看懂：斯坦福大学科学家利用类似 ChatGPT 的“基因组语言模型”，设计出首批 AI 生成的噬菌体病毒，并在实验中成功杀死了耐药性大肠杆菌。这既是合成生物学的里程碑，也为生物安全治理提出了新挑战。
事件核心：发生了什么
据 Slashdot 援引《卫报》报道，斯坦福大学化学工程师 Brian Hie 博士团队使用“基因组语言模型”——一种以大语言模型（LLM）为底层架构、用海量生物基因数据训练的 AI 系统——从头设计了噬菌体（一种只感染细菌的病毒）的完整基因组。随后，这些基因组在实验室中被实际合成，并与天然噬菌体进行对照实验。结果显示，由 AI 设计的多种噬菌体组成的“鸡尾酒”疗法，能够杀死对天然噬菌体已产生耐药性的大肠杆菌。相关研究成果已发表在《科学》（Science）期刊上。
为什么重要
这项成果首次证明，生成式 AI 不只是能写代码和文章，也能直接“编写”出可运行、具有生物学功能的基因组。它意味着生物设计正在从“人工筛选”走向“AI 按需生成”。研究团队指出，这种能力有望大幅加速噬菌体疗法的开发——传统上，找到一种能对付特定耐药菌的噬菌体需要漫长筛选，而 AI 可以快速生成并针对性优化病毒基因组，从而扩大生物技术工具箱。
但更重要的是风险警示。约翰霍普金斯大学健康安全中心的 Tom Inglesby 教授和 Moritz Hanke 博士在同期评论文章中指出，“用生成式 AI 编写病毒基因组的能力已经出现，而安全治理还远未跟上。”伦敦帝国理工学院合成基因组学教授 Tom Ellis 则提供了更冷静的视角：他评价研究本身“令人印象深刻”，但目前设计的只是最小的基因组，制造更复杂基因组难度极高；同时他强调，比起用 AI 从头设计致命病原体，直接改造现有病原体（即功能获得性研究）要容易得多，因此 AI 威胁被“过度夸大了”。
对用户/开发者/创作者的影响
对于从事合成生物学、药物研发和生物计算的开发者与研究者而言，这项技术相当于给了他们一个“生物版大模型生成接口”：未来可通过训练或微调基因组语言模型，按需求设计特定功能的病毒或基因序列，再交由 DNA 合成公司进行生产。这会深刻改变生物实验的早期设计流程，也会让“提示工程”在生命科学领域找到新落点。
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。
与此同时，伦敦国王学院科学与国际安全学者 Filippa Lentzos 博士提醒，监管焦点不应只放在 AI 模型本身，而应延伸到 DNA 合成制造环节。她建议采用分层治理：包括模型开发与访问的防护、负责任的研究审查、合成序列筛查，以及实验室生物安全规范。对相关企业而言，这意味着未来面向科研用户的 AI 设计工具和 DNA 合成服务，可能面临更严格的合规审查。
值得关注的后续
目前公开信息显示，这项研究的成果仍停留在实验室阶段。接下来值得关注的是：第一，AI 设计的噬菌体是否能在动物模型和临床试验中验证有效性，而不只是培养皿中起效；第二，是否有更多研究团队跟进基因组语言模型的开源或闭源发布，以及开源会不会带来滥用风险；第三，DNA 合成行业是否会加速建立“订单序列审查”机制，从物理交付环节拦截高风险基因。
来源：Slashdot
