AI 首次設計出可複製噬菌體：Evo 生成約 300 條基因組，實驗室驗證 16 株活病毒

生成式 AI 過去多半寫程式、畫圖、解數學題。Stanford 與 Arc Institute 團隊在期刊 Science 上把邊界再往前推一步：用基因組語言模型設計完整、可自我複製的噬菌體基因組——自然界找不到的新病毒，卻能在培養皿裡感染並裂解大腸桿菌。CNN、紐約時報、BBC、ABC、The Hindu、TechTimes、BetaNews 等同步報導；研究人員 Brian Hie 對 BBC 說，這是生成式 AI 首次設計出能在細胞內複製並發揮功能的完整基因組——「我們進入了新領土」。

數字骨架公開得很清楚：模型產出大量候選序列，團隊挑選約 285–302 條最有希望的設計做化學合成與實驗室測試，其中 16 株證明存活並能攻擊 E. coli。以天然噬菌體 ΦX174 為框架起點（基因組約 5,386 鹼基對、編碼約 11 個基因；科學史上第一個被完整定序的 DNA 基因組之一）；部分 AI 設計株在殺菌效率上甚至勝過原始天然版本。對抗已對 ΦX174 產生抗性的菌株時，AI 噬菌體雞尾酒能快速突破抗性，對照的天然類似株混合物則不行。後續冷凍電子顯微鏡觀察還指出，有些實驗室株的殼體內出現了「自然界先前未見」的包裝蛋白組態——換言之，這 16 株不是對已知序列的微調複製品。

怎麼做到：把 DNA 當語言來學

通稿與論文敘事把 Evo 1／Evo 2 寫成類似大型語言模型的訓練邏輯：語料不是網頁文字，而是橫跨生命域的遺傳序列。相關報導脈絡曾出現「約九兆核苷酸」量級的訓練敘述；本實驗一側則強調對 Microviridae 家族約 14,000 條病毒基因組做微調，並以 ΦX174 為宿主範圍與架構的起點。模型學的是序列「文法」：哪些片段能組成可運作的完整病毒基因組，而不只是單基因或單蛋白。

關鍵安全設計被反覆強調：訓練與任務刻意排除能感染人類、動物、植物或真菌的病毒資料，並選定只攻擊大腸桿菌的 ΦX174 作為模板；合成與測試在安全實驗室完成。外部專家稱這項防範「值得肯定」；作者與獨立生物安全學者同時直言：同一套方法若換訓練資料，原則上可能被導向更危險的病原體設計——這是能力問題，不只是這次結果問題。

合成病毒本身並非新鮮事；新鮮的是 AI 從頭設計整套基因組，而不是複製已知序列。西班牙 Pompeu Fabra 大學合成生物學家 Marc Güell 對媒體說，這是「歷史上第一次開始在電腦上設計生物學」；意義遠不止噬菌體——代表基因組語言模型開始學到演化寫進序列裡的設計原則。紐約時報把里程碑寫成：希望帶來醫學進展，也打開「有朝一日發明危險病原體」的令人不安可能。

技術流程可以壓成三步，但每一步都有工程摩擦：一、模型一次輸出完整候選基因組（不是拼基因積木）；二、計算篩選預測結構與宿主範圍，挑出近三百條送化學合成；三、把合成 DNA 送進細菌宿主，讓細胞自己依指令組裝噬菌體，再量測裂解與抗性突破。成功率仍冷——近 300 裡只有 16 條活下來——這正是新聞該誠實寫的部分：能力邊界被推開了，量產尚未到來。

醫學希望：抗生素抗藥性的另一條路

噬菌體療法長期被視為對抗抗藥細菌的選項之一，但細菌也會對噬菌體產生抗性。本研究的實務刺點在於：AI 設計株能在實驗室條件下，對「已對天然噬菌體抗性」的 E. coli 仍有效。若路徑可擴展，藥物開發與客製化噬菌體雞尾酒可能改寫時間線——從篩選自然庫，變成在序列空間裡生成候選。

但成功率仍冷：近 300 條合成設計裡只有 16 條活下來。這不是一鍵量產新藥，而是證明「完整病毒基因組」已進入生成式設計的可達集合。監管、臨床前安全、製造與智慧財產，每一層都比「模型會寫 DNA」更難。製藥與生技團隊若跟進，短期更可能先做平台驗證與合規框架，而不是立刻宣稱管線上市時程。

政策缺口：NIH 條款追不上「自然界不存在的病毒」

報導點出治理尷尬：新的 NIH 高風險生物研究限制，未必清楚涵蓋「AI 生成基因組」——除非涉及特定「受關切實體」清單。專家說，對「從未存在過的病毒」要如何評風險，目前沒有共識框架。Johns Hopkins 等生物安全學者被引述提醒：現有合成 DNA 訂單篩檢基礎設施，未必偵測得到像 Evo 產出的這類新序列——篩檢若依賴「已知危險片段清單」，對「清單外、AI 新造」就會失明。這與同週網路領域的故事同構：能力先到，評測與法規後到。差別是生物領域的失敗成本以病原體計，不是以伺服器入侵計。

實務上會出現三層灰區：一是學術預印本與期刊已公開方法細節，複製門檻下降；二是 DNA 合成服務商的客戶審查，是否跟得上「序列由模型生成」的來歷；三是出口管制與實驗室生物安全分級，過去假設「已知選劑清單」，現在要面對「清單外、AI 新造」的物體。任何一層沒對齊，都會變成下一個新聞事件的伏筆。

對生技、製藥與實驗室採購：把「AI 設計序列」寫進風險登錄與供應商盡職調查——誰訓練、訓練排除了什麼宿主、合成在哪做、雙重用途審查誰簽。對一般企業，這不是明天要改產品路線圖的新聞，卻是高風險 AI 應用的模板案例：安全設計（排除人畜病毒）≠ 永久無害（方法可遷移）。

醫學希望以外的產業讀法

投資與策略團隊會同時看到兩張幻燈片：一張寫「噬菌體 2.0／抗藥性新武器」；一張寫「雙重用途治理成本上升」。兩者都對。短期內更可能先改變的是合規問卷與保險條款，而不是明年就有 AI 設計噬菌體上市藥。學術界則會加速「生成→合成→表型」閉環工具鏈——一旦成為標準實驗流程，政策就更難用「禁止單一論文」來回應。

對雲端與算力供應商，這類研究也提醒：生命科學工作負載正在把「語言模型」定義從文字推向核苷酸；訓練與推論的資料治理、客戶用途審查、以及「是否協助雙重用途微調」會變成合約條款，而不只是行銷 slogan。對開源權重生態亦然——方法論文公開後，誰能複現、誰該被授權，會比一般軟體授權更刺。

和下週網路越界新聞怎麼並讀

本週 OpenAI Astra Critical、Meta／Irregular、以及開源權重模型在評測裡找捷徑的故事，談的是數位籠子。Evo 談的是濕實驗籠子。兩邊都要求：能力披露、預設隔離、第三方審計、以及「方法擴散」之後的政策更新。

下一步觀察：同儕對 16 株的獨立複現；NIH／國際生物安全機構是否出補充指引；合成 DNA 篩檢商是否升級「未知序列」偵測；製藥／噬菌體新創是否宣布跟進管線。AI 寫出活病毒的那一天已經過了——接下來要比的，是誰先把「能設計」關進「只准設計該設計的東西」。