湘西泡沫板橡塑板专用胶 AI设计出了新病毒, 世界离“生化危机”还有多远?

如果让AI制造个病毒湘西泡沫板橡塑板专用胶，你猜世界会不会变成《生化危机》那样的场景？

2026年8月6日之后，这种可能真的多了那么点点。

斯坦福大学研究团队在《科学》（Science）杂志宣布：他们使用AI工具，从设计了完整的病毒基因组，并真的造出了16种自然界并不存在的全新的病毒，而且这些病毒有能力感染大肠杆菌、在细菌体内复制，并死细菌。[1]

这是怎么做到的？对人类有什么用？世界会因此进入《生化危机》本吗？这次，让“九叶刀”来解释6个你可能关心的问题。

问题：AI到底是怎么做到的？

整个过程是这样的：

先，AI并非凭空臆想出的新病毒，它仍需要个模板。

科学使用了噬菌体ΦX174（种门感染大肠杆菌的病毒）做模板，该病毒是小的病毒之，只有约5386个碱基对、11个基因，它是史上个被测序（1976年），也是早在实验室人工成的序列，人们对它足够熟悉。

二，AI设计也需要提示。和我们使用GPT之类的对话类似，研究者给几个提示词（其实就是A、T、C、G这些碱基字母组），AI据此生成个完整的新基因组，如此循环，AI生成了大约70万个候选基因组。

三，AI设计出基因序列之后，只是纸面信息，还需要经过人类之手，通过化学成、组装、转入细菌和验证等步骤，才能确定是有完整的活病毒。研究人员从AI生成的70万个基因组中，只筛选出302个基因进行实验，终培养出16个活病毒。

从AI设计病毒，到人类组装和验证，图源丨参考文献[1]

和以往的改造现有生命相比，这次有什么不同？

过去，人们都是在已知的遗传信息上修修改改。主要是两种式：理设计（人类想好改哪段基因，然后自己动手编辑）和定向进化（在实验室让微生物自己突变、筛选）。

而这次是生成式的：AI从到有创作出整套能自我复制的系统，产物在自然界根本不存在。

这些病毒到底有多新？

论文作者表示，这16种病毒与自然界中接近的病毒相比，顶多只有93.2-98.8基因相似度。

作为对比，躺在你怀里撒娇萌的猫咪，与丛林之老虎的基因相似度，大约为95.6。[13]

所以，这些AI设计的病毒，可以称得上是新物种。

这16种病毒中，有种代号为Evo-Φ36的病毒，基因序列距离已知生物远。研究者估计，如果要全靠自然演化，可能需要数百万年。

可能有人要问了，设计这些自然界不存在的病毒，只是科学们在秀技术肌肉吗？那当然不是，它有实在的用途。

问题二：AI设计病毒有什么用？

未来，使用AI设计针对细菌的病毒，有望解决让人类头痛的耐药细菌难题。

如今，耐药细菌已经成为全球医疗系统头痛的问题。

全球每年直接死于耐药菌的过100万人，关联死亡约500万，这个数字已经过了疟疾和艾滋病的年死亡人数之和；

《柳叶刀》GRAM研究（全球抗微生物药物耐药项目）在2024年预测显示，2025-2050年间，耐药菌将累计造成约3900万例死亡，大约每分钟3人；[2]

在，每年与抗生素耐药相关的死亡过60万例，其中直接归因死亡过14.5万例；

以碳青霉烯类耐药肺克雷伯菌（CRKP）例，这种细菌对亚胺培南、美罗培南的耐药率，从2005年的3左右，上升到2025年的21左右；[3]

鲍曼不动杆菌对多数主流抗菌药的耐药率都过60，其引发的医院获得肺的总死亡率约42.6。[3]

肺克雷伯菌的耐药丨参考文献[3]

鲍曼不动菌的耐药丨参考文献[3]

抗生素和长期使用的慢病药物不同，它使用周期短，人们吃几天就停了，利润空间有限，但开发款新型抗生素既耗时又费钱，制药公司利可图，所以全球药企都在缩减相关研发管线。

这就致出现个恶循环：耐药菌出现-药企不愿研发-旧抗生素剂量越用越大-耐药菌多……

噬菌体，也就是细菌病毒，是自然界里古老的细菌手。它们度，每种通常只攻击种或几类细菌，作用湘西泡沫板橡塑板专用胶，不用担心伤害人体细胞，是抗生素很好的助手。

但噬菌体疗法也和抗生素类似，有耐药问题：细菌会很快对单噬菌体进化出疫力（比如大肠杆菌，就会使用基因编辑工具，使噬菌体失去），旦细菌适应，疗法就失了。

解决思路是使用鸡尾酒疗法，也就是把基因各异的多种噬菌体混在起，迫使细菌不得不同时御多面的进攻，大幅延缓耐药速度。

于是，噬菌体的多样就显得尤为重要。但噬菌体种类有限，传统式寻找、培养和定制，速度太慢。这时候就需要AI，按需批量设计各种噬菌体。

8月的这篇论文就报告了个好消息，对原版ΦX174噬菌体有抗的大肠杆菌，加入AI设计的16种噬菌体的混制剂后，都被灭了。

既然能搞定大肠杆菌，那也有希望搞定多耐药菌。

比如，医院里常见的细菌，耐甲氧西林金黄葡萄球菌（MRSA），全球每年过100万人感染的耐药结核菌，医院获得耐药感染的元凶，铜绿假单胞菌，都有希望通过AI设计的噬菌体，招制敌。

当然，AI设计的噬菌体，并不是要替代抗生素，而是作为种补充手段，为那些药可救的细菌感染者带来新希望。

这些是我们以大善意测AI设计病毒的光明未来，但如果以恶意揣测呢？

比如，AI可以设计针对细菌的病毒，能设计针对人类的病毒吗？如果能，是不是很危险？

问题三：AI会造成“生化危机”吗？

简单地说，技术所限，难度大，目前没戏，但风险犹存。

设计针对人类的病毒，为啥暂时没戏？

成功率很低。在8月《科学》杂志这篇论文中，用的是世界上好的生物模型，但通过层层筛选和测试后，只有5的成功率。这个数字是业界常态，2026年，另项对AI生物武器工作流的分析发现，非业人士用AI工具做常规病毒学任务的端到端成功率，仍低于8。[4][5]

也就是说，想要地按需定制病毒，现在的AI工作率还差得远。

基因越多，难度越大，且呈指数增长。这次AI设计病毒参考的模板病毒ΦX174，只有5000多个碱基对，而新冠病毒约有3万个，二者相差6倍。考虑到每个基因之间的相互作用、调控关系和蛋白折叠等因素，随碱基数量增加，终设计难度呈指数上升。

伦敦帝国理工学院的成基因工程教授汤姆·埃利斯就指出，基因组长度翻几倍，实现难度可能飙升至原来的约100倍。[6]

数据也有火墙。AI设计病毒也要讲基本法，目前用于设计病毒的AI，在训练时就已经主动排除了所有能感染人、动物、植物或真菌的病原体基因组。这16种病毒只细菌，对人害。

所以，与其担心AI是否设计出危害人类的病毒，不如担心下危险的病原体。埃利斯明确指出，环境里自然存在的已知病原体随处可得、易于培养、已经适应宿主，比AI从设计的新病毒构成了直接和紧迫的威胁。

真实的风险到底是什么？

科幻里AI键生成瘟疫的剧情，短期内并不现实，但这并不意味着没有风险。

，坏人作恶的门槛降低了。虽然从0设计的难度很大，但坏人获取和改造已知病原体信息变得容易了。以前需要进个等生物安全实验室才能接触的东西，现在可以借助个开源模型理解它。

二，现有安全措施，很难排查AI设计的新序列。这是当前紧迫的技术盲区。

今天，实验室要成基因序列，不用手搓，很多生物实验室都提供成服务，价格也不贵。

但这些服务是如何确定客户的订单是不是危险基因呢？目前通行的做法是，他们有个已知的危险清单（比如天花、炭疽等），把客户的需求和清单做比对，如果命中，保温护角专用胶就拒单。这是止危险分子通过邮购，得到生物武器的后道线。

但这道线非常脆弱：如果是地球上从没有出现过的基因呢？万AI写出了潜在的危险基因序列，却因为不在任何已知的危险清单里，没有命中和匹配，放行之后，你说有没有可能意中造成场危机？

在同期《科学》上发表的另篇评论中，来自约翰霍普金斯大学的作者们明确警告：AI设计病毒的研究，是对全球生物安全体系的次压力测试，而体系没过关。[7]

目前，全球大多数国并没有强制要求DNA成商去筛查序列和订购者身份。也就是说，任何人都可以在线订购定制DNA，通过快递收货，需强制询问你是谁、你用它来干嘛。

好消息是，部分国已开始动相关立法；坏消息是，截至2026年8月，全球范围内尚强制的统标准落地。

问题四：普通人手搓个，难不难？

AI带来技术平权，但也会给很多人个幻觉：业人士能做到的，我也可以在AI的协助下做到。但这可真是想多了。

1.从代码到病毒，隔着千山万水

Evo2确实开源费，但又不是说下载了就能轻松搞出个新病毒。

并非人人都能坐拥2000张H100的GPU，而且就跑起来了，顶多拿到些写满了ATCG字母的碱基代码，基因的筛选、病毒的成、培养，哪个环节不要业技术？

2.没钱真的不行

ΦX174这种别的病毒基因组，已经是简单模式了，成本已经从几万到几十万美元不等（当然还取决于基因片段的长短和出错率），要想玩大的湘西泡沫板橡塑板专用胶，比如像新冠大小的（基因组大约是ΦX174的6倍），成本轻松飙到百万美元。普通人真想花大钱办坏事，也得掂量下自己有没有那个财力。

3.上哪儿去找个既会写代码，又会化学成的人？

这篇论文的湿实验部分，是作者King个人搞定的：既要写计框架，从70万个候选里筛序列，又要进实验室做化学成、组装、转入细菌、验证。但放眼全球，能同时精通AI、分子生物学和病毒学实验的人，真不多。随便找个程序员或者生物系本科生，两边都搞不定。

4.论文细节够多，但那是给同行看的

如果个实验室和斯坦福这个别差不多，那确实可以照着论文重现，但……你有他们的经费吗？你有师带着博士生手把手教你吗？有BSL-2别的生物安全实验室吗？

总之，下载模型很容易，从代码到活病毒很难，除非世界上真的出现了个邪恶天才。

问题五：AI设计病毒的下步是什么？

AI设计病毒的本质是“设计生命”（虽然人们对于“病毒是不是生命体”还有很多争议），能给人以限遐想。

事实上，今年3月斯坦福大学团队发表的另篇《自然》论文显示，他们已经在用同款AI工具，设计远比病毒复杂的东西了。[8]

他们用AI生成了三个层的基因组：

人类线粒体DNA（约1.6万个碱基对/16kb）

段酵母染体（约33万个碱基对/330kb）

以生殖支原体为蓝本的简化细菌基因组（约58万个碱基对/580kb，是ΦX174的100倍以上）

当然，这些都还在屏幕上的字母阶段，没有进实验室验证。比如，那个仿支原体的设计，计机预测下来只有约70的基因看起来理。同行评价是：“这很酷，但还没到那步。”[9]

从病毒到细菌，差别不在于尺寸。

既然能造出5386碱基对的病毒，那58万的细菌不就是把这个病毒信息量放大100倍吗？当然不是。

噬菌体本质上是段被蛋白壳包着的DNA，是的寄生体，但细菌不样，哪怕简单的自由生活细菌，也需要几百到上千个基因自己搞定切：营养代谢，分裂繁殖，维持稳态……套寄生工具包和套立操作系统，本质上是两个不同的技术量。

还有人在做减法。

今年4月，另篇发表在《科学》杂志的论文，展示了不同的“重写生命”的思路。

地球上所有已知生命都用20种常见氨基酸制造蛋白质，但哥伦比亚大学团队用AI新设计了21种核糖体蛋白，让大肠杆菌在缺少种标准氨基酸（异亮氨酸）的情况下（只有19种氨基酸），照样延续了450代。[10]

2016年，文特尔研究所造出过个只有473个基因（531kbp）的小成细菌，那是人类至今在成生命域所能达到的限成绩，耗费总时长过20年。[11]

随着成基因组长度增加，成本也飙。58万碱基对的支原体基因组，已经是庞然大物了，而大肠杆菌有460万，人类是30亿。

AI能把设计环节从十年压缩成几周或几个月，但目前，很难让成和验证也跟着加速。

终目的是什么？

如果有天，科学跨过了所有的障碍，那我们能做的事情远不止制药和造燃料。

中期或远期，我们可以期望的是：按需设计的环境传感器细菌，比如碰到水里有毒就变；只能在实验室存活、永远逃不出去的“安全底盘”微生物；能直接捕获二氧化碳的工程菌……

但这些目前都还是很遥远的目标。当前，先要解决的是，把AI的70正确率做到，不然，拿个错误蓝图，谁也不知道会制造出什么样的怪物。

问题六：关键的AI技术，到底是什么来头？

前面我们已经多次提到，斯坦福大学团队使用秘AI工具，做了不少工作，这个工具是啥？这是某公司的商业产品吗？不是。

它是个非营利科研机构牵头、多协作的基础模型，名叫Evo。

由于它解释起来比较晦涩，但又比较重要，我们就放在后这部分来讲，等你读完了，才真正理解了AI设计病毒的技术含量。

Evo到底有多强？

Evo是目前全球强的AI生物学模型，论规模还是开源程度，都是世界之。

Evo1于2024年次登上《科学》，用约8万个细菌和古细菌基因组，270万个原核与噬菌体基因组训练，训练数据集为3000亿核苷酸，能预测基因突变应、甚至设计出完整的人工CRISPR-Cas基因编辑系统；但当时它只会读细菌基因组。[12]

Evo2则是质的飞跃：2026年正式发表于《自然》的数据显示，新版本的Evo2，训练数据集达到8.8万亿个核苷酸、12.8万个完整基因组，训练规模达到9.3万亿token，次将视野从细菌拓展到覆盖生命三大域（细菌、古菌、真核生物、噬菌体）。[8]

注意，这里说的Evo2模型的《自然》杂志论文，和前面讲到的AI设计病毒的《科学》杂志论文是两篇立的研究。

Nature论文回答了“Evo2是什么、怎么训、能如何”，《科学》论文回答了“用这个模型能造出什么、造出来的东西能不能活”。后者是前者的个应用验证。

其架构StripedHyena2结了Transformer和状态空间模型，能够以单碱基精度处理百万碱基的DNA序列，相当于能次覆盖支原体等较小细菌的完整染体，或覆盖较大细菌染体的大部分区域。

《科学》杂志这次AI设计病毒的实验，是把Evo2从读，进到了写，开始设计和创造。

斯坦福大学研究人员使用Evo2进行成病毒研究，左边即为本次成病毒的作者之BrianHie，图源丨StanfordReport

Evo2背后的硅谷科研模式

Evo2由Arc研究所（ArcInstitute）牵头，联斯坦福大学、UC伯克利、UC旧金山、英伟达、华盛顿大学等多共同完成。Arc的联创始人之、UC伯克利教授PatrickHsu把Evo2描述为对生物学具有通用理解的模型，这有点像GPT对自然语言的意义，只不过对象从句子变成了基因组。

Arc位于美国加州，定位为非营利AI与生物学基础研究机构，运作模式很硅谷：靠慈善捐款和政府资助运转，不急于变现，注于做别人不敢投的基础课题。

Arc研究所在成立之初，联创立者SilvanaKonermann的未婚夫就曾捐助5亿美元，成为全球科研圈的美谈。

Arc研究所的其他资助包括：美国国科学基金会（NSF）、奈特-亨尼斯研究生学金、Fannie与JohnHertz基金会（的科技学金），以及斯坦福以人为本人工智能研究所（HAI）等。另外，还有以太坊创始人V（VitalikButerin）。

这种非营利加慈善加开源的模式，让人联想到早期的OpenAI。OpenAI在2015年成立时同样是非营利，目标是以有可能造福全人类的式进数字智能。后来它转向了闭源与有限盈利的商业化向。

所以很自然的问题是：Arc会不会走同样的路？

这次AI成病毒的研究者Hie，在采访中明确表态：目前没有将这项技术商业化的计划，Arc是个由慈善捐款与政府补助资助的学术实验室。

但只是“目前”。

毕竟训练次Evo2需要数千张用GPU，如果这种力成本可以持续由慈善和公共资金覆盖，非营利路线就没问题。但如果成本继续膨胀，转向开源模型+商业云服务的混模式，也并非不可能。

后，回到AI设计病毒的话题上来。

《生化危机》那种末日场景，暂时不会出现，但AI的进步的确暴露了全球监管的漏洞，可怕的永远是人心，如果只是假定“技术掌握在善良的人手中”，那么出乱子是迟早的事情。

本文仅为个人观点，不构成任何投资或医疗建议。

参考文献

[1]SamuelH.Kingetal.,Generativedesignofbacteriophageswithgenomelanguagemodels.Science393,eaec2657(2026).DOI:10.1126/science.aec2657

[2]GBD2021AntimicrobialResistanceCollaborators.Globalburdenofbacterialantimicrobialresistance1990-2021:asystematicanalysiswithforecaststo2050.Lancet.2024;404(10459):1199-1226.doi:10.1016/S0140-6736(24)01867-1

[3]CHINET2025年全年细菌耐药监测结果.CHINET细菌耐药监测网.2026.3.34

[4]Shen.Z.H.etal.,MeasuringMid-2025LLM-AssistanceonNovicePerformanceinBiology.arRxiv.https://doi.org/10.48550/arXiv.2602.16703

[5]Chen.B.C.Z.etal.,LLMNoviceUpliftonDual-Use,InSilicoBiologyTasks.arRxiv.https://doi.org/10.48550/arXiv.2602.23329

[6]RogerSatterfield.StanfordAIWroteVirusesNoEvolutionEverProduced;BiosecurityGapConfirmed.TechTimes.2026.8.7.https://www.techtimes.com/articles/323507/20260807/stanford-ai-wrote-viruses-no-evolution-ever-produced-biosecurity-gap-confirmed.htm

[7]ThomasV.Inglesby,MoritzS.Hanke,AI-designedviralgenomes.Science393,563-564(2026).DOI:10.1126/science.aej8512

[8]Brixi,G.,Durrant,M.G.,Ku,J.etal.GenomemodellinganddesignacrossalldomainsoflifewithEvo2.Nature652,1349–1361(2026).https://doi.org/10.1038/s41586-026-10176-5

[9]EwenCallaway.AIcanwritegenomes—howlonguntilitcreatessyntheticlife?.Nature651，292（2026）.https://doi.org/10.1038/d41586-026-00681-y

[10]LiyuanLiuetal.,Towardlifewitha19–aminoacidalphabetthroughgenerativeartificialintelligencedesign.Science392,eaeb5171(2026).DOI:10.1126/science.aeb5171

[11]ClydeA.Hutchison,IIIetal.,Designandsynthesisofaminimalbacterialgenome.Science351,aad6253(2016).DOI:10.1126/science.aad6253

[12]EricNguyenetal.,SequencemodelinganddesignfrommoleculartogenomescalewithEvo.Science386,eado9336(2024).DOI:10.1126/science.ado9336

[13]Cho,Y.,Hu,L.,Hou,H.etal.Thetigergenomeandcomparativeanalysiswithlionandsnowleopardgenomes.NatCommun4,2433(2013).https://doi.org/10.1038/ncomms3433相关词条:离心玻璃棉     塑料挤出机     钢绞线厂家    铝皮保温    pvc管道管件胶

奥力斯    pvc管道管件胶批发    联系人：王经理    手机：15226765735（微信同号）    地址：河北省任丘市北辛庄乡南代河工业区

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》湘西泡沫板橡塑板专用胶，以此来变相勒索商家索要赔偿的违法恶意行为。