AI设计病毒技术存在哪些生物安全隐患？

　　2026年8月7日，斯坦福大学团队在《科学》杂志发表里程碑研究：利用AI模型Evo首次成功设计出16种具备完整功能、能自主复制的新型噬菌体（仅感染细菌），但专家同时发出警告——这项突破让生物安全防线面临前所未有的考验。

　　

　　

　　一、技术本质：AI从“读懂生命”迈向“编写生命”

　　模型原理：研究使用的Evo 1和Evo 2是基因组大语言模型，与ChatGPT预测文字类似，它预测的是DNA序列——即“生命的语言”。模型基于海量病毒、细菌、植物和人类遗传编码训练后，被专门调整为生成噬菌体基因组。

　　设计成果：AI生成了约70万个候选基因组，团队从中筛选出302个进行人工合成，最终16种成功存活并有效杀死大肠杆菌。部分AI设计的噬菌体繁殖速度甚至超过了天然原型。

　　创新意义：这是生成式AI首次独立完成从基因组设计到功能验证的全流程，标志着合成生物学进入“编写基因组”的新阶段。

　　二、核心隐患：技术门槛骤降与“双重用途”困境

　　门槛断崖式下降：此前设计完整病毒需要诺奖级团队和顶级实验室，而AI让这项能力变得“人人可及”。约翰斯·霍普金斯大学学者指出，现有治理框架已不足以监管生成式基因组学。

　　双用风险明确：同一技术可用于设计治疗耐药菌的噬菌体，也可能被恶意利用来制造感染人类、动物或植物的新型病原体。专家直言：问题已不再是“能否设计”，而是“如何在不造成严重危害的前提下使用”。

　　监管滞后警报：研究同期发表在《科学》上的评论文章指出，AI设计病毒基因组的能力已成为现实，但相关生物安全和生物安保机制仍相对滞后，建立全球性监管框架迫在眉睫。

　　三、现有防护与系统性挑战

　　多层安全措施：研究团队采取了三类防护——数据层：训练数据库已排除所有能感染人类、动物和植物的病毒数据；对象层：研究仅限噬菌体（只感染特定细菌）；物理层：所有实验均在符合生物安全规范的实验室中进行。

　　筛查系统漏洞：微软研究团队使用AI对72种高危生物分子进行同源重构设计，生成了7.6万个“合成同源物”，这些新序列成功绕过了多家合成企业的基因筛查系统，漏检率曾高达约25%。

　　护栏可被突破：研究显示，通过“提示词攻击”等手段，可诱导AI模型生成新冠病毒与HIV-1蛋白的变体，且仅用公开的感染人类病毒数据微调，就能恢复模型的致病病毒设计能力。