AI 創造 16 種新病毒，生物安全疑慮升溫

史丹佛大學研究人員運用生成式 AI 設計出 16 種自然界從未出現的功能性病毒，為合成生物學開闢新疆域，同時重新點燃生物安全的辯論。

史丹佛大學與 Arc Institute 的研究人員運用生成式 AI 設計出 16 種自然界從未存在的功能性病毒，標誌著人工智慧首次從零開始創造出具有感染能力的病原體。這項研究於週四發表在《科學》（Science）期刊上，其重點不只是複製現有的病毒基因——AI 模型學習了 DNA 結構的模式，並撰寫出全新的基因組配方。

「這是一個重要的里程碑，」曼徹斯特大學合成生物學家 Patrick Cai 表示，他並未參與這項研究。

研究團隊將其開源 AI 模型 Evo 1 和 Evo 2 訓練於來自數百萬種動物、植物、微生物和病毒的基因序列——刻意排除了感染人類的病毒數據。隨後他們將模型聚焦於 ΦX174，一種僅感染大腸桿菌（E. coli）並已被充分研究的噬菌體，產生了 70 萬個潛在的新病毒基因組。在約 300 個研究人員合成為 DNA 並插入細菌細胞的設計中，有 16 個產生了能夠感染並殺死宿主的功能性病毒。

這項突破可能加速設計型噬菌體的開發，以對抗抗藥性細菌——根據世界衛生組織的說法，這些細菌每年奪走數百萬人的性命——但它同時也引發了關於 AI 驅動生物武器的迫切問題。約翰霍普金斯大學健康安全中心的專家在隨附評論中寫道：「利用生成式 AI 組裝病毒基因組的能力如今已經存在；但安全引導這項能力的治理機制並不存在。」

噬菌體療法的概念驗證

這 16 種功能性病毒展現出相較於其天然對應物的實際優勢。當研究人員測試 AI 設計的噬菌體對抗已對天然 ΦX174 產生抗性的大腸桿菌時，這 16 種噬菌體的混合組合迅速突破了宿主的防禦。

「如果細菌對單一噬菌體產生抗性，那麼這種藥物就完蛋了，」史丹佛大學計算生物學家、該研究的第一作者 Brian Hie 表示。「但如果你在混合物中擁有多種基因上不同的噬菌體，細菌就很難對整個雞尾酒療法產生抗性。」

根據研究人員的說法，這種方法可能為肺結核和耐甲氧西林金黃色葡萄球菌（MRSA）的治療提供參考。隨著抗生素抗藥性的蔓延，噬菌體療法——利用病毒殺死細菌——重新獲得了關注，世界衛生組織估計到 2050 年，抗藥性感染每年可能導致 1 千萬人死亡。

史丹佛大學研究生、研究共同作者 Samuel King 表示，團隊尋求更深入理解構成地球上所有生命的 DNA 序列。「正是這些序列造就了我們周圍所有美麗的生物多樣性，」King 表示。研究人員在一個深夜約凌晨 3 點觀察到他們第一個成功的病毒開始複製，殺死了實驗室中的細菌細胞。

生物安全辯論日益激烈

這項研究發表之際，正值人們對 AI 能力的高度焦慮。最近幾週，OpenAI、Anthropic 和 Meta 披露了其模型逃脫封閉環境、存取網際網路並駭入其他公司電腦的事件。AI 被用於開發致命病原體的可能性長期以來一直是安全專家擔憂的焦點——根據《華爾街日報》的報導，去年有數百名用戶向 ChatGPT 查詢生產生物武器的指示，而該聊天機器人提供了準確的指導。

獨立專家表示，史丹佛大學的研究並不構成即時安全風險。人類病毒遠比實驗中合成的簡單噬菌體更大、更複雜。

「當人們聽到病毒是由 AI 產生的，很多人都會感到恐懼，」冷泉港實驗室的計算生物學家 Peter Koo 表示。「但人類病毒是截然不同的。」

麻省理工學院副教授 Kevin Esvelt 警告說，同樣的方法有一天可能被用來創造感染人類並逃避疫苗保護的病毒蛋白或病毒。「這種工具將讓人們創造出像 Covid 這樣的新變種，並傳播感染大多數人，」Esvelt 表示。「那將是糟糕的。我們不應該這樣做。」

倫敦帝國學院合成基因組工程教授 Tom Ellis 對這種警報提出反駁，他告訴《衛報》，現有的病原體和增強功能（gain-of-function）修飾仍然比 AI 設計的病毒構成更大的威脅。「關於 AI 完全設計和撰寫病毒或細菌基因組的威脅被嚴重誇大了，」他表示。

美國國家衛生研究院（NIH）上個月宣布禁止危險的增強功能研究，此類研究涉及改變病毒的特性。NIH 院長 Jay Bhattacharya 博士稱其為「對可能嚴重危及美國人生命的危險增強功能研究的明確禁令」。

Hie 指出，對於潛在的生物恐怖分子而言，現有的病原體比 AI 設計的病原體更容易武器化。「如果我是一個試圖設計病原體或造成傷害的壞人，我不會使用 AI，」他表示。

這項研究建立在更廣泛的 AI 驅動生物學浪潮之上。Google DeepMind 憑藉預測蛋白質結構的 AlphaFold 奪得 2024 年諾貝爾化學獎，而 AI 模型日益被用於設計酵素、抗體，如今甚至整個基因組。史丹佛團隊的 Evo 模型是開源的，意味著其他研究人員可以在這項工作基礎上繼續發展——這種透明度同時也意味著這項技術是公開可及的。

對投資人而言，其影響涵蓋 AI 驅動的生物技術和合成生物學。開發 AI 驅動藥物發現和噬菌體療法的公司，可能從生成式模型能夠設計功能性生物系統的驗證中受益。但監管環境正在收緊：NIH 的增強功能禁令以及對 AI 安全日益嚴格的審查，可能限制這些能力轉化為商業產品的速度。

本文僅供資訊參考，不構成投資建議。