来自斯坦福大学和 Arc Institute 的研究人员通过使用生成式 AI 模型从头开始设计完整的病毒基因组，实现了一个历史性的里程碑。这一突破标志着从传统的生物学发现向计算设计时代的转型，在这一时代，AI 决定了生命的架构。

Evo：基因组学的语言大模型

这项研究的核心是 Evo，这是一种专门的生成式模型，其功能类似于大语言模型 (LLM)，但运行在 DNA 的“语言”之上。与基于文本的模型不同，Evo 是在一个庞大的数据集上训练的，该数据集包含来自数百万生物（包括动物、植物、微生物和病毒）的大约 9 万亿个核苷酸。

为了提高其精确度，研究人员采用了两阶段训练过程。在学习了生命之树的基础模式后，Evo 使用

这种差距不仅仅是学术层面的。如果允许模型在更广泛的病毒数据集上进行训练，它可能会学习到高传染性或免疫逃逸的构建模块，进而输出一种基因组，一旦被合成，就可能构成大流行规模的威胁。目前的监管机制侧重于湿实验室操作；它们缺乏评估计算机模拟设计（in silico design）风险的明确授权，而这种设计可以远程且大规模地进行。

所产生的病毒是噬菌体——即感染细菌而非人类的病毒。它们的应用主要局限于细菌控制和实验室研究，从而降低了对公共卫生的直接威胁。

核心结论

Evo 表明，人工智能可以从预测蛋白质结构跨越到起草完整的、具有功能的病毒基因组。该技术有望为对抗耐药细菌和交付基因疗法提供更快、更通用的工具，但它也迫使监管机构面对一类全新的风险：在自然界中从未存在过的生命数字蓝图。