如果說ChatGPT是在模仿人類說話，那么現(xiàn)在，AI已經(jīng)開始模仿上帝造物了。

2026年1月26日，多家外媒報道，英國初創(chuàng)公司Genyro、美國Arc研究所、斯坦福大學(xué)和加州理工學(xué)院的科學(xué)家們實現(xiàn)了一項令人背脊發(fā)涼的突破：

他們利用一個名為 Evo2 的AI模型，從零開始，憑空設(shè)計并合成了一種自然界從未存在過的病毒——Evo-Φ2147。

它有生命（能感染、能復(fù)制），它有殺傷力（能殺死細菌），更可怕的是，它的殺戮效率比自然進化的病毒還要高出25%！

地球用了40億年才進化出的生命法則，被AI用了幾天時間就破解了。

01、上帝的權(quán)限，被AI破解了

在此之前，人類對基因的操作大多是“剪切粘貼”——把A生物的基因剪一段貼給B生物。

但這一次，性質(zhì)完全變了。

Evo2 就像是一個生物版的ChatGPT。

科學(xué)家給它喂了9萬億個基因數(shù)據(jù)（ATCG），讓它學(xué)習(xí)生命的語言。

然后，科學(xué)家給它下達了一個指令：“給我設(shè)計一個能殺大腸桿菌的病毒?！?/p>

AI沒有抄襲，它開始了“原創(chuàng)”。

它吐出了一串長達5386個字符的DNA代碼。

這串代碼在自然界中找不到任何雷同，它是AI根據(jù)自己對生命的理解“想象”出來的。

科學(xué)家把這串代碼打印出來，放進細菌里。

奇跡（或者說噩夢）發(fā)生了： 這些代碼真的活了！它們組裝成了病毒，開始瘋狂攻擊大腸桿菌。

02、62小時 vs 42天：人類輸?shù)靡凰?/strong>

這種“造物能力”到底有多強？ 為了讓你直觀感受這種降維打擊，研究人員給出了一個令人震撼的對比數(shù)據(jù)：

回想2020年，Moderna公司用了 42天 才設(shè)計出第一批針對新冠病毒的mRNA疫苗序列，當時這被譽為人類歷史上的“光速”。但如果當時擁有這項AI技術(shù)，這個過程只需要—— 62小時！

不到3天時間。這意味著，AI可以在病毒還沒跑出城市之前，就把解藥“算”出來。

它不僅讀懂了生命，更以一種人類無法企及的速度，重寫了生命的時間表。

03、殺手進化：比自然界更強

更讓人細思極恐的是AI作品的“強度”。

自然界的病毒是經(jīng)過億萬年優(yōu)勝劣汰進化出來的，理論上已經(jīng)是“完美殺手”。

但在AI設(shè)計的病毒面前，它們顯得太慢了。

實驗數(shù)據(jù)顯示：

AI設(shè)計的 Evo-Φ2147 病毒，在殺死大腸桿菌的速度上，比自然界的野生病毒還要快 25%。

而且，它還展現(xiàn)出了驚人的反耐藥性——即使細菌進化出了盾牌，AI病毒也能通過重組，迅速撕開防線。

AI仿佛在嘲笑大自然：你的進化太慢了，看我的！

04、天使還是魔鬼？

這項技術(shù)的初衷是極好的。

面對日益嚴重的“超級細菌”危機，現(xiàn)有的抗生素已經(jīng)快失效了。AI設(shè)計的噬菌體（專門吃細菌的病毒）可能是人類最后的救命稻草。

它甚至可以被用來設(shè)計癌癥疫苗，把研發(fā)周期從幾個月縮短到幾天。

但是，硬幣的另一面是深淵。

如果AI能設(shè)計出殺細菌的病毒，那它能不能設(shè)計出殺人的病毒？

如果AI能在62小時內(nèi)造出疫苗，那恐怖分子是否也能在62小時內(nèi)，用一臺電腦制造出比天花、埃博拉更恐怖的基因武器？

雖然研究團隊強調(diào)，他們在訓(xùn)練數(shù)據(jù)中刻意剔除了人類病毒，給AI加了“思想鋼印”。

但我們都知道，越獄一個AI模型，往往只需要一句提示詞。

05、進化的新紀元

Genyro公司的創(chuàng)始人Adrian Woolfson博士說了一句意味深長的話：

在過去的40億年里，地球生命的進化全靠“試錯”（自然選擇）。但從今天起，自然進化多了一個聯(lián)合作者——AI。

這或許是生物學(xué)最偉大的時刻，也可能是人類最危險的時刻。

當我們在為AI的智慧歡呼時，別忘了那句老話：

任何足夠先進的科技，都與魔法無異。

而魔法，往往伴隨著代價。

轉(zhuǎn)發(fā)這篇文章！讓更多人看到科技的雙刃劍。你認為，我們該給AI造物的權(quán)限加上一把鎖嗎？

參考資料:

• Hunter, W. (2026). Lab–grown LIFE takes a major step forward – as scientists use AI to create a virus never seen before. Daily Mail.

• King, S. H., et al. (2025). Generative design of novel bacteriophages with genome language models. bioRxiv. DOI: 10.1101/2025.09.12.675911.