我覺得，這篇 2026 年 8 月 6 日 Science 的 commentary，真正值得記住的，不是「AI 做出了病毒」這句聳動標題，而是另一句話：
AI 第一次跨過了 genome-scale generative design 的門檻。
您給的 DOI aej8512 是 Thomas Inglesby 與 Moritz Hanke 的評論〈AI-designed viral genomes〉；它評論的原始研究，是 Samuel King、Brian Hie 等人同日刊於 Science 的〈Generative design of bacteriophages with genome language models〉。研究者用 Evo 1 / Evo 2 這類 genome language models 設計完整的 ΦX174-like bacteriophage genomes；這些是感染細菌的噬菌體，不是感染人的病毒。
一、我認為真正的斷裂發生在：「read → write → generate」
Arc Institute 自己講得非常漂亮：ΦX174 在 1977 年成為第一個完整定序的 genome；2003 年可以人工合成；而現在則成為 AI-generated genome 的示範對象。換言之，四十多年走了一條路：
read life → write life → design life.
前兩者仍然很「人類」。
人先理解，再修改，再合成。
但 generative model 帶進來的，是另一種關係：
人不必完全理解某個 viable genome 為什麼成立，模型可以先在龐大的可能空間裡提出候選者，而 biological reality 再替它做 selection。
這件事非常重要。
它有點像 AlphaGo 的那一手棋：問題已經不再是「AI 是否學會人類知道的 biology」，而是：
AI 能否在 biological possibility space 裡找到，人類原先沒有想到過的可行解？
這次答案已經是：可以，至少在非常小的 bacteriophage 上可以。
研究團隊最後得到 16 個功能性噬菌體；有些甚至能感染自然 ΦX174 無法有效處理的 E. coli 或克服其抗性。這也是為何它在 phage therapy、antibiotic resistance 上非常誘人。
二、但 BBC 那個問題：「Should we be scared?」我會回答：
不是現在這 16 隻病毒值得怕。
這點需要說清楚。
它們是 bacteriophages，目標是細菌；研究本身刻意避開會感染人類、動物或植物的病毒，而且是在受控實驗條件下進行。
所以：
AI-designed virus ≠ AI-designed human pathogen。
把兩者直接畫等號，是不準確的。
而且，目前成功率也並沒有神乎其技。模型產生非常大量候選序列，最後真正被選出、合成並成為 viable phage 的只是少數；這仍是一個 proof of concept，而不是「輸入一句 prompt，隔壁就長出新物種」。
然而——
三、我認為 Inglesby 與 Hanke 真正恐懼的是
capability trajectory
也就是：
今天的 object 不可怕，今天證明的 capability 才可怕。
他們的核心問題不是 ΦX174。
而是：
如果 genome language model 已經能夠學到某些跨越 gene、regulatory element、overlapping reading frames 的整體 genome constraints，那麼這種能力究竟能 scale 到哪裡？
ΦX174 只有大約 5,386 nucleotides、11 個基因，但它的 genome 並不是簡單的 Lego；很多 reading frames overlap，同一段 DNA 必須同時滿足幾種不同功能。能產生 viable variant，表示模型捕捉到的不只是單一 protein motif，而是至少一部分 whole-genome coherence。
這就是我認為真正的 watershed。
四、所以我會把這件事叫作：
biology becomes a generative medium.
過去，biology 是我們研究的對象。
然後 biology 成為我們修改的對象。
現在 biology 開始變成：
可以 sampling 的 possibility space。
這與 Midjourney 產生一張不存在的臉，在形式上有一個令人不安的同構：
text model：
下一個 token 可能是什麼？
genome model：
下一個 nucleotide 可能是什麼？
但是後果完全不同。
一個 hallucinated paragraph 最壞通常是一段垃圾資訊。
一個 biologically viable hallucination 卻可能：
replicate。
這是 digital generativity 與 biological generativity 之間最根本的不對稱。
而且 replication 一旦發生，另一個以前 AI 沒有的東西就進場：
evolution。
所以我甚至會把公式寫成：
AI generation × biological replication × natural selection
這三件事結合起來，比單純的「AI 設計病毒」更值得注意。
AI 提供 variation，
environment 提供 selection，
replication 提供 amplification。
這幾乎就是把 Darwinian evolution 接上一個 artificial variation generator。
五、這也是我覺得它和您一直談的「物的反撲」真正接上的地方
通常我們談 AI，人還可以安慰自己：
AI 是工具。
AI 寫文章，人讀文章。
AI 畫畫，人看畫。
AI 寫 code，computer 跑 code。
但是 genome generation 出現一個微妙變化：
AI 的 output 不再只是一個 representation of the world。
它可以成為：
a thing in the world。
甚至更嚴格地說：
a thing capable of making more things like itself。
於是 AI 從 symbolic world 進入了 material world。
再下一步就是您前幾天一直在問的 physical AI，只是這次不是 robot。
是：
biological physical AI。
也就是 silicon-generated information
→ DNA synthesis
→ living system
→ replication
→ evolution。
那條界線一跨過去，「工具」這個隱喻就開始不夠用了。
六、可是我還想再往前推一步
真正令人不安的，其實未必是 AI knows biology better than us。
反而可能是：
AI 不需要像我們一樣「懂」biology，仍然可以產生 biological novelty。
這和我們之前談模型蒸餾、山寨、創造很有趣地接起來。
人類科學通常要求：
理解 → 設計。
generative AI 開始顯示另一條路：
大量學習 → latent structure → generation → empirical selection。
也就是：
design without full understanding。
這在工程上非常強大。
但在 biology 上，非常異質。
因為 biology 本來就是一個我們仍然只理解很小部分的 system。
所以我會把最大問題寫成：
我們第一次可能擁有比我們理解生命更強的「生成生命形式的能力」。
這句話，我認為比「AI 可以製造病毒」嚴重得多。
七、因此治理的 choke point，恐怕不只是 AI model
這也是目前 biosecurity 討論很重要的一點：單純封模型可能不夠；真正需要多層控制，包括模型層面的 safeguards、DNA synthesis screening、customer verification、laboratory biosafety，以及對高風險 pathogen design 的制度限制。
因為 AI 產生的還只是 information。
它需要經過：
bits → bases → biology
才真正進入世界。
因此 DNA synthesis infrastructure 目前仍是一個非常重要的實體瓶頸。
這反而是好消息。
至少現在，digital world 和 Darwinian world 中間，還有一道門。
最後，我會給這篇 Science 一個比「AI-designed viral genomes」更準確的題名：
The First Crack in the Wall Between Artificial Intelligence and Artificial Life.
牆還沒有倒。
ΦX174 小得不得了，成功率仍低，人類 pathogen 更是另一個極其複雜的層級。
可是 2026 年 8 月 6 日證明了一件以前只是 speculation 的事情：
generative AI 的 output，可以不是文字、圖像、音樂、程式，而是一個可以在物質世界中自行複製的 biological entity。
而這讓我想到您一直在講的那句話，可以稍微改寫成：
物的反撲，不一定以機器人的樣子回來。
有一天，
它可能只是，
一串字。
只不過那串字，
不是 alphabet，
而是 A、T、C、G。
而那串字，
會活。
