‹ 返回

「生成式生物學」來了：AI如何從零設計生命，又為何讓科學家既興奮又不安

《自然》期刊最新書評揭示一場靜悄悄的生物革命——AI不再只是分析數據的工具，它正在「撰寫」生命本身的程式碼。

 

 

圖靈學院編輯部
2026-3-9

一、不是科幻，是現在進行式

    2025年，科學界悄悄完成了一件前所未有的事：一個人工智慧程式，第一次獨立設計出一整個合成病毒。同年，科學家也用AI輔助設計出可以在哺乳動物細胞中表現的人造基因。這兩件事沒有登上科技版頭條，卻代表了生物學史上的一道分水嶺。
    過去幾個世紀，生物學家的工作是「讀懂」大自然——解碼演化的成果，理解基因如何運作。現在，一個新的方向正在崛起：「寫」出大自然從未存在過的生命形式。這個領域有個新名字，叫做「生成式生物學」（Generative Biology）。
    2026年2月，頂尖學術期刊《自然》（Nature）刊出一篇書評，評論生化學家阿德里安·伍爾夫森（Adrian Woolfson）的新著《物種的未來：用人工生物智慧書寫生命》（On the Future of Species: Authoring Life by Means of Artificial Biological Intelligence）。撰寫書評的明尼蘇達大學合成生物學家凱特·阿達馬拉（Kate Adamala），對這場革命既感到振奮，又懷有清醒的憂慮。她的觀察，值得每一個關心AI與未來的人仔細閱讀。

二、AI把基因組當程式碼在改寫

    要理解生成式生物學，先要理解一個核心比喻：基因組就像軟體。A、T、G、C四個鹼基的排列，決定了蛋白質的結構，進而決定了生物體的功能。AI系統現在可以「在矽晶片上」重新設計基因組，就像程式設計師調整程式碼一樣。這些程式可以預測一個基因序列會折疊出什麼樣的蛋白質結構，進而預測這個蛋白質有什麼功能。它們還能模擬一個重新設計的基因組，在實際環境中的行為模式。AlphaFold對蛋白質結構預測的突破，只是這個方向的第一步。接下來的目標更大：從零設計一個完整、可運作的基因組。
伍爾夫森將這個終極目標稱為「人工生物智慧」（Artificial Biological Intelligence）——能夠自主提出完整基因組設計方案的模型。一旦實現，研究人員就可以像訂製產品一樣，設計用於生產新型藥物的生物工廠，或是能夠抗蟲而不需農藥的農業作物。

三、技術現實：比想像中困難得多

    然而，現實比願景複雜許多。阿達馬拉在書評中指出多個關鍵瓶頸。首先，基因之間的交互作用極其複雜。科學家至今仍難以預測，改動一個基因的表現，會對其他基因產生什麼連鎖影響。生物體的發育高度「情境依賴」（context-dependent），無法簡化為一套乾淨的演算法。蜜蜂幼蟲的命運取決於牠吃了什麼，人類的口音取決於從小聽誰說話。這些特性，不是任何電腦模型能夠預測的。其次，「設計得出來」不代表「造得出來」。合成酵母基因組計畫自2006年啟動，研究人員試圖建構一個改良版的釀酒酵母（Saccharomyces cerevisiae）基因組。組裝工作極度耗時，最後幾條染色體直到2025年才完成。即便如此，如何將完整的合成染色體塞入細胞核，至今仍未解決。「設計出獨角獸的基因組，不代表你能騎上牠。」書評引用了這個生動比喻。第三個複雜性，來自演化本身的不可預測性。一個著名的長期實驗自1988年開始追蹤大腸桿菌的演化，同樣環境下培養的多批細菌，走上了截然不同的演化路徑。其中一批在2003年出現了意外突變，開始代謝完全不同的分子——檸檬酸。這條路徑早在實驗初期就已悄悄埋下，是一系列基因突變累積後的結果。沒有任何模型能事先預見。

四、最深刻的警告：基因組編輯是一條單行道

    伍爾夫森提出了本書最重要的警告之一：今天的基因組編輯，可能鎖死未來的生物演化路徑。生物演化存在「單行道」。一旦某個突變在某個時間點確定下來，它就關閉了其他的可能性。如果科學家因為認為某個生物合成路徑「不必要」而將它剪除，那麼所有源自這個譜系的後代，都將永遠失去這條路徑。過度的基因組編輯，可能創造出無法回應環境變化的生物體——在不斷改變的世界裡，這是致命的弱點。
    這個邏輯，同樣適用於人類的基因治療。目前，針對少數幾個基因的小型治療性編輯，已經在糖尿病和鐮形細胞貧血症患者身上帶來顯著成效。但消除自體免疫疾病等複雜病症，涉及的基因網絡遠比今天所能理解的複雜得多。科學家距離這個能力，還有很長一段路。

五、生物多樣性不只是環保議題，更是科學基礎設施

    書評中最令人耳目一新的論點，是伍爾夫森對生物多樣性的重新定位。他主張，物種不只有美學或倫理價值，它們本身就是演化知識的龐大檔案庫。每一個生物體，都花了億萬年「解決」熱力學、代謝、繁殖等生命難題，發展出獨特的策略與機制。研究人員在設計新生物體時，可以從這個「知識庫」中汲取靈感。一旦某個物種滅絕，它的解法就永遠消失了——即使擁有完整的基因序列，也無法復原，因為基因組之外還有表觀遺傳學（epigenetics）的層次，那些附著在DNA上調控基因表現的分子標記，無法單靠序列重建。換句話說，保護生物多樣性不只是環境保護的道德問題，更是維護生成式生物學得以運作的「科學基礎設施」。這個角度，為生態保護提供了一個在純粹功利主義框架下也能成立的強力論據。

六、書評者的清醒：樂觀主義的邊界在哪裡

    阿達馬拉給予這本書高度評價，認為它成功串聯了分子生物學、系統生物學、計算生物學與演化論，沒有將任何一個領域過度簡化。她特別讚揚伍爾夫森在技術細節上的精確，能夠同時讓非專家讀懂，又讓專家覺得有深度。但她也提出了一個值得深思的批評：伍爾夫森對未來建模能力的樂觀，可能低估了生物學中隨機變異（stochastic variation）的根本角色。生命系統中存在大量的「雜訊」，這些雜訊並非等待被消除的技術障礙，而是生命運作的核心機制之一。她坦率地承認，這個批評也許帶有個人偏見——身為一個實驗生物學家，她確實擔心自己的工作有一天被全面的基因組模擬所取代。這份自我揭露，讓整篇書評更加可信。

七、圖靈學院觀點：生成式生物學與永續發展的交叉口

    從ESG與永續發展的視角來看，生成式生物學帶來的機會與風險同樣巨大。機會面：AI設計的抗蟲作物，可以大幅減少農藥使用；工程化的微生物，能夠分解塑膠或固定大氣碳；合成生物學路徑生產的材料，可以取代石化原料。這些都是直接對應聯合國永續發展目標（SDGs）的應用場景，也是近年生技投資熱潮的核心驅動力之一。風險面：伍爾夫森的終篇警告不容忽視。「我們正在獲取能夠重塑生命的強大工具，但缺乏駕馭後果所需的理論理解。」一旦被工程化設計為抗藥性的細菌逃出實驗室，可能在野生菌群中引發抗藥性蔓延。這不是科幻，而是一個需要嚴肅治理框架的現實風險。生成式生物學，是繼生成式AI之後，下一個將重塑人類社會邊界的「生成式」革命。理解它，不是生命科學家的專利，而是每一個思考未來的人的功課。

 

延伸閱讀
• Adrian Woolfson, On the Future of Species: Authoring Life by Means of Artificial Biological Intelligence, Bloomsbury (2026) 
• Kate Adamala, 書評原文, Nature Vol 650, 26 February 2026, pp. 822–824