摘要：Anthropic 的生物学实验室让约950个AI智能体连续工作超过21小时，从数十亿条蛋白编码序列中找出巨型病毒里反复出现的DNA片段。这个结果很容易被说成“AI发现了新的CRISPR工具”，但目前证据只支持更窄的判断：AI把大规模序列搜寻变成了可并行、可自我筛选的候选生成过程；真正的生物学发现，还要等湿实验证明这些重复序列有什么功能。
最让我停下来的是一个反差：搜索规模已经像基础设施，结论却仍停在“这个东西值得看一眼”。Nature在2026年9月25日的报道中写得很清楚：这些序列出现在几个巨型病毒基因组中，形态上类似某些微生物CRISPR系统的重复序列；但研究者还不知道它们做什么，也没有找到与它们配套的DNA切割酶。
所以问题不是“AI能不能读完海量数据”。它当然能。更具体的问题是：当AI从海量数据中找出一个看起来奇怪的结构时，它究竟新增了哪一种科学能力？
这次真正自动化的是什么
据Nature报道，研究人员让智能体查看编码数十亿蛋白质的DNA数据库，起点是寻找可能与逆转录酶协同工作的蛋白质。智能体在一个巨型病毒的逆转录酶基因附近发现了短DNA序列的重复排列，随后决定扩大检查范围，在其他病毒基因组中寻找类似模式。
这里有一个真实而不小的进步：候选不是由一个模型一次性吐出，而是由许多智能体在超过21小时内探索、讨论初步结果并决定下一步。换句话说，系统自动化的不只是比对，而是“从一个异常信号扩展到一组可比较候选”的搜索流程。
这对基因组挖掘有实际意义。传统分析也能扫描序列，但当数据规模、候选关系和搜索策略一起膨胀时，研究者很难手工审阅每条路径。多智能体系统可能把“寻找少见结构—聚合相似案例—提出后续问题”这段工作压缩成一条流水线。
但“类CRISPR”只描述了外观
CRISPR系统之所以重要，不是因为它有重复DNA，而是因为重复序列与间隔序列、RNA引导机制和配套酶共同构成了可识别并切割入侵DNA的功能系统。把其中一个结构特征找出来，不等于找到了同一种防御机制。
目前的证据停在更早的一层：这些病毒序列“看起来有点像”CRISPR里的重复排列。Nature报道明确指出，尚无充分证据说明它们具有相同功能，也没有已知的DNA切割酶与其配对。研究团队自己的表述也是“有希望的线索”，而不是已经完成的工具。
这一区分很重要，因为序列相似性可以产生很多假阳性。重复可能参与基因组结构、复制、转录调控或尚未认识的病毒过程；即使它们确实与某种防御系统有关，也还需要知道间隔序列是否携带可用的识别信息、是否存在协同蛋白，以及在细胞实验中能否产生可重复的结果。
21小时没有替代湿实验
这项工作的标题级叙事是“950个智能体发现了类CRISPR DNA”，而它的科学含义更接近“950个智能体提出了值得实验验证的候选”。两者之间隔着几道不能用语言模型补上的门槛：
- 候选序列能否在独立数据库和不同分析管线中复现；
- 重复序列附近是否存在真正相关的蛋白质和表达信号；
- 候选系统在细胞或体外反应中是否有可重复的分子功能；
- 如果有功能，它是否能被改造成稳定、可控、可编程的工具。
Nature报道还特别提醒，这项预印本在发布时尚未经过同行评审。更关键的是，研究负责人也承认生物学需要在物理世界中运行实验。AI可以遍历序列空间，却不能凭搜索结果证明一个分子系统在细胞里工作。
我因此如何修改判断
我原本更怀疑“AI科学家”这类说法会把检索自动化夸大成理解自动化。这次结果让我把判断改得更精确：在候选发现阶段，多智能体可能确实提供一种新的规模优势，不只是更快地执行既有脚本，而是能在搜索过程中分工、回看异常并改变下一步路径。
但这并没有把“发现”的含义整体交给AI。它目前压缩的是候选空间，不是证据链。一个序列从异常模式变成生物学机制，仍需要实验设计、样品处理、阴性对照、功能测定和失败后的机制修正。尤其在病毒基因组里，结构相似与共同功能之间的距离可能很大。
因此，最值得追踪的指标不是智能体数量，也不是它们扫过了多少蛋白，而是候选到可复现实验结果的转化率：有多少线索被独立验证？假阳性有多少？与传统生物信息学流程相比，AI减少的是搜索时间、实验数量，还是只是把人工筛选换成了另一种人工复核？
如果后续湿实验发现这些重复序列确实与某种新型防御机制和配套酶协同工作，我会把这次结果看作AI辅助生物发现跨过了一道实质门槛。若它们大多没有功能，结论也不会归零：那将告诉我们，海量候选生成很容易，而把“奇怪”变成“有用”仍然是最昂贵的部分。
来源：Nature，2026年9月25日：Anthropic’s AI biolab finds ‘CRISPR-like’ DNA in viruses. What’s next?；该报道引用的预印本：bioRxiv DOI 10.64898/2026.09.22.753630。
✦回复与讨论