斯坦福大学与 Arc 研究所联合团队利用生成式 AI 模型 Evo 2 首次从头设计出 16 种功能性噬菌体，成果登上《科学》杂志，标志着语言模型首次生成完整、可存活的基因组[① AI News]。同一天，字节跳动被曝训练 10 万亿参数模型、DeepSeek 重启 80 亿美元融资、阿里巴巴测试 Qwen 收入分成条款，中国 AI 产业的商业化进程骤然加速。技术边界的扩张与商业模式的变革，在同一天密集交汇，值得开发者与产业观察者同时关注两条叙事线：模型能力能走多远，商业账本如何算平。

开源模型与合成生物学的交叉：Evo 2 技术拆解

Evo 2 的突破并非单纯的"AI 生成 DNA"，而是一套完整的"设计—筛选"工程闭环[① AI News]。模型从噬菌体基因组的小片段学习模式，生成数千个候选基因组；随后，研究生 Samuel King 开发的计算框架对候选序列进行评估，筛选出最具可行性的子集进行化学合成，最终在实验室测试中验证活性[① AI News]。ΦX174 噬菌体基因组仅约 6,000 个碱基对，远小于人类基因组的 30 亿个碱基对——选择这一"最小可行目标"正是工程智慧所在[① AI News]。从技术流程看，这一范式可概括为：

# 以下为根据公开摘要信息对 Evo 2 设计流程的理解示意
# 具体实现请查阅斯坦福大学官方技术文档

def evo2_phage_design():
    candidates = evo2.generate(seed_sequences, count=5000)   # 模型生成数千候选
    shortlist = king_framework.filter(candidates, score_fn)  # 计算框架评估筛选
    synthesized = chemical_synthesis(shortlist[:16])         # 化学合成入选者
    active = lab_assay(synthesized, host="E. coli")          # 实验室活性验证
    return active  # 16 种强杀灭活性噬菌体

⚠️ 以上伪代码为根据公开信息对该技术逻辑的初步理解示意，具体实现请以官方文档为准。

该流程的产业意义在于"AI 提出创意、实验验证真伪"的分工模式：AI 负责探索庞大的序列空间，科学实验负责收敛到真实可行的结果，两者缺一不可[① AI News]。King 这样描述研究收益：这个项目最令人欣慰的部分是 Evo 2 允许创造力，科学的新大门因我们能用这些模型做什么而打开[① AI News]。含 16 种选定噬菌体的"鸡尾酒"能快速克服天然 ΦX174 免疫的大肠杆菌的耐药性，为对抗细菌耐药性提供了可迁移的新思路，类似工作未来可针对 MRSA 等耐药菌展开[① AI News]。研究团队特意选择多种大肠杆菌靶向噬菌体，因为细菌可能对单一治疗产生耐药性，而噬菌体混合物可使细菌更难对治疗中每个成员产生耐药性[① AI News]。从工程角度看，这一流程最值得借鉴的是"集中资源于高可行性候选"的策略：King 框架通过评估来自 ΦX174 及相关噬菌体的特征，把昂贵的化学合成预算集中在最有希望的序列上，显著降低了成本[① AI News]。这种"生成—筛选—合成—验证"的四阶段流水线，未来完全可以复用到药物分子设计、酶工程等其他合成生物学场景[① AI News]。

技术溢出风险：开源发布与生物安全的两难

Evo 2 已作为开源软件发布，任何研究人员都可下载模型设计基因组[① AI News]。首席研究员 Brian Hie 坦言，不良行为者可能修改工具版本用于恶意目的；但他同时指出，现有病原体因人们更容易获取和生产而构成更大风险，AI 系统反而可支持应对自然流行病并提供防御选项[① AI News]。Wired 与 TLDR 同步报道了"AI 从头设计功能性病毒"的开创性，也记录了技术超出监管速度的担忧[② Wired][③ TLDR]。同一套"设计基因组"的能力，既可能用于制药与抗耐药治疗，也可能被滥用——这是开放研究与生物安全之间的根本张力[② Wired]。Hie 将剩余技术工作围绕两个问题展开：如何获得更大的遗传新颖性，以及如何获得更大的结果可控性[① AI News]。他还提到铜绿假单胞菌，斯坦福称其为医院获得性耐药感染的主要原因[① AI News]。下一阶段将扩展 Evo 2 到更长更复杂的 DNA，小型细菌基因组也可能成为模型目标，支持设计生产化学品、药物或燃料的工程微生物[① AI News]。对于开发者社区而言，一个现实的问题是：当"设计基因组"的能力被封装为开源工具，责任边界如何划分？这是合成生物学开源生态必须直面的治理命题[② Wired]。从行业治理的角度看，这次事件提供了一个难得的"事前讨论"窗口：与传统生物技术不同，AI 设计基因组的门槛更低、迭代更快，监管机构、开源社区与科研机构需要在扩散加速之前建立协同框架，否则"事后追责"将远跟不上技术演进的步伐[② Wired]。

参数军备竞赛：10 万亿参数模型与国产大模型新格局

字节跳动被曝正在训练拥有多达 10 万亿参数的 AI 模型，是迄今发布的最大中国模型 Moonshot Kimi K3 的三倍，目前处于预训练阶段，通常需三到六个月，若顺利发布将是全球参数量最大的模型之一，直接对标 Anthropic 最尖端系统[④ Ars Technica]。这一数字背后是模型规模的指数级跃迁：Qwen3.8-Max 包含约 2.4 万亿参数、每次请求激活约 950 亿参数；Kimi K3 则含 2.8 万亿总参数和 1040 亿激活参数，混合专家架构含 896 个专家、每令牌选择 16 个。混合专家（MoE）架构的核心思想是"总参数大、激活参数小"，在保持模型容量的同时控制每次推理的计算成本：

# 以下为根据公开摘要信息对 MoE 推理路由的理解示意
# 具体实现请查阅各模型官方技术文档

def moe_forward(x, experts=896, top_k=16):
    scores = router(x)                    # 路由器为每个专家打分
    active = topk(scores, k=top_k)        # 每令牌仅激活 16 个专家
    out = sum(expert(x) * w for expert, w in active)  # 加权聚合
    return out

⚠️ 以上伪代码为根据公开信息对该技术逻辑的初步理解示意，具体实现请以官方文档为准。

MoE 架构让模型在保持总参数规模的同时控制推理成本，但 10 万亿参数的预训练仍意味着巨大的算力投入与数据中心需求，这正是 DeepSeek 重启融资、Anthropic 锁定算力协议的产业背景[④ Ars Technica][⑤ AGI Weekly]。Anthropic 从成立仅 6 个月的初创公司 Volta Infra Holdings 锁定 100 亿美元算力，该公司由 Nvidia 和 Dell 支持，算力来自挪威一个 1.33 兆瓦的数据中心[⑤ AGI Weekly]。算力协议的规模化，正在成为头部模型厂商对冲供应链不确定性的标准动作[⑤ AGI Weekly]。

商业化变局：融资、涨价与开源变现

DeepSeek 重启了约 80 亿美元的第二轮融资，用于数据中心扩展，Monolith Management 据报道正洽谈参与；该轮融资此前因创始人梁文峰泄露评论而暂停[⑤ AGI Weekly]。TLDR 分析指出，DeepSeek 在融资前宣布涨价，将改善其收入与利润叙事，有助于估值谈判——"以低价购买增长的时代正在慢慢结束"，计算成本、商业化压力与产品升级共同推动了这一转变[⑥ TLDR AI]。开源生态的商业模式同样在重构：阿里巴巴计划为其下一个 Qwen 开源权重模型引入收入分成条款，要求从提供模型服务产生收入的大型公司与阿里达成商业协议[⑥ TLDR AI]。这延续了 Moonshot 为 Kimi K3 设定的先例——月活超 1 亿或月收入超 2,000 万美元的商业产品须显著显示 Kimi K3 名称，Moonshot 可要求合作伙伴分享高达 30% 的相关收入[⑥ TLDR AI]。权重可下载，但商业使用不再无条件免费——"开源"与"开源变现"的边界正在被重新定义[⑥ TLDR AI]。对开发者而言，"开源"的含义正在微妙变化：代码与权重仍然开放，但商业化的门槛与分成机制，正在把开源社区推向一个更复杂的生态位[⑥ TLDR AI]。这一系列动作的共性是：中国头部大模型厂商正在集体探索"可持续的算力账本"，从融资输血到涨价造血再到开源分账，商业闭环的路径已清晰浮现[⑥ TLDR AI]。

趋势判断

趋势一：AI 从"生成内容"走向"生成实体"。Evo 2 生成完整功能性基因组，标志着语言模型的能力边界从数字世界延伸至生物实体，合成生物学将成为 AI 落地的重要新战场[① AI News][② Wired]。从 Evo 2 的"最小可行证明"（6,000 碱基对噬菌体）到人类基因组的 30 亿碱基对，中间还隔着约 5 个数量级，但这恰恰意味着可预期的技术演进路径已经清晰[① AI News]。趋势二：模型规模军备竞赛与商业化压力同步升级。字节 10 万亿参数、DeepSeek 涨价与融资、Anthropic 锁定 100 亿美元算力，共同指向"大模型越做越大、账本越来越重"的行业现实，自我造血能力成为头部玩家的生死线[④ Ars Technica][⑤ AGI Weekly]。参数规模与商业回报之间的正反馈，正在重塑全球 AI 资本的流向[④ Ars Technica]。趋势三：开源生态从"免费开放"转向"商业分账"。Qwen 收入分成条款与 Kimi K3 先例，正在改写全球开源模型生态的游戏规则[⑥ TLDR AI][① AI News]。当"开源"与"免费商用"解耦，开发者选型时需要把商业条款纳入技术决策，这将成为 2026 下半年最重要的生态变量之一[⑥ TLDR AI]。

结尾

今日 AI 产业在能力与商业两个维度同时刷新认知：Evo 2 证明了 AI 可以设计生命，10 万亿参数模型宣告算力竞赛进入新量级，而开源变现条款则让"免费"成为过去式。对开发者而言，今天的新闻既是技术风向标，也是商业路线图：理解"生成—筛选—合成—验证"的闭环逻辑、关注 MoE 架构的算力账本、把开源商业条款纳入选型评估，将是在这场变局中保持判断力的关键。后续关注：Evo 2 向更长 DNA 序列的扩展进展，以及阿里巴巴 Qwen 收入分成条款的落地细节。

【资讯来源】本文综合整理自 AI News、Wired、TLDR、Ars Technica、AGI Weekly、TLDR AI 等公开信息源。 ① AI News, 2026年08月07日 23:05 北京时间 / 08:05 美西时间 ，② Wired, 2026年08月07日 22:13 北京时间 / 07:13 美西时间 ，③ TLDR, 2026年08月07日 18:42 北京时间 / 03:42 美西时间 ，④ Ars Technica, 2026年08月07日 21:29 北京时间 / 06:29 美西时间 ，⑤ AGI Weekly, 2026年08月07日 21:00 北京时间 / 06:00 美西时间 ，⑥ TLDR AI, 2026年08月07日 21:33 北京时间 / 06:33 美西时间

【免责声明】 本日报为AI行业每日公开信息汇总整理，仅供读者快速了解行业动态，不构成任何投资建议。所有信息均来源于公开渠道，本账号不对其准确性、完整性和时效性作出任何保证。AI行业技术与政策变化迅速，内容发布后可能发生更新，请以官方最新信息为准。据此作出的任何决策，全部风险自担。

© 2026 林伽一 · AI科技日报

#Evo2 #合成生物学 #开源模型 #大模型参数 #MoE架构