经济学作家、专栏作者 Noah Smith 在8月30日发布的一篇文章里讲了个故事：2029年，一个心怀不满的少年让AI设计出致命病毒并散布出去，最终导致90%的人类死亡。他写道，自己“还没听到过一个能站得住脚的理由，说明这个场景为什么不现实”。这篇文章发在付费墙后，普通读者只能看到这个吓人的开头，看不到后面的论证。

计算生物学家 Claus Wilke 看完这几段坐不住了。他在自己的博客 Genes, Minds, Machines 上写了一篇反驳，核心判断很直接：AI设计出“完美超级病毒”这件事，不是概率低，而是撞上了生物学本身的硬墙——传播力和致死率很难同时拉满，AI再聪明也绕不开这堵墙。

传播力和致死率，病毒绕不开的跷跷板

Wilke 的专业背景是蛋白质与病毒的计算设计，他的日常工作就是评估AI在这个领域到底能做到什么。他给出的第一个反驳很朴素：埃博拉、狂犬病、汉坦病毒都极其致命，但没人把它们当成文明终结者，因为它们传不远——需要体液接触或动物传播，稍加防护就能避开。反过来，普通感冒传得飞快，但很少致命，得病的人照常出门,反而帮它继续扩散。

真正让病毒专家紧张的组合，是又能传、又够毒。但现实里几乎找不到这种病毒。H3N2流感攻击上呼吸道,传得容易；H5N1禽流感攻击下肺,更致命但难扩散——这个权衡到今天都没被打破。Wilke 的判断是，没有任何证据支持AI能凭空绕开这道生物学限制，相信它能做到，“已经离开了科学的领域,进入了信仰”。

病毒设计的天花板不是算力，是生物学本身。
  • 结论.AI能优化的是设计效率，改不了传播力和致死率之间的物理权衡。

如果非要找一个现实里最接近“理想型超级病毒”的例子，Wilke 提到了 麻疹。

谁该真正紧张：刚果的埃博拉，美国的麻疹

麻疹平均每个感染者能传染10人以上，10-20%的感染者需要住院，死亡率约千分之一——听起来不高，但放大到人口规模就是巨大的伤亡。它的可怕之处在于“不够吓人”：症状不够严重到让人立刻警觉隔离，于是持续传播。COVID 之所以被 Wilke 称为“接近理想型”的大流行病毒，正是同一个逻辑：致死率足够高，全球死亡数以百万计；同时很多感染者症状轻微甚至无症状，照常生活、照常传播。

对比之下，虚构的AI超级病毒反而是最不需要担心的那一种。

  • 风险.麻疹疫苗如果出现免疫逃逸突变，现实中的传播风险可能比AI造病毒的想象场景更值得警惕。

Wilke 点出的落差是，此刻真实存在的风险几乎没人关心：刚果正经历一轮规模不小的埃博拉疫情，美国的麻疹病例在回升，HIV仍在非洲部分地区肆虐——这些都是公开、持续的公共卫生问题,但很少成为热门话题。真正能防住这些病毒的,是老办法：疫苗接种覆盖率、病原监测、疫苗和抗病毒药物的研发投入、通风和洗手。这些事情不吓人,也不容易变成付费订阅的爆款文章,但它们才是真正在起作用的防线。

对普通读者来说，这场争论提供的不是一个安心的结论，而是一个更该盯住的方向：与其为一个虚构的AI少年担惊，不如去看这个冬天麻疹病例数字和身边的疫苗接种率。