开场：一只老鼠的救命药
2023 年，MIT 的 Collins 实验室做了一个实验。他们在小鼠身上感染了鲍曼不动杆菌（Acinetobacter baumannii）——一种被 WHO 列为"最高优先级"的超级细菌，对几乎所有已知抗生素都耐药。感染 48 小时后，对照组小鼠全部死亡。
治疗组小鼠注射了一种叫"abaucin"的化合物。48 小时后，所有治疗组小鼠都存活了。
abaucin 不是人类化学家设计的。它是 AI 发现的。
AI 从 6680 种化合物中筛选出了 abaucin。筛选过程只用了 2 小时——如果用传统高通量筛选，需要 2-3 个月。更重要的是，abaucin 只杀死鲍曼不动杆菌，对其他肠道细菌无害——这是一种梦寐以求的"窄谱抗生素"，不会破坏肠道菌群。
抗生素耐药性：一场沉默的瘟疫
在讨论 AI 之前，你需要知道抗生素耐药性有多严重。
根据《柳叶刀》2022 年发表的全球疾病负担研究，2019 年全球约有 127 万人直接死于耐药菌感染，另有 495 万人的死亡与耐药菌有关。这个数字超过了艾滋病和疟疾的死亡人数之和。
到 2050 年，如果不采取有效措施，每年将有 1000 万人死于耐药菌感染。超过癌症。
“后抗生素时代”——一个普通感染都可能致命的时代——正在逼近。
而与此同时，大型药企几乎全部退出了抗生素研发。原因很简单：不赚钱。一个抗癌药可以卖 10 万美元一年，一个抗生素只能卖几百美元一个疗程。从 2010 年到 2025 年，全球只有 15 种新抗生素获批，其中大多数是已有抗生素的改良版。
AI 改变了什么？
AI 在抗生素发现中改变了三件事：
第一，速度。 传统高通量筛选每天可以测试 1 万种化合物。AI 虚拟筛选每秒可以评估 10 亿种。MIT 的 AI 模型可以在 1 小时内筛选 1.07 亿种化合物的抗菌活性。这意味着你可以探索广阔的化学空间，找到人类直觉不会想到的分子。
第二，精准度。 AI 可以被训练为"窄谱"杀手——只杀特定细菌，不碰有益菌。这通过训练数据实现：你给 AI 看"这个分子杀 A 菌但不杀 B 菌"，AI 学会这种"选择性"。传统抗生素多是广谱的，像地毯式轰炸，把肠道菌群也炸平了。
第三，发现新机制。 AI 发现的 abaucin 的作用机制与传统抗生素完全不同。它靶向的是一种叫做"LolCDE"的脂蛋白转运系统，这是鲍曼不动杆菌独有的。因为没有其他抗生素通过这个机制杀菌，细菌对它没有"预存"的耐药性。
但细菌也在进化
AI 发现抗生素的速度加快了，但细菌进化出耐药性的速度也在加快。
2025 年，MIT 的团队做了一个令人不安的实验：他们让鲍曼不动杆菌在亚致死浓度的 abaucin 中连续培养 30 天。结果：第 28 天，出现了对 abaucin 完全耐药的突变株。突变发生在 LolCDE 蛋白的一个氨基酸位点上，让 abaucin 无法结合。
30 天。人类花了 2 年时间和 500 万美元发现了 abaucin，细菌花了 30 天就找到了破解方法。
这不是 AI 的失败，这是进化论的基本规律。只要有选择压力，细菌就会进化出耐药性。AI 可以加速抗生素的发现，但不能改变进化的基本规律。
一个大胆的设想：AI vs 进化
2026 年，科学界开始讨论一个激进的想法：用 AI 预测细菌的进化路径，提前设计下一代抗生素。
思路是这样的：训练一个 AI 模型，预测某个细菌在某种抗生素的选择压力下，最可能产生哪些突变。然后，提前设计针对这些突变株的抗生素。这样，当第一代抗生素出现耐药性时，第二代抗生素已经在库房里等着了。
Collins 实验室在 2025 年展示了这个概念验证。他们用 AI 预测了鲍曼不动杆菌对 abaucin 的 5 种最可能耐药突变，然后提前设计了 3 种针对这些突变株的候选分子。当耐药株真的出现时，其中 2 种候选分子有效。
这就像下棋——AI 不只是走一步，而是提前算好了对手可能的应对。
结尾：军备竞赛不会结束
抗生素耐药性是人类和细菌之间的军备竞赛。这场竞赛已经持续了 30 亿年——远在人类出现之前，细菌就在互相释放抗生素和进化耐药性。
AI 不会终结这场竞赛。但它可以改变力量对比。以前是人类化学家（每年设计几十个分子）vs 细菌进化（每小时分裂一代）。现在变成 AI（每小时筛选 10 亿个分子）vs 细菌进化。
AI 让人类在这场军备竞赛中第一次有可能跑得比细菌更快。 但前提是，我们愿意投入足够的资源来做这件事。毕竟，AI 不会自己决定研发抗生素——那个决定，需要人类做。
推荐阅读：MIT Collins 实验室 abaucin 论文 (Nature Chemical Biology, 2023)；《柳叶刀》全球耐药菌负担研究 (2022)；Collins 实验室进化预测研究 (Nature, 2025)