中國科學院院士、上海交通大學化學化工學院院長樊春海：DNA大數據存儲，讓IT-BT交融迸發出無限潛力

每經記者 梁宏亮    每經編輯 冷雪婷

你還記得嗎？

1994年，比爾蓋茨坐在33萬紙上，對全世界發布，我們現在有了“光盤”。一張光盤能夠記錄的內容，也就33萬張紙，這在當時來講應該是非常具有震撼性的廣告效應，也就是我們電子存儲是具有如此強大的能力。

你發現了嗎？

身處在信息爆炸的時代，人類每時每刻都在產生著海量數據信息。為了存儲它們，我們現在到處都在建設數據中心。這些數據中心要在靠近山邊、水邊的地方，占用了大量的土地和能源。

你會相信嗎？

未來有一天，我們有可能拿著一管DNA說：“看，我們這里面存儲著全世界的所有數據！”

交大安泰EMBA20周年之際，每日經濟新聞聯合上海交通大學安泰經濟與管理學院，聯合推出“我的商學之路·我的遠見”系列策劃。

在交大安泰EMBA20周年暨安泰視界年度峰會上，中國科學院院士、上海交通大學化學化工學院院長樊春海給我們講述了一個關于用DNA存儲海量數據的神奇故事，描繪了一個生物技術與信息技術交融發展的美好未來。

數據存儲需要一場“綠色革命”

從原始人的結繩記事，到造紙術，再到電子信息時代的數據存儲，信息存儲方式的變革，從一個角度反映了人類社會的文明發展史。

信息時代來臨時，我們曾相信：電子信息來存儲，似乎解決了所有存儲問題。然而，當我們真正進入一個數據爆炸的時代，我們逐漸發現：僅憑電子信息來存儲數據，滿足不了我們的需求了。

樊春海院士告訴了我們一組數據：2020年全世界的數據是44個ZB（440萬億億字節）。“把這些數據存下來，光耗的電就是一個三峽大壩所產生的電。這個數據還在不斷增長，到2025年預計是175ZB，而且里面80%-90%是很少被調用的冷數據。”

這些所謂冷數據，就是像圖書館的圖書一樣，我們需要把它存在那兒，不能讓它毀滅?？墒?，日常工作生活中我們又很少去用它，一年可能都用不上一次。存儲它們不僅需要耗能、占地，而且由于數據電子存儲的壽命只有十年到幾十年，時間到了就需要重新更新迭代一次。

所以，在這種情境下，信息存儲越來越成為一個重大的國家戰略級的需求。不僅存儲消耗能源巨大，傳輸也越來越成為一個問題。

“1969年阿波羅登月計劃的時候，當時存儲介質是紙，也就是1人高這么多的數據，”樊春海院士舉例對比：“到2019年，我們可能都知道人類第一次觀察到了黑洞，把黑洞的圖片傳回來，存儲這些數據的硬盤加起來有半噸重，沒有辦法通過網絡來傳輸，只能通過飛機來運輸。”

也正因如此，現有基于硅的存儲方式，不僅存在高成本、高能耗、壽命短的問題，相對來說遷移起來也很麻煩?，F有的數據存儲架構，越來越難以滿足數據日益爆發性增長的趨勢。這時候，迫切需要一場“綠色革命”。

基因測序從理想變為現實

在人類不斷生產出海量信息的同時，我們對于生命的理解也更加深刻。在過往幾十年里，人類探索生命奧秘最重要突破之一，就是對DNA的更深入理解。

“DNA就是我們生命的密碼。我們知道DNA由4種堿基組成，遵循非常簡單的配對規則，我們有時候會稱為叫華生-克里克配對原則。就是4個堿基分成兩組，A一定是跟T配對，G一定是跟C配對。”

樊春海院士這樣科普到：“在我們細胞里，每時每刻都有這樣一個的過程：DNA雙列進入到聚合酶的蛋白質的孔洞里，就像一個復印機一樣，可以說是一個最精確的自然界產生的納米復印機。當DNA復制達到一定量后，細胞開始分裂，一個細胞分成兩個細胞，兩個細胞分成四個細胞，逐漸變成組織、器官，到植物、動物、人……這就是我們所說的生物學遺傳分子機制。”

大家對上世紀末的人類基因組計劃耳熟能詳。人類基因組計劃的目的，是把我們的遺傳物質DNA序列測定下來。什么叫測定序列？就是把ATGC4個字母排列組合給確定下來。

經過幾代全世界科學家的努力，這終于變成了一個現實。更重要的是，當時測一個人的基因，要花幾十億美元。而現在對于全世界最強的測序公司來說，只要一天時間，花費一兩千塊錢的成本，就可以把一個人的基因檢測出來?，F在，全世界基因測序的市場規模已經達到100多億美元。

不僅如此，我們還可以把古人類、古生物的基因組序列測出來。比如我們通過檢測70萬年前野馬化石的基因組信息，了解70萬年前的野馬有哪些生物學特性。

DNA如何存儲數據信息？

虛擬世界、計算世界或者說現在的元宇宙，它的背后是兩個數字——1和0在跳動。而在我們生物學生命的世界里，實際上背后是ATGC這4個字母在跳動。人類基因組計劃所測出來的一本“天書”，實際上就是4個字母的排列。

從這個意義上講，或者說我們從信息論的角度來看，實際上生命世界跟虛擬世界，可以說是等價的，無非一個是二進制，一個是四進制。也就是說，DNA分子就是這樣一些由ATGC4個字母組成的，可以編碼的分子信息材料。

既然DNA里面的ATGC是四進制，計算機里面就是二進制1和0，兩者在信息上等價的。那么，是不是可以用DNA來存儲計算機的信息呢？

樊春海院士介紹到，DNA存儲無非就是把數據1和0的二進制變成ATGC四進制的編碼過程。通過一系列的生化反應，把數據給存下來、讀出來，再通過數據解碼，變成1和0，跟計算機系統對接起來。

“1988年，有科學家證明DNA可以用來存儲信息，但是在當時并沒有引起很多人的關注，后面有一系列的進展，包括哈佛大學的研究表明DNA可以用來存儲一本書，在科學界都有一定的影響，但是沒有引起社會上的震動。”

樊春海院士談到，因為在當時，電子存儲是足夠用的，大家并不需要這樣一個聽起來很突破性、很怪異的方法來存儲。但隨著信息爆炸時代的來臨，電子存儲的瓶頸越來越明顯。“于是，用DNA來存儲，這件聽起來比較怪的事情，實際上已經受到了國內外的普遍重視。”

據樊春海院士介紹，在科學雜志《Science》提到的未來人類的125個科學問題中，關于信息科學里面4個問題其中之一，就是DNA能否用作信息存儲的介質。而在我們國家的“十四五”科技規劃，就已經把它列入需要加快布局的幾個前沿技術之一。

IT與BT交融的世紀來臨

那么，用DNA來存儲數據，將生物材料用到信息技術里，究竟會帶來怎樣的變革？

“推算一下可以知道，通過50克DNA，可以存下1千萬盤硬盤的信息?？梢酝ㄟ^DNA存儲，把數據存儲的容量極限提升7個數量級，”樊春海院士列了一組數據：“這樣推算下來，全世界440萬億的字節，只要200公斤DNA就可以存下來，這就解決了大問題。”

也就是說，DNA存儲帶來了一種密度高、能耗非常低、壽命非常長的存儲模式。壽命能夠長到什么程度？“類似于剛才所說的70萬年前的野馬化石DNA信息，不僅可以存百年、萬年，甚至有可能存到幾十萬年、百萬年。相對于硅基電子存儲只能存幾十年來說，有著巨大的進步。”他說。

“2019年我們國家信息存儲的市值將近5000億元，預計到2025年，我們國家將成為全世界最大的數據城。”在樊春海院士看來，來自醫療、金融、互聯網等等各行各業大量的數據，都有可能成為供DNA來存儲的一些需求。

“DNA信息存儲應該說目前還在起步階段。”據他預測，預期到2024年，將有30%的數字業務有可能是用DNA存儲來實現，從而解決現在指數級增長的數據存儲問題。“我們上海交通大學成立了DNA存儲研究中心，希望在這個過程當中，能夠發揮獨特的作用。”

據樊春海院士介紹，DNA數據存儲是典型的信息技術和生物技術交融的產業，其中不僅包含有信息、大數據和人工智能技術，也包括合成生物學、基因測序等生物學技術。只有技術的交融，才有可能產生這樣一個偉大的事情。

“在上個世紀，我們經常會聽到這樣的爭論——21世紀到底是IT（信息技術）的世紀還是BT（生物技術）的世紀？現在的證據越來越多證明，21世紀可能是生物技術和信息技術交叉融合的世紀。”樊春海院士說。