中国科学院院士、上海交通大学化学化工学院院长樊春海：DNA大数据存储，让IT-BT交融迸发出无限潜力

你还记得吗？

1994年，比尔盖茨坐在33万纸上，对全世界发布，我们现在有了“光盘”。一张光盘能够记录的内容，也就33万张纸，这在当时来讲应该是非常具有震撼性的广告效应，也就是我们电子存储是具有如此强大的能力。

你发现了吗？

身处在信息爆炸的时代，人类每时每刻都在产生着海量数据信息。为了存储它们，我们现在到处都在建设数据中心。这些数据中心要在靠近山边、水边的地方，占用了大量的土地和能源。

你会相信吗？

未来有一天，我们有可能拿着一管DNA说：“看，我们这里面存储着全世界的所有数据！”

交大安泰EMBA20周年之际，每日经济新闻联合上海交通大学安泰经济与管理学院，联合推出“我的商学之路·我的远见”系列策划。

在交大安泰EMBA20周年暨安泰视界年度峰会上，中国科学院院士、上海交通大学化学化工学院院长樊春海给我们讲述了一个关于用DNA存储海量数据的神奇故事，描绘了一个生物技术与信息技术交融发展的美好未来。

数据存储需要一场“绿色革命”

从原始人的结绳记事，到造纸术，再到电子信息时代的数据存储，信息存储方式的变革，从一个角度反映了人类社会的文明发展史。

信息时代来临时，我们曾相信：电子信息来存储，似乎解决了所有存储问题。然而，当我们真正进入一个数据爆炸的时代，我们逐渐发现：仅凭电子信息来存储数据，满足不了我们的需求了。

樊春海院士告诉了我们一组数据：2020年全世界的数据是44个ZB（440万亿亿字节）。“把这些数据存下来，光耗的电就是一个三峡大坝所产生的电。这个数据还在不断增长，到2025年预计是175ZB，而且里面80%-90%是很少被调用的冷数据。”

这些所谓冷数据，就是像图书馆的图书一样，我们需要把它存在那儿，不能让它毁灭。可是，日常工作生活中我们又很少去用它，一年可能都用不上一次。存储它们不仅需要耗能、占地，而且由于数据电子存储的寿命只有十年到几十年，时间到了就需要重新更新迭代一次。

所以，在这种情境下，信息存储越来越成为一个重大的国家战略级的需求。不仅存储消耗能源巨大，传输也越来越成为一个问题。

“1969年阿波罗登月计划的时候，当时存储介质是纸，也就是1人高这么多的数据，”樊春海院士举例对比：“到2019年，我们可能都知道人类第一次观察到了黑洞，把黑洞的图片传回来，存储这些数据的硬盘加起来有半吨重，没有办法通过网络来传输，只能通过飞机来运输。”

也正因如此，现有基于硅的存储方式，不仅存在高成本、高能耗、寿命短的问题，相对来说迁移起来也很麻烦。现有的数据存储架构，越来越难以满足数据日益爆发性增长的趋势。这时候，迫切需要一场“绿色革命”。

基因测序从理想变为现实

在人类不断生产出海量信息的同时，我们对于生命的理解也更加深刻。在过往几十年里，人类探索生命奥秘最重要突破之一，就是对DNA的更深入理解。

“DNA就是我们生命的密码。我们知道DNA由4种碱基组成，遵循非常简单的配对规则，我们有时候会称为叫华生-克里克配对原则。就是4个碱基分成两组，A一定是跟T配对，G一定是跟C配对。”

樊春海院士这样科普到：“在我们细胞里，每时每刻都有这样一个的过程：DNA双列进入到聚合酶的蛋白质的孔洞里，就像一个复印机一样，可以说是一个最精确的自然界产生的纳米复印机。当DNA复制达到一定量后，细胞开始分裂，一个细胞分成两个细胞，两个细胞分成四个细胞，逐渐变成组织、器官，到植物、动物、人……这就是我们所说的生物学遗传分子机制。”

大家对上世纪末的人类基因组计划耳熟能详。人类基因组计划的目的，是把我们的遗传物质DNA序列测定下来。什么叫测定序列？就是把ATGC4个字母排列组合给确定下来。

经过几代全世界科学家的努力，这终于变成了一个现实。更重要的是，当时测一个人的基因，要花几十亿美元。而现在对于全世界最强的测序公司来说，只要一天时间，花费一两千块钱的成本，就可以把一个人的基因检测出来。现在，全世界基因测序的市场规模已经达到100多亿美元。

不仅如此，我们还可以把古人类、古生物的基因组序列测出来。比如我们通过检测70万年前野马化石的基因组信息，了解70万年前的野马有哪些生物学特性。

DNA如何存储数据信息？

虚拟世界、计算世界或者说现在的元宇宙，它的背后是两个数字——1和0在跳动。而在我们生物学生命的世界里，实际上背后是ATGC这4个字母在跳动。人类基因组计划所测出来的一本“天书”，实际上就是4个字母的排列。

从这个意义上讲，或者说我们从信息论的角度来看，实际上生命世界跟虚拟世界，可以说是等价的，无非一个是二进制，一个是四进制。也就是说，DNA分子就是这样一些由ATGC4个字母组成的，可以编码的分子信息材料。

既然DNA里面的ATGC是四进制，计算机里面就是二进制1和0，两者在信息上等价的。那么，是不是可以用DNA来存储计算机的信息呢？

樊春海院士介绍到，DNA存储无非就是把数据1和0的二进制变成ATGC四进制的编码过程。通过一系列的生化反应，把数据给存下来、读出来，再通过数据解码，变成1和0，跟计算机系统对接起来。

“1988年，有科学家证明DNA可以用来存储信息，但是在当时并没有引起很多人的关注，后面有一系列的进展，包括哈佛大学的研究表明DNA可以用来存储一本书，在科学界都有一定的影响，但是没有引起社会上的震动。”

樊春海院士谈到，因为在当时，电子存储是足够用的，大家并不需要这样一个听起来很突破性、很怪异的方法来存储。但随着信息爆炸时代的来临，电子存储的瓶颈越来越明显。“于是，用DNA来存储，这件听起来比较怪的事情，实际上已经受到了国内外的普遍重视。”

据樊春海院士介绍，在科学杂志《Science》提到的未来人类的125个科学问题中，关于信息科学里面4个问题其中之一，就是DNA能否用作信息存储的介质。而在我们国家的“十四五”科技规划，就已经把它列入需要加快布局的几个前沿技术之一。

IT与BT交融的世纪来临

那么，用DNA来存储数据，将生物材料用到信息技术里，究竟会带来怎样的变革？

“推算一下可以知道，通过50克DNA，可以存下1千万盘硬盘的信息。可以通过DNA存储，把数据存储的容量极限提升7个数量级，”樊春海院士列了一组数据：“这样推算下来，全世界440万亿的字节，只要200公斤DNA就可以存下来，这就解决了大问题。”

也就是说，DNA存储带来了一种密度高、能耗非常低、寿命非常长的存储模式。寿命能够长到什么程度？“类似于刚才所说的70万年前的野马化石DNA信息，不仅可以存百年、万年，甚至有可能存到几十万年、百万年。相对于硅基电子存储只能存几十年来说，有着巨大的进步。”他说。

“2019年我们国家信息存储的市值将近5000亿元，预计到2025年，我们国家将成为全世界最大的数据城。”在樊春海院士看来，来自医疗、金融、互联网等等各行各业大量的数据，都有可能成为供DNA来存储的一些需求。

“DNA信息存储应该说目前还在起步阶段。”据他预测，预期到2024年，将有30%的数字业务有可能是用DNA存储来实现，从而解决现在指数级增长的数据存储问题。“我们上海交通大学成立了DNA存储研究中心，希望在这个过程当中，能够发挥独特的作用。”

据樊春海院士介绍，DNA数据存储是典型的信息技术和生物技术交融的产业，其中不仅包含有信息、大数据和人工智能技术，也包括合成生物学、基因测序等生物学技术。只有技术的交融，才有可能产生这样一个伟大的事情。

“在上个世纪，我们经常会听到这样的争论——21世纪到底是IT（信息技术）的世纪还是BT（生物技术）的世纪？现在的证据越来越多证明，21世纪可能是生物技术和信息技术交叉融合的世纪。”樊春海院士说。