元英进院士：为什么要发展DNA数字信息存储（上篇）

2023年40篇（共390篇）原创文章

4月末，有幸收到元英进院士的邀请，到天津参加京津冀DNA存储前沿研讨会。

此前写了一些我在会议上的拙见《从100米、10米、1米和左右看DNA存储的投资价值》，供大家参考。

本篇写点干货，来自元老师的DNA数字信息存储，结合自己的认知和搜索的资料，形成笔记。

行文过程中得到元老师亲自指导，他非常认真，我受益匪浅，万分感激。

如有错漏之处，还是我个人的学识浅薄所致，文责自负，敬请指正。

报告内容很丰富，我拆分成上、中、下三篇分享给大家。文中未标注图片，均来自元老师的PPT。

希望能让更多的学界、政界、产业界的朋友，了解DNA存储的巨大潜力，一同克服挑战，提升我国生物领域的技术。

在本文展开之前，我们先同步一下概念——

DNA存储是以人工合成的脱氧核糖核酸（DNA）分子为存储介质，将数字信息存储于DNA分子上。

DNA由腺嘌呤（A）、鸟嘌呤（G）、胸腺嘧啶（T）、胞嘧啶（C）4个碱基构成双螺旋结构，可以保存生物体的遗传信息。

在数字世界，数据信息都会转换为二进制数据即“0”和“1”的状态来进行存储。

因此，DNA存储的基本原理是：

数据文件通过编码转到碱基中，将AGCT转化为二进制数据来实现信息的存储，再配合各种算法便可以实现数据的存储与读取。

1

我们为什么需要DNA存储？

人类产生的海量数据，需要存储和处理，面临很大的挑战。

一方面数据中心的建设成本高，占地面积和体积蔚为可观。

另一方面数据中心的维护成本高，能耗非常巨大。

同时，基于AI的数据应用风起云涌。中美双方必然形成角力。

例如，美国军方提出了“算法战”的新概念。

在两国竞争态势愈演愈烈的情况下，中美必然大力发展各自的数字经济。

据IDC预测，全球数据圈（每年被创建、采集或复制的数据体量）将从 2018年的32ZB增至2025年的175ZB，增幅超过5倍。

其中，中国数据圈增速最为迅速。

2018年，中国数据圈占全球数据圈的比例为23.4%，即7.6ZB；预计到2025年将增至48.6ZB，占全球数据圈的27.8%，中国将成为全球最大的数据圈。

换言之，到2025年，中国48ZB的数据如果需要全部存储的话，所需要的EB级数据中心，将超过45000个。

根据推算，这么多的数据中心的占地面积将超过31亿平方米，1年的存储成本4.5万亿美金（2022年中国GDP为18万亿美金）。

海量数据存储的能耗更是惊人。

2020年数据中心耗电量大于2000亿千瓦时，超过三峡大坝一年的发电量。

巨大的能源消耗，对各国都带来节能减排的挑战。

微软从2014年开始建设水下数据中心，希望降低能耗。

并在2020年9月，把海底试运行两年的数据中心从海床上捞回来。

尽管水下数据中心的服务器故障率比传统服务中心低。

但是依然面临着：数据中心大型容器内部的干燥问题、海水如何高效冷却服务器的最佳方法，以及水下容器上的海洋生物附着和腐蚀问题，等等。

因此，海底数据中心还处于科学实验向商业化应用的迈进过程中。

2

合成生物的解决办法——DNA存储

面对数据存储的挑战，合成生物领域的科学家也在进行着基础研究。

一方面，基因测序成本的大幅下降，为DNA存储的成本下降，带来可能性。

但另一方面，基因组等的合成，仍面临通量以及成本的极大挑战。

这也是合成生物在其他领域的应用推广面临的难题。

在研究过程中，科研人员发现工程细胞能够实现的功能非常丰富，人类对此知之甚少。

同时，半导体产业的工程理念也给予了科研人员以启发，不断开发合成生物领域的新工具。

例如，秉承着“让生物更容易工程化（Make Biology Easier to Engineer）”这个使命和愿景的Ginkgo，不断取得成绩。

关于Ginkgo的自动化平台的思路与实践，可以参考该公司首席软件工程师杨耀宇博士的专访文章《首次揭秘合成生物学巨头Ginkgo的自动化平台发展之路》。

3

如何把合成生物学与信息半导体融合

一方面，半导体产业发展遭遇瓶颈：

·摩尔定律遭遇技术上的发展极限，功耗也面临极限；

·小尺度的半导体加工工艺遭遇了技术瓶颈，成本极高；

·投资巨大的半导体产业链需扩大应用领域，支持持续投资。

另一方面，合成生物学发展需要突破：

·基因组等合成仍面临通量以及成本的极大挑战；

·工程细胞能实现的功能仍需要进一步的扩展；

·合成生物学借助半导体产业工程理念，开发新工具系列。

两个领域的跨界交叉融合，产生“半导体合成生物学”的新概念：

·生命的信息处理属性被不断挖掘，其小尺度、低功耗的特性吸引半导体领域进行仿生设计；

·半导体技术应用于高通量DNA测序、DNA合成、生物检测等。

跨界研究形成DNA数据存储的解决方案，一方面应对数据存储的挑战，另一方面推动合成生物学的发展。

4

DNA存储进入主要经济体的战略规划

从图中的时间轴可以看到，中美两国对于DNA存储发展的预见性较为一致，起步时间相近。

相比较而言，美国在信息处理、微纳加工、半导体器件等领域具有国际比较优势，近年来最先提出了“半导体合成生物学”的概念。

“DNA 数据存储”是“半导体合成生物学”关注的重要研究方向之一，也是现阶段被认为最有可能率先大规模应用的方向。

事实上，从20世纪60年代，美国就提出了DNA存储的概念，并作出科研尝试。

但直到21世纪DNA存储才往产业化的方向推进。

（图片来源：【行研】DNA数据存储技术综述）

尽管DNA存储的商业化路径还较为漫长，但美国情报高级研究项目活动（IARPA）依然着力推动分子信息存储计划（Molecular Information Storage, MIST），目标是：确保美国的领先优势。

IARPA计划经理David Markowitz表示：“MIST计划是数据存储的登月计划，旨在开发使我们能够将EB级数据仓库缩减到台式机尺寸的技术，同时还可以大幅度降低运营和维护成本。”

“对于政府和行业中的大数据利益相关者来说，这将是一种革命性的能力。”

如果成功，MIST将开发出能够同时向合成DNA介质写入数据和从中读取数据的新型设备。目标是在三到五年内使该技术在商业上可行。

因此，该计划最新关注：实用化数据归档存储场景和系列化核心技术指标。

中国在“BT+IT”的DNA存储领域，也在紧追不舍。

例如，《第十四个五年规划和2035年远景目标纲要》就明确指出：

要加快布局量子计算、量子通信、神经芯片、DNA存储等前沿技术，加强信息科学与生命科学、材料等基础学科的交叉创新，支持数字技术开源社区等创新联合体发展，完善开源知识产权和法律体系，鼓励企业开放软件源代码、硬件设计和应用服务。

但相对于美国，我国在DNA存储方面的发展步伐还是略显保守。

希望以此文，引起更多的学界、商界、政界朋友，关注DNA存储领域。