图片来源@视觉中国

文 | 陈根

恐龙在地球上生活了大约1.6亿年。它们为了食物和生存领地而战，想方设法不被捕食者吃掉。和人类一样，它们也会照顾幼崽，并试图保护自己的后代免受捕食者的侵害。恐龙存活了数千万代，但6000多万年前，恐龙却突然从这个蓝色星球上消失。

而在恐龙灭绝6000多万年后，凭借一块有史前蚊子的琥珀，科学家从蚊子血中获得了恐龙的基因，让灭绝的恐龙得以复活。这就是经典科幻电影《侏罗纪公园》的故事。

“侏罗纪公园”的关键，其实就是基因，可以说，是基因存储了恐龙的生物信息，让恐龙的故事在今天重新展现。而如果人类没有发现这块有着史前蚊子的琥珀，那么，浩渺的宇宙中很可能没有物种会知道恐龙曾经在地球上存在过。

那么，对于人类来说呢？虽然我们今天还在这个星球好好的生活着，但没有人知道，人类的明天有多久？如果人类灭绝，以后会有其他物种知道人类曾经生活在这个蓝色星球上吗？如果未来的物种没有找到人类遗骸，那么，人类在科学、艺术、文化和历史上所取得的一切成就都将永远消失，就像从未存在过一样。

有没有什么办法能够储存人类文明的记忆？还真的有，那就是DNA存储技术，这也是今天科学家们正在探索的数据存储的新方式。

存储人类全部的数据？

为什么科学家要研究DNA存储？因为DNA存储的信息密度远超我们的想象。如果我们把毛囊细胞放大再放大，就能看到毛囊里单个细胞的DNA，而如果把这些DNA拉直，这些DNA将比一米还长，其中存储了30亿碱基对，信息密度远远超过人类制造的一切存储介质。

所谓碱基对，就是DNA（脱氧核糖核酸）分子中的两个核苷酸相互配对的基本单元。而DNA分子是由四种不同的碱基构成的——腺嘌呤、鸟嘌呤、胸腺嘧啶和胞嘧啶。这些碱基以特定的方式相互配对，形成碱基对，其中腺嘌呤总是与胸腺嘧啶配对，而胞嘧啶总是与鸟嘌呤配对。这种特定的配对方式是DNA双螺旋结构的关键特征，这确保了DNA的稳定性和复制过程的准确性。

我们可以用两个二进制数字来表示一个碱基，而这个碱基就占了两位的存储空间，位也叫比特，是信息的最小计量单位，所以一个碱基占据的空间就是两位，在计算机中8位就是1字节（byte），1024字节就是1KB，1024KB则是1MB，以此类推，一条30亿个碱基对DNA的数据量就是60亿比特，换算一下大概是7GB，而它仅仅只有几纳米。即便要把人类掌握的所有数据都存储下来，也只需要大概一公斤的DNA，一个冰箱就够了。

要知道，从磁带到USB，过去各种各样的记忆媒介已经在被开发出来。不过，今天，更多的数据被保存在数据中心里。一个存储量为 10 亿 GB的大型数据中心，占地可达数个足球场，建设和维护成本高达 10 亿美元。也就是说，光是储存这些海量数据，就需要花费巨大的空间及金钱成本。

并且，现在数据产生的速度，远远要超过我们生产这些存储介质的速度，所以必须要有新的介质来解决这个难题。而DNA就是这个新的介质。

DNA不仅可以储存信息，而且信息的衰减和损耗几乎为零。就像人类从恐龙基因中读到恐龙生存与灭绝的故事一样，如果DNA保存在干燥的环境中，远离光线，并在稳定的温度下，可以稳定数千万年之久。相比之下，纸张会腐烂，硬盘会降解，甚至连石头也会风化，DNA却可以彻底无视这些物理过程，保留人类文明的知识和历史。

一块有史前蚊子的琥珀

早在上个世纪末，就有科学家尝试DNA存储信息，艺术家 Joe Davis 和哈佛大学的研究员，将一副名为《小维纳斯》（Micro Venus）的图案存储到了 DNA 短链中。这个图案编码简易，白色的地方标记为 0、黑色的线条部分标记为 1，文件大小只有 35字节，用了 28 个核苷酸长度的 DNA 链条来存储。

2000年，美国生物学家把一段信息“刻”进了细菌的体内，这段信息就是爱因斯坦著名的质能方程“E=mc2”。2003年，又有科学家把迪士尼动画片中的一段音乐“刻”进了细菌体内。到了2010年，当首个人造细胞诞生时，带领该项工作的美国基因学家卡耐基·文特尔则把所有参与该项目的科学家的名字“刻”进了人造细胞的DNA上。

一直以来，科学家们在DNA储存技术研究中，展现了可以将文书档案、影片资料等几乎所有东西储存在DNA的能力。不过，DNA储存技术一直有一个大问题，就是所有的过程中依然需要众多的人力。

好在微软公司和华盛顿大学最终打破了这一技术瓶颈。在微软和华盛顿大学的研究中，他们设想了DNA存储的另一个功能：随机读取。

常见的 DNA 测序技术中，必须要将所有的碱基串一次性读取完，才能够获得信息。要么不读取，要么全读取。如果只想要数据中的某一个小片段，就会非常麻烦。2016 年，微软公司和华盛顿大学的科学家发表了一项研究，可以在 DNA 已经存储的信息中搜索到指定的图像，定位后，用酶来复制所需的 DNA 片段，然后只需要读取这一小段就可以。

随机读取是解决了，解读问题又随之而来，要让 DNA 存储离商用更进一步，还需要解决合成速度和成本问题。

现在合成速度是每秒存储上千个字节（KB），成熟的云存储方案已经有每秒千兆字节（GB）以上。这意味着，编写 DNA 的速度还需要提升 6 个数量级。如何让提升数据处理量？就像并行计算能够提升数据处理速度，科学家希望 DNA 在合成时也可以并行多条，同时处理。

2021 年，微软开发出首个纳米级 DNA 存储器，能够在每个平方厘米的区域上，同时合成2650条碱基序列。这个新的技术把原来同时合成碱基序列的数字从个位提升到了千位。这个吞吐量，让DNA合成速度变成了每秒兆字节（MB）。

更大的吞吐量，也就意味着更低的成本。现在 DNA 存储的成本是每万亿字节（TB）8 亿美元。尽管磁带存储成本已经降到了每万亿字节 16 美元以下，看起来，DNA存储似乎毫无竞争力。但现实生活中的大型数据中心的维护成本极高，还要定期更新硬件；DNA 存储密度大、体积小、可以长时间不变质的优势就变成了降维打击。Twist Bioscience 最近在一份市场报告中强调，这种技术能够帮助科技企业在“大规模、低功耗”情况下更有效地部署。

可以说，和过去相比，随着生物技术的发展，DNA存储费用已经呈现大幅下降的趋势。就拿基因测序的费用来说，最早的人类基因测序花了将近 27 亿美元的成本和十五年的时间，但是十五年后，今天，我们只要缴纳1000 美元的费用给企业，就可以在几周内拿到基因分析结果。技术已经变得相当大众化了。考虑到指数型科技的成长速度，或许，DNA储存很快就可以步入商业化阶段。

短期来看，大数据与人工智能的大爆发，促使人类必须找到更多的新兴算力之源，而DNA储存的创新技术，很可能就是人类未来的智能新大陆；而从更长远的人类文明的发展来看，DNA存储技术或许就是那一块有史前蚊子的琥珀，默默书写和记录人类这一物种在这个星球留下的传奇。