生物计算（biological computing）正在从实验室概念走向工程化临界点。与传统硅基计算不同，生物计算以 DNA 分子或活细胞作为计算基元，理论上能够实现远超现有存储介质的密度和能效。然而，将理论潜力转化为可部署的硬件系统，需要跨越 DNA 存储写入速度、细胞内计算时延、以及生物材料与电子设备之间的兼容性封装等三重核心挑战。
DNA 存储密度的理论极限与工程现实
DNA 作为信息存储介质的理论密度可达约 $10^{19}$ 位每立方厘米，这意味着 1 克 DNA 理论上可存储约 1.7×10^{19} 位数据，折合约 2.15 亿吉字节。这一数字将当前最先进的闪存介质（单盘约 100 太字节）远远甩在身后，理论上甚至可以在单个试管中存储整个互联网的档案数据。然而，工程实现面临的瓶颈并非密度本身，而是如何以可接受的成本和速度完成数据的写入与读取。
当前 DNA 合成技术的写入速度仍然停留在每秒千字节到数十兆字节的量级。以 2024 年至 2025 年的实验系统为例，主流的 DNA 合成平台单次合成反应的吞吐量约为毫克级别，对应约数十万条寡核苷酸链，而每条链的实际数据载荷受限于序列设计约束（避免同聚物、极端 GC 含量等问题）和纠错编码开销。即使采用芯片辅助合成或酶法合成等新兴技术，单日写入量也仅能达到数十吉字节量级，与消费级固态硬盘每秒数吉字节的写入速度相差数个数量级。更关键的是，合成成本尚未实现数量级下降，单碱基合成费用仍维持在数美分水平，使得大规模数据写入的经济性难以成立。
读取端的挑战同样严峻。DNA 存储的读取依赖于测序仪完成从生物信号到数字信号的转换，而当前的测序工作流包括样本制备、测序反应、图像采集与碱基识别等多个环节，端到端延迟通常在数小时到数天之间。对于需要随机访问的场景，这一延迟是致命的缺陷 —— 典型的数据库查询要求毫秒级响应，而 DNA 存储系统甚至无法在分钟级别内完成单次数据检索。此外，合成与测序过程中的错误率（插入、缺失、替换错误）虽然可以通过喷泉码（fountain code）或里德 - 所罗门纠错等编码策略进行补偿，但有效的纠错通常需要 15% 到 20% 的冗余校验数据，这意味着实际可用密度会显著低于理论极限。
细胞内计算的时延瓶颈与可靠性问题
细胞计算（cell-based computing）代表了另一条生物计算路径，其核心思路是利用活细胞内部的基因调控网络或神经网络（如类器官计算）执行逻辑运算或信息处理。与 DNA 存储的静态存储特性不同，细胞计算是动态的、上下文相关的 —— 细胞行为受周围微环境、细胞群体密度、代谢状态乃至基因表达随机性的共同影响。这种上下文依赖性既是生物计算的优势（自适应、并行性），也是工程化的噩梦。
从时延角度看，细胞内计算面临的核心问题是生物化学反应的自然时间尺度。基因转录、翻译、蛋白质修饰等基本生物过程的典型时间常数为分钟到小时级别，远超电子晶体管的皮秒级开关速度。即使是在光遗传学或化学诱导等外部刺激下加速响应，细胞计算系统的操作延迟也难以突破百毫秒量级。相比之下，现代处理器的指令周期在 10^{-12} 秒级别，单核处理器每秒可执行数十亿条指令 —— 细胞计算的时延差距达到 9 到 12 个数量级。这一差距并非简单的工程优化所能弥合，而是由生物化学反应的物理本质所决定。
可靠性是细胞计算面临的另一重大挑战。传统硬件设计追求确定性的逻辑行为，而生物系统的行为具有内在的统计特性 —— 基因表达存在噪声，细胞分裂会引入突变，群体行为会出现同步与去同步的动态演化。这意味着工程师必须重新审视容错与冗余的设计范式：传统的纠错码需要针对生物噪声特性重新建模，而系统监控不再是对确定状态的采样，而是对概率分布的持续估计。目前业界正在探索的应对策略包括设计具有鲁棒性缓冲的基因线路、引入代谢补偿机制、以及利用细胞群体的纠错能力（群体感应）实现分布式可靠性。
生物兼容性封装：从 wetware 到 hardware 的接口难题
生物计算系统的工程化落地还依赖于一个常被忽视但至关重要的技术领域 —— 生物兼容性封装（biocompatible encapsulation）。无论是被动存储的 DNA 还是在细胞内活跃运行的计算单元，最终都需要与外部的电子控制系统进行交互。实现这种跨介质通信面临的核心挑战在于材料科学和界面工程的双重限制。
对于 DNA 存储系统，封装挑战主要体现在存储介质的长期稳定性与读取接口的兼容性。DNA 分子在高温、潮湿、紫外线辐射等环境下会发生降解，因此实际部署需要设计惰性保护环境（如低温干燥保存），但这又会影响数据访问的便利性。此外，DNA 存储的读取依赖于将合成好的寡核苷酸从存储介质中提取并送入测序仪，这一过程涉及复杂的流体控制和无损操作，当前缺乏成熟的微流控解决方案来实现高通量、自动化的随机访问。
对于活细胞计算系统，封装问题更为复杂。活细胞需要在特定的生理条件下存活 —— 适宜的温度、pH 值、营养供应、废物清除 —— 而这些条件与传统电子器件的工作环境几乎完全不兼容。常用的解决方案包括微流控芯片与细胞培养室的集成，但这带来了新的工程挑战：封装材料必须对生物分子具有化学惰性（避免非特异性吸附），同时对营养物质和代谢产物具有选择透过性；电子接口（如用于刺激或记录微小信号的微电极阵列）需要在长期浸泡在细胞培养基中的环境下保持电气性能稳定；最重要的是，任何封装方案都不能干扰细胞的正常生理功能，否则计算行为将发生不可控的偏移。
工程化路径的参数化参考
尽管挑战严峻，生物计算的工程化并非无路可走。基于当前的研究进展，可以给出以下可落地参考参数范围。对于 DNA 存储的工程化部署，以下参数值得关注：合成速度目标应设定在单次反应至少 10^6 条链以上，单链数据载荷不低于 100 比特，才能在经济性上具备竞争力；纠错编码的冗余比建议不低于 18%，以覆盖 10^{-3} 量级的原始合成错误率；存储介质的目标保存期限应至少达到 10 年以上，对应存储条件需要温度低于 -20 摄氏度、相对湿度低于 20%。对于细胞计算系统，封装寿命的工程目标应至少达到 30 天以上的连续运行，在此期间细胞存活率不低于 95%；外部刺激响应延迟需控制在 100 毫秒以内，才能与简单的反馈控制系统集成；电子接口的信噪比应达到 20 分贝以上，以区分真实的生物信号与背景噪声。
生物计算当前处于从学术研究向工程化过渡的关键阶段。DNA 存储最有可能率先在超长期归档场景中实现商业化，因为这类场景对写入速度和随机访问的要求相对宽松，但对存储密度的需求几乎是无止境的。细胞计算则更适合在对自适应、并行性、或者生物识别能力有特殊需求的场景中寻找突破口，例如环境传感、个性化医疗或新型材料合成。无论选择哪条路径，工程师都需要摒弃对传统硬件设计的路径依赖，从生物系统的物理化学本质出发，重新定义可靠性、时延和系统边界的含义。
资料来源：DNA 存储密度的理论数据来自《Nature》子刊关于高密度 DNA 存储的综述论文；写入速度和误差率参数参考了 PMC 发布的 DNA 数据存储技术进展报告；细胞计算时延数据取自《ACM 通信》关于生物计算的最新研究综述。