十年前Cloud Computing火爆的時候，大家自然而然開始了想站在生物云計算的風口，可是沒起風，豬肉去漲價了。生物云計算究竟是遺失的美好，還是霧里看花，水中望月;究竟是出身未捷身先死，還是懷才不遇，壯志未酬。

生物云計算，看上去很美

首先，我們的定義是什么?

按照字面定義，目的就是做生物的計算，主要包括各種生物序列的分析工作，加上云，就是能夠在云端處理。其實和其他云計算也沒太大的不同。這是非常好的想法，后面在結合上5G技術，就更好了。比如在野外利用孔測序儀進行測序，數據實時傳輸到云端開始處理，然后結果返回結果。通過各種終端都可以直接查看結果，看起來非常完美是不是。

然而現實情況是，這些年很多公司推出的生物云計算，大方向都是在炒概念，生物大數據，生物云計算，5G，物聯網，人工智能，精準醫學……都是當前時髦的熱詞，如果不帶幾個這樣的詞兒，都不好意思和別人打招呼。但是當街頭老大媽都準備入市賺錢的時候，也就說明股市泡沫要來了。

硅谷有一個臭名昭著的技術成熟度曲線，也叫做技術循環曲線，或者直接叫做炒作周期，是指新技術、新概念在媒體上曝光度隨時間的變化曲線。是指經過新聞媒體和學術會議的大肆宣傳之后，新技術趨勢一下子跌倒了谷底。生物云計算就是這樣的一個例子。

生物云計算的烏托邦之夢

云計算其實是一種非常好的解決方案。然而目前為何還沒有完全普及，雖然市面上有很多產品，有些做得確實也還可以，但依然不是主流。能效升近7萬倍!新興超導量子技術實現神經網絡硬件加速系統

很多公司的產品是想做成傻瓜式的操作，有一個圖形化界面，用戶購買之后，登錄賬戶，然后上傳數據，選擇要分析的流程，點擊運行，然后等待結果就行，用戶體驗非常好是不是，你甚至不需要任何生物信息經驗就可以了。

利用這段時間，去樓下點上一杯咖啡，曬曬太陽，伸個懶腰，刷刷手機，然后回來等待結果就行了，生活真美好……

甚至還有很多人預言，已經不需要做生物信息的人了，這些工作會像精算師一樣逐漸被生物云計算以及人工智能所取代，這個我不肯定也不否定。

夢醒時分

喝完咖啡回來，查看一下結果。“wow，fxxx”，出錯了，到底哪里有問題呢?這就是當前生物云計算的問題所在。將所有分析封裝起來，如果中間環節有問題，就比較麻煩。

舉個簡單的例子，例如做人全基因組的變異檢測。從拿到原始測序數據，到最終得到可靠的結果，中間可能需要10幾個處理過程。這些過程都是承上啟下的，有一個過程有問題，整個流程就斷掉。如果斷掉在查找原因，重新從這里開始，這反而更加繁瑣。

其次，像這種非常標準化的分析過程，采用目前的云計算是沒有問題的。但如果是做科學研究?？茖W研究本身就是一個反復探索的過程，需要反復測試，不斷調參，使用這種圖形化反而更加復雜。

第三：所有圖形化本質上只不過是給命令行添加上一個按鈕，本質上內容都是一樣的，根本不存在不懂生物信息也能使用的情況，如果不懂的話那些參數就只能按照默認的來處理了。

回到未來

由于當前的生物云計算現實情況，就會造成一種現象：懂分析的人不喜歡圖形界面，不懂分析的人有了圖形界面也還是不會用。我并不是一棒子打死各種生物云計算，每個用戶的具體需求不同，具體分析內容也不同，有些分析云計算非常方便。相反，我覺得需要生物云計算，甚至我們自己也運營生物云計算平臺，只不過不是圖形化界面，需要用戶自己熟悉敲命令。

其實云計算有諸多的優勢。

首先，方便數據管理，也就是同一份文件不需要進行多個拷貝，測序完成之后直接上傳到云服務器，用戶可以在任何地點聯網訪問。

第二，軟件和數據庫也無需進行多個拷貝，并且可以第一時間進行更新，省去很多麻煩，例如，只需要在云端下載一份nt數據庫，所有的用戶都可以與之進行比對，而不需要下載很多份。

第三，云計算可以進行彈性計算，也就是資源可以充分利用，需要多大資源，就提供多大資源，不會像本地資源存在計算資源不足的情況。

第四，云計算不需要很多的配置以及系統維護。