基因测序成本下降曲线的幅度远超摩尔定律下计算能力成本下降的幅度，这一态势由测序本身、数据处理与存储、机器学习应用等多个环节的成本协同下降共同推动，形成了独特的技术壁垒。
成本下降：远超摩尔定律
2021年6月，《巴伦周刊》采访柏基投资（Baillie Gifford）美国权益资产主管汤姆·斯莱特（Tom Slater）时指出，基因测序成本曲线的下降幅度远大于摩尔定律下计算能力成本下降的幅度。这一比较揭示了基因测序行业成本下降的独特节奏——它并非单纯依赖芯片制程的进步，而是由测序技术、数据处理和存储、以及机器学习应用等多个环节的成本同步下降所驱动。
技术壁垒的多层构成
测序本身：从数据生产到成本门槛
基因测序正在产生大量医疗数据，处理和存储这些数据的成本正在迅速下降。同时，将机器学习应用于这些数据的成本也在迅速下降。这种多环节成本协同下降，使得后来者不仅需要突破测序仪硬件（如NMPA审批的测序仪）的技术门槛，还需在数据存储、算法优化、以及临床应用（如辅助生殖、癌症早筛、遗传病研究）中建立全链条的能力。
数据处理与机器学习：数据规模带来的护城河
随着测序成本降低，数据量呈指数级增长。例如，英国2023年启动的“我们的未来健康”项目将对500万成年人进行DNA测序，并与生活方式数据和健康记录挂钩。处理如此规模的数据，需要强大的存储与计算基础设施，以及将机器学习应用于这些数据的成熟能力。这种能力一旦建立，便构成难以复制的竞争壁垒。
常见问题
基因测序成本下降为何能远超摩尔定律？
摩尔定律主要描述计算芯片性能提升带来的成本下降，而基因测序的成本下降来自多个领域：测序技术本身的进步、数据存储与处理成本的降低、以及机器学习算法效率的提升。这些环节的协同效应使得整体成本下降幅度远超单一计算成本下降的幅度。
技术壁垒主要体现在哪些环节？
技术壁垒主要体现在三个层面：一是测序仪硬件，需通过国家药监局审批（如华大智造自研产品及与Illumina合作产品）；二是数据处理与存储，需要大规模基础设施；三是机器学习应用，需将海量基因数据转化为临床价值（如辅助生殖、癌症早筛）。
国内基因测序行业的国产化趋势如何？
国内基因测序行业的国产化率提升是大概率事件。目前获批的测序仪包括华大智造自研产品，以及与Illumina等外资合作研发的类贴牌产品。随着《生物安全法》等法规将基因组等人类遗传资源纳入国家安全范畴，国产化进程将进一步加速。