/ 全文约 2000 字
阅读约需 5 分钟
播客 | 生命前哨
制作 | 百岁新我
2026年8月，两则极具“未来感”的新闻几乎同时出现在公众视野中。
一则在亚洲：新加坡国立大学医学院展示了一个由20台CL1生物计算机组成的服务器机架，但它靠的不是传统计算机用的硅芯片，而是用1600万个实验室培养的活的人类神经元处理信息。
另一则在欧洲：法国国家科学研究中心的科研团队，将一片来自遗体捐赠者的大脑皮层切片放进培养皿，给它连接上一只机械手。三天之后，这只机械手学会了一首曲子。
看似毫不相干，实则有着千丝万缕的联系。
生物数据中心原型
先看新加坡。
传统数据中心的困境早已不是秘密：芯片越做越小，发热越来越严重，能耗越来越高。当前AI数据中心部署最广泛的主力芯片——英伟达H100 SXM在高负载下可耗电高达700瓦，配备8块该芯片的服务器总功耗约10.2千瓦。而新加坡这套生物数据中心里，每台CL1设备运行时仅消耗约30瓦电力——和一只家用灯泡差不多。当然，就目前的运算复杂度而言，它还远不能替代顶级GPU跑大模型，但它向我们展示了一种可能性。
这1600万个神经元是由血液细胞经重编程为干细胞后分化而成，固定在配有电极的芯片上，通过电信号与常规硬件交互，它们接收电信号、做出响应、并随时间不断自我适应。因此维护这套系统更像管理实验室，而非传统机房——技术人员每隔三天就要为细胞补充含糖、微量元素和pH缓冲液的营养混合液。
Cortical Labs创始人兼CEO钟鸿荣说：“它能用更少的数据学习，并随着条件变化而适应。”新加坡国立大学医学院神经科学教授里克·帕塔尼则说得更直白：“通过从干细胞中培养活的人类神经元……我们不仅创造了一种更高效的硅替代方案，还建立了一个能够帮助我们从生物学层面理解学习和适应机制的平台。 ”
新加坡团队证明了，生物神经网络可以规模化地执行计算任务。
（DOI: 10.21203/rs.3.rs-9638576/v1）
再看法国。
法国团队从去世的捐赠者大脑中取出一小块皮层，切成300微米厚的薄片，放在微电极阵列上养着——这片脑片依然活着，神经元还在放电。他们把三个电极连到机械手的三根手指上。电极放电，机械手指按下琴键，话筒拾取声音后转换为电信号，传回脑片上的另外三个感觉电极。
这套回路模拟了人类婴儿学习的过程：婴儿出生时随机活动四肢，观察动作带来的反馈，大脑慢慢建立起动作和感觉之间的连接。脑片经历了类似的“练习”——三天训练后，研究人员换真人来弹琴，结果脑片在听到声音后，能激活对应的运动电极，驱动机械手弹出同一个音符。在16片脑片中，3片达到100%的正确率，另外7片能正确模仿两个音符。62.5%的脑片至少学会了两个音符，记忆至少保持7天，有的甚至达到17天。
这个“科幻场景”背后的机制叫“脉冲时序依赖可塑性”——当一个神经元反复在另一个神经元放电后被激活，它们之间的连接就会增强。运动电极和感觉电极之间形成了双向连接，听到声音就能激活对应的动作，这正是人类镜像神经元系统的核心特征。
法国团队证明了，生物神经网络可以在没有外部程序的情况下自我学习。
这两件事放在一起，奇妙的化学反应发生了。
新加坡的项目，造的是“记忆的肉身”——1600万个神经元在机架里静静等待电信号的召唤，处理数据、支持AI；
法国的实验，养的是“反应的灵魂”——一片薄薄的脑片在培养皿里“听”音符、“想”动作、“指挥”机械手弹琴。
一个是存储与计算，一个是感知与学习，这两者在大脑中从来都不是分开的——生物大脑天然就是“存算一体”的。你的记忆和你的思考发生在同一个神经网络里，没有“硬盘”和“CPU”的区分。
传统计算机的冯·诺依曼架构把存储和计算分开，数据在硬盘和处理器之间来回搬运，能耗巨大。而这两则新闻共同指向同一个方向：我们正在用生物学的方式，重新定义“计算”本身。我们正在从“制造”智能，走向“培育”智能。
新加坡的机架不是焊出来的，是养出来的——神经元从干细胞分化，在营养液中生长，在电极上建立连接；法国的机械手不是编程编出来的，是教出来的——脑片通过“练习”建立了感觉和运动的关联。
未来的IT工程师，可能不再敲代码，而是需要懂生物学的“农夫”——负责调整培养液的pH值，监测神经元的放电模式，在细胞衰老时更换新的培养物。
新加坡团队的CL1生物计算机已正式发布，售价每台35,000美元，也提供云端的“湿件即服务”订阅模式。新加坡的DayOne公司则计划将这一模式从新加坡复制到全球，商业化的齿轮已经开始转动。
法国团队则在论文中坦言，这个结果其实偏保守——电极是随机选的，有些脑片天生不适合这个任务，如果根据神经活跃度挑选电极，成功率也许会更高。并且他们用的设备也并不复杂：一个微电极阵列、一只机械手、一个麦克风和一台电子琴。但恰恰是这份“简陋”让这个实验更有分量。
如果在未来的某一天，新加坡的“计算规模”遇上了法国的“学习能力”，又会发生什么呢？
也许到那时，培养皿里弹出的，就不只是一首曲子，而是一整部交响乐了；也许到那时，机器第一次真正“理解”了它处理的数据——因为生命本身，就是最高级的算法。
* 文章内容仅供参考，不构成任何建议
since 2015.
来源/ NUS Medicine；DOI: 10.21203/rs.3.rs-9638576/v1
热门跟贴