Sådan fungerer Singapores datacenter med levende neuroner

Sådan behandler CL1-enhederne data

Hver CL1 indeholder mindst 200.000 laboratoriedyrkede menneskeneuroner. Cellerne stammer fra blodceller, der er blevet omprogrammeret til stamceller, hvorefter neuronerne dyrkes på en siliciumchip med indbyggede elektroder.

Elektroderne skaber en tovejsforbindelse mellem neuronerne og en almindelig computer:

1. Konventionelle computere omsætter information til elektrisk stimulering af det neurale netværk.
2. Neuronerne reagerer med mønstre af elektrisk aktivitet.
3. Elektroderne måler aktiviteten og sender den tilbage til softwaren som et output.

Det lukkede feedbackloop gør det muligt for det levende netværk at interagere med et simuleret miljø og ændre sine reaktioner. Neuronerne er derfor ikke blot biologisk pynt: De udgør den adaptive del af systemet, mens silicium leverer forbindelsen og kontrolaget.

Derfor er livsunderstøttelsen afgørende

En CL1 er ikke en almindelig server, der blot kan tændes og efterlades i et rack. Neuronerne skal holdes levende under kontrollerede forhold.

Teknikere udskifter en næringsblanding med sukker, mikronæringsstoffer og pH-buffer hver tredje dag. Et gasblandingssystem tilfører kuldioxid, ilt og kvælstof, mens resten af systemet regulerer de betingelser, som cellekulturen har brug for.

Teknologien fjerner derfor ikke behovet for infrastruktur – den ændrer blot infrastrukturen. Den kan muligvis mindske visse el- og kølebehov, men kræver til gengæld laboratorieforbrugsstoffer, biologisk vedligeholdelse, kontrollerede miljøer og specialiserede medarbejdere.

Hvad kan biologisk databehandling bruges til?

Cortical Labs argumenterer for, at biologiske neurale netværk kan lære af relativt få eksempler og tilpasse sig mere fleksibelt, når omgivelserne ændrer sig. Det kan være relevant i situationer, hvor det er svært at indsamle store, omhyggeligt mærkede datasæt.

Virksomheden og dens samarbejdspartnere har blandt andet peget på følgende anvendelser:

• Humanoide robotter: Robotter i hjem, på arbejdspladser og i offentlige rum møder uforudsigelige situationer, som er vanskelige at beskrive på forhånd.
• Cybersikkerhed: Biologiske systemer kan undersøges som værktøjer til at opdage usædvanlig aktivitet, selv når der ikke findes mærkede eksempler på alle tænkelige angreb.
• Adaptiv forskning: Forskere kan studere, hvordan levende neurale netværk reagerer på kontrollerede input og feedback.
• Robotik- og spileksperimenter: Cortical Labs’ anlæg i Melbourne har ifølge rapporteringen omkring 20 virksomheds- og universitetskunder, der undersøger blandt andet disse områder.

Der er dog tale om mulige eller eksperimentelle anvendelser. De tilgængelige oplysninger viser ikke, at biologiske computere allerede har overgået siliciumsystemer i produktionsmiljøer inden for robotik eller cybersikkerhed. Det kræver uafhængige sammenligninger på konkrete arbejdsbelastninger.

Lavere energiforbrug – men ikke nødvendigvis lavere samlet aftryk

Cortical Labs oplyser, at en enkelt CL1 inklusive livsunderstøttelse bruger omkring 30 watt og ikke kræver traditionel serverkøling. Til sammenligning er en Nvidia H100 SXM opgivet til op mod 700 watt, mens en server med otte H100-kort ifølge rapporteringen bruger omkring 10.200 watt inklusive understøttende hardware.

Det er en del af forklaringen på, hvorfor teknologien vækker interesse i Singapore. Datacentre stod for 7 procent af landets samlede elforbrug i 2020, og begrænsninger på elektricitet og vand har indgået i diskussionen om, hvor meget datacenterkapaciteten kan udvides.

Et lavt strømforbrug for selve enheden er dog ikke det samme som dokumenteret lavere totalomkostninger eller et mindre klima- og miljøaftryk. De offentligt tilgængelige oplysninger indeholder ikke en endelig opgørelse over vandforbrug, livscyklusaftryk eller energiforbrug sammenlignet med tilsvarende GPU-infrastruktur. Næringsmedier, gasstyring, celleproduktion, laboratorieudstyr og menneskelig vedligeholdelse skal indgå i et fuldt regnestykke.

Biologiske computere erstatter ikke GPU’er

Det stærkeste argument for CL1 handler om specialiseret, adaptiv behandling – ikke om generel højtydende databehandling. Cortical Labs’ administrerende direktør har erkendt, at silicium fortsat er langt bedre til de hurtige, præcise og gentagelige beregninger, som bruges til store sprogmodeller og lignende opgaver.

Den mest realistiske model er derfor et supplement:

• siliciumprocessorer håndterer konventionel databehandling med høj gennemstrømning;
• biologiske neurale netværk afprøves på opgaver, hvor tilpasning og få træningsdata kan være en fordel;
• software og elektronik forbinder de to systemer.

Det er en vigtig skelnen. At kalde installationen et biologisk datacenter betyder ikke, at almindelige cloudservere snart bliver erstattet af racks med levende celler.

Kapacitet, kommerciel brug og pris

Singapore-projektet begynder med 20 CL1-enheder til fælles intern forskning og udvikling. Partnerne bruger prototypen til at opbygge driftserfaring og undersøge de produktions- og supportprocesser, der vil være nødvendige ved en større installation.

Hvis den tekniske validering lykkes, og krav til biosikkerhed og myndighedsgodkendelser bliver opfyldt, undersøger DayOne og Cortical Labs en trinvis udvidelse til op mod 1.000 enheder i et kommercielt anlæg i Singapore.

Cortical Labs’ anlæg i Melbourne har 120 CL1-enheder og betjener ifølge rapporteringen omkring 20 virksomheds- og universitetskunder. Fjernadgang til én CL1 er blevet rapporteret til 2.200 amerikanske dollar om måneden, sammenlignet med cirka 4.300 dollar for leje af en avanceret AI-chip hos større cloudtjenester.

Prisen for fjernadgang er en kundepris – ikke driftsomkostningen for den biologiske computer eller NUS-anlægget. Partnerne har ikke offentliggjort de samlede omkostninger ved at drive installationen i Singapore.

De største begrænsninger

Biologisk databehandling står over for flere uafklarede udfordringer:

• Vedligeholdelse: Neuronerne kræver kontinuerlig tilførsel af næring, gasser og kontrollerede miljøforhold.
• Ensartethed: Levende systemer kan være mindre deterministiske og reproducerbare end digital hardware.
• Skalering: En udvidelse fra et forskningsrack med 20 enheder til 1.000 kræver ensartet celleproduktion og stabil drift.
• Regulering og biosikkerhed: En større kommerciel udrulning afhænger både af myndighedsgodkendelser og tekniske resultater.
• Måling af ydeevne: Påstande om læringseffektivitet, energiforbrug og tilpasningsevne mangler fortsat uafhængige tests i virkelige arbejdsgange.
• Miljøregnskab: Lavere elforbrug dokumenterer ikke i sig selv et lavere samlet vand- eller livscyklusaftryk.

Begrænsningerne er en vigtig grund til, at installationen i Singapore behandles som et trinvis valideringsprojekt – ikke som en færdig erstatning for et konventionelt serveranlæg.

Hvad betyder projektet for Singapore?

Singapores biologiske datacenter bør først og fremmest ses som et strategisk eksperiment. Hvis påstanden om, at systemet kan lære af få data og tilpasse sig skiftende forhold, holder ved uafhængige tests, kan wetware-computing give Singapore en nichepræget mulighed for at udbygge udvalgt AI-kapacitet uden at øge behovet for køling og elektricitet på samme måde som GPU-tung infrastruktur.

Indtil videre kan man dog kun konkludere mere snævert: Singapore har etableret en mindre prototype, hvor levende neuroner kombineres med siliciumbaserede kontrolsystemer. Projektets betydning ligger i at undersøge, om denne usædvanlige arkitektur kan blive nyttig, stabil og kommercielt skalerbar – ikke i at vise, at biologiske servere kan fortrænge de almindelige datacentre.