CL1: Kan levende hjerneceller ændre AI-infrastrukturen?

Singapore har taget en prototype i drift, som DayOne Data Centers, Cortical Labs og Yong Loo Lin School of Medicine ved National University of Singapore beskriver som verdens første selvstændigt drevne, biologisk integrerede serverrack. Anlægget består af 20 enheder og er placeret på NUS’ Life Sciences Institute. Det kombinerer levende, stamcelleafledte menneskelige neuroner med almindelig siliciumhardware.

Det er dog vigtigt at skelne mellem visionen og det, der faktisk er demonstreret. Der er ikke tale om et datacenter bygget udelukkende af biologisk materiale – og CL1 er heller ikke dokumenteret som en erstatning for moderne AI-acceleratorer. Systemet er en eksperimentel computerplatform, der skal undersøge, om levende neurale netværk kan tilpasse sig effektivt og bruge mindre energi på bestemte typer opgaver.

Sådan fungerer CL1

Hver Cortical Labs CL1 indeholder en dyrket gruppe menneskelige neuroner på en siliciumchip udstyret med elektroder. Ifølge rapporteringen om anlægget i Singapore rummer hver enhed mindst 200.000 laboratoriedyrkede neuroner.

Neuronerne udgør den biologiske og tilpasningsdygtige del af systemet. Siliciumelektronikken leverer forbindelsen til software, styring og datahåndtering. Sammen danner de et lukket kredsløb:

1. Software omsætter information til elektriske signaler.
2. Et mikroelektrodearray sender signalerne ind i cellekulturen.
3. Neuronerne reagerer med mønstre af elektrisk aktivitet.
4. Arrayet registrerer aktiviteten og sender resultatet tilbage til softwaren.

Dermed kan forskerne anvende neurale netværks aktivitet i realtid i stedet for blot at køre en traditionel algoritme på en digital processor. CL1 er derfor bedst beskrevet som en hybrid mellem en biologisk og en elektronisk computer – ikke som en ”hjerne i en kasse”.

Cortical Labs oplyser, at CL1-enheden selv integrerer registrering, afvikling af applikationer og livsunderstøttelse. Funktionerne kræver ifølge virksomheden ikke ekstern computerkraft, og det kontrollerede miljø er designet til at holde nervecellerne levedygtige i op til seks måneder.

Hvorfor bruge levende neuroner?

Neurale netværk kan ændre deres aktivitet som reaktion på erfaring og feedback. Denne plasticitet – evnen til at tilpasse sig – er den vigtigste grund til, at biologisk databehandling vækker interesse. På visse områder kan levende netværk måske tilpasse sig nye input uden den samme mængde data og konventionelle genindlæring, som digitale systemer ofte kræver.

Det betyder ikke, at CL1 er generelt intelligent eller bevidst. Platformen viser en måde at forbinde levende neuroner med software på, men den dokumenterer hverken menneskelignende forståelse, bevidsthed eller bred intelligens. Sådanne konklusioner ville kræve langt stærkere dokumentation end de nuværende forsøg.

Fra DishBrain til et egentligt system

CL1 bygger videre på Cortical Labs’ DishBrain-forskning fra 2022. I forsøget dyrkede forskere menneskelige stamcelleafledte neuroner og gnaverneuroner på mikroelektrodearrays og forbandt cellekulturerne med en forenklet version af videospillet Pong. Elektriske signaler repræsenterede oplysninger om spillet, mens feedback hjalp neuronerne med at ændre deres aktivitet. Studiet rapporterede tegn på læring under spil i realtid.

DishBrain var et laboratorieforsøg. CL1 pakker den overordnede idé ind i en mere komplet og fjernbetjent enhed med integreret livsunderstøttelse og softwareværktøjer. Skiftet fra en eksperimentel petriskål til en kommercielt tilbudt computerenhed er en central del af CL1-platformens betydning – selv om de praktiske anvendelser stadig skal afprøves.

Energiforbrug: lovende, men ikke bevist bedre

Cortical Labs har oplyst, at én CL1 bruger omkring 30 watt. Et rack med 30 enheder er rapporteret til at bruge cirka 850-1.000 watt.

Det potentielle energifortrin er interessant på et tidspunkt, hvor AI-infrastruktur øger behovet for strøm og køling. Men et lavere wattforbrug er ikke i sig selv det samme som højere energieffektivitet. En fair sammenligning skal måle den samme opgave, samme kvalitetsniveau, gennemløb, softwareoverhead og driftsforhold op imod GPU’er eller andre datacenteracceleratorer.

De tilgængelige oplysninger indeholder ikke en offentlig, uafhængigt benchmark’et sammenligning fra opgave til opgave, som viser, at CL1 overgår moderne GPU’er. På nuværende tidspunkt bør påstanden om lavere energiforbrug derfor ses som en hypotese, der skal testes – ikke som et bevis på, at biologiske computere kan erstatte traditionel AI-infrastruktur.

Den biologiske begrænsning: levetid

CL1’s biologiske komponent er samtidig systemets største driftsmæssige udfordring. Nervecellekulturerne er designet til at være levedygtige i op til seks måneder, mens konventionelle servere normalt anvendes gennem langt længere hardwarelivscyklusser.

Et biologisk anlæg kræver derfor løbende cellekulturpleje, miljøkontrol og procedurer for udskiftning. Det er ikke en vedligeholdelsesfri chip, som kan installeres og køre i årevis. Ved en større udrulning skal man dokumentere, at fordelene ved biologisk tilpasning og lavere energiforbrug opvejer de ekstra biologiske og operationelle krav.

Hvad kostede CL1 ved lanceringen?

De rapporterede priser fra lanceringen i 2025 var:

• Én CL1-enhed: cirka 35.000 amerikanske dollar
• Køb af et rack med 30 enheder: cirka 20.000 dollar pr. enhed
• Wetware-as-a-Service: cirka 300 dollar pr. enhed om ugen for fjernadgang til virksomhedens egne cellekulturer

Priserne er fra lanceringen og bør ikke opfattes som aktuelle kontraktpriser. Cloud-modellen er væsentlig, fordi forskere kan få adgang til levende neurale kulturer på afstand uden selv at drive det biologiske hardware.

Kan Singapore skalere til 1.000 enheder?

Racket med 20 enheder på NUS er først og fremmest en valideringsfase. Ifølge rapporteringen kan et fremtidigt anlæg i Singapore få plads til op mod 1.000 CL1-enheder, men udvidelsen afhænger af myndighedsgodkendelser samt test af energieffektivitet og sikkerhed.

DayOne og Cortical Labs har desuden sagt, at design af lokationen og den operationelle planlægning skal komme før en større udbygning. Fokus skal blandt andet være på benchmarking af ydeevne, styring, biosikkerhed og overholdelse af regler.

Tallet på 1.000 enheder er derfor en mulig fremtidig kapacitet – ikke færdig eller bestilt infrastruktur. Prototypen skal først vise, hvordan systemerne fungerer med realistiske arbejdsbelastninger, hvor stabilt cellekulturerne kan vedligeholdes, og hvordan installationen passer ind i den normale drift af et datacenter.

De tilgængelige kilder fastslår ikke, at en biologisk installation med 1.000 enheder vil være i drift på en bestemt dato. Et planlagt datacenter-mål bør derfor ikke tolkes som en garanti for, at den biologiske udvidelse følger samme tidsplan.

Mulige anvendelser – og det, der endnu ikke er bevist

Samarbejdspartnerne og den relaterede rapportering peger på flere mulige anvendelser:

• Adaptiv AI: systemer, der reagerer på skiftende input og muligvis lærer af mindre datamængder.
• Lægemiddeludvikling og neurologisk forskning: levende nervecellekulturer som forsøgsmodeller.
• Robotter: forskning i adaptiv styring og maskiners adfærd.
• Cybersikkerhed: undersøgelser af systemer, der kan reagere på ændrede eller usædvanlige mønstre.
• Neurovidenskab: forsøg med læring, plasticitet og biologisk tilpasning.

Det er potentielle anvendelser, ikke dokumenterede resultater. De tilgængelige kilder viser ikke, at CL1 overgår digitale systemer inden for generel AI, robotteknologi, lægemiddeludvikling eller cybersikkerhed.

Hvorfor projektet passer ind i Singapores datacenterstrategi

Singapore afprøver CL1 i en situation, hvor der stilles højere krav til datacentres effektivitet og bæredygtighed. Projektet ligger i forlængelse af landets Green Data Center Roadmap, som handler om at udbygge den digitale infrastruktur uden at ignorere begrænsninger på energi og miljø.

Den umiddelbare værdi er derfor undersøgende. Prototypen giver forskere, infrastrukturoperatører og myndigheder mulighed for at vurdere, om wetware-baseret databehandling kan supplere konventionelle siliciumsystemer på afgrænsede områder.

Det er ikke enden på GPU-datacentrene. Det er et tidligt forsøg på at finde ud af, om levende neurale netværk kan blive én del af en mere varieret og energieffektiv computerinfrastruktur.