16 מיליון נוירונים חיים בתוך ארון שרתים: מה באמת עושה מרכז הנתונים הביולוגי בסינגפור?

זה לא מוח קטן בתוך שרת

מרכז הנתונים הביולוגי החדש של סינגפור הוא למעשה מערכת מחקר מסוג wetware — שילוב של חומר חי וחומרה — ולא מחשב-על שמחליף את שבבי הסיליקון. הוא ממוקם במכון למדעי החיים של האוניברסיטה הלאומית של סינגפור (NUS), וכולל 20 מחשבי CL1 ביולוגיים של חברת Cortical Labs, המחוברים לנוירונים קורטיקליים אנושיים שגודלו במעבדה ולמערכות אלקטרוניות רגילות. המערכת נכנסה לפעולה ב-16 ביולי 2026 והוצגה לקהל מקצועי ב-6 באוגוסט, בפני יותר מ-80 אורחים. 412

המספר שמושך את תשומת הלב הוא כ-16 מיליון נוירונים חיים בכל המערכת. בכל יחידת CL1 תרבית נוירונים יושבת על גבי מערך מיקרו-אלקטרודות מסיליקון. האלקטרודות מגְרות את התאים ורושמות את הפעילות החשמלית שלהם, בעוד תוכנת biOS משמשת ממשק להגדרת ניסויים, שליחת קלט, פירוש התגובות וחיבור המערכת למחשבים רגילים. 47

כך פועל המחשוב הביולוגי

המערכת יוצרת לולאת משוב בין תוכנה דיגיטלית לבין רשת עצבית חיה:

1. התוכנה מקודדת מידע כאותות חשמליים.
2. האלקטרודות מעבירות את האותות לאזורים מסוימים בתרבית הנוירונים.
3. הנוירונים מגיבים בדפוסי ירי חשמליים.
4. מערך המיקרו-אלקטרודות קורא את האותות.
5. התוכנה מתרגמת את הפעילות לפלט או משנה את הקלט הבא בהתאם לתגובה.

במילים פשוטות, הסיליקון מטפל בחיבור, בבקרה, בקריאה ובתשתית — ואילו רשת הנוירונים החיה מספקת את היכולת להסתגל בתוך המשימה שהוגדרה לה. זהו מעבד ביולוגי אדפטיבי, לא מוח אנושי מלא ולא מערכת בעלת תודעה מוכחת.

מי עומד מאחורי המערכת?

הפרויקט הוא שיתוף פעולה בין שלושה גופים:

• NUS Medicine והמכון למדעי החיים של NUS מגדלים את תרביות הנוירונים שמקורן בתאי גזע ומובילים את המחקר המדעי.
• DayOne מספקת את סביבת מרכז הנתונים ואת התשתית התפעולית.
• Cortical Labs מספקת את יחידות ה-CL1, את מערכות התמיכה בתרביות ואת שכבת התוכנה הנלווית. 14

לכן לא מדובר פשוט בארון שרתים שהוצב במעבדה. המערכת דורשת במקביל תפעול של מרכז נתונים, גידול תאים, תנאים סטריליים, ניטור ביולוגי ותחזוקה שוטפת.

הנוירונים זקוקים למזון — וגם להחלפה

בניגוד למעבד סיליקון, יחידת CL1 זקוקה לתחזוקה ביולוגית רציפה. מערכת התמיכה שלה נועדה לשמור על התרבית בחיים במשך עד כשישה חודשים. יש להחליף את מצע ההזנה באופן קבוע, ובדיווחים על ההתקנה בסינגפור מצוין שהדבר נעשה בערך אחת לשלושה ימים. לאחר מכן התרבית אינה ממשיכה לפעול ללא הגבלה, אלא מוחלפת. 71239

החלפת תרבית אינה דומה להחלפת כרטיס תקול בשרת. היא דורשת גידול או הכנה של תאים חדשים, שמירה על סביבה סטרילית, בדיקת איכות ולעיתים גם אימון מחדש של הרשת למשימה הרצויה. התנהגות שהרשת למדה אינה בהכרח עוברת אוטומטית לתרבית חדשה.

האם היא חסכונית יותר מ-Nvidia H100?

Cortical Labs מציינת צריכת חשמל של כ-25 ואט ליחידת CL1. צריכת החשמל של ארון שלם, הכולל 20 יחידות וציוד תמיכה, מוערכת בכ-800 עד 1,000 ואט. 1

לשם השוואה גסה בלבד, ל-GPU מדגם Nvidia H100 מיוחסת צריכת תכנון תרמית מרבית של כ-700 ואט. כלומר, במונחי חשמל בלבד, אב-הטיפוס כולו נמצא בערך בטווח של H100 אחד עד H100 וחצי. 151

אבל זו אינה השוואת ביצועים אמיתית. עד כה לא פורסם מבחן ישיר שמודד את המערכת מול H100 או מול אשכול GPUs לפי תפוקה, דיוק, זמני תגובה, זמן אימון, עלות תפעול או כמות העבודה השימושית שהושלמה. לכן אין בסיס לקבוע שהיא כבר מהווה תחליף חסכוני יותר לתשתית AI רגילה. היתרון האפשרי שלה ממוקד יותר: רשתות ביולוגיות עשויות להתאים למשימות אדפטיביות ומיוחדות שאינן דומות לעומסי העבודה החזרתיים של מעבדי GPU. 16

הניסוי שהתחיל הכול: DishBrain

המערכת בסינגפור נשענת על מחקר קודם של Cortical Labs בשם DishBrain. בניסוי מ-2022 גידלו נוירונים אנושיים שמקורם בתאי גזע מושרים, לצד נוירונים מקליפת מוח של מכרסמים, על מערכי מיקרו-אלקטרודות צפופים. הנוירונים חוברו לגרסה דיגיטלית פשוטה של משחק הווידאו Pong. האלקטרודות העבירו להם מידע על המשחק, והפעילות העצבית שלטה בתנועת המחבט. 171920

זה היה ניסוי עם משוב סגור: התרביות קיבלו משוב חשמלי שונה בהתאם לביצועיהן. החוקרים דיווחו על שיפור בביצועי המשחק לאורך זמן, בעוד שבקבוצות ביקורת שלא קיבלו את אותו משוב לא נצפה אפקט למידה דומה. 171819

DishBrain לא הוכיח שאפשר לבנות מחשב ביולוגי רב-תכליתי. הוא הראה שתרביות עצביות יכולות להשתלב בסביבה דיגיטלית מוגבלת ולהתאים את פעילותן למשימה. מרכז הנתונים בסינגפור מיישם את אותו עיקרון — קלט חשמלי, תגובה עצבית חיה ופלט שנרשם — על פני מערך רחב יותר של יחידות CL1.

למה אפשר להשתמש בזה?

השימושים הסבירים ביותר בטווח הקרוב הם מחקריים:

• מידול מחלות: בדיקה כיצד מערכות עצביות מגיבות למצבים ביולוגיים שונים.
• בדיקת תרופות ורעילות: בחינת תגובת תרביות נוירונים לתרכובות מועמדות.
• חקר המוח: מחקר של למידה, הסתגלות והתנהגות של רשתות עצביות חיות.
• מחשוב ייעודי: בחינת מערכות אדפטיביות למשימות מסוימות ב-AI וברובוטיקה, במיוחד במצבים משתנים או כשיש מעט נתוני אימון. 46

אלה אינם אותם שימושים כמו הרצת מודל שפה גדול או עיבוד עומסי AI בהיקף של חוות GPU. נכון לעכשיו, המחשוב הביולוגי מוצג כתוספת אפשרית לסיליקון — לא כתחליף אוניברסלי שלו.

מ-20 יחידות ל-1,000?

השותפות דיברו על אפשרות להרחיב את המערכת עד 1,000 יחידות CL1, אך מדובר ביעד מותנה ולא בפריסה שהודגמה בפועל. הרחבה כזו תלויה באישורים רגולטוריים, בבדיקות בטיחות ובאנרגיה וביכולת לתפעל את המערכת באופן אמין בקנה מידה גדול יותר. 12

האתגר אינו רק להוסיף עוד 980 מכשירים. יהיה צורך בייצור עקבי של תאים, הזנה והחלפה אוטומטיות, עבודה סטרילית, בקרת איכות רציפה, תקשורת אמינה, עמידות לתקלות ונהלים לטיפול בתרביות שמתבגרות או מתנהגות באופן שונה זו מזו.

השאלות שעדיין אין להן תשובה

אמינות ושחזור תוצאות

תרביות חיות עשויות להשתנות מאצווה לאצווה, להתבגר ולהידרדר עם הזמן. החוקרים יצטרכו להגדיר מדדים עקביים לביצועים ולזהות מתי תרבית כבר אינה מתאימה. החלפה של תרבית עלולה גם לגרום לאובדן הסתגלות שנרכשה במהלך העבודה.

כלכלה

החשמל הוא רק חלק מהמחיר. יש להביא בחשבון מצעי הזנה, חומרים מתכלים סטריליים, שטח מעבדה, טכנאים מיומנים, בקרת איכות, החלפת תאים וזמני השבתה. עלויות אלה עשויות לצמצם את החיסכון התיאורטי בחשמל.

יכולת התרחבות

ארון של 20 יחידות הוא עדיין אב-טיפוס בסביבת מחקר. הפעלה של 1,000 יחידות תבחן אם ניתן להרחיב במקביל את אספקת התרביות, את התחזוקה, את בקרת התוכנה ואת תשתית מרכז הנתונים.

ביצועים בעולם האמיתי

הראיות הקיימות מראות שנוירונים בתרבית יכולים להסתגל לניסויים מוגבלים עם משוב סגור. הן עדיין אינן מוכיחות שמערכת CL1 טובה מ-GPUs במשימות מסחריות חשובות, או שעלות הבעלות הכוללת שלה נמוכה יותר. זה יהיה המבחן האמיתי: לא עצם הכנסת נוירונים לארון שרתים, אלא ביצועים מדידים, שחזוריות ועלות לאורך זמן.

השורה התחתונה

אב-הטיפוס של סינגפור הוא הדגמה משמעותית של מחשוב המשלב מערכות ביולוגיות: 20 יחידות CL1, כ-16 מיליון נוירונים קורטיקליים אנושיים חיים, מערכי מיקרו-אלקטרודות מסיליקון ותוכנה שפועלים כמערכת ניסויית אחת.

ההבטחה המרכזית נמצאת כרגע במדעי המוח, במחקר תרופות ובניסויים במחשוב אדפטיבי ייעודי. מדויק יותר לתאר את המתקן כפלטפורמה לבדיקת היכולות של רשתות עצביות חיות, ולא כתחליף למרכזי נתונים מבוססי GPU. השאלות שיכריעו את עתיד התחום הן שחזוריות, ביצועים במשימות מוגדרות, עלות תפעול והיכולת להתרחב בלי לאבד את התכונות הביולוגיות שהופכות את המערכת למעניינת מלכתחילה.