AnswersPublished21 sources
Singapore ha messo 16 milioni di neuroni viventi in un data center
Il prototipo di Singapore è un rack da 20 unità CL1 che contiene circa 16 milioni di neuroni corticali umani coltivati in laboratorio. Gli elettrodi al silicio stimolano i neuroni e ne registrano l’attività elettrica; il software biOS gestisce gli esperimenti e interpreta le risposte.
Pubblicato daModificato con GPT-5.6 LunaImmagini generate con GPT Image 1.5
Research answer
Key takeaways
- Il prototipo di Singapore è un rack da 20 unità CL1 che contiene circa 16 milioni di neuroni corticali umani coltivati in laboratorio.
- Gli elettrodi al silicio stimolano i neuroni e ne registrano l’attività elettrica; il software biOS gestisce gli esperimenti e interpreta le risposte.
- Le applicazioni più concrete riguardano ricerca biomedica, farmaci, neuroscienze e calcolo adattivo specializzato, non la sostituzione dei data center per l’intelligenza artificiale.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Singapore’s biological data center prototype unveiled by the National University of Singapore in July and publicly showcased in Augu. Article summary: Singapore’s prototype is a small “wetware” data-centre rack: 20 Cortical Labs CL1 biological computers at NUS, combining lab-grown human cortical neurons with conventional silicon electronics. It was activated in July 20. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wat
Il nuovo data center biologico di Singapore va considerato soprattutto come un rack di ricerca wetware, non come un supercomputer tradizionale. Ospitato presso il Life Sciences Institute della National University of Singapore (NUS), combina 20 computer biologici CL1 di Cortical Labs con neuroni corticali umani coltivati in laboratorio e componenti elettronici convenzionali. Il sistema sarebbe entrato in funzione il 16 luglio 2026 ed è stato presentato pubblicamente il 6 agosto davanti a oltre 80 ospiti. 4
12
La cifra più sorprendente è quella di circa 16 milioni di neuroni viventi distribuiti nel rack. Ogni CL1 utilizza una coltura neuronale collegata a una matrice di microelettrodi al silicio: l’elettronica stimola le cellule e registra i loro segnali elettrici. La piattaforma software di Cortical Labs, compresa l’interfaccia biOS, serve a configurare gli esperimenti, inviare gli stimoli, interpretare le risposte neurali e collegare il processore biologico ai normali sistemi informatici. 4
7
Come funziona il data center biologico
Il sistema non sostituisce il silicio con un cervello umano in miniatura. Crea invece un circuito di feedback tra neuroni viventi e hardware digitale:
- Il software codifica le informazioni sotto forma di stimoli elettrici.
- Gli elettrodi trasmettono gli stimoli a determinate aree della coltura neuronale.
- I neuroni reagiscono attraverso schemi di impulsi elettrici.
- La matrice di microelettrodi registra questi segnali.
- Il software trasforma l’attività neurale in un risultato oppure modifica l’input successivo.
In questo assetto, la rete di neuroni svolge un ruolo simile a quello di un processore biologico adattivo. Il silicio si occupa dell’interfaccia, del controllo, della registrazione e dell’infrastruttura; la rete vivente contribuisce con la capacità di modificare la propria risposta all’interno del compito assegnato.
Chi ha realizzato il progetto?
Il prototipo nasce dalla collaborazione tra tre soggetti, con responsabilità diverse:
- NUS Medicine e il NUS Life Sciences Institute coltivano i neuroni derivati da cellule staminali e conducono la ricerca scientifica.
- DayOne fornisce l’ambiente del data center e l’infrastruttura operativa.
- Cortical Labs mette a disposizione le unità di calcolo biologico CL1, i sistemi di supporto vitale per i neuroni e il relativo software.
1
4
Questa divisione è fondamentale. Non si tratta semplicemente di server commerciali installati in un laboratorio universitario: il sistema richiede sia competenze da data center sia personale capace di coltivare, monitorare, nutrire e sostituire cellule viventi.
Come si mantengono in vita i neuroni
A differenza di un processore al silicio, un CL1 ha bisogno di manutenzione biologica continua. Il suo sistema di supporto vitale è progettato per mantenere vive le colture neuronali fino a circa sei mesi. Il mezzo nutritivo deve essere reintegrato regolarmente; le informazioni disponibili sull’installazione di Singapore indicano una frequenza di circa tre giorni. Alla fine, la coltura deve essere sostituita: non può funzionare indefinitamente come un circuito elettronico. 7
12
39
Questa durata limitata introduce una differenza pratica importante rispetto al calcolo convenzionale. Sostituire una coltura non equivale a cambiare una scheda guasta: occorre produrre o preparare nuove cellule, lavorare in condizioni sterili, verificare la qualità della coltura e, potenzialmente, riaddestrare la nuova rete per il compito previsto.
Consuma meno di una GPU Nvidia H100?
Cortical Labs indica per una singola unità CL1 un consumo di circa 25 watt, mentre il consumo dell’intero rack da 20 unità, comprese le apparecchiature di supporto, è stimato tra 800 e 1.000 watt. 1
Per un confronto puramente elettrico, una GPU Nvidia H100 viene comunemente indicata nelle fonti disponibili con una potenza termica di progetto massima di circa 700 watt. In termini di assorbimento, quindi, l’intero prototipo di Singapore si colloca approssimativamente nell’intervallo di una o una volta e mezza una H100. 1
51
Il dato, però, non dimostra da solo una maggiore efficienza. Il progetto non ha ancora pubblicato un confronto diretto che misuri nello stesso modo velocità, accuratezza, latenza, tempi di addestramento, costi operativi o lavoro utile completato rispetto a una H100 o a un cluster di GPU. Perciò non è corretto presentare il rack come un sostituto a minor consumo dell’infrastruttura AI tradizionale. Il possibile vantaggio riguarda piuttosto compiti adattivi specializzati, meno simili ai carichi altamente ripetitivi normalmente affidati alle GPU. 1
6
L’esperimento DishBrain da cui tutto è partito
L’installazione di Singapore si basa anche sui precedenti esperimenti DishBrain di Cortical Labs. Nel 2022, neuroni umani derivati da cellule staminali pluripotenti indotte e neuroni corticali di roditore furono coltivati su matrici di microelettrodi ad alta densità e collegati a una versione semplificata di Pong. Gli elettrodi fornivano informazioni sul gioco, mentre l’attività neurale controllava la racchetta. 17
19
20
L’esperimento utilizzava un feedback a circuito chiuso: le colture ricevevano segnali elettrici diversi a seconda dei risultati ottenuti. I ricercatori riferirono un miglioramento nel gioco nel corso del tempo, mentre le condizioni di controllo prive dello stesso feedback non mostrarono il medesimo effetto di apprendimento. 17
18
19
DishBrain non dimostrava l’esistenza di un computer biologico general-purpose. Mostrava che reti neuronali coltivate potevano essere inserite in un ambiente digitale molto vincolato e modificare la propria attività in funzione di un compito. Il rack di Singapore applica lo stesso schema di base — input elettrico, risposta neurale adattiva e output registrato — su una piattaforma composta da più moduli CL1.
A cosa potrebbe servire?
Le applicazioni più credibili nel breve periodo sono legate soprattutto alla ricerca:
- Modellazione delle malattie: osservare come reagiscono i sistemi neuronali in condizioni biologiche diverse.
- Test farmacologici e di tossicità: studiare la risposta delle colture neuronali a potenziali nuovi composti.
- Neuroscienze: analizzare apprendimento, adattamento e comportamento delle reti neurali viventi.
- Calcolo specializzato: esplorare sistemi adattivi per determinati problemi di intelligenza artificiale o robotica, soprattutto quando contano dati limitati o ambienti variabili.
6
Sono ambiti diversi dall’esecuzione di un grande modello linguistico o dall’elaborazione di carichi AI convenzionali su scala GPU. Il calcolo biologico viene presentato come un possibile complemento al silicio, non come un suo sostituto universale.
Il progetto potrebbe passare da 20 a 1.000 unità?
I partner hanno parlato di una possibile espansione fino a 1.000 unità CL1, ma si tratta ancora di un obiettivo condizionato all’approvazione normativa, ai test di sicurezza ed efficienza energetica e alla capacità di gestire il sistema in modo affidabile su scala molto maggiore. 12
Un impianto da 1.000 unità richiederebbe molto più che aggiungere 980 macchine a un rack. Sarebbero necessarie una produzione cellulare riproducibile, procedure automatizzate per nutrire e sostituire le colture, gestione sterile, controllo qualità continuo, collegamenti di rete affidabili, tolleranza ai guasti e protocolli per affrontare l’invecchiamento o il comportamento diverso delle singole colture.
Le domande ancora senza risposta
Affidabilità e riproducibilità
Le colture viventi possono variare da un lotto all’altro, maturano nel tempo e alla fine si degradano. I ricercatori dovranno definire metodi coerenti per misurare le prestazioni e stabilire quando una coltura non è più adatta. Se viene sostituita, l’adattamento raggiunto per un determinato compito potrebbe non trasferirsi automaticamente alla nuova rete.
Costi reali
L’elettricità è solo una parte del conto. Il calcolo biologico richiede anche mezzi nutritivi, materiali di consumo sterili, spazi di laboratorio, tecnici specializzati, controlli di qualità, sostituzione delle cellule e possibili periodi di inattività. Questi costi potrebbero ridurre o annullare il vantaggio apparente sul piano dei watt.
Scalabilità
Il rack da 20 unità è un prototipo all’interno di un ambiente di ricerca. Gestire 1.000 unità metterebbe alla prova la capacità di far crescere insieme la filiera biologica, la manutenzione, i controlli software e l’infrastruttura del data center.
Prestazioni nel mondo reale
Le prove disponibili mostrano che le colture neuronali possono adattarsi in esperimenti a circuito chiuso e fortemente vincolati. Non dimostrano ancora che il sistema CL1 superi le GPU in carichi commercialmente importanti o che abbia un costo totale di gestione inferiore. Saranno questi dati, non la semplice novità di collocare neuroni in un rack, a stabilire se il calcolo biologico potrà diventare una categoria infrastrutturale concreta.
In sintesi
Il prototipo di Singapore è una dimostrazione significativa di calcolo integrato biologicamente: 20 unità CL1, circa 16 milioni di neuroni corticali umani viventi, matrici di microelettrodi al silicio e software che operano come un unico sistema sperimentale.
La promessa più solida riguarda oggi le neuroscienze, la ricerca sui farmaci e gli esperimenti di calcolo adattivo specializzato. È quindi più preciso descriverlo come una piattaforma per capire cosa possono fare le reti neuronali viventi che come un rimpiazzo dei data center basati su GPU. I prossimi traguardi saranno la riproducibilità, prestazioni misurabili, costi operativi e la possibilità di crescere di scala senza perdere proprio le caratteristiche biologiche che rendono il progetto interessante.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Singapore ha messo 16 milioni di neuroni viventi in un data center"?
Il prototipo di Singapore è un rack da 20 unità CL1 che contiene circa 16 milioni di neuroni corticali umani coltivati in laboratorio.
What are the key points to validate first?
Il prototipo di Singapore è un rack da 20 unità CL1 che contiene circa 16 milioni di neuroni corticali umani coltivati in laboratorio. Gli elettrodi al silicio stimolano i neuroni e ne registrano l’attività elettrica; il software biOS gestisce gli esperimenti e interpreta le risposte.
What should I do next in practice?
Le applicazioni più concrete riguardano ricerca biomedica, farmaci, neuroscienze e calcolo adattivo specializzato, non la sostituzione dei data center per l’intelligenza artificiale.
Sources
straitstimes.comThe biological data centre in Singapore using brain cells
newsbytesapp.comSingapore unveils biological data center prototype with 16 million neurons