生物データセンターは何を使っているのか

この施設は、いわゆる「ウェットウェア（wetware）」コンピューティングによるハイブリッドシステムだ。計算の適応的な部分を生きたニューロンが担い、シリコンチップ、ソフトウェア、電極、実験設備がデータの入出力や環境制御、細胞の維持を担当する。

NUSに設置されたのは、CL1を20台搭載した1ラックだ。関係者はこれを、実際の研究環境で独立運用される生物統合型サーバーラックとして説明している。現時点では、将来DayOneの商用データセンター施設へ展開する前段階の検証拠点という位置づけだ。

CL1はどのようにデータを処理するのか

各CL1には、少なくとも20万個の培養ヒト由来ニューロンが含まれる。細胞は血液細胞を再プログラムして作った幹細胞をもとに培養され、電極を備えたシリコンチップ上でネットワークを形成する。

処理の流れは次のようになる。

1. 通常のコンピューターがデータを電気刺激のパターンに変換し、ニューロンへ入力する。
2. ニューロンが電気活動によって反応する。
3. 電極アレイがその活動を読み取り、ソフトウェアに出力として返す。

この双方向のフィードバックによって、ニューロンのネットワークはシミュレーション環境とリアルタイムに相互作用できる。つまり、細胞は単なる「生物素材」ではなく、システムの適応的な処理部分を担っている。一方、シリコン側は信号の送受信や制御の土台になる。

「生命維持」がコンピューティングの一部になる

CL1は、電源を入れれば動き続ける一般的なサーバーではない。中のニューロンを生きた状態に保つ必要があるからだ。

技術者は3日ごとに、糖、微量栄養素、pH調整剤を含む栄養液を補充する。また、ガス混合システムが二酸化炭素、酸素、窒素を供給し、細胞培養に適した環境を維持する。

この点は、低消費電力をうたう一方で、設備が不要になるわけではないことを示している。従来型サーバーの一部の電力や冷却需要を抑えられる可能性がある一方、栄養液などの消耗品、ガス管理、培養環境、専門スタッフによる保守が必要になる。

どのような用途が想定されているのか

Cortical Labsは、生物の神経ネットワークには、比較的少ない例から学習し、状況の変化に応じて適応できる可能性があると説明している。大量かつ厳密にラベル付けされたデータを集めることが難しい課題で、強みを発揮する可能性があるという。

会社や提携先が挙げている用途には、次のようなものがある。

• ヒューマノイドロボット：家庭、オフィス、公共空間で活動するロボットは、事前にすべての状況を想定しにくい。
• サイバーセキュリティー：あらゆる攻撃パターンのラベル付きデータを十分に用意できない場合、未知の異常を検知する仕組みとして検証できる可能性がある。
• 適応型の研究計算：制御された入力とフィードバックに対し、生きた神経ネットワークがどう反応するかを研究できる。
• ロボット工学やゲームの実験：Cortical Labsのメルボルン施設では、企業の研究部門や大学がこうした用途を探っていると報じられている。

もっとも、これらは現段階では提案または実験中の用途だ。生物コンピューターが、実際のロボット工学やサイバーセキュリティーの本番処理でシリコンシステムを上回ったことを示す独立したデータは、まだ示されていない。用途ごとの公平なベンチマークが必要になる。

消費電力は本当に小さいのか

Cortical Labsによると、生命維持装置を含めたCL1 1台の消費電力は約30Wで、従来型サーバーのような冷却設備を必要としない。同社は、最大700WとされるNVIDIA H100 SXMや、周辺機器を含めて約10,200Wを消費すると報じられたH100 8基搭載サーバーと比較している。

この差は、シンガポールで注目を集める理由の一つだ。同国ではデータセンターが2020年に国内電力消費の7％を占めており、データセンター拡張をめぐって電力と水の制約が議論されてきた。

ただし、装置単体の定格消費電力が低いことと、総コストや環境負荷が低いことは同じではない。現時点で公表されている情報だけでは、同等のGPUインフラと比べた水使用量、ライフサイクル全体の環境負荷、同一の処理を対象にした包括的な比較は確定していない。

栄養液、ガス制御、細胞の製造、実験設備、専門スタッフによる保守まで含めて評価する必要がある。

GPUを置き換える技術ではない

CL1の有力な用途は、汎用的な高性能計算ではなく、適応性を生かした特殊な処理だ。Cortical Labsの最高経営責任者（CEO）も、大規模言語モデルなどで使われる高速・高精度・反復的な計算では、依然としてシリコンの方が大幅に優れていると認めている。

現実的には、次のような役割分担が想定される。

• シリコンCPUやGPUが、従来型の大量・高速な計算を処理する。
• 生物神経ネットワークが、少ない学習データや環境への適応が重要な課題を検証する。
• ソフトウェアと電子回路が、両方のシステムを接続する。

したがって、「生物データセンター」という名称から、クラウドサーバーが近く生きた細胞のラックに置き換わると考えるのは早計だ。現時点では、シリコンを補完する可能性を探る技術である。

1,000台への拡張と商用利用

シンガポールのプロジェクトは、まず20台のCL1を使った共同研究・開発から始まる。プロトタイプを通じて運用ノウハウを蓄積し、より大規模な展開に必要な細胞の製造や保守の仕組みを検証する。

技術検証、バイオセーフティー上の要件、規制当局の承認を満たすことを条件に、DayOneとCortical Labsは、シンガポールの商用施設で最大1,000台まで段階的に拡張する構想を検討している。

Cortical Labsのメルボルン施設では120台のCL1が稼働し、約20社の企業研究部門や大学が利用していると報じられている。 CL1 1台へのリモートアクセス料金は月額2,200米ドルとされ、主要クラウドサービスで高性能AIチップを借りる場合の月額4,300米ドルと比較されている。

ただし、これは利用者が支払うアクセス料金であり、生物コンピューターやNUS施設の運用コストそのものではない。シンガポールの設備を維持するための総費用は、公開されていない。

立ちはだかる課題

生物コンピューティングには、まだ複数の未解決問題がある。

• 保守：ニューロンには栄養、ガス、温度などの継続的な管理が必要。
• 再現性：生きたシステムは、デジタル回路ほど決定論的・均一に動作しない可能性がある。
• 規模拡大：20台の研究用ラックから1,000台へ拡張するには、細胞を安定して製造する仕組みと信頼性の高い運用が必要。
• 規制とバイオセーフティー：商用展開には、性能だけでなく許認可も関わる。
• ベンチマーク：学習効率、消費エネルギー、環境適応力に関する主張は、独立した実環境での検証を要する。
• 環境負荷の算定：電力が少ないことだけでは、水使用量やライフサイクル全体の負荷が小さいとは言えない。

こうした制約があるため、シンガポールの設備は完成済みのサーバーファームではなく、段階的な実証プロジェクトとして扱われている。

シンガポールにとっての意味

NUSの生物データセンターは、現時点では「戦略的な実験」と捉えるのが最も正確だろう。限られたデータからの学習や変化への適応という特性が、独立した検証でも確認されれば、ウェットウェアコンピューティングは、GPU中心の設備ほど冷却や電力需要を増やさずに、特定分野のAI処理能力を追加する選択肢になり得る。

ただし、現在確認できる事実から導ける結論はより限定的だ。シンガポールには、生きたニューロンによる処理とシリコンによる制御を組み合わせた、小規模なコンピューティングの実証環境ができた。その意義は、生物と電子を組み合わせた構成が実用的で、信頼でき、商業規模へ拡張できるかを試す点にある。主流のシリコン製データセンターを置き換えたことを示すものではない。

生物データセンターは何を使っているのか

この施設は、いわゆる「ウェットウェア（wetware）」コンピューティングによるハイブリッドシステムだ。計算の適応的な部分を生きたニューロンが担い、シリコンチップ、ソフトウェア、電極、実験設備がデータの入出力や環境制御、細胞の維持を担当する。

NUSに設置されたのは、CL1を20台搭載した1ラックだ。関係者はこれを、実際の研究環境で独立運用される生物統合型サーバーラックとして説明している。現時点では、将来DayOneの商用データセンター施設へ展開する前段階の検証拠点という位置づけだ。

CL1はどのようにデータを処理するのか

各CL1には、少なくとも20万個の培養ヒト由来ニューロンが含まれる。細胞は血液細胞を再プログラムして作った幹細胞をもとに培養され、電極を備えたシリコンチップ上でネットワークを形成する。

処理の流れは次のようになる。

1. 通常のコンピューターがデータを電気刺激のパターンに変換し、ニューロンへ入力する。
2. ニューロンが電気活動によって反応する。
3. 電極アレイがその活動を読み取り、ソフトウェアに出力として返す。

この双方向のフィードバックによって、ニューロンのネットワークはシミュレーション環境とリアルタイムに相互作用できる。つまり、細胞は単なる「生物素材」ではなく、システムの適応的な処理部分を担っている。一方、シリコン側は信号の送受信や制御の土台になる。

「生命維持」がコンピューティングの一部になる

CL1は、電源を入れれば動き続ける一般的なサーバーではない。中のニューロンを生きた状態に保つ必要があるからだ。

技術者は3日ごとに、糖、微量栄養素、pH調整剤を含む栄養液を補充する。また、ガス混合システムが二酸化炭素、酸素、窒素を供給し、細胞培養に適した環境を維持する。

この点は、低消費電力をうたう一方で、設備が不要になるわけではないことを示している。従来型サーバーの一部の電力や冷却需要を抑えられる可能性がある一方、栄養液などの消耗品、ガス管理、培養環境、専門スタッフによる保守が必要になる。

どのような用途が想定されているのか

Cortical Labsは、生物の神経ネットワークには、比較的少ない例から学習し、状況の変化に応じて適応できる可能性があると説明している。大量かつ厳密にラベル付けされたデータを集めることが難しい課題で、強みを発揮する可能性があるという。

会社や提携先が挙げている用途には、次のようなものがある。

• ヒューマノイドロボット：家庭、オフィス、公共空間で活動するロボットは、事前にすべての状況を想定しにくい。
• サイバーセキュリティー：あらゆる攻撃パターンのラベル付きデータを十分に用意できない場合、未知の異常を検知する仕組みとして検証できる可能性がある。
• 適応型の研究計算：制御された入力とフィードバックに対し、生きた神経ネットワークがどう反応するかを研究できる。
• ロボット工学やゲームの実験：Cortical Labsのメルボルン施設では、企業の研究部門や大学がこうした用途を探っていると報じられている。

もっとも、これらは現段階では提案または実験中の用途だ。生物コンピューターが、実際のロボット工学やサイバーセキュリティーの本番処理でシリコンシステムを上回ったことを示す独立したデータは、まだ示されていない。用途ごとの公平なベンチマークが必要になる。

消費電力は本当に小さいのか

Cortical Labsによると、生命維持装置を含めたCL1 1台の消費電力は約30Wで、従来型サーバーのような冷却設備を必要としない。同社は、最大700WとされるNVIDIA H100 SXMや、周辺機器を含めて約10,200Wを消費すると報じられたH100 8基搭載サーバーと比較している。

この差は、シンガポールで注目を集める理由の一つだ。同国ではデータセンターが2020年に国内電力消費の7％を占めており、データセンター拡張をめぐって電力と水の制約が議論されてきた。

ただし、装置単体の定格消費電力が低いことと、総コストや環境負荷が低いことは同じではない。現時点で公表されている情報だけでは、同等のGPUインフラと比べた水使用量、ライフサイクル全体の環境負荷、同一の処理を対象にした包括的な比較は確定していない。

栄養液、ガス制御、細胞の製造、実験設備、専門スタッフによる保守まで含めて評価する必要がある。

GPUを置き換える技術ではない

CL1の有力な用途は、汎用的な高性能計算ではなく、適応性を生かした特殊な処理だ。Cortical Labsの最高経営責任者（CEO）も、大規模言語モデルなどで使われる高速・高精度・反復的な計算では、依然としてシリコンの方が大幅に優れていると認めている。

現実的には、次のような役割分担が想定される。

• シリコンCPUやGPUが、従来型の大量・高速な計算を処理する。
• 生物神経ネットワークが、少ない学習データや環境への適応が重要な課題を検証する。
• ソフトウェアと電子回路が、両方のシステムを接続する。

したがって、「生物データセンター」という名称から、クラウドサーバーが近く生きた細胞のラックに置き換わると考えるのは早計だ。現時点では、シリコンを補完する可能性を探る技術である。

1,000台への拡張と商用利用

シンガポールのプロジェクトは、まず20台のCL1を使った共同研究・開発から始まる。プロトタイプを通じて運用ノウハウを蓄積し、より大規模な展開に必要な細胞の製造や保守の仕組みを検証する。

技術検証、バイオセーフティー上の要件、規制当局の承認を満たすことを条件に、DayOneとCortical Labsは、シンガポールの商用施設で最大1,000台まで段階的に拡張する構想を検討している。

Cortical Labsのメルボルン施設では120台のCL1が稼働し、約20社の企業研究部門や大学が利用していると報じられている。 CL1 1台へのリモートアクセス料金は月額2,200米ドルとされ、主要クラウドサービスで高性能AIチップを借りる場合の月額4,300米ドルと比較されている。

ただし、これは利用者が支払うアクセス料金であり、生物コンピューターやNUS施設の運用コストそのものではない。シンガポールの設備を維持するための総費用は、公開されていない。

立ちはだかる課題

生物コンピューティングには、まだ複数の未解決問題がある。

• 保守：ニューロンには栄養、ガス、温度などの継続的な管理が必要。
• 再現性：生きたシステムは、デジタル回路ほど決定論的・均一に動作しない可能性がある。
• 規模拡大：20台の研究用ラックから1,000台へ拡張するには、細胞を安定して製造する仕組みと信頼性の高い運用が必要。
• 規制とバイオセーフティー：商用展開には、性能だけでなく許認可も関わる。
• ベンチマーク：学習効率、消費エネルギー、環境適応力に関する主張は、独立した実環境での検証を要する。
• 環境負荷の算定：電力が少ないことだけでは、水使用量やライフサイクル全体の負荷が小さいとは言えない。

こうした制約があるため、シンガポールの設備は完成済みのサーバーファームではなく、段階的な実証プロジェクトとして扱われている。

シンガポールにとっての意味

NUSの生物データセンターは、現時点では「戦略的な実験」と捉えるのが最も正確だろう。限られたデータからの学習や変化への適応という特性が、独立した検証でも確認されれば、ウェットウェアコンピューティングは、GPU中心の設備ほど冷却や電力需要を増やさずに、特定分野のAI処理能力を追加する選択肢になり得る。

ただし、現在確認できる事実から導ける結論はより限定的だ。シンガポールには、生きたニューロンによる処理とシリコンによる制御を組み合わせた、小規模なコンピューティングの実証環境ができた。その意義は、生物と電子を組み合わせた構成が実用的で、信頼でき、商業規模へ拡張できるかを試す点にある。主流のシリコン製データセンターを置き換えたことを示すものではない。