싱가포르의 CL1 생물학적 데이터센터: 살아 있는 뉴런이 AI 인프라를 바꿀 수 있을까

싱가포르가 살아 있는 인간 뉴런을 컴퓨팅에 활용하는 데이터센터 프로토타입을 가동하기 시작했다. DayOne Data Centers, 호주 멜버른의 Cortical Labs, 싱가포르국립대학교(NUS) 용 루 린 의과대학은 이를 세계 최초의 독립 운영형 생물학적 통합 서버 랙이라고 설명한다. 현재 NUS 라이프사이언스연구소에 설치된 시스템은 Cortical Labs의 CL1 20대로 구성된다.

다만 ‘뉴런 데이터센터’라는 표현이 곧 데이터센터 전체가 생물학적 물질로 만들어졌다는 뜻은 아니다. CL1은 살아 있는 신경세포와 실리콘 전자장치를 결합한 실험적 컴퓨팅 플랫폼이다. 현대 AI 가속기를 이미 대체했다는 의미도 아니다. 핵심은 특정 작업에서 생물학적 신경망의 적응 능력을 활용하면서 전력 사용을 줄일 수 있는지 검증하는 데 있다.

CL1은 무엇으로 작동하나

각 CL1에는 전극이 장착된 실리콘 칩 위에서 배양되는 인간 유래 뉴런 네트워크가 들어간다. 싱가포르 설치 시스템을 다룬 보도에 따르면, 한 대당 최소 20만 개의 실험실 배양 뉴런이 포함된다.

이 시스템에서 뉴런은 경험과 피드백에 반응해 활동 패턴을 바꿀 수 있는 적응형 구성요소다. 반면 실리콘 전자장치는 뉴런과 소프트웨어 사이의 인터페이스, 제어, 데이터 연결을 담당한다. 작동 과정은 다음과 같은 폐쇄형 루프다.

1. 소프트웨어가 입력 정보를 전기 자극 신호로 변환한다.
2. 미세전극 배열이 해당 신호를 뉴런 배양체에 전달한다.
3. 뉴런이 전기적 활동 패턴으로 반응한다.
4. 전극 배열이 그 활동을 기록해 소프트웨어에 출력으로 돌려보낸다.

따라서 CL1은 일반적인 알고리즘을 디지털 프로세서에서 실행하는 장치라기보다, 살아 있는 신경망의 실시간 활동을 소프트웨어와 연결해 사용하는 하이브리드 생물학·전자 컴퓨터에 가깝다. ‘상자 속 뇌’라는 표현만으로 설명하기에는 실제 구조가 더 복합적이다.

Cortical Labs에 따르면 CL1은 기록, 애플리케이션 실행, 생명유지 기능을 기기 안에 통합했으며, 이 기능을 위해 외부 컴퓨팅 장치가 필요하지 않다. 내부의 제어 환경은 뉴런 배양체를 최대 6개월 동안 생존할 수 있도록 설계됐다.

살아 있는 뉴런을 쓰는 이유

신경망은 경험과 피드백에 따라 활동을 바꿀 수 있다. 바로 이 ‘가소성’이 생물학적 컴퓨팅이 주목받는 이유다. 일부 작업에서는 살아 있는 신경망이 디지털 시스템처럼 대규모 데이터와 반복적인 재훈련에만 의존하지 않고 새로운 입력에 적응할 가능성이 있다.

그러나 이것이 CL1이 일반적 지능이나 의식을 갖췄다는 뜻은 아니다. 현재 플랫폼이 보여주는 것은 살아 있는 뉴런과 소프트웨어를 연결하는 방법이지, 인간과 같은 이해력·감각·의식·범용 지능이 아니다. 그런 주장을 하려면 현재 공개된 연구 시연을 넘어서는 별도의 근거가 필요하다.

‘퐁’을 학습한 DishBrain에서 CL1로

CL1의 출발점에는 Cortical Labs가 2022년에 공개한 DishBrain 연구가 있다. 연구진은 인간 줄기세포 유래 뉴런과 설치류 뉴런을 고밀도 미세전극 배열 위에서 배양한 뒤, 이를 고전 비디오게임인 《퐁(Pong)》의 단순화된 환경에 연결했다. 게임 정보는 전기 신호로 전달됐고, 피드백은 뉴런 배양체가 활동을 조정하는 데 사용됐다. 연구 결과는 실시간 게임 과정에서 신경망이 학습하는 듯한 변화가 나타났다고 보고했다.

DishBrain이 실험실 시연이었다면, CL1은 이 아이디어를 생명유지 장치와 소프트웨어 도구를 갖춘 보다 완성된 원격 운용형 컴퓨팅 장치로 패키징한 것이다. 실험용 접시 위 신경세포에서 상용 판매가 가능한 컴퓨팅 유닛으로 넘어갔다는 점이 CL1의 의미다. 물론 실제 산업적 활용성은 아직 검증 단계에 있다.

GPU보다 전기를 덜 쓸까

Cortical Labs는 CL1 한 대의 소비전력을 약 30와트(W)로 설명해 왔다. 30대 규모의 랙은 약 850~1,000와트를 사용하는 것으로 보도됐다.

이 수치는 AI 인프라가 전력과 냉각 수요를 빠르게 늘리는 상황에서 매력적인 가능성을 제시한다. 하지만 전력 소비량만으로 효율이 더 좋다고 결론 내릴 수는 없다. 같은 작업을 동일한 품질과 처리량, 소프트웨어 오버헤드, 운영 조건에서 GPU나 다른 데이터센터용 가속기와 비교해야 한다.

현재 공개된 자료에는 CL1이 최신 GPU보다 특정 작업에서 우수하다는 독립적인 과제별 벤치마크 결과가 없다. 따라서 저전력이라는 주장은 생물학적 컴퓨터가 기존 AI 인프라를 대체한다는 증거가 아니라, 앞으로 검증해야 할 가설로 보는 것이 정확하다.

장점이 곧 운영상의 약점이 되기도 한다

CL1의 생물학적 구성요소는 동시에 가장 큰 운영상의 제약이다. 뉴런 배양체의 생존 기간은 최대 6개월로 설계된 반면, 기존 실리콘 서버 하드웨어는 일반적으로 훨씬 긴 기간 동안 배치·운영된다.

따라서 생물학적 설치 환경에는 배양체 관리, 온도와 환경 제어, 교체 절차가 필요하다. 수년 동안 설치해 두고 관리할 필요가 없는 일반 칩과는 다르다. 향후 대규모 배포가 현실화하려면, 생물학적 적응 능력과 낮은 전력 소비가 이러한 추가적인 관리·생물안전·운영 부담을 정당화할 만큼의 가치를 내는지 입증해야 한다.

출시 당시 가격은 얼마였나

Cortical Labs가 공개한 2025년 출시 시기 가격은 다음과 같다.

• CL1 단일 장치: 약 3만5,000달러
• 30대 랙 구매: 대당 약 2만 달러
• Wetware-as-a-Service(WaaS): 자체 배양체에 원격으로 접속하는 방식으로 대당 주 300달러

이는 출시 당시 가격이므로 현재의 계약 조건이나 실제 판매 가격으로 단정해서는 안 된다. 특히 클라우드 방식은 연구자가 생물학적 하드웨어를 직접 운영하지 않고도 살아 있는 신경세포 배양체에 원격으로 접근할 수 있게 한다는 점에서 의미가 있다.

싱가포르에서 1,000대까지 늘어날까

NUS의 20대 랙은 검증 단계다. 보도에 따르면 향후 싱가포르 시설에 최대 1,000대의 CL1을 수용하는 방안이 검토되고 있지만, 규제 승인과 에너지 효율·안전성 시험을 전제로 한다.

DayOne과 Cortical Labs는 대규모 구축에 앞서 부지 설계와 운영 계획을 마련하고, 성능 벤치마킹, 거버넌스, 생물안전, 규제 준수 문제를 다룰 예정이라고 밝혔다.

따라서 1,000대라는 숫자는 확정·가동된 인프라가 아니라 조건부 미래 수용 규모다. 실제 확대를 위해서는 현실적인 작업 부하에서의 성능, 배양체 유지의 신뢰성, 기존 데이터센터 운영과의 호환성, 인간 유래 생물학적 물질의 관리 기준 등을 확인해야 한다.

공개된 자료만으로는 1,000대 규모의 생물학적 배포가 특정 시점까지 가동된다고 확정할 수 없다. 계획된 데이터센터 일정과 생물학적 시스템의 실제 확장 일정을 같은 것으로 받아들여서도 안 된다.

가능한 활용 분야와 아직 입증되지 않은 것

파트너사와 관련 보도는 생물학적 컴퓨팅의 활용 가능성으로 다음 분야를 제시한다.

• 적응형 AI: 변화하는 입력에 대응하고, 디지털 시스템보다 적은 데이터로 학습할 가능성이 있는 시스템
• 신약 개발·신경과학 연구: 살아 있는 뉴런 배양체를 실험 모델로 활용
• 로봇공학: 적응형 제어와 기계 행동 연구
• 사이버보안: 변화하거나 비정상적인 패턴에 대응하는 시스템 연구
• 기초 신경과학: 학습, 신경 가소성, 생물학적 적응 과정 연구

하지만 이는 잠재적 응용 분야이지 성능이 확립된다는 뜻은 아니다. 제공된 근거만으로는 CL1이 범용 AI, 로봇공학, 신약 개발 또는 사이버보안에서 디지털 시스템보다 뛰어나다고 말할 수 없다.

싱가포르의 데이터센터 전략에서 갖는 의미

싱가포르의 CL1 실험은 데이터센터의 효율성과 지속가능성에 대한 요구가 커지는 흐름 속에서 진행된다. 디지털 인프라를 확대하면서 에너지와 환경 제약을 관리하려는 싱가포르의 ‘그린 데이터센터 로드맵’ 방향과도 맞닿아 있다.

당장의 가치는 상용화 선언보다 탐색에 있다. 이 프로토타입은 연구자와 인프라 운영자, 규제기관이 습웨어 컴퓨팅이 특정 작업에서 기존 실리콘 시스템을 보완할 수 있는지 직접 평가할 수 있게 한다.

결국 CL1은 GPU 데이터센터의 종말을 알리는 장치가 아니다. 살아 있는 신경망이 더 다양하고 에너지 효율적인 미래의 컴퓨팅 스택에서 한 부분을 차지할 수 있는지 시험하는, 아직 초기 단계의 실험이다.