Slik fungerer Singapores datasenter med levende nerveceller

CL1 er et såkalt hybrid- eller «wetware»-system. Selve den tilpasningsdyktige delen består av levende nerveceller, mens silisiumbrikker, programvare og laboratorieutstyr sørger for kommunikasjon, datainnmating, miljøkontroll og vedlikehold av cellene.

Hver enhet inneholder minst 200 000 laboratoriedyrkede menneskelige nerveceller. Cellene stammer fra blodceller som er omprogrammert til stamceller, før de dyrkes over en silisiumbrikke utstyrt med elektroder.

Elektrodene fungerer som et toveis grensesnitt:

1. En vanlig datamaskin oversetter informasjon til elektriske signaler som stimulerer nerve­nettverket.
2. Nervecellene reagerer med mønstre av elektrisk aktivitet.
3. Elektrodene registrerer aktiviteten og sender den tilbake til programvaren som et resultat.

Slik oppstår en lukket tilbakemeldingssløyfe. Nervecellene kan samhandle med et simulert miljø, og responsene deres kan justeres gjennom tilbakemelding. De er dermed ikke bare biologisk pynt rundt en vanlig server: De utgjør den adaptive delen av beregningen, mens silisiumet fungerer som grensesnitt og kontrollag.

Derfor trenger systemet næring og gass

En CL1 er ikke en frittstående silisiumserver. Nervecellene må holdes levende i stabile, kontrollerte omgivelser.

Hver tredje dag fyller teknikere på en næringsblanding med sukker, mikronæringsstoffer og pH-buffere. Et gassblandingssystem tilfører karbondioksid, oksygen og nitrogen, samtidig som resten av systemet regulerer forholdene i cellekulturen.

Teknologien fjerner derfor ikke behovet for infrastruktur – den endrer hva slags infrastruktur som kreves. Lavere strøm- og kjølebehov kan komme med nye kostnader knyttet til forbruksvarer, cellekultur, kontrollerte laboratoriemiljøer og spesialiserte operatører.

Hva kan levende nevroner brukes til?

Cortical Labs hevder at biologiske nettverk kan lære av relativt få eksempler og tilpasse seg bedre når omgivelsene forandrer seg. Det kan være interessant i oppgaver der det er vanskelig å samle inn store, nøyaktig merkede datasett.

Selskapet og samarbeidspartnerne peker blant annet på disse mulige bruksområdene:

• Humanoide roboter: Roboter i hjem, kontorer og offentlige rom møter uforutsigbare situasjoner som er vanskelige å beskrive på forhånd.
• Cybersikkerhet: Biologiske systemer kan testes for å oppdage uvanlig aktivitet selv når det ikke finnes merkede eksempler på alle mulige angrep.
• Adaptiv forskning: Forskere kan undersøke hvordan levende nettverk reagerer på kontrollerte signaler og tilbakemeldinger.
• Robotikk og spill: Cortical Labs’ anlegg i Melbourne skal ha kunder fra næringslivet og universitetssektoren som utforsker slike anvendelser.

Dette er fortsatt foreslåtte eller eksperimentelle bruksområder. Det tilgjengelige materialet dokumenterer ikke at biologiske datamaskiner allerede har slått silisiumsystemer i produksjonsoppgaver innen robotikk eller cybersikkerhet. Det trengs uavhengige tester på konkrete arbeidsbelastninger før slike påstander kan vurderes ordentlig.

Kan teknologien spare strøm?

Cortical Labs oppgir at én CL1, inkludert utstyret som holder cellene i live, bruker rundt 30 watt og ikke trenger tradisjonell serverkjøling. Til sammenligning er Nvidia H100 SXM oppgitt til opptil 700 watt, mens en server med åtte H100-kort skal kunne bruke rundt 10 200 watt når støtteutstyr regnes med.

Det er en viktig del av forklaringen på hvorfor teknologien vekker interesse i Singapore. Datasentre sto for 7 prosent av landets nasjonale strømforbruk i 2020, og begrensninger knyttet til strøm og vann har vært sentrale i diskusjonen om videre utbygging av datasenterkapasitet.

Men lavt strømforbruk per enhet er ikke det samme som dokumentert lavere totalkostnad eller mindre miljøavtrykk. Det foreligger ikke her en fullstendig sammenligning av vannforbruk, livsløpsutslipp eller energibruk for identiske arbeidsoppgaver på CL1 og tilsvarende GPU-infrastruktur.

Næringsløsninger, gasskontroll, produksjon av celler, laboratorieutstyr og menneskelig vedlikehold må også med i regnestykket. Først da kan man si noe sikkert om den samlede ressursbruken.

Hvorfor CL1 ikke erstatter GPU-er

CL1s sterkeste argument er spesialisert, adaptiv prosessering – ikke generell høyytelsesberegning. Cortical Labs’ toppsjef har erkjent at silisium fortsatt er langt bedre på de raske, presise og repeterbare beregningene som brukes av store språkmodeller og lignende systemer.

Den mest realistiske modellen er derfor at teknologiene utfyller hverandre:

• silisiumprosessorer håndterer konvensjonelle beregninger med høy gjennomstrømming;
• biologiske nettverk testes på oppgaver som kan ha nytte av tilpasning og læring fra få eksempler;
• programvare og elektronikk kobler systemene sammen.

At installasjonen kalles et biologisk datasenter, betyr altså ikke at skytjenester snart skal drives av rack fulle av levende celler.

Planer om opptil 1 000 enheter

Singapore-prosjektet starter med 20 CL1-enheter til felles forskning og utvikling. Partnerne bruker prototypen til å bygge driftskompetanse og undersøke hvilke produksjons- og støtteprosesser som må på plass dersom systemet skal skaleres.

Dersom teknologien består teknisk validering og oppfyller krav til biosikkerhet og regulering, undersøker DayOne og Cortical Labs en trinnvis utvidelse til opptil 1 000 enheter i et kommersielt datasenter i Singapore.

Cortical Labs’ anlegg i Melbourne har 120 CL1-enheter og skal ifølge rapportene betjene rundt 20 bedriftskunder og universiteter. Fjernadgang til én CL1 er rapportert å koste 2 200 amerikanske dollar i måneden, mot rundt 4 300 dollar i måneden for leie av en avansert AI-brikke hos store skytjenester.

Dette er en pris kunden betaler for tilgang – ikke den faktiske driftskostnaden for datamaskinen eller NUS-anlegget. Partnerne har ikke offentliggjort de samlede kostnadene ved å holde Singapores installasjon i drift.

De største hindringene

Biologisk databehandling har flere ubesvarte spørsmål:

• Vedlikehold: Nervecellene trenger kontinuerlig tilførsel av næring, gass og stabile miljøforhold.
• Forutsigbarhet: Levende systemer kan være mindre deterministiske og repeterbare enn digital maskinvare.
• Skalering: Et hopp fra ett forskningsrack med 20 enheter til 1 000 enheter krever jevn og pålitelig celleproduksjon samt robust drift.
• Regulering og biosikkerhet: En større kommersiell utrulling avhenger av godkjenninger, ikke bare teknisk ytelse.
• Dokumentasjon: Påstander om læringseffektivitet, strømforbruk og tilpasningsevne må testes uavhengig i virkelige oppgaver.
• Miljøregnskap: Lavere elektrisk effekt alene beviser ikke et lavere samlet vann- eller livsløpsavtrykk.

Det er derfor Singapore-installasjonen behandles som et trinnvis valideringsprosjekt, ikke som en ferdig erstatning for et tradisjonelt serveranlegg.

Et strategisk eksperiment for Singapore

Det biologiske datasenteret bør foreløpig forstås som et strategisk eksperiment. Dersom påstanden om at levende nettverk kan lære av få data og tilpasse seg skiftende forhold holder i uavhengige tester, kan «wetware» gi Singapore en nisje for utvalgte AI-oppgaver uten at strøm- og kjølebehovet øker på samme måte som i GPU-tunge datasentre.

Bevisene støtter foreløpig en mer begrenset konklusjon: Singapore har etablert en liten prototype med levende nerveceller som kombinerer biologisk prosessering med silisiumbasert styring. Betydningen ligger i å finne ut om arkitekturen kan bli nyttig, pålitelig og kommersielt skalerbar – ikke i at biologiske servere allerede kan fortrenge de vanlige datasentrene.