Nevronene er den biologiske og tilpasningsdyktige delen av systemet. Silisiumelektronikken sørger for grensesnittet mot programvare, styring og registrering. Sammen danner de en lukket sløyfe:

1. Programvaren omgjør informasjon til elektriske signaler.
2. En mikroelektrode-matrise sender signalene inn i nevronkulturen.
3. Nevronene reagerer med mønstre av elektrisk aktivitet.
4. Matrisen registrerer aktiviteten og sender resultatet tilbake til programvaren.

Forskerne kan dermed observere og bruke aktiviteten i et levende nevralt nettverk i sanntid, i stedet for bare å kjøre en konvensjonell algoritme på en digital prosessor. Det mest presise er derfor å beskrive CL1 som en hybrid biologisk-elektronisk datamaskin – ikke som en «hjerne i en boks».

Cortical Labs opplyser at CL1-enheten har funksjoner for registrering, kjøring av applikasjoner og livsstøtte integrert i selve systemet. Den skal kunne holde nevronkulturene i live i opptil seks måneder uten ekstern datakraft for disse funksjonene.

Hvorfor bruke levende nevroner?

Nevrale nettverk kan endre aktivitetsmønsteret sitt som følge av erfaring og tilbakemeldinger. Denne plastisiteten – evnen til å tilpasse seg – er hovedgrunnen til at biologisk databehandling vekker interesse. For enkelte oppgaver kan levende nettverk potensielt lære av nye inntrykk uten samme mengde data og omfattende omskolering som ofte kreves i digitale systemer.

Det betyr likevel ikke at CL1 er generelt intelligent eller bevisst. Plattformen viser en metode for å koble levende nevroner til programvare. Den dokumenterer ikke menneskelignende forståelse, selvbevissthet eller bred intelligens.

Fra DishBrain til serverrack

Singapore-prototypen bygger videre på Cortical Labs’ DishBrain-forskning fra 2022. I dette forsøket dyrket forskere menneske­nevroner avledet fra stamceller og nevroner fra gnagere på mikroelektrode-matriser. Kulturene ble deretter koblet til en forenklet versjon av videospillet Pong. Elektriske signaler formidlet informasjon om spillet, mens tilbakemeldinger hjalp nevronene med å endre aktiviteten sin. Studien rapporterte tegn til læring under spilling i sanntid.

DishBrain var et laboratorieforsøk. CL1 pakker den samme grunnideen inn i en mer komplett og fjernstyrbar enhet med integrert livsstøtte og programvareverktøy. Overgangen fra en eksperimentell cellekultur til en kommersielt tilgjengelig beregningsenhet er det mest betydningsfulle ved CL1 – selv om praktisk nytte fortsatt skal undersøkes.

Strømforbruket kan bli lavere – men sammenligningen er ikke bevist

Cortical Labs har oppgitt at én CL1 bruker rundt 30 watt. Et rack med 30 enheter er rapportert å bruke omtrent 850–1 000 watt.

Det mulige energiforspranget er interessant i en tid der AI-infrastruktur øker både strømbehovet og behovet for kjøling. Men lavere effekt alene beviser ikke høyere energieffektivitet. En rettferdig sammenligning må måle samme oppgave, kvalitet, gjennomstrømning, programvare­kostnader og driftsforhold mot GPU-er eller andre datasenter­akseleratorer.

Det finnes foreløpig ingen offentlig, uavhengig og oppgave-for-oppgave-benchmark i kildematerialet som viser at CL1 slår moderne GPU-er. Påstanden om lavere energibruk bør derfor ses som en hypotese som skal testes – ikke som bevis på at biologiske datamaskiner kan erstatte dagens AI-infrastruktur.

Den store ulempen: Nevronene har begrenset levetid

Den biologiske komponenten er også systemets viktigste driftsmessige begrensning. Nevronkulturene er utviklet for å holde seg levedyktige i opptil seks måneder, mens konvensjonelle servere og silisiumbrikker vanligvis brukes gjennom langt lengre maskinvare­livsløp.

Et biologisk anlegg trenger derfor håndtering av cellekulturer, kontroll av miljøforhold og rutiner for utskifting. Det er ikke en vedlikeholdsfri brikke som kan installeres og stå i drift i årevis. Ved en større utrulling må man dokumentere at fordelene ved biologisk tilpasning og mulig lavere strømforbruk oppveier de ekstra kravene til drift og biologisk håndtering.

Hva kostet CL1 ved lanseringen?

Rapportert pris ved lanseringen i 2025 var:

• Én CL1-enhet: rundt 35 000 amerikanske dollar
• Kjøp av et rack med 30 enheter: rundt 20 000 dollar per enhet
• Wetware-as-a-Service: rundt 300 dollar per enhet per uke for fjernstyrt tilgang til cellekulturer som Cortical Labs drifter selv

Dette var lanseringspriser og bør ikke tolkes som dagens avtalefestede priser. Skymodellen er likevel viktig fordi forskere kan få tilgang til levende nevronkulturer på avstand uten å drifte det biologiske utstyret selv.

Kan Singapore skalere til 1 000 enheter?

Racket ved NUS er en valideringsfase. Omtale av prosjektet sier at et framtidig anlegg i Singapore kan få plass til opptil 1 000 CL1-enheter, men at en slik utvidelse er avhengig av regulatoriske godkjenninger samt tester av energieffektivitet og sikkerhet.

DayOne og Cortical Labs har også sagt at utforming av anlegget og driftsplanlegging må komme før en større utbygging. Planene skal blant annet ta hensyn til ytelses­målinger, styring, biosikkerhet og etterlevelse av regelverket.

Tallet 1 000 beskriver dermed en mulig framtidig kapasitet, ikke infrastruktur som allerede er bestilt eller satt i drift. Prototypen må først vise hvordan systemene fungerer med realistiske arbeidsbelastninger, hvor stabilt cellekulturene kan vedlikeholdes, hvordan teknologien passer inn i vanlig datasenterdrift og hvilke krav som gjelder for biologisk materiale.

Kildene fastslår ikke at en biologisk utbygging på 1 000 enheter vil være i drift innen en bestemt dato. En planlagt milepæl for datasenteret bør derfor ikke tolkes som en garanti for at den biologiske utvidelsen følger samme tidsplan.

Mulige bruksområder – og det som fortsatt er uprøvd

Selskapene og den øvrige omtalen peker på flere mulige bruksområder:

• Adaptiv AI: systemer som reagerer på endringer og potensielt lærer fra mindre datamengder.
• Legemiddelutvikling og nevrologisk forskning: levende nevronkulturer som eksperimentelle modeller.
• Robotikk: forskning på adaptiv styring og maskinatferd.
• Cybersikkerhet: undersøkelser av systemer som kan reagere på nye eller avvikende mønstre.
• Nevrovitenskap: studier av læring, plastisitet og biologisk tilpasning.

Dette er mulige framtidige bruksområder, ikke dokumenterte ytelsespåstander. Det tilgjengelige materialet viser ikke at CL1 presterer bedre enn digitale systemer innen generell AI, robotikk, legemiddelutvikling eller cybersikkerhet.

Hvorfor prosjektet er interessant for Singapore

Singapore tester CL1 i en sammenheng der kravene til effektivitet og bærekraft i datasentre blir stadig strengere. Prosjektet passer inn i retningen til landets Green Data Center Roadmap, som handler om hvordan digital infrastruktur kan bygges ut samtidig som energi- og miljøbegrensninger håndteres.

Den umiddelbare verdien er derfor utforskende. Prototypen gir forskere, datasenteroperatører og myndigheter en mulighet til å undersøke om «wetware» kan supplere silisiumbaserte systemer i smale bruksområder. Den varsler ikke slutten for GPU-datasentre – men er et tidlig forsøk på å finne ut om levende nevrale nettverk kan bli én del av en mer variert og energieffektiv dataplattform.

Nevronene er den biologiske og tilpasningsdyktige delen av systemet. Silisiumelektronikken sørger for grensesnittet mot programvare, styring og registrering. Sammen danner de en lukket sløyfe:

1. Programvaren omgjør informasjon til elektriske signaler.
2. En mikroelektrode-matrise sender signalene inn i nevronkulturen.
3. Nevronene reagerer med mønstre av elektrisk aktivitet.
4. Matrisen registrerer aktiviteten og sender resultatet tilbake til programvaren.

Forskerne kan dermed observere og bruke aktiviteten i et levende nevralt nettverk i sanntid, i stedet for bare å kjøre en konvensjonell algoritme på en digital prosessor. Det mest presise er derfor å beskrive CL1 som en hybrid biologisk-elektronisk datamaskin – ikke som en «hjerne i en boks».

Cortical Labs opplyser at CL1-enheten har funksjoner for registrering, kjøring av applikasjoner og livsstøtte integrert i selve systemet. Den skal kunne holde nevronkulturene i live i opptil seks måneder uten ekstern datakraft for disse funksjonene.

Hvorfor bruke levende nevroner?

Nevrale nettverk kan endre aktivitetsmønsteret sitt som følge av erfaring og tilbakemeldinger. Denne plastisiteten – evnen til å tilpasse seg – er hovedgrunnen til at biologisk databehandling vekker interesse. For enkelte oppgaver kan levende nettverk potensielt lære av nye inntrykk uten samme mengde data og omfattende omskolering som ofte kreves i digitale systemer.

Det betyr likevel ikke at CL1 er generelt intelligent eller bevisst. Plattformen viser en metode for å koble levende nevroner til programvare. Den dokumenterer ikke menneskelignende forståelse, selvbevissthet eller bred intelligens.

Fra DishBrain til serverrack

Singapore-prototypen bygger videre på Cortical Labs’ DishBrain-forskning fra 2022. I dette forsøket dyrket forskere menneske­nevroner avledet fra stamceller og nevroner fra gnagere på mikroelektrode-matriser. Kulturene ble deretter koblet til en forenklet versjon av videospillet Pong. Elektriske signaler formidlet informasjon om spillet, mens tilbakemeldinger hjalp nevronene med å endre aktiviteten sin. Studien rapporterte tegn til læring under spilling i sanntid.

DishBrain var et laboratorieforsøk. CL1 pakker den samme grunnideen inn i en mer komplett og fjernstyrbar enhet med integrert livsstøtte og programvareverktøy. Overgangen fra en eksperimentell cellekultur til en kommersielt tilgjengelig beregningsenhet er det mest betydningsfulle ved CL1 – selv om praktisk nytte fortsatt skal undersøkes.

Strømforbruket kan bli lavere – men sammenligningen er ikke bevist

Cortical Labs har oppgitt at én CL1 bruker rundt 30 watt. Et rack med 30 enheter er rapportert å bruke omtrent 850–1 000 watt.

Det mulige energiforspranget er interessant i en tid der AI-infrastruktur øker både strømbehovet og behovet for kjøling. Men lavere effekt alene beviser ikke høyere energieffektivitet. En rettferdig sammenligning må måle samme oppgave, kvalitet, gjennomstrømning, programvare­kostnader og driftsforhold mot GPU-er eller andre datasenter­akseleratorer.

Det finnes foreløpig ingen offentlig, uavhengig og oppgave-for-oppgave-benchmark i kildematerialet som viser at CL1 slår moderne GPU-er. Påstanden om lavere energibruk bør derfor ses som en hypotese som skal testes – ikke som bevis på at biologiske datamaskiner kan erstatte dagens AI-infrastruktur.

Den store ulempen: Nevronene har begrenset levetid

Den biologiske komponenten er også systemets viktigste driftsmessige begrensning. Nevronkulturene er utviklet for å holde seg levedyktige i opptil seks måneder, mens konvensjonelle servere og silisiumbrikker vanligvis brukes gjennom langt lengre maskinvare­livsløp.

Et biologisk anlegg trenger derfor håndtering av cellekulturer, kontroll av miljøforhold og rutiner for utskifting. Det er ikke en vedlikeholdsfri brikke som kan installeres og stå i drift i årevis. Ved en større utrulling må man dokumentere at fordelene ved biologisk tilpasning og mulig lavere strømforbruk oppveier de ekstra kravene til drift og biologisk håndtering.

Hva kostet CL1 ved lanseringen?

Rapportert pris ved lanseringen i 2025 var:

• Én CL1-enhet: rundt 35 000 amerikanske dollar
• Kjøp av et rack med 30 enheter: rundt 20 000 dollar per enhet
• Wetware-as-a-Service: rundt 300 dollar per enhet per uke for fjernstyrt tilgang til cellekulturer som Cortical Labs drifter selv

Dette var lanseringspriser og bør ikke tolkes som dagens avtalefestede priser. Skymodellen er likevel viktig fordi forskere kan få tilgang til levende nevronkulturer på avstand uten å drifte det biologiske utstyret selv.

Kan Singapore skalere til 1 000 enheter?

Racket ved NUS er en valideringsfase. Omtale av prosjektet sier at et framtidig anlegg i Singapore kan få plass til opptil 1 000 CL1-enheter, men at en slik utvidelse er avhengig av regulatoriske godkjenninger samt tester av energieffektivitet og sikkerhet.

DayOne og Cortical Labs har også sagt at utforming av anlegget og driftsplanlegging må komme før en større utbygging. Planene skal blant annet ta hensyn til ytelses­målinger, styring, biosikkerhet og etterlevelse av regelverket.

Tallet 1 000 beskriver dermed en mulig framtidig kapasitet, ikke infrastruktur som allerede er bestilt eller satt i drift. Prototypen må først vise hvordan systemene fungerer med realistiske arbeidsbelastninger, hvor stabilt cellekulturene kan vedlikeholdes, hvordan teknologien passer inn i vanlig datasenterdrift og hvilke krav som gjelder for biologisk materiale.

Kildene fastslår ikke at en biologisk utbygging på 1 000 enheter vil være i drift innen en bestemt dato. En planlagt milepæl for datasenteret bør derfor ikke tolkes som en garanti for at den biologiske utvidelsen følger samme tidsplan.

Mulige bruksområder – og det som fortsatt er uprøvd

Selskapene og den øvrige omtalen peker på flere mulige bruksområder:

• Adaptiv AI: systemer som reagerer på endringer og potensielt lærer fra mindre datamengder.
• Legemiddelutvikling og nevrologisk forskning: levende nevronkulturer som eksperimentelle modeller.
• Robotikk: forskning på adaptiv styring og maskinatferd.
• Cybersikkerhet: undersøkelser av systemer som kan reagere på nye eller avvikende mønstre.
• Nevrovitenskap: studier av læring, plastisitet og biologisk tilpasning.

Dette er mulige framtidige bruksområder, ikke dokumenterte ytelsespåstander. Det tilgjengelige materialet viser ikke at CL1 presterer bedre enn digitale systemer innen generell AI, robotikk, legemiddelutvikling eller cybersikkerhet.

Hvorfor prosjektet er interessant for Singapore

Singapore tester CL1 i en sammenheng der kravene til effektivitet og bærekraft i datasentre blir stadig strengere. Prosjektet passer inn i retningen til landets Green Data Center Roadmap, som handler om hvordan digital infrastruktur kan bygges ut samtidig som energi- og miljøbegrensninger håndteres.

Den umiddelbare verdien er derfor utforskende. Prototypen gir forskere, datasenteroperatører og myndigheter en mulighet til å undersøke om «wetware» kan supplere silisiumbaserte systemer i smale bruksområder. Den varsler ikke slutten for GPU-datasentre – men er et tidlig forsøk på å finne ut om levende nevrale nettverk kan bli én del av en mer variert og energieffektiv dataplattform.