Singapurskie centrum danych z 16 milionami neuronów: jak działa i czego jeszcze nie potrafi

To bardziej „mokryware” niż superkomputer

Singapurski prototyp najlepiej opisywać jako laboratoryjny system wetware — połączenie żywych tkanek i elektroniki — a nie jako klasyczny superkomputer. W Instytucie Nauk Przyrodniczych Narodowego Uniwersytetu Singapuru (NUS) działa 20 biologicznych komputerów Cortical Labs CL1. Każdy łączy hodowlę ludzkich neuronów korowych z konwencjonalnymi układami krzemowymi. System uruchomiono 16 lipca 2026 roku, a 6 sierpnia pokazano go publicznie ponad 80 gościom. 412

W całym stelażu znajduje się według dostępnych informacji około 16 milionów żywych neuronów. CL1 wykorzystuje hodowlę neuronów umieszczoną na krzemowej matrycy mikroelektrod. Elektronika może pobudzać komórki i rejestrować ich aktywność elektryczną. Oprogramowanie Cortical Labs, w tym interfejs biOS, służy do konfigurowania eksperymentów, wysyłania bodźców, interpretowania odpowiedzi neuronów oraz łączenia biologicznego procesora ze zwykłymi systemami komputerowymi. 47

Jak działa biologiczne centrum danych?

System tworzy zamkniętą pętlę między żywą siecią neuronową a cyfrowym sprzętem:

1. Oprogramowanie koduje informację w postaci impulsów elektrycznych.
2. Elektrody dostarczają te impulsy do określonych obszarów hodowli.
3. Neurony odpowiadają wzorcami wyładowań elektrycznych.
4. Matryca mikroelektrod rejestruje tę aktywność.
5. Oprogramowanie zamienia sygnały na wynik albo na tej podstawie dobiera kolejny bodziec.

Neurony pełnią więc funkcję adaptacyjnego elementu obliczeniowego. Krzem odpowiada za sterowanie, komunikację, odczyt sygnałów i całą infrastrukturę, natomiast żywa sieć wnosi zdolność reagowania i przystosowywania aktywności do postawionego zadania.

Nie oznacza to jednak, że w serwerowni działa miniaturowy ludzki mózg. To kontrolowana hodowla komórek nerwowych, która wykonuje zadania w ściśle określonym środowisku eksperymentalnym.

Kto odpowiada za projekt?

Prototyp powstał dzięki współpracy trzech organizacji:

• NUS Medicine i Instytut Nauk Przyrodniczych NUS hodują neurony pochodzące z komórek macierzystych i prowadzą badania.
• DayOne zapewnia środowisko centrum danych oraz infrastrukturę operacyjną.
• Cortical Labs dostarcza jednostki CL1, systemy podtrzymywania neuronów i oprogramowanie, w tym biOS. 14

To istotny podział ról. Nie chodzi po prostu o ustawienie gotowych serwerów w laboratorium. Projekt wymaga jednocześnie obsługi infrastruktury centrum danych oraz wiedzy biologicznej potrzebnej do hodowania, monitorowania, odżywiania i wymiany żywych kultur.

Jak utrzymuje się neurony przy życiu?

W przeciwieństwie do procesora krzemowego CL1 potrzebuje stałej opieki biologicznej. Wbudowany system podtrzymywania życia ma utrzymywać kulturę neuronów przy życiu przez około sześć miesięcy. Pożywkę trzeba regularnie uzupełniać — według relacji dotyczących instalacji w Singapurze mniej więcej co trzy dni. Po pewnym czasie hodowlę należy wymienić, zamiast eksploatować ją bez końca. 71239

Wymiana kultury nie przypomina zwykłej zamiany uszkodzonej płyty głównej. Wymaga przygotowania nowych komórek, zachowania sterylnych warunków, sprawdzenia jakości hodowli i potencjalnego ponownego dostosowania jej do konkretnego zadania.

Czy zużywa mniej energii niż Nvidia H100?

Cortical Labs podaje, że pojedyncza jednostka CL1 pobiera około 25 watów. Cały stelaż z 20 jednostkami i wyposażeniem pomocniczym ma zużywać około 800–1000 watów. 1

Dla orientacji: w dostępnych materiałach maksymalny pobór mocy układu Nvidia H100 jest często określany na około 700 watów. Pod względem samego poboru energii cały prototyp mieści się więc w przybliżeniu w przedziale odpowiadającym jednej do półtorej karty H100. 151

Nie jest to jednak uczciwe porównanie wydajności. Nie opublikowano dotąd bezpośrednich testów obejmujących przepustowość, dokładność, opóźnienia, czas uczenia, koszty eksploatacji ani ilość użytecznej pracy wykonanej przez stelaż i kartę H100 lub cały klaster GPU. Nie ma zatem podstaw, by uznać prototyp za sprawdzony, energooszczędny zamiennik infrastruktury AI. Jego potencjalna przewaga może dotyczyć raczej wyspecjalizowanych, adaptacyjnych zadań, które nie pasują do powtarzalnych obciążeń typowych dla procesorów graficznych. 16

Eksperyment DishBrain był punktem wyjścia

Projekt w Singapurze rozwija wcześniejsze badania Cortical Labs znane jako DishBrain. W eksperymencie z 2022 roku ludzkie neurony uzyskane z indukowanych pluripotencjalnych komórek macierzystych oraz neurony korowe gryzoni hodowano na matrycach wieloelektrodowych i podłączono do uproszczonej cyfrowej wersji gry Pong. Elektrody przekazywały informację o przebiegu gry, a aktywność neuronów sterowała paletką. 171920

Był to układ ze sprzężeniem zwrotnym: hodowle otrzymywały różne sygnały elektryczne zależnie od tego, jak radziły sobie w grze. Naukowcy odnotowali poprawę wyników w czasie, podczas gdy warunki kontrolne pozbawione takiego sprzężenia nie wykazały tego samego efektu uczenia się. 171819

DishBrain nie dowiódł, że powstał uniwersalny komputer biologiczny. Pokazał natomiast, że hodowane sieci neuronowe można umieścić w ograniczonym środowisku cyfrowym i obserwować ich adaptację do konkretnego zadania. Singapurski stelaż wykorzystuje ten sam podstawowy schemat — bodziec elektryczny, reakcja żywej sieci i odczyt wyniku — w większej, modułowej konstrukcji CL1.

Do czego można wykorzystać taki system?

Najbardziej wiarygodne zastosowania w najbliższym czasie są związane z badaniami:

• modelowanie chorób — sprawdzanie, jak układy nerwowe reagują w różnych warunkach biologicznych;
• testowanie leków i toksyczności — obserwowanie reakcji hodowli neuronów na potencjalne substancje;
• neuronauka — badanie uczenia się, adaptacji i zachowania żywych sieci neuronowych;
• wyspecjalizowane przetwarzanie — eksperymenty z AI lub robotyką, w których ważna jest adaptacja do zmiennego środowiska albo ograniczona ilość danych treningowych. 46

To zupełnie inny profil zastosowań niż uruchamianie dużych modeli językowych czy obsługa typowych obciążeń AI na skalę centrów danych. Biologiczne przetwarzanie jest przedstawiane jako możliwe uzupełnienie krzemu, a nie jego uniwersalny następca.

Czy projekt urośnie z 20 do 1000 jednostek?

Partnerzy wspominali o możliwości zwiększenia liczby jednostek do 1000 CL1, ale jest to warunkowa perspektywa, a nie zademonstrowane wdrożenie. Rozbudowa zależy między innymi od zgód regulacyjnych, testów bezpieczeństwa i wyników dotyczących efektywności energetycznej. 12

Stelaż z tysiącem jednostek wymagałby znacznie więcej niż dostawienia kolejnych 980 urządzeń. Operatorzy musieliby zapewnić powtarzalną produkcję komórek, automatyczne karmienie i wymianę kultur, sterylne procedury, ciągłą kontrolę jakości, niezawodną komunikację, odporność na awarie oraz sposoby obsługi hodowli, które starzeją się lub działają odmiennie.

Najważniejsze niewiadome

Niezawodność i powtarzalność

Żywe kultury różnią się między partiami, dojrzewają, a następnie ulegają degradacji. Potrzebne będą spójne metody pomiaru ich wydajności oraz określania, kiedy dana kultura przestaje nadawać się do pracy. Po wymianie hodowli wyuczone zachowanie może nie przenieść się automatycznie na nową sieć.

Ekonomia

Prąd to tylko część rachunku. Biologiczne przetwarzanie wymaga pożywek, sterylnych materiałów jednorazowych, powierzchni laboratoryjnej, wyspecjalizowanych techników, kontroli jakości, wymiany komórek i potencjalnych przestojów. Te koszty mogą zmniejszyć albo zniwelować korzyść wynikającą z niższego poboru energii.

Skalowanie

Stelaż z 20 jednostkami jest prototypem działającym w środowisku badawczym. Obsługa 1000 urządzeń sprawdziłaby, czy hodowla komórek, proces konserwacji, oprogramowanie i infrastruktura centrum danych mogą rozwijać się jednocześnie.

Rzeczywista wydajność

Dostępne dowody pokazują, że hodowane neurony potrafią przystosowywać aktywność w ograniczonych eksperymentach ze sprzężeniem zwrotnym. Nie pokazują jeszcze, że CL1 przewyższa GPU w komercyjnie istotnych zadaniach ani że ma niższy całkowity koszt posiadania. To właśnie dane o powtarzalności, wydajności i kosztach — a nie sam fakt umieszczenia neuronów w serwerowym stelażu — zdecydują, czy biologiczne przetwarzanie stanie się praktyczną kategorią infrastruktury.

Wniosek

Singapurski prototyp to ważny pokaz biologicznie zintegrowanego przetwarzania: 20 jednostek CL1, około 16 milionów żywych ludzkich neuronów korowych, krzemowe matryce mikroelektrod i oprogramowanie działające jako jeden system badawczy.

Na tym etapie najtrafniej traktować go jako platformę do sprawdzania, co potrafią żywe sieci neuronowe — przede wszystkim w neuronauce, badaniach leków i wyspecjalizowanych eksperymentach z adaptacją. To jeszcze nie zamiennik centrów danych z procesorami graficznymi. Kolejne kluczowe pytania dotyczą powtarzalności, mierzalnej wydajności, kosztów działania i tego, czy system da się skalować bez utraty biologicznych właściwości, które czynią go interesującym.