Como funciona o centro de dados biológico de Singapura, com 20 computadores de neurônios vivos

O novo centro de dados biológico de Singapura coloca neurônios humanos vivos dentro de uma infraestrutura de computação convencional. A instalação inicial, no Centro de Ciências da Vida da Universidade Nacional de Singapura (NUS), reúne 20 computadores biológicos CL1 da empresa australiana Cortical Labs e funciona como um protótipo de pesquisa e validação, em parceria com a NUS Medicine e a DayOne.

A proposta não é substituir os chips de silício usados na nuvem ou nos grandes modelos de linguagem. O projeto testa se redes neurais biológicas podem ser úteis em tarefas especializadas que envolvam poucos dados, mudanças constantes e ambientes imprevisíveis.

O que é o centro de dados biológico de Singapura?

Trata-se de um sistema híbrido, conhecido em inglês como wetware computing — ou computação baseada em matéria biológica. O componente responsável pelo processamento adaptativo é formado por neurônios vivos. Ao redor deles, chips de silício, softwares e equipamentos de laboratório fazem a comunicação elétrica, recebem os dados, controlam o ambiente e mantêm as células em condições adequadas.

A instalação da NUS ocupa um rack com 20 unidades CL1. Os parceiros a descrevem como um rack de servidores biologicamente integrado, operado de forma independente em um ambiente real de pesquisa. Essa é a primeira etapa antes de uma possível transferência para uma instalação comercial da DayOne em Singapura.

Como os computadores CL1 processam informações

Cada CL1 contém pelo menos 200 mil neurônios humanos cultivados em laboratório. As células são obtidas a partir de células sanguíneas reprogramadas para se tornarem células-tronco e, depois, cultivadas sobre um chip de silício equipado com eletrodos.

Esses eletrodos formam uma interface de mão dupla entre os neurônios e os computadores convencionais:

1. O computador transforma os dados em estímulos elétricos enviados à rede neural.
2. Os neurônios respondem por meio de padrões de atividade elétrica.
3. O conjunto de eletrodos mede essa atividade e envia os sinais de volta ao software como resultado.

O ciclo fechado permite que a rede viva interaja com um ambiente simulado e modifique suas respostas com base no retorno recebido. Os neurônios, portanto, não são apenas um elemento biológico dentro do equipamento: eles fazem parte do componente adaptativo do sistema. O silício fornece a interface, o controle e a infraestrutura eletrônica.

Por que o sistema precisa ser “alimentado”

Um CL1 não funciona como um servidor de silício convencional que pode ser instalado em um rack e mantido apenas com energia e refrigeração. As células precisam continuar vivas e permanecer em condições controladas.

A cada três dias, técnicos repõem uma solução nutritiva com açúcar, micronutrientes e substâncias para regular o pH. Um sistema de mistura de gases fornece dióxido de carbono, oxigênio e nitrogênio, enquanto a estrutura geral controla as condições necessárias para a cultura celular.

Isso não elimina a infraestrutura: apenas muda sua natureza. O sistema pode reduzir parte da demanda elétrica e de refrigeração típica de servidores de alto desempenho, mas exige insumos laboratoriais, manutenção biológica, ambiente controlado e profissionais especializados.

Onde a computação biológica poderia ser útil

A Cortical Labs afirma que redes neurais biológicas podem aprender com relativamente poucos exemplos e se adaptar com mais flexibilidade quando as circunstâncias mudam. Essa característica poderia ser interessante em tarefas nas quais é difícil reunir grandes bases de dados cuidadosamente rotuladas.

Entre as aplicações discutidas pela empresa e pelos parceiros estão:

• Robótica humanoide: robôs que atuam em casas, escritórios e espaços públicos enfrentam situações imprevisíveis, difíceis de representar antecipadamente em uma base de treinamento.
• Cibersegurança: redes biológicas poderiam ser testadas para identificar comportamentos incomuns quando não existem exemplos rotulados de todos os tipos possíveis de ataque.
• Pesquisa sobre computação adaptativa: cientistas podem observar como redes de neurônios vivos respondem a estímulos e retornos controlados.
• Experimentos com robótica e jogos: a unidade da Cortical Labs em Melbourne teria clientes corporativos e universidades pesquisando usos desse tipo.

Essas aplicações ainda são propostas ou experimentais. As informações disponíveis não comprovam que computadores biológicos já tenham superado sistemas de silício em tarefas reais de robótica ou cibersegurança. Para isso, ainda serão necessários testes independentes e comparações específicas por carga de trabalho.

A promessa de menor consumo de energia — e seus limites

A Cortical Labs afirma que cada CL1, incluindo o equipamento de suporte à vida, consome cerca de 30 watts e não precisa da refrigeração convencional de servidores. Como comparação, uma GPU Nvidia H100 SXM tem potência nominal de até 700 watts, e um servidor com oito H100s teria consumo estimado em cerca de 10.200 watts, incluindo os componentes de suporte.

Os números ajudam a explicar o interesse pelo projeto em Singapura. Os centros de dados representaram 7% do consumo nacional de eletricidade do país em 2020, enquanto as limitações de energia e água fazem parte do debate sobre a expansão dessa infraestrutura.

Mas o consumo nominal de um equipamento não equivale automaticamente a um custo total ou a um impacto ambiental menor. As informações públicas disponíveis não oferecem uma avaliação definitiva do uso de água, do ciclo de vida ou de uma comparação entre cargas de trabalho equivalentes em GPUs e CL1s.

Uma análise completa também precisaria incluir o meio de cultura, a produção das células, o controle de gases, os equipamentos laboratoriais, o descarte de resíduos e o trabalho humano necessário para a manutenção.

Computadores biológicos não vão substituir GPUs

O caso mais plausível para o CL1 é o processamento adaptativo e especializado — não a computação de alto desempenho para qualquer finalidade. O próprio CEO da Cortical Labs reconheceu que o silício continua muito superior nos cálculos rápidos, precisos e repetíveis usados por grandes modelos de linguagem e cargas semelhantes.

O cenário prático é, portanto, de complementaridade:

• processadores de silício cuidam da computação convencional de alto volume;
• redes neurais biológicas são testadas em tarefas que podem se beneficiar de adaptação e de poucos dados de treinamento;
• softwares e componentes eletrônicos conectam os dois tipos de sistema.

Essa distinção é importante. Chamar a instalação de “centro de dados biológico” não significa que os servidores tradicionais da nuvem estejam prestes a ser substituídos por racks de células vivas.

Capacidade, uso comercial e preços

O projeto de Singapura começa com 20 unidades CL1 voltadas à pesquisa e ao desenvolvimento conjuntos. O protótipo serve para criar experiência operacional e avaliar os processos de fabricação, suporte e manutenção necessários para uma implantação maior.

Sujeita à validação técnica, aos requisitos de biossegurança e às aprovações regulatórias, a DayOne e a Cortical Labs estudam uma expansão em fases para até 1.000 unidades em uma instalação comercial em Singapura.

A unidade da Cortical Labs em Melbourne opera 120 CL1s e teria cerca de 20 clientes corporativos e universitários. O acesso remoto a uma unidade teria sido oferecido por US$ 2.200 mensais, enquanto o aluguel de um chip de inteligência artificial de alto desempenho em grandes serviços de nuvem teria sido estimado em US$ 4.300 por mês.

Esse valor é uma tarifa cobrada do cliente pelo acesso remoto, não o custo operacional do computador biológico nem o custo de manutenção da instalação da NUS. Os parceiros não divulgaram publicamente o custo total de operação do projeto em Singapura.

As principais limitações

A computação biológica ainda enfrenta obstáculos importantes:

• Manutenção contínua: os neurônios precisam de nutrientes, gases e condições ambientais controladas.
• Consistência: sistemas vivos podem ser menos determinísticos e repetíveis do que o hardware digital.
• Escala: passar de um rack experimental com 20 unidades para até 1.000 exigiria produção celular reproduzível e operações confiáveis.
• Regulação e biossegurança: uma implantação comercial maior depende de aprovações, além de desempenho técnico.
• Avaliação independente: alegações sobre eficiência de aprendizado, consumo de energia e capacidade de adaptação ainda precisam ser verificadas em situações reais.
• Balanço ambiental: menor demanda elétrica, por si só, não prova menor consumo total de água ou menor impacto ao longo do ciclo de vida.

Esses desafios ajudam a explicar por que o projeto está sendo tratado como uma iniciativa de validação gradual, e não como uma substituição pronta para uma fazenda de servidores convencional.

O que o projeto pode significar para Singapura

O centro de dados biológico de Singapura deve ser entendido como um experimento estratégico. Se a capacidade alegada de aprender com poucos dados e se adaptar a condições variáveis for confirmada por testes independentes, a computação baseada em neurônios vivos poderá oferecer ao país uma forma especializada de ampliar determinados recursos de inteligência artificial sem aumentar a demanda por refrigeração e eletricidade na mesma proporção de uma infraestrutura dominada por GPUs.

Por enquanto, as evidências sustentam uma conclusão mais restrita: Singapura criou um pequeno protótipo de computação com neurônios vivos, combinando processamento biológico com sistemas de controle baseados em silício. A importância do projeto está em descobrir se essa arquitetura incomum pode se tornar útil, confiável e escalável comercialmente — não em demonstrar que servidores biológicos já conseguem substituir os centros de dados convencionais.