AnswersPublished21 sources
Singapores datacenter med 16 miljoner neuroner: så fungerar biologisk databehandling
Prototypen består av 20 CL1 enheter med sammanlagt omkring 16 miljoner laboratorieodlade mänskliga kortikala neuroner. Neuronerna kopplas till kiselbaserade mikroelektrodmatriser som skickar elektriska signaler, registrerar nervcellernas aktivitet och omvandlar den till beräkningsresultat.
Publicerad avRedigerad med GPT-5.6 LunaBilder genererade med GPT Image 1.5
Research answer
Key takeaways
- Prototypen består av 20 CL1 enheter med sammanlagt omkring 16 miljoner laboratorieodlade mänskliga kortikala neuroner.
- Neuronerna kopplas till kiselbaserade mikroelektrodmatriser som skickar elektriska signaler, registrerar nervcellernas aktivitet och omvandlar den till beräkningsresultat.
- Tekniken är främst tänkt för forskning om sjukdomar, läkemedel, inlärning och specialiserade AI tillämpningar – inte för att ersätta vanliga GPU kluster.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Singapore’s biological data center prototype unveiled by the National University of Singapore in July and publicly showcased in Augu. Article summary: Singapore’s prototype is a small “wetware” data-centre rack: 20 Cortical Labs CL1 biological computers at NUS, combining lab-grown human cortical neurons with conventional silicon electronics. It was activated in July 20. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wat
Singapores nya biologiska datacenter är bäst att beskriva som ett forskningsrack med levande nervceller, inte som en vanlig superdator. Vid National University of Singapores Life Sciences Institute kombineras 20 biologiska CL1-datorer från Cortical Labs med laboratorieodlade mänskliga kortikala neuroner och konventionell kiselektronik. Systemet ska ha tagits i drift den 16 juli 2026 och visades offentligt för fler än 80 gäster den 6 augusti. 4
12
Den uppmärksammade siffran är omkring 16 miljoner levande neuroner i hela racket. Varje CL1-enhet använder en neuronal cellkultur som ligger på en kiselbaserad mikroelektrodmatris. Elektroniken kan stimulera cellerna och registrera deras elektriska aktivitet. Cortical Labs mjukvaruplattform, däribland gränssnittet biOS, ska kunna konfigurera experiment, skicka indata, tolka nervcellernas svar och koppla den biologiska processorn till vanliga datorsystem. 4
7
Så fungerar det biologiska datacentret
Systemet ersätter inte kisel med en liten mänsklig hjärna. I stället skapar det en återkopplingsslinga mellan levande neuroner och digital hårdvara:
- Mjukvara kodar information som elektrisk stimulering.
- Elektroder skickar stimuleringen till utvalda delar av nervcellskulturen.
- Neuronerna svarar med mönster av elektriska impulser.
- Mikroelektrodmatrisen registrerar signalerna.
- Mjukvaran omvandlar aktiviteten till ett resultat eller använder den för att justera nästa indata.
Neuronerna fungerar därmed ungefär som en adaptiv biologisk processor. Kiselhårdvaran sköter gränssnitt, styrning, avläsning och den omgivande infrastrukturen, medan det levande nätverket bidrar med sin förmåga att reagera och anpassa sig inom den uppgift det får.
Vilka står bakom satsningen?
Prototypen är ett samarbete mellan tre organisationer:
- NUS Medicine och NUS Life Sciences Institute odlar de stamcellshärledda nervcellskulturerna och leder det vetenskapliga arbetet.
- DayOne tillhandahåller datacentermiljön och den operativa infrastrukturen.
- Cortical Labs levererar de biologiska CL1-datorerna, systemen som håller neuronerna vid liv och den tillhörande mjukvaruplattformen.
1
4
Det är en viktig skillnad mot att bara ställa ett antal kommersiella servrar i ett universitetslaboratorium. Anläggningen kräver både datacenterdrift och biologisk expertis för att odla, övervaka, ge näring åt och ersätta levande cellkulturer.
Hur hålls neuronerna vid liv?
Till skillnad från en kiselprocessor kräver en CL1 kontinuerligt biologiskt underhåll. Enhetens livsuppehållande utrustning är utformad för att hålla nervcellskulturen fungerande i upp till ungefär sex månader. Näringslösningen måste fyllas på regelbundet; rapporteringen från installationen i Singapore anger ungefär var tredje dag. Till slut måste kulturen ersättas i stället för att köras på obestämd tid. 7
12
39
Det skapar en praktisk skillnad mellan så kallad wetware, alltså biologisk hårdvara, och traditionell datorteknik. Att byta ut en cellkultur är inte samma sak som att byta ett trasigt kretskort. Det kräver nya eller förberedda celler, sterila förhållanden, kontroll av kulturens kvalitet och ibland att det nya nätverket tränas för den avsedda uppgiften.
Är systemet energieffektivare än en Nvidia H100?
Cortical Labs anger att en enskild CL1-enhet drar ungefär 25 watt. För hela racket med 20 enheter, inklusive stödutrustning, anges siffror på cirka 800–1 000 watt. 1
Som en grov jämförelse brukar en Nvidia H100 beskrivas som ett GPU-kort med en maximal termisk effekt på omkring 700 watt. Mätt enbart i elektrisk effekt ligger alltså hela prototypracket ungefär i nivå med en till en och en halv H100. 1
51
Men wattalet räcker inte för att visa att tekniken är effektivare. Projektet har ännu inte publicerat en direkt jämförelse av genomströmning, träffsäkerhet, fördröjning, träningstid, driftkostnad eller faktiskt utfört arbete mot en H100 eller ett GPU-kluster. Det går därför inte att kalla racket en bevisat energisnål ersättare för den vanliga AI-infrastrukturen. Den möjliga fördelen är mer specifik: biologiska nätverk kan vara användbara för specialiserade adaptiva uppgifter som inte passar lika väl på konventionella GPU:er, som är byggda för mycket repetitiva beräkningar. 1
6
Experimentet DishBrain banade väg
Prototypen i Singapore bygger vidare på Cortical Labs tidigare forskning med DishBrain. I experimentet från 2022 odlades mänskliga nervceller, framtagna från inducerade pluripotenta stamceller, tillsammans med nervceller från gnagares hjärnbark på täta multielektrodmatriser. Kulturerna kopplades sedan till en förenklad digital version av Pong. Elektroderna skickade information om spelet, medan nervcellernas aktivitet styrde racketen. 17
19
20
Experimentet använde återkoppling i en sluten loop. Cellkulturerna fick olika elektrisk feedback beroende på hur systemet presterade. Forskarna rapporterade att spelandet förbättrades över tid, medan kontrollförsök utan samma typ av återkoppling inte visade motsvarande inlärningseffekt. 17
18
19
DishBrain visade inte att man hade skapat en generell biologisk dator. Resultatet visade att odlade nervcellnätverk kunde placeras i en begränsad digital miljö och anpassa sin aktivitet till en specifik uppgift. Singapore-racket använder samma grundprincip – elektrisk indata, levande neuronal respons och registrerad utdata – i en mer utbyggbar uppsättning CL1-moduler.
Vad kan tekniken användas till?
De mest trovärdiga tillämpningarna på kort sikt är forskningsinriktade:
- Sjukdomsmodeller: studera hur nervsystem reagerar under olika biologiska förhållanden.
- Läkemedels- och toxicitetstester: observera hur nervcellskulturer reagerar på olika ämnen.
- Neurovetenskap: undersöka inlärning, anpassning och beteendet hos levande nervcellnätverk.
- Specialiserad databehandling: utforska adaptiva system för utvalda AI- eller robotikproblem där begränsad träningsdata eller föränderliga miljöer spelar stor roll.
6
Det skiljer sig från att köra en stor språkmodell eller behandla konventionella AI-arbetslaster i GPU-skala. Biologisk databehandling presenteras i nuläget som ett möjligt komplement till kisel, inte som en universell ersättare.
Kan 20 enheter bli 1 000?
Samarbetspartnerna har diskuterat en möjlig utbyggnad till så många som 1 000 CL1-enheter. Det är dock fortfarande beroende av myndighetsgodkännanden, säkerhetstester, resultat för energieffektivitet och möjligheten att driva systemet tillförlitligt i mycket större skala. 12
Ett rack med 1 000 enheter skulle kräva mer än att man lägger till 980 maskiner. Operatörerna skulle behöva en reproducerbar produktion av celler, automatiserad påfyllning och ersättning, sterila arbetsmetoder, löpande kvalitetskontroll, stabil kommunikation, feltålighet och rutiner för kulturer som åldras eller beter sig olika.
Frågorna som ännu saknar svar
Tillförlitlighet och reproducerbarhet
Levande cellkulturer varierar mellan olika odlingsomgångar, mognar över tid och bryts så småningom ner. Forskarna behöver därför enhetliga metoder för att mäta prestanda och avgöra när en kultur inte längre är lämplig. Om en kultur byts ut följer den uppgiftsspecifika anpassningen inte automatiskt med till den nya.
Ekonomi
Elförbrukningen är bara en del av kostnaden. Biologisk databehandling kräver också näringslösning, sterila förbrukningsartiklar, laboratorieutrymmen, utbildad personal, kvalitetskontroller, cellbyten och eventuellt driftstopp. Dessa kostnader kan äta upp en del av den till synes stora elfördelen.
Skalbarhet
Racket med 20 enheter är en prototyp i en forskningsmiljö. En installation med 1 000 enheter skulle pröva om försörjningskedjan för celler, underhållsprocessen, mjukvarustyrningen och datacenterinfrastrukturen kan skalas upp samtidigt.
Prestanda i verkligheten
Det tillgängliga underlaget visar att odlade nervceller kan anpassa sig i begränsade experiment med sluten återkoppling. Det visar ännu inte att CL1-systemet slår GPU:er i kommersiellt viktiga arbetslaster eller att den totala ägandekostnaden blir lägre. Det är just den typen av prestandabevis – inte nyhetsvärdet i att placera neuroner i ett rack – som avgör om biologisk databehandling blir en praktisk infrastrukturkategori.
Slutsatsen
Singapores prototyp är en betydande demonstration av biologiskt integrerad databehandling: 20 CL1-enheter, omkring 16 miljoner levande mänskliga kortikala neuroner, kiselbaserade mikroelektrodmatriser och mjukvara som arbetar som ett sammanhängande experimentsystem. Den största potentialen finns än så länge inom neurovetenskap, läkemedelsforskning och specialiserade experiment med adaptiv databehandling.
För närvarande är det mer korrekt att kalla anläggningen en plattform för att undersöka vad levande nervcellnätverk kan göra än att beskriva den som en ersättare för GPU-datacenter. De viktigaste nästa stegen blir sannolikt reproducerbarhet, mätbar uppgiftsprestanda, driftskostnad och frågan om systemet kan skalas upp utan att förlora de biologiska egenskaper som gör tekniken intressant från början.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Singapores datacenter med 16 miljoner neuroner: så fungerar biologisk databehandling"?
Prototypen består av 20 CL1 enheter med sammanlagt omkring 16 miljoner laboratorieodlade mänskliga kortikala neuroner.
What are the key points to validate first?
Prototypen består av 20 CL1 enheter med sammanlagt omkring 16 miljoner laboratorieodlade mänskliga kortikala neuroner. Neuronerna kopplas till kiselbaserade mikroelektrodmatriser som skickar elektriska signaler, registrerar nervcellernas aktivitet och omvandlar den till beräkningsresultat.
What should I do next in practice?
Tekniken är främst tänkt för forskning om sjukdomar, läkemedel, inlärning och specialiserade AI tillämpningar – inte för att ersätta vanliga GPU kluster.
Sources
straitstimes.comThe biological data centre in Singapore using brain cells
newsbytesapp.comSingapore unveils biological data center prototype with 16 million neurons