Det låter som science fiction: ett serverrack där en del av beräkningarna görs av levande mänskliga nervceller. Men Singapores nya anläggning är inte ett datacenter byggt helt av biologiskt material. Det är ett hybridsystem där stamcellsodlade kortikala neuroner arbetar tillsammans med kiselchip, elektronik och mjukvara. 3428

Den viktigaste slutsatsen är därför försiktigare än rubriker om ”hjärncellsservrar” antyder: prototypen visar att biologisk beräkning kan placeras i en rackmiljö för forskning, men den har ännu inte visats ersätta moderna GPU-system.

Tre aktörer bakom prototypen

Projektet drivs i ett samarbete mellan tre parter:

• NUS Medicine, Yong Loo Lin School of Medicine vid National University of Singapore, står för forskningsmiljön vid NUS Life Sciences Institute.
• Cortical Labs, ett Melbournebaserat företag inom biologisk beräkning, levererar CL1-enheterna och tekniken för neuroner på chip.
• DayOne, en Singaporebaserad utvecklare och operatör av datacenter, tillhandahåller infrastrukturen och driver installationen. 3611

Parterna beskriver anläggningen som världens första självständigt drivna biologiskt integrerade serverrack. Det är dock ett påstående från projektets aktörer, som även återgetts i sekundär rapportering – inte ett oberoende fastställt rekord. 31623

När och var lanserades den?

Prototypen finns vid NUS Life Sciences Institute i Singapore. Den fungerande installationen visades för fler än 80 gäster från akademin, näringslivet och tekniksektorn den 6 augusti 2026. Den offentliga lanseringen meddelades den 17 augusti 2026. 346

En rapport anger att systemet togs i drift redan den 16 juli. Det datumet går inte ihop med samarbetspartnernas dokumenterade visning och lanseringsmeddelanden i augusti. De tydligast belagda milstolparna är därför demonstrationen den 6 augusti och lanseringen den 17 augusti. 13

Vad finns i racket?

Racket innehåller 20 Cortical Labs CL1-enheter. Tillsammans uppskattas de rymma cirka 16 miljoner levande mänskliga neuroner – i genomsnitt ungefär 800 000 neuroner per enhet, om de är jämnt fördelade. 257

Varje CL1 består i huvudsak av fyra delar:

1. En kultur av mänskliga neuroner som odlats fram från stamceller.
2. Ett kiselchip med en mikroelektrodmatris.
3. Elektronik som stimulerar neuronerna och registrerar deras elektriska aktivitet.
4. Mjukvara som översätter mellan digitala indata, elektriska signaler och nervcellernas svar. 21226

Kiseltekniken försöker alltså inte bara efterlikna nervcellerna. Den fungerar som gränssnitt och styrsystem, medan det levande neuronnätverket står för den biologiska komponent som kan bilda och anpassa kopplingar. Resultatet är biologisk beräkning i kombination med konventionell elektronik – inte en helt biologisk dator.

Hur hålls neuronerna vid liv?

Till skillnad från vanliga servrar behöver cellbaserad beräkning laboratoriestöd. Enligt The Straits Times får kulturerna en blandning av socker, mikronäringsämnen och pH-buffertar var tredje dag. En gasblandare tillför samtidigt koldioxid, syre och kväve. 13

Det visar den centrala kompromissen i tekniken. Neuronerna kan erbjuda biologisk anpassningsförmåga, men de kräver sterila förhållanden, kontrollerad miljö och löpande övervakning. Det tillgängliga underlaget fastställer inte hela underhållsschemat, driftkostnaden eller exakt hur varje enhet i racket ska ersättas.

Effektförbrukning: lägre än GPU:er?

Cortical Labs anger att en enskild CL1 drar omkring 25 watt. För hela racket har rapporter angett cirka 800–1 000 watt. 2

Det kan vara intressant för vissa smala, adaptiva eller neurovetenskapliga arbetsuppgifter. Men siffran räcker inte för att bevisa en generell energieffektivitet jämfört med GPU:er. En rättvis jämförelse skulle behöva använda samma uppgift och mäta bland annat modell, genomströmning, svarstid, precision, kylning, tillgänglighet och den totala energiförbrukningen i anläggningen.

Någon sådan jämförbar mätning finns inte i de angivna källorna. Det går därför inte att säga att den biologiska prototypen redan är mer energieffektiv än GPU-infrastruktur i allmänhet.

Hur länge fungerar nervcellerna?

Även livslängden är osäker. Vissa rapporter uppger att CL1-kulturer kan förbli livskraftiga i upp till ungefär sex månader, men det bör ses som en rapporterad gräns för plattformen – inte som en dokumenterad drifttid för hela racket i Singapore. 1017

En GPU och en biologisk beräkningsenhet slutar dessutom fungera på helt olika sätt. Elektroniska komponenter kan normalt underhållas eller bytas ut, medan en biologisk enhet kräver fortsatt odling och så småningom att cellsubstratet fylls på eller ersätts. Det finns ännu inga säkra uppgifter om exakt bytesintervall, upptid eller totalkostnad för installationen i Singapore.

Kopplingen till DishBrain och Pong

Tekniken bygger vidare på samma grundidé som Cortical Labs tidigare arbete med DishBrain: odlade neuroner kopplas till en elektrodmatris, placeras i en digital miljö och får återkoppling baserad på sin aktivitet. Bakgrundsrapportering beskriver ett experiment från 2021 där odlade neuroner interagerade med en förenklad version av Pong. 2021

Skillnaden handlar främst om skala och miljö. DishBrain var ett laboratorieexperiment med en neural kultur och en spel-liknande återkopplingsloop. Singaporeinstallationen placerar gränssnittet mellan neuroner och kisel i ett rack med 20 enheter, avsett för fortsatt forskning och tester i en datacenterliknande miljö.

De angivna lanseringskällorna visar däremot inget nytt Pong-resultat och ingen direkt prestandajämförelse mellan DishBrain och Singapore-systemet.

Vad kan tekniken användas till?

Det omedelbara syftet är forskning, inte generell molnberäkning. Samarbetspartnerna vill undersöka om biologisk beräkning kan fungera i en serverrackmiljö och användas inom neurovetenskaplig forskning. 36

Möjliga forskningsområden är bland annat:

• att studera hur mänskliga neuronnät lär sig och anpassar sig,
• att modellera sjukdomsrelaterade förändringar i nervsystem,
• att testa hur läkemedel påverkar mänskliga neuronkulturer,
• att undersöka biologiska komponenter för adaptiva AI-system med låg energiförbrukning,
• att koppla biologisk beräkning till vanlig mjukvara och datacenterinfrastruktur.

Detta är möjliga eller föreslagna användningsområden – inte etablerade produktionslaster. Källorna visar inte att racket redan levererar kommersiella AI-tjänster eller överträffar kiselbaserade acceleratorer i en definierad uppgift.

Finns planer på större anläggningar?

Prototypen ingår i ett bredare försök från Cortical Labs och DayOne att flytta biologisk beräkning från laboratoriet mot datacenterinfrastruktur. Rapporteringen beskriver också ett biologiskt datacenter i Melbourne och Singaporeprojektet som parallella utvecklingar. 1

Det finns däremot inga bekräftade uppgifter i underlaget om hur många enheter som ska byggas, när en eventuell utbyggnad skulle ske eller när en kommersiell lansering kan bli av. En rapport beskriver Singaporeinstallationen som ett första steg mot att placera biologiska datorer i ett kommersiellt DayOne-datacenter, men det är en uttalad ambition – inte bevis på att en sådan kommersiell anläggning redan finns. 24

Hindren innan tekniken kan skalas

Jämn och upprepningsbar prestanda

Levande kulturer kan skilja sig åt mellan olika odlingsomgångar och förändras över tid. För kommersiell drift krävs standardiserad cellproduktion, förutsägbart beteende, stabila programmeringsmetoder och reproducerbara resultat mellan enheter.

Driftsäkerhet och underhåll

En kommersiell tjänst skulle behöva kontinuerlig hantering av näringslösning, temperatur- och gaskontroll, hälsomätning, felisolering samt rutiner för återställning och byte. Tjänsten måste också kunna fortsätta fungera när enskilda biologiska enheter försämras eller slutar fungera.

Trovärdiga prestandatester

Effektförbrukning i watt räcker inte för att visa en fördel gentemot GPU:er. Biologiska system måste testas på tydligt definierade arbetsuppgifter och jämföras utifrån precision, svarstid, genomströmning, energi, kylning, upptid och totalkostnad.

Tillverkning och integration

En storskalig lösning kräver tillförlitlig produktion av många neuron–elektrodenheter och integration med vanliga nätverk, lagringssystem, schemaläggning, säkerhetsfunktioner och felhantering.

Ekonomi

Affärsmodellen måste ta hänsyn till stamcellskällor, odlingsmedier, laboratorieautomation, tekniker, kvalitetskontroll, miljösystem och biologiska ersättningsenheter. Lägre effektförbrukning i själva chipet innebär inte automatiskt lägre kostnad för hela anläggningen.

Etik och styrning

Eftersom plattformen använder mänskliga, om än laboratorieodlade, nervceller behövs tydliga regler för cellernas ursprung, samtycke, biosäkerhet, etisk tillsyn och hantering av allt mer komplexa neuronkulturer.

Slutsatsen

Singapores installation bör bäst beskrivas som ett forskningsrack med 20 biologiska CL1-enheter och omkring 16 miljoner levande mänskliga neuroner – inte som ett konventionellt datacenter som drivs enbart av hjärnceller. NUS Medicine står för forskningsmiljön, Cortical Labs för CL1-tekniken och DayOne för datacenterinfrastrukturen och driften. 236

Betydelsen ligger i att biologisk beräkning har flyttats in i en aktiv serverrackmiljö. Begränsningarna är minst lika viktiga: det finns inga belägg för att systemet överträffar GPU:er, och frågor om neuronernas livslängd, underhåll, upprepningsbarhet, upptid och kostnad är fortfarande öppna.

För närvarande är detta alltså ett test av om levande neuronnät kan bli ett användbart komplement till kiselteknik – inte ett bevis på att de är redo att ersätta den. 234

Det låter som science fiction: ett serverrack där en del av beräkningarna görs av levande mänskliga nervceller. Men Singapores nya anläggning är inte ett datacenter byggt helt av biologiskt material. Det är ett hybridsystem där stamcellsodlade kortikala neuroner arbetar tillsammans med kiselchip, elektronik och mjukvara. 3428

Den viktigaste slutsatsen är därför försiktigare än rubriker om ”hjärncellsservrar” antyder: prototypen visar att biologisk beräkning kan placeras i en rackmiljö för forskning, men den har ännu inte visats ersätta moderna GPU-system.

Tre aktörer bakom prototypen

Projektet drivs i ett samarbete mellan tre parter:

• NUS Medicine, Yong Loo Lin School of Medicine vid National University of Singapore, står för forskningsmiljön vid NUS Life Sciences Institute.
• Cortical Labs, ett Melbournebaserat företag inom biologisk beräkning, levererar CL1-enheterna och tekniken för neuroner på chip.
• DayOne, en Singaporebaserad utvecklare och operatör av datacenter, tillhandahåller infrastrukturen och driver installationen. 3611

Parterna beskriver anläggningen som världens första självständigt drivna biologiskt integrerade serverrack. Det är dock ett påstående från projektets aktörer, som även återgetts i sekundär rapportering – inte ett oberoende fastställt rekord. 31623

När och var lanserades den?

Prototypen finns vid NUS Life Sciences Institute i Singapore. Den fungerande installationen visades för fler än 80 gäster från akademin, näringslivet och tekniksektorn den 6 augusti 2026. Den offentliga lanseringen meddelades den 17 augusti 2026. 346

En rapport anger att systemet togs i drift redan den 16 juli. Det datumet går inte ihop med samarbetspartnernas dokumenterade visning och lanseringsmeddelanden i augusti. De tydligast belagda milstolparna är därför demonstrationen den 6 augusti och lanseringen den 17 augusti. 13

Vad finns i racket?

Racket innehåller 20 Cortical Labs CL1-enheter. Tillsammans uppskattas de rymma cirka 16 miljoner levande mänskliga neuroner – i genomsnitt ungefär 800 000 neuroner per enhet, om de är jämnt fördelade. 257

Varje CL1 består i huvudsak av fyra delar:

1. En kultur av mänskliga neuroner som odlats fram från stamceller.
2. Ett kiselchip med en mikroelektrodmatris.
3. Elektronik som stimulerar neuronerna och registrerar deras elektriska aktivitet.
4. Mjukvara som översätter mellan digitala indata, elektriska signaler och nervcellernas svar. 21226

Kiseltekniken försöker alltså inte bara efterlikna nervcellerna. Den fungerar som gränssnitt och styrsystem, medan det levande neuronnätverket står för den biologiska komponent som kan bilda och anpassa kopplingar. Resultatet är biologisk beräkning i kombination med konventionell elektronik – inte en helt biologisk dator.

Hur hålls neuronerna vid liv?

Till skillnad från vanliga servrar behöver cellbaserad beräkning laboratoriestöd. Enligt The Straits Times får kulturerna en blandning av socker, mikronäringsämnen och pH-buffertar var tredje dag. En gasblandare tillför samtidigt koldioxid, syre och kväve. 13

Det visar den centrala kompromissen i tekniken. Neuronerna kan erbjuda biologisk anpassningsförmåga, men de kräver sterila förhållanden, kontrollerad miljö och löpande övervakning. Det tillgängliga underlaget fastställer inte hela underhållsschemat, driftkostnaden eller exakt hur varje enhet i racket ska ersättas.

Effektförbrukning: lägre än GPU:er?

Cortical Labs anger att en enskild CL1 drar omkring 25 watt. För hela racket har rapporter angett cirka 800–1 000 watt. 2

Det kan vara intressant för vissa smala, adaptiva eller neurovetenskapliga arbetsuppgifter. Men siffran räcker inte för att bevisa en generell energieffektivitet jämfört med GPU:er. En rättvis jämförelse skulle behöva använda samma uppgift och mäta bland annat modell, genomströmning, svarstid, precision, kylning, tillgänglighet och den totala energiförbrukningen i anläggningen.

Någon sådan jämförbar mätning finns inte i de angivna källorna. Det går därför inte att säga att den biologiska prototypen redan är mer energieffektiv än GPU-infrastruktur i allmänhet.

Hur länge fungerar nervcellerna?

Även livslängden är osäker. Vissa rapporter uppger att CL1-kulturer kan förbli livskraftiga i upp till ungefär sex månader, men det bör ses som en rapporterad gräns för plattformen – inte som en dokumenterad drifttid för hela racket i Singapore. 1017

En GPU och en biologisk beräkningsenhet slutar dessutom fungera på helt olika sätt. Elektroniska komponenter kan normalt underhållas eller bytas ut, medan en biologisk enhet kräver fortsatt odling och så småningom att cellsubstratet fylls på eller ersätts. Det finns ännu inga säkra uppgifter om exakt bytesintervall, upptid eller totalkostnad för installationen i Singapore.

Kopplingen till DishBrain och Pong

Tekniken bygger vidare på samma grundidé som Cortical Labs tidigare arbete med DishBrain: odlade neuroner kopplas till en elektrodmatris, placeras i en digital miljö och får återkoppling baserad på sin aktivitet. Bakgrundsrapportering beskriver ett experiment från 2021 där odlade neuroner interagerade med en förenklad version av Pong. 2021

Skillnaden handlar främst om skala och miljö. DishBrain var ett laboratorieexperiment med en neural kultur och en spel-liknande återkopplingsloop. Singaporeinstallationen placerar gränssnittet mellan neuroner och kisel i ett rack med 20 enheter, avsett för fortsatt forskning och tester i en datacenterliknande miljö.

De angivna lanseringskällorna visar däremot inget nytt Pong-resultat och ingen direkt prestandajämförelse mellan DishBrain och Singapore-systemet.

Vad kan tekniken användas till?

Det omedelbara syftet är forskning, inte generell molnberäkning. Samarbetspartnerna vill undersöka om biologisk beräkning kan fungera i en serverrackmiljö och användas inom neurovetenskaplig forskning. 36

Möjliga forskningsområden är bland annat:

• att studera hur mänskliga neuronnät lär sig och anpassar sig,
• att modellera sjukdomsrelaterade förändringar i nervsystem,
• att testa hur läkemedel påverkar mänskliga neuronkulturer,
• att undersöka biologiska komponenter för adaptiva AI-system med låg energiförbrukning,
• att koppla biologisk beräkning till vanlig mjukvara och datacenterinfrastruktur.

Detta är möjliga eller föreslagna användningsområden – inte etablerade produktionslaster. Källorna visar inte att racket redan levererar kommersiella AI-tjänster eller överträffar kiselbaserade acceleratorer i en definierad uppgift.

Finns planer på större anläggningar?

Prototypen ingår i ett bredare försök från Cortical Labs och DayOne att flytta biologisk beräkning från laboratoriet mot datacenterinfrastruktur. Rapporteringen beskriver också ett biologiskt datacenter i Melbourne och Singaporeprojektet som parallella utvecklingar. 1

Det finns däremot inga bekräftade uppgifter i underlaget om hur många enheter som ska byggas, när en eventuell utbyggnad skulle ske eller när en kommersiell lansering kan bli av. En rapport beskriver Singaporeinstallationen som ett första steg mot att placera biologiska datorer i ett kommersiellt DayOne-datacenter, men det är en uttalad ambition – inte bevis på att en sådan kommersiell anläggning redan finns. 24

Hindren innan tekniken kan skalas

Jämn och upprepningsbar prestanda

Levande kulturer kan skilja sig åt mellan olika odlingsomgångar och förändras över tid. För kommersiell drift krävs standardiserad cellproduktion, förutsägbart beteende, stabila programmeringsmetoder och reproducerbara resultat mellan enheter.

Driftsäkerhet och underhåll

En kommersiell tjänst skulle behöva kontinuerlig hantering av näringslösning, temperatur- och gaskontroll, hälsomätning, felisolering samt rutiner för återställning och byte. Tjänsten måste också kunna fortsätta fungera när enskilda biologiska enheter försämras eller slutar fungera.

Trovärdiga prestandatester

Effektförbrukning i watt räcker inte för att visa en fördel gentemot GPU:er. Biologiska system måste testas på tydligt definierade arbetsuppgifter och jämföras utifrån precision, svarstid, genomströmning, energi, kylning, upptid och totalkostnad.

Tillverkning och integration

En storskalig lösning kräver tillförlitlig produktion av många neuron–elektrodenheter och integration med vanliga nätverk, lagringssystem, schemaläggning, säkerhetsfunktioner och felhantering.

Ekonomi

Affärsmodellen måste ta hänsyn till stamcellskällor, odlingsmedier, laboratorieautomation, tekniker, kvalitetskontroll, miljösystem och biologiska ersättningsenheter. Lägre effektförbrukning i själva chipet innebär inte automatiskt lägre kostnad för hela anläggningen.

Etik och styrning

Eftersom plattformen använder mänskliga, om än laboratorieodlade, nervceller behövs tydliga regler för cellernas ursprung, samtycke, biosäkerhet, etisk tillsyn och hantering av allt mer komplexa neuronkulturer.

Slutsatsen

Singapores installation bör bäst beskrivas som ett forskningsrack med 20 biologiska CL1-enheter och omkring 16 miljoner levande mänskliga neuroner – inte som ett konventionellt datacenter som drivs enbart av hjärnceller. NUS Medicine står för forskningsmiljön, Cortical Labs för CL1-tekniken och DayOne för datacenterinfrastrukturen och driften. 236

Betydelsen ligger i att biologisk beräkning har flyttats in i en aktiv serverrackmiljö. Begränsningarna är minst lika viktiga: det finns inga belägg för att systemet överträffar GPU:er, och frågor om neuronernas livslängd, underhåll, upprepningsbarhet, upptid och kostnad är fortfarande öppna.

För närvarande är detta alltså ett test av om levande neuronnät kan bli ett användbart komplement till kiselteknik – inte ett bevis på att de är redo att ersätta den. 234