Singapores biologiska datacenter: Kan levande neuroner förändra AI-infrastrukturen?

Cortical Labs uppger att CL1-enheten har inspelning, programkörning och livsuppehållande funktioner integrerade. Dessa funktioner kräver enligt företaget ingen extern beräkningskapacitet. Den kontrollerade miljön är utformad för att hålla neuronkulturerna vid liv i upp till sex månader.

Varför levande neuroner är intressanta

Neurala nätverk kan förändra sin aktivitet genom erfarenhet och återkoppling. Denna plasticitet – förmågan att anpassa sig – är den främsta anledningen till att biologisk databehandling väcker intresse. För vissa uppgifter kan levande nätverk potentiellt lära sig av nya indata utan samma mängd data eller konventionella omträning som digitala system ofta kräver.

Det betyder däremot inte att CL1 är allmänt intelligent eller medvetet. Plattformen visar hur levande neuroner kan kopplas till programvara; den bevisar inte mänsklig förståelse, medvetande eller generell intelligens. Sådana slutsatser skulle kräva betydligt mer evidens än vad dagens demonstrationer ger.

Från DishBrain till CL1

Singaporeprototypen bygger vidare på Cortical Labs forskning från 2022, kallad DishBrain. I det experimentet odlade forskare mänskliga stamcellshärledda neuroner och gnag förneuroner på täta mikroelektrodmatriser. Kulturerna kopplades sedan till en förenklad version av tv-spelet Pong. Elektriska signaler beskrev spelets situation, medan återkoppling hjälpte neuronkulturerna att förändra sin aktivitet. Studien rapporterade tecken på inlärning under spel i realtid.

DishBrain var ett laboratorieförsök. CL1 paketerar samma grundidé i ett mer komplett och fjärrstyrbart system med integrerat livsuppehållande stöd och programvaruverktyg. Steget från en experimentell odlingsskål till en kommersiellt erbjuden beräkningsenhet är därför plattformens stora betydelse – även om de praktiska användningsområdena fortfarande utvärderas.

Energiförbrukning jämfört med vanlig AI-hårdvara

Cortical Labs har beskrivit en CL1-enhet som en lösning på ungefär 30 watt. Ett rack med 30 enheter har rapporterats dra cirka 850–1 000 watt.

Det gör den möjliga energifördelen intressant, inte minst när AI-infrastruktur driver upp behovet av el och kylning. Men låg effektförbrukning är inte samma sak som bevisad högre effektivitet. En rättvis jämförelse måste mäta samma uppgift, kvalitetsnivå, genomströmning, programvaruöverhead och driftsförhållanden mot GPU:er eller andra acceleratorer i datacenter.

Det finns ännu inget offentligt, oberoende benchmarktest i det tillgängliga materialet som visar att CL1 överträffar moderna GPU:er på samma uppgift. Påståendet om lägre energiförbrukning bör därför ses som en hypotes som ska testas – inte som ett bevis för att biologiska datorer kan ersätta konventionell AI-infrastruktur.

Den stora nackdelen: systemet lever

CL1:s biologiska komponent är också dess främsta operativa begränsning. Neuron-kulturerna är utformade för att förbli livskraftiga i upp till sex månader, medan servrar med konventionell kiselhårdvara normalt används under betydligt längre livscykler.

En biologisk installation behöver därför skötsel av cellkulturer, kontroll av miljön och rutiner för byte av kulturer. Det är inte ett underhållsfritt chip som kan installeras och lämnas i drift i flera år. Vid en större utbyggnad måste man visa att fördelarna med biologisk anpassning och lägre energiförbrukning väger upp de extra biologiska och praktiska kraven.

Vad kostade CL1 vid lanseringen?

Den rapporterade lanseringsprissättningen från 2025 var:

• En CL1-enhet: cirka 35 000 US-dollar
• Köp av ett rack med 30 enheter: cirka 20 000 US-dollar per enhet
• Wetware-as-a-Service: cirka 300 US-dollar per enhet och vecka för fjärråtkomst till företagets egna cellkulturer

Det handlar om priser från lanseringsperioden och de ska inte automatiskt betraktas som aktuella avtalspriser. Molnmodellen är betydelsefull eftersom forskare kan få tillgång till levande neuronkulturer på distans utan att själva driva den biologiska hårdvaran.

Kan Singapore skala upp till 1 000 enheter?

Racket med 20 enheter vid NUS är ett valideringssteg. En framtida anläggning i Singapore kan enligt rapporteringen rymma upp till 1 000 CL1-enheter, men en sådan utbyggnad är beroende av myndighetsgodkännanden samt tester av energieffektivitet och säkerhet.

DayOne och Cortical Labs har också sagt att de först ska arbeta med anläggningsdesign och driftsplanering. Det omfattar bland annat prestandamätning, styrning, biosäkerhet och efterlevnad av regler.

Siffran 1 000 ska därför ses som en möjlig framtida kapacitet, inte som beställd eller färdig infrastruktur. Prototypen måste först visa hur systemen klarar realistiska arbetslaster, hur pålitligt kulturerna kan underhållas, hur installationen passar in i datacenterdrift och vilka regler som krävs för hantering av biologiskt material.

Det tillgängliga källmaterialet fastslår inte att en biologisk utbyggnad med 1 000 enheter kommer att vara i drift ett visst datum. Ett planerat datacenterprojekt bör därför inte tolkas som en garanti för att den biologiska expansionen följer samma tidsplan.

Möjliga användningsområden – och det som ännu är obevisat

Projektets partners och relaterad rapportering pekar på flera möjliga användningsområden:

• Adaptiv AI: system som kan reagera på förändrade indata och potentiellt lära sig från mindre datamängder.
• Läkemedelsutveckling och neurologisk forskning: levande neuronkulturer som experimentella modeller.
• Robotik: forskning om adaptiv styrning och maskinbeteende.
• Cybersäkerhet: system som kan undersöka hur man reagerar på förändrade eller avvikande mönster.
• Neurovetenskap: studier av inlärning, plasticitet och biologisk anpassning.

Detta är framtida möjligheter, inte etablerade prestandapåståenden. Det tillgängliga underlaget visar inte att CL1 överträffar digitala system inom generell AI, robotik, läkemedelsutveckling eller cybersäkerhet.

Varför projektet är relevant för Singapore

Singapore testar CL1 i en miljö där kraven på energieffektivitet och hållbarhet för datacenter blir allt viktigare. Projektet ligger i linje med inriktningen i landets Green Data Center Roadmap, som behandlar hur digital infrastruktur kan byggas ut samtidigt som energi- och miljöbegränsningar hanteras.

Det omedelbara värdet är därför utforskande. Prototypen ger forskare, infrastrukturoperatörer och myndigheter möjlighet att undersöka om wetware-databehandling kan komplettera traditionella kiselbaserade system för avgränsade arbetslaster.

Det här är alltså inte slutet för GPU-datacenter. Det är ett tidigt test av om levande neurala nätverk kan bli en del av en bredare och mer energieffektiv blandning av beräkningsteknik.