Біологічний дата-центр Сінгапуру: 16 мільйонів нейронів у 20 обчислювальних модулях

Сінгапурський біологічний дата-центр найкраще уявляти не як суперкомп’ютер із «міні-мозком», а як експериментальну стійку з біологічними обчислювальними модулями. Вона працює в Інституті наук про життя Національного університету Сінгапуру (NUS) і поєднує 20 біологічних комп’ютерів Cortical Labs CL1, вирощені в лабораторії людські кортикальні нейрони та звичайну кремнієву електроніку. За повідомленнями, система запрацювала 16 липня 2026 року, а 6 серпня NUS Medicine представив її більш ніж 80 гостям. 412

Головна цифра проєкту — приблизно 16 мільйонів живих нейронів у всій стійці. Кожен CL1 використовує культуру нейронів, під’єднану до силіконової мікроелектродної матриці. Електроніка стимулює клітини та записує їхню електричну активність. Програмний комплекс Cortical Labs, зокрема інтерфейс biOS, має налаштовувати експерименти, передавати вхідні сигнали, інтерпретувати реакції нейронів і з’єднувати біологічний процесор зі звичайними цифровими системами. 47

Як працює біологічна обчислювальна стійка

Система не замінює кремнієві чипи маленьким людським мозком. Її принцип — у замкненому циклі між живою нейронною мережею та цифровим обладнанням:

1. Програмне забезпечення кодує інформацію як електричну стимуляцію.
2. Електроди передають ці сигнали окремим ділянкам нейронної культури.
3. Нейрони реагують характерними патернами електричних імпульсів.
4. Мікроелектродна матриця записує цю активність.
5. Програма перетворює сигнали на результат або коригує наступний вхідний сигнал.

У такій схемі нейрони виконують роль адаптивного біологічного процесора. Кремнієве обладнання відповідає за інтерфейси, керування, запис сигналів та інфраструктуру, а жива мережа — за реакцію й адаптацію в межах конкретного завдання.

Хто створив і обслуговує систему

До прототипу залучені три організації:

• NUS Medicine та Інститут наук про життя NUS вирощують нейронні культури, отримані зі стовбурових клітин, і проводять наукові дослідження.
• DayOne надає середовище дата-центру та операційну інфраструктуру.
• Cortical Labs постачає біологічні комп’ютери CL1, системи підтримки життєздатності нейронів і відповідне програмне забезпечення. 14

Цей розподіл ролей має принципове значення. Йдеться не просто про серверну стійку, встановлену в університетській лабораторії. Системі потрібні і навички експлуатації дата-центру, і біологічна експертиза — щоб вирощувати, контролювати, живити та замінювати живі культури.

Як нейрони залишаються живими

На відміну від кремнієвого процесора, CL1 потребує постійного біологічного догляду. Вбудована система життєзабезпечення розрахована на підтримання нейронної культури приблизно до шести місяців. Поживне середовище потрібно регулярно оновлювати; за повідомленнями про сінгапурську установку, це відбувається приблизно раз на три дні. Згодом культуру доводиться замінювати — без можливості працювати необмежено довго. 71239

Це створює важливу практичну відмінність між «мокрим» обчисленням і традиційною електронікою. Заміна культури — не те саме, що заміна несправної плати. Потрібно підготувати нові клітини, дотримуватися стерильності, перевірити їхній стан і, можливо, заново адаптувати нову нейронну мережу до потрібного завдання.

Чи справді система економніша за Nvidia H100

Cortical Labs оцінює споживання окремого CL1 приблизно у 25 ватів, а повної стійки з 20 модулями та допоміжним обладнанням — у 800–1000 ватів. 1

Для грубого порівняння: у доступних матеріалах максимальне розрахункове теплове енергоспоживання графічного процесора Nvidia H100 наводять на рівні близько 700 ватів. Отже, вся експериментальна стійка за споживанням електроенергії приблизно відповідає одному — півтора H100. 151

Але самі вати не доводять вищу ефективність. Для системи в Сінгапурі поки не оприлюднили зіставних тестів за пропускною здатністю, точністю, затримкою, часом навчання, вартістю експлуатації чи обсягом виконаної корисної роботи у порівнянні з H100 або кластером GPU. Тому називати стійку доведено енергоефективнішою заміною традиційної інфраструктури штучного інтелекту зарано. Її потенційна перевага може проявитися у вузькоспеціалізованих адаптивних завданнях, які не дуже добре відповідають повторюваним навантаженням графічних процесорів. 16

Експеримент DishBrain, з якого все почалося

Сінгапурська установка спирається на попередні дослідження Cortical Labs під назвою DishBrain. У 2022 році людські нейрони, отримані з індукованих плюрипотентних стовбурових клітин, і нейрони кори гризунів виростили на високощільних мультиелектродних матрицях та під’єднали до спрощеної цифрової версії Pong. Електроди передавали інформацію про перебіг гри, а активність нейронів керувала ракеткою. 171920

Експеримент працював із замкненим зворотним зв’язком: залежно від результату гри культури отримували різні електричні сигнали. Дослідники повідомили про покращення гри з часом, тоді як контрольні умови без такого зворотного зв’язку не продемонстрували аналогічного ефекту навчання. 171819

DishBrain не довів, що створено універсальний біологічний комп’ютер. Він показав, що вирощені в лабораторії нейронні мережі можна вбудувати в обмежене цифрове середовище, де вони адаптують активність до конкретного завдання. Сінгапурська стійка переносить той самий базовий принцип — електричний вхід, реакція живої мережі, записаний вихід — на набір модулів CL1, придатніших для систематичної експлуатації.

Для чого це можна використовувати

Найпереконливіші найближчі сценарії мають дослідницький характер:

• Моделювання захворювань: вивчення реакцій нейронних систем за різних біологічних умов.
• Тестування ліків і токсичності: спостереження за реакцією нейронних культур на потенційні препарати.
• Нейронаука: дослідження навчання, адаптації та поведінки живих нейронних мереж.
• Спеціалізовані обчислення: перевірка адаптивних систем для окремих завдань ШІ чи робототехніки, де важливі невеликий обсяг навчальних даних або мінливе середовище. 46

Це не те саме, що запуск великої мовної моделі або масштабне виконання типових ШІ-навантажень на GPU. Біологічні обчислення наразі розглядають як можливе доповнення до кремнієвих систем, а не як універсальну заміну їм.

Чи може система зрости з 20 до 1000 модулів

Партнери обговорювали можливе розширення до 1000 CL1, однак це залишається планом, що залежить від регуляторного схвалення, випробувань безпеки та енергоефективності, а також від здатності надійно керувати системою в значно більших масштабах. 12

Установка на 1000 модулів вимагатиме значно більшого, ніж просто додати до стійки ще 980 пристроїв. Потрібні відтворюване виробництво клітин, автоматизоване живлення та заміна культур, стерильне обслуговування, безперервний контроль якості, надійна мережа, відмовостійкість і процедури для роботи з культурами, які старіють або поводяться по-різному.

Що досі залишається невідомим

Надійність і відтворюваність

Живі культури відрізняються між партіями, дозрівають і з часом деградують. Дослідникам потрібно розробити стабільні методи вимірювання продуктивності та визначення моменту, коли культура вже непридатна. Після заміни культури адаптація до конкретного завдання може не переноситися автоматично на нову мережу.

Економіка

Електроенергія — лише частина витрат. Біологічна система також потребує поживного середовища, стерильних витратних матеріалів, лабораторного простору, кваліфікованих техніків, контролю якості, заміни клітин і, можливо, простоїв. У підсумку ці витрати можуть зменшити або навіть нівелювати перевагу за споживанням електроенергії.

Масштабування

Стійка з 20 модулів — прототип у дослідницькому середовищі. Робота 1000 модулів покаже, чи зможуть одночасно масштабуватися постачання біологічного матеріалу, обслуговування, програмне керування та інфраструктура дата-центру.

Практична продуктивність

Наявні дані свідчать, що вирощені нейрони можуть адаптуватися в обмежених експериментах із замкненим зворотним зв’язком. Але вони ще не доводять, що CL1 перевершує GPU у комерційно важливих завданнях або має нижчу сукупну вартість володіння. Саме ці показники, а не сама поява нейронів у серверній стійці, визначать, чи стане біологічне обчислення практичною категорією інфраструктури.

Висновок

Сінгапурський прототип — важлива демонстрація біологічно інтегрованих обчислень: 20 модулів CL1, приблизно 16 мільйонів живих людських кортикальних нейронів, силіконові мікроелектродні матриці та програмне забезпечення, об’єднані в одну експериментальну систему. Найбільший потенціал вона має у нейронауці, розробці ліків і дослідженні спеціалізованих адаптивних обчислень.

Поки що точніше називати цю установку платформою для перевірки можливостей живих нейронних мереж, а не заміною GPU-дата-центрів. Наступними ключовими випробуваннями стануть відтворюваність результатів, вимірювана продуктивність, операційні витрати та здатність масштабувати систему без втрати біологічних властивостей, які роблять її цікавою.