Singapore vừa đưa một ý tưởng từng giống khoa học viễn tưởng vào môi trường vận hành thực tế: một giá máy tính sinh học, hay còn gọi là “wetware”, sử dụng neuron người sống để xử lý thông tin.

Được đặt tại Viện Khoa học Sự sống thuộc Đại học Quốc gia Singapore (NUS), nguyên mẫu này gồm 20 máy tính sinh học CL1 của Cortical Labs, kết hợp các neuron vỏ não người nuôi cấy với phần cứng silicon. Hệ thống được đưa vào vận hành ngày 16 tháng 7 năm 2026 và được giới thiệu công khai trước hơn 80 khách mời vào ngày 6 tháng 8. 412

Tổng cộng, giá máy chứa khoảng 16 triệu neuron sống. Tuy nhiên, đây không phải là một “bộ não người thu nhỏ” và cũng chưa phải siêu máy tính đa năng. Đúng hơn, nó là một nền tảng nghiên cứu kiểm tra xem mạng neuron sinh học có thể phối hợp với thiết bị điện tử để học hỏi và thích nghi trong những nhiệm vụ nhất định như thế nào.

Trung tâm dữ liệu sinh học hoạt động ra sao?

Mỗi CL1 chứa một cụm neuron được nuôi cấy trên mảng vi điện cực silicon. Mảng điện cực này đóng vai trò cầu nối hai chiều: phần cứng kích thích neuron bằng tín hiệu điện, đồng thời ghi lại các xung điện do neuron phát ra.

Phần mềm, trong đó có giao diện biOS của Cortical Labs, được dùng để thiết lập thí nghiệm, mã hóa đầu vào, điều khiển kích thích, đọc hoạt động thần kinh và kết nối bộ xử lý sinh học với các hệ thống máy tính thông thường. 47

Vòng phản hồi cơ bản diễn ra như sau:

1. Phần mềm chuyển thông tin thành các mẫu kích thích điện.
2. Điện cực truyền tín hiệu đến những khu vực được chọn trong cụm neuron.
3. Neuron phản ứng bằng các mẫu phát xung điện.
4. Mảng vi điện cực ghi lại những tín hiệu này.
5. Phần mềm chuyển hoạt động thần kinh thành đầu ra hoặc điều chỉnh cho lần kích thích tiếp theo.

Trong mô hình này, silicon vẫn đảm nhiệm phần giao tiếp, điều khiển, ghi nhận tín hiệu và vận hành hệ thống. Neuron sống cung cấp khả năng phản ứng, tự tổ chức và thích nghi trong phạm vi nhiệm vụ được giao.

Những tổ chức nào đứng sau dự án?

Nguyên mẫu là sản phẩm hợp tác của ba bên, với các vai trò khá khác nhau:

• NUS Medicine và Viện Khoa học Sự sống NUS: nuôi cấy các neuron có nguồn gốc từ tế bào gốc và phụ trách nghiên cứu khoa học.
• DayOne: cung cấp môi trường trung tâm dữ liệu cùng hạ tầng vận hành.
• Cortical Labs: cung cấp các máy tính sinh học CL1, hệ thống duy trì neuron và nền tảng phần mềm liên quan. 14

Điểm này rất quan trọng: đây không đơn giản là một giá máy chủ thương mại được đặt trong phòng thí nghiệm. Hệ thống cần đồng thời có hạ tầng trung tâm dữ liệu, quy trình nuôi cấy tế bào, điều kiện vô trùng, kỹ thuật viên chuyên môn và hoạt động theo dõi sinh học liên tục.

Neuron được giữ sống như thế nào?

Khác với chip silicon, CL1 cần được “chăm sóc” liên tục. Hệ thống hỗ trợ sự sống bên trong thiết bị được thiết kế để duy trì cụm neuron trong thời gian tối đa khoảng sáu tháng. Môi trường dinh dưỡng phải được bổ sung định kỳ; các thông tin về hệ thống tại Singapore cho biết việc này diễn ra khoảng ba ngày một lần. Sau đó, cụm tế bào phải được thay mới thay vì vận hành vô thời hạn. 71239

Việc thay một cụm neuron cũng không giống việc thay bo mạch bị hỏng. Đơn vị vận hành cần chuẩn bị hoặc sản xuất tế bào mới, duy trì điều kiện vô trùng, kiểm tra chất lượng của cụm neuron và có thể phải huấn luyện lại mạng neuron cho nhiệm vụ cụ thể.

Đây là một trong những khác biệt lớn nhất giữa “wetware” và máy tính truyền thống: tuổi thọ sinh học, sự khác biệt giữa các lô tế bào và quá trình lão hóa đều có thể ảnh hưởng đến kết quả tính toán.

Mức tiêu thụ điện có thực sự thấp hơn GPU Nvidia H100?

Cortical Labs cho biết một CL1 tiêu thụ khoảng 25 watt, trong khi toàn bộ giá 20 thiết bị, bao gồm cả các hệ thống hỗ trợ, được ước tính tiêu thụ khoảng 800–1.000 watt. 1

Để so sánh sơ bộ về công suất điện, Nvidia H100 thường được nhắc đến với mức công suất thiết kế nhiệt tối đa khoảng 700 watt. Như vậy, xét riêng lượng điện tiêu thụ, toàn bộ nguyên mẫu tại Singapore nằm trong khoảng tương đương một đến một rưỡi GPU H100. 151

Nhưng đây chưa phải là phép so sánh hiệu suất công bằng. Hiện chưa có dữ liệu đối chiếu trực tiếp giữa giá máy sinh học và H100 về tốc độ xử lý, độ chính xác, độ trễ, thời gian huấn luyện, chi phí vận hành hoặc lượng công việc hữu ích hoàn thành.

Vì vậy, chưa thể kết luận rằng hệ thống này là lựa chọn tiết kiệm năng lượng hơn cho các tác vụ AI phổ biến. Lợi thế tiềm năng của neuron sinh học có thể nằm ở các nhiệm vụ thích nghi chuyên biệt, đặc biệt là những bài toán thay đổi theo môi trường hoặc không phù hợp với cách xử lý lặp đi lặp lại của GPU. 16

Thí nghiệm DishBrain đã mở đường cho dự án

Nền tảng tại Singapore phát triển từ nghiên cứu DishBrain của Cortical Labs vào năm 2022. Trong thí nghiệm đó, các neuron có nguồn gốc từ tế bào gốc đa năng cảm ứng của người cùng neuron vỏ não chuột được nuôi trên mảng nhiều điện cực mật độ cao. Chúng được kết nối với một phiên bản đơn giản hóa của trò chơi điện tử Pong. 171920

Các điện cực truyền thông tin về vị trí của quả bóng đến cụm neuron, còn hoạt động điện của neuron điều khiển thanh chắn. Hệ thống sử dụng phản hồi vòng kín: khi kết quả tốt hoặc xấu, cụm neuron nhận những dạng tín hiệu điện khác nhau.

Nhóm nghiên cứu báo cáo rằng hiệu quả chơi được cải thiện theo thời gian, trong khi các điều kiện kiểm soát không nhận được cùng dạng phản hồi không cho thấy hiệu ứng học tương tự. 171819

DishBrain không chứng minh rằng neuron nuôi cấy có thể vận hành một máy tính đa năng. Thí nghiệm chỉ cho thấy mạng neuron sống có thể được đặt trong một môi trường kỹ thuật số giới hạn và điều chỉnh hoạt động để thích nghi với một nhiệm vụ. Nguyên mẫu Singapore mở rộng mô hình cơ bản đó—đầu vào điện, phản ứng của mạng neuron sống và đầu ra được ghi nhận—thành một hệ thống gồm nhiều mô-đun CL1.

Hệ thống có thể được dùng vào việc gì?

Những ứng dụng gần nhất và có cơ sở rõ ràng nhất vẫn là nghiên cứu:

• Mô hình hóa bệnh: quan sát cách hệ thần kinh phản ứng trong những điều kiện sinh học khác nhau.
• Thử nghiệm thuốc và độc tính: kiểm tra phản ứng của các cụm neuron với hợp chất tiềm năng.
• Nghiên cứu thần kinh học: tìm hiểu quá trình học, thích nghi và cách các mạng neuron sống tổ chức hoạt động.
• Tính toán chuyên biệt: thử nghiệm các hệ thống thích nghi cho một số bài toán AI hoặc robot, nhất là khi dữ liệu huấn luyện hạn chế hoặc môi trường thường xuyên thay đổi. 46

Những mục tiêu này khác xa việc chạy mô hình ngôn ngữ lớn hoặc xử lý khối lượng công việc AI thông thường ở quy mô GPU. Tính toán sinh học hiện được xem là một hướng bổ sung cho silicon, chứ chưa phải giải pháp thay thế toàn diện.

Có thể mở rộng từ 20 lên 1.000 thiết bị không?

Các đối tác đã đề cập khả năng mở rộng hệ thống lên tới 1.000 CL1, nhưng đây mới là kế hoạch phụ thuộc vào phê duyệt quy định, kiểm tra an toàn, đánh giá hiệu quả năng lượng và khả năng vận hành ổn định ở quy mô lớn hơn. 12

Một hệ thống 1.000 thiết bị sẽ không chỉ đơn giản là bổ sung thêm 980 máy vào giá. Nhà vận hành còn phải giải quyết nhiều vấn đề:

• sản xuất tế bào ổn định và có thể lặp lại;
• tự động hóa việc bổ sung dinh dưỡng và thay thế cụm neuron;
• duy trì điều kiện vô trùng;
• kiểm soát chất lượng liên tục;
• kết nối mạng và chịu lỗi;
• xử lý việc các cụm neuron lão hóa hoặc hoạt động khác nhau.

Nói cách khác, khả năng mở rộng của hệ thống sẽ phụ thuộc đồng thời vào công nghệ phần cứng, phần mềm, quy trình phòng thí nghiệm và chuỗi cung ứng sinh học.

Những câu hỏi vẫn chưa có lời giải

Độ tin cậy và khả năng tái lập

Cụm neuron sống có thể khác nhau giữa các lô, trưởng thành theo thời gian và cuối cùng suy giảm. Các nhà nghiên cứu cần phương pháp nhất quán để đo hiệu suất và xác định thời điểm một cụm tế bào không còn phù hợp.

Nếu thay cụm neuron, khả năng thích nghi dành riêng cho một nhiệm vụ có thể không tự động chuyển sang mạng mới. Điều đó có nghĩa là hệ thống có thể cần được huấn luyện hoặc hiệu chỉnh lại.

Bài toán kinh tế

Tiền điện chỉ là một phần chi phí. Tính toán sinh học còn cần môi trường dinh dưỡng, vật tư vô trùng, không gian phòng thí nghiệm, kỹ thuật viên, kiểm soát chất lượng, thay tế bào và thời gian dừng để bảo trì.

Những khoản này có thể làm giảm, thậm chí bù trừ, lợi thế về công suất điện trên giấy tờ.

Khả năng mở rộng

Giá 20 CL1 hiện là một nguyên mẫu trong môi trường nghiên cứu. Khi nâng lên 1.000 thiết bị, dự án sẽ phải chứng minh rằng hoạt động nuôi cấy, thay thế, kiểm định, điều khiển bằng phần mềm và hạ tầng trung tâm dữ liệu có thể mở rộng đồng bộ.

Hiệu suất trong thế giới thực

Các bằng chứng hiện có cho thấy neuron nuôi cấy có thể thích nghi trong những thí nghiệm vòng kín được kiểm soát chặt chẽ. Tuy nhiên, chúng chưa chứng minh CL1 vượt GPU trong các tác vụ thương mại quan trọng hoặc có tổng chi phí sở hữu thấp hơn.

Sau cùng, chính dữ liệu hiệu suất—không phải sự mới lạ của việc đặt neuron vào một giá máy—sẽ quyết định liệu tính toán sinh học có trở thành một hạng mục hạ tầng thực tế hay không.

Kết luận

Nguyên mẫu tại Singapore là một màn trình diễn đáng chú ý của tính toán tích hợp sinh học: 20 CL1, khoảng 16 triệu neuron vỏ não người sống, các mảng vi điện cực silicon và phần mềm cùng hoạt động như một hệ thống nghiên cứu thống nhất.

Tiềm năng rõ nhất hiện nay nằm ở nghiên cứu thần kinh, mô hình hóa bệnh, phát triển thuốc và các thử nghiệm tính toán thích nghi chuyên biệt. Còn ở thời điểm này, gọi đây là một nền tảng để kiểm tra khả năng của mạng neuron sống sẽ chính xác hơn gọi nó là một trung tâm dữ liệu có thể thay thế GPU.

Những cột mốc tiếp theo sẽ là khả năng tái lập kết quả, hiệu suất đo được trên nhiệm vụ cụ thể, chi phí vận hành và việc mở rộng quy mô mà không làm mất đi những đặc tính sinh học khiến công nghệ này trở nên đáng chú ý ngay từ đầu.

Singapore vừa đưa một ý tưởng từng giống khoa học viễn tưởng vào môi trường vận hành thực tế: một giá máy tính sinh học, hay còn gọi là “wetware”, sử dụng neuron người sống để xử lý thông tin.

Được đặt tại Viện Khoa học Sự sống thuộc Đại học Quốc gia Singapore (NUS), nguyên mẫu này gồm 20 máy tính sinh học CL1 của Cortical Labs, kết hợp các neuron vỏ não người nuôi cấy với phần cứng silicon. Hệ thống được đưa vào vận hành ngày 16 tháng 7 năm 2026 và được giới thiệu công khai trước hơn 80 khách mời vào ngày 6 tháng 8. 412

Tổng cộng, giá máy chứa khoảng 16 triệu neuron sống. Tuy nhiên, đây không phải là một “bộ não người thu nhỏ” và cũng chưa phải siêu máy tính đa năng. Đúng hơn, nó là một nền tảng nghiên cứu kiểm tra xem mạng neuron sinh học có thể phối hợp với thiết bị điện tử để học hỏi và thích nghi trong những nhiệm vụ nhất định như thế nào.

Trung tâm dữ liệu sinh học hoạt động ra sao?

Mỗi CL1 chứa một cụm neuron được nuôi cấy trên mảng vi điện cực silicon. Mảng điện cực này đóng vai trò cầu nối hai chiều: phần cứng kích thích neuron bằng tín hiệu điện, đồng thời ghi lại các xung điện do neuron phát ra.

Phần mềm, trong đó có giao diện biOS của Cortical Labs, được dùng để thiết lập thí nghiệm, mã hóa đầu vào, điều khiển kích thích, đọc hoạt động thần kinh và kết nối bộ xử lý sinh học với các hệ thống máy tính thông thường. 47

Vòng phản hồi cơ bản diễn ra như sau:

1. Phần mềm chuyển thông tin thành các mẫu kích thích điện.
2. Điện cực truyền tín hiệu đến những khu vực được chọn trong cụm neuron.
3. Neuron phản ứng bằng các mẫu phát xung điện.
4. Mảng vi điện cực ghi lại những tín hiệu này.
5. Phần mềm chuyển hoạt động thần kinh thành đầu ra hoặc điều chỉnh cho lần kích thích tiếp theo.

Trong mô hình này, silicon vẫn đảm nhiệm phần giao tiếp, điều khiển, ghi nhận tín hiệu và vận hành hệ thống. Neuron sống cung cấp khả năng phản ứng, tự tổ chức và thích nghi trong phạm vi nhiệm vụ được giao.

Những tổ chức nào đứng sau dự án?

Nguyên mẫu là sản phẩm hợp tác của ba bên, với các vai trò khá khác nhau:

• NUS Medicine và Viện Khoa học Sự sống NUS: nuôi cấy các neuron có nguồn gốc từ tế bào gốc và phụ trách nghiên cứu khoa học.
• DayOne: cung cấp môi trường trung tâm dữ liệu cùng hạ tầng vận hành.
• Cortical Labs: cung cấp các máy tính sinh học CL1, hệ thống duy trì neuron và nền tảng phần mềm liên quan. 14

Điểm này rất quan trọng: đây không đơn giản là một giá máy chủ thương mại được đặt trong phòng thí nghiệm. Hệ thống cần đồng thời có hạ tầng trung tâm dữ liệu, quy trình nuôi cấy tế bào, điều kiện vô trùng, kỹ thuật viên chuyên môn và hoạt động theo dõi sinh học liên tục.

Neuron được giữ sống như thế nào?

Khác với chip silicon, CL1 cần được “chăm sóc” liên tục. Hệ thống hỗ trợ sự sống bên trong thiết bị được thiết kế để duy trì cụm neuron trong thời gian tối đa khoảng sáu tháng. Môi trường dinh dưỡng phải được bổ sung định kỳ; các thông tin về hệ thống tại Singapore cho biết việc này diễn ra khoảng ba ngày một lần. Sau đó, cụm tế bào phải được thay mới thay vì vận hành vô thời hạn. 71239

Việc thay một cụm neuron cũng không giống việc thay bo mạch bị hỏng. Đơn vị vận hành cần chuẩn bị hoặc sản xuất tế bào mới, duy trì điều kiện vô trùng, kiểm tra chất lượng của cụm neuron và có thể phải huấn luyện lại mạng neuron cho nhiệm vụ cụ thể.

Đây là một trong những khác biệt lớn nhất giữa “wetware” và máy tính truyền thống: tuổi thọ sinh học, sự khác biệt giữa các lô tế bào và quá trình lão hóa đều có thể ảnh hưởng đến kết quả tính toán.

Mức tiêu thụ điện có thực sự thấp hơn GPU Nvidia H100?

Cortical Labs cho biết một CL1 tiêu thụ khoảng 25 watt, trong khi toàn bộ giá 20 thiết bị, bao gồm cả các hệ thống hỗ trợ, được ước tính tiêu thụ khoảng 800–1.000 watt. 1

Để so sánh sơ bộ về công suất điện, Nvidia H100 thường được nhắc đến với mức công suất thiết kế nhiệt tối đa khoảng 700 watt. Như vậy, xét riêng lượng điện tiêu thụ, toàn bộ nguyên mẫu tại Singapore nằm trong khoảng tương đương một đến một rưỡi GPU H100. 151

Nhưng đây chưa phải là phép so sánh hiệu suất công bằng. Hiện chưa có dữ liệu đối chiếu trực tiếp giữa giá máy sinh học và H100 về tốc độ xử lý, độ chính xác, độ trễ, thời gian huấn luyện, chi phí vận hành hoặc lượng công việc hữu ích hoàn thành.

Vì vậy, chưa thể kết luận rằng hệ thống này là lựa chọn tiết kiệm năng lượng hơn cho các tác vụ AI phổ biến. Lợi thế tiềm năng của neuron sinh học có thể nằm ở các nhiệm vụ thích nghi chuyên biệt, đặc biệt là những bài toán thay đổi theo môi trường hoặc không phù hợp với cách xử lý lặp đi lặp lại của GPU. 16

Thí nghiệm DishBrain đã mở đường cho dự án

Nền tảng tại Singapore phát triển từ nghiên cứu DishBrain của Cortical Labs vào năm 2022. Trong thí nghiệm đó, các neuron có nguồn gốc từ tế bào gốc đa năng cảm ứng của người cùng neuron vỏ não chuột được nuôi trên mảng nhiều điện cực mật độ cao. Chúng được kết nối với một phiên bản đơn giản hóa của trò chơi điện tử Pong. 171920

Các điện cực truyền thông tin về vị trí của quả bóng đến cụm neuron, còn hoạt động điện của neuron điều khiển thanh chắn. Hệ thống sử dụng phản hồi vòng kín: khi kết quả tốt hoặc xấu, cụm neuron nhận những dạng tín hiệu điện khác nhau.

Nhóm nghiên cứu báo cáo rằng hiệu quả chơi được cải thiện theo thời gian, trong khi các điều kiện kiểm soát không nhận được cùng dạng phản hồi không cho thấy hiệu ứng học tương tự. 171819

DishBrain không chứng minh rằng neuron nuôi cấy có thể vận hành một máy tính đa năng. Thí nghiệm chỉ cho thấy mạng neuron sống có thể được đặt trong một môi trường kỹ thuật số giới hạn và điều chỉnh hoạt động để thích nghi với một nhiệm vụ. Nguyên mẫu Singapore mở rộng mô hình cơ bản đó—đầu vào điện, phản ứng của mạng neuron sống và đầu ra được ghi nhận—thành một hệ thống gồm nhiều mô-đun CL1.

Hệ thống có thể được dùng vào việc gì?

Những ứng dụng gần nhất và có cơ sở rõ ràng nhất vẫn là nghiên cứu:

• Mô hình hóa bệnh: quan sát cách hệ thần kinh phản ứng trong những điều kiện sinh học khác nhau.
• Thử nghiệm thuốc và độc tính: kiểm tra phản ứng của các cụm neuron với hợp chất tiềm năng.
• Nghiên cứu thần kinh học: tìm hiểu quá trình học, thích nghi và cách các mạng neuron sống tổ chức hoạt động.
• Tính toán chuyên biệt: thử nghiệm các hệ thống thích nghi cho một số bài toán AI hoặc robot, nhất là khi dữ liệu huấn luyện hạn chế hoặc môi trường thường xuyên thay đổi. 46

Những mục tiêu này khác xa việc chạy mô hình ngôn ngữ lớn hoặc xử lý khối lượng công việc AI thông thường ở quy mô GPU. Tính toán sinh học hiện được xem là một hướng bổ sung cho silicon, chứ chưa phải giải pháp thay thế toàn diện.

Có thể mở rộng từ 20 lên 1.000 thiết bị không?

Các đối tác đã đề cập khả năng mở rộng hệ thống lên tới 1.000 CL1, nhưng đây mới là kế hoạch phụ thuộc vào phê duyệt quy định, kiểm tra an toàn, đánh giá hiệu quả năng lượng và khả năng vận hành ổn định ở quy mô lớn hơn. 12

Một hệ thống 1.000 thiết bị sẽ không chỉ đơn giản là bổ sung thêm 980 máy vào giá. Nhà vận hành còn phải giải quyết nhiều vấn đề:

• sản xuất tế bào ổn định và có thể lặp lại;
• tự động hóa việc bổ sung dinh dưỡng và thay thế cụm neuron;
• duy trì điều kiện vô trùng;
• kiểm soát chất lượng liên tục;
• kết nối mạng và chịu lỗi;
• xử lý việc các cụm neuron lão hóa hoặc hoạt động khác nhau.

Nói cách khác, khả năng mở rộng của hệ thống sẽ phụ thuộc đồng thời vào công nghệ phần cứng, phần mềm, quy trình phòng thí nghiệm và chuỗi cung ứng sinh học.

Những câu hỏi vẫn chưa có lời giải

Độ tin cậy và khả năng tái lập

Cụm neuron sống có thể khác nhau giữa các lô, trưởng thành theo thời gian và cuối cùng suy giảm. Các nhà nghiên cứu cần phương pháp nhất quán để đo hiệu suất và xác định thời điểm một cụm tế bào không còn phù hợp.

Nếu thay cụm neuron, khả năng thích nghi dành riêng cho một nhiệm vụ có thể không tự động chuyển sang mạng mới. Điều đó có nghĩa là hệ thống có thể cần được huấn luyện hoặc hiệu chỉnh lại.

Bài toán kinh tế

Tiền điện chỉ là một phần chi phí. Tính toán sinh học còn cần môi trường dinh dưỡng, vật tư vô trùng, không gian phòng thí nghiệm, kỹ thuật viên, kiểm soát chất lượng, thay tế bào và thời gian dừng để bảo trì.

Những khoản này có thể làm giảm, thậm chí bù trừ, lợi thế về công suất điện trên giấy tờ.

Khả năng mở rộng

Giá 20 CL1 hiện là một nguyên mẫu trong môi trường nghiên cứu. Khi nâng lên 1.000 thiết bị, dự án sẽ phải chứng minh rằng hoạt động nuôi cấy, thay thế, kiểm định, điều khiển bằng phần mềm và hạ tầng trung tâm dữ liệu có thể mở rộng đồng bộ.

Hiệu suất trong thế giới thực

Các bằng chứng hiện có cho thấy neuron nuôi cấy có thể thích nghi trong những thí nghiệm vòng kín được kiểm soát chặt chẽ. Tuy nhiên, chúng chưa chứng minh CL1 vượt GPU trong các tác vụ thương mại quan trọng hoặc có tổng chi phí sở hữu thấp hơn.

Sau cùng, chính dữ liệu hiệu suất—không phải sự mới lạ của việc đặt neuron vào một giá máy—sẽ quyết định liệu tính toán sinh học có trở thành một hạng mục hạ tầng thực tế hay không.

Kết luận

Nguyên mẫu tại Singapore là một màn trình diễn đáng chú ý của tính toán tích hợp sinh học: 20 CL1, khoảng 16 triệu neuron vỏ não người sống, các mảng vi điện cực silicon và phần mềm cùng hoạt động như một hệ thống nghiên cứu thống nhất.

Tiềm năng rõ nhất hiện nay nằm ở nghiên cứu thần kinh, mô hình hóa bệnh, phát triển thuốc và các thử nghiệm tính toán thích nghi chuyên biệt. Còn ở thời điểm này, gọi đây là một nền tảng để kiểm tra khả năng của mạng neuron sống sẽ chính xác hơn gọi nó là một trung tâm dữ liệu có thể thay thế GPU.

Những cột mốc tiếp theo sẽ là khả năng tái lập kết quả, hiệu suất đo được trên nhiệm vụ cụ thể, chi phí vận hành và việc mở rộng quy mô mà không làm mất đi những đặc tính sinh học khiến công nghệ này trở nên đáng chú ý ngay từ đầu.