先说结论：它究竟是什么？

新加坡的“生物数据中心”原型，本质上是一套混合计算系统：源自干细胞的人类皮层神经元被培养在配备电极的硅芯片上，传统电子设备和软件负责向细胞发送信号、读取神经活动，并将其转换为数字输入和输出。3428

因此，它既不是一座完全由生物材料构成的数据中心，也不是已经被证明能够取代现代 GPU 基础设施的设备。3428

谁开发并运营了这套系统？

项目由三个合作方共同推进：

• 新加坡国立大学杨潞龄医学院（NUS Medicine）：提供研究环境，原型位于新加坡国立大学生命科学研究所。
• Cortical Labs：总部位于澳大利亚墨尔本的生物计算公司，提供 CL1 生物计算机和“神经元上芯片”技术。
• DayOne：总部位于新加坡的数据中心开发商和运营商，负责基础设施部署并运营该项目。3611

合作方将其称为全球首个“独立运营的生物集成服务器机架”。不过，“全球首个”属于项目合作方提出、并被部分媒体转述的说法，并非一项经过全面独立验证的行业标准结论。31623

何时、在哪里亮相？

这套原型系统位于新加坡国立大学生命科学研究所。NUS Medicine、DayOne 和 Cortical Labs 于2026年8月6日向来自学术界、产业界和科技领域的80多名嘉宾展示了可运行的系统；项目的公开发布公告则于2026年8月17日公布。346

部分报道将其投入运行时间写为7月16日，但这一日期与合作方在8月6日举行的展示以及8月17日发布的公告并不完全一致。因此，就现有资料而言，最明确的时间节点是8月6日的展示和8月17日的公开宣布。13

20台 CL1 里装了什么？

整个机架包含20台 Cortical Labs CL1 生物计算单元。报道估计，系统合计约有1600万枚活体人类神经元；如果平均分配，每台约为80万枚。257

每台 CL1 大致由四部分组成：

1. 源自人类干细胞的神经元培养物；
2. 配备微电极阵列的硅芯片；
3. 用于刺激神经元并记录其电活动的电子设备；
4. 在数字输入、电信号和神经反应之间进行转换的软件。21226

硅芯片并不是简单地模拟神经元。它更像是一个接口和控制系统，而活体神经网络则承担形成、调整连接并对刺激作出适应性反应的生物学部分。因此，CL1 更准确的定义是生物与硅结合的混合计算平台，而不是纯粹的生物电脑。

神经元如何保持存活？

活体细胞计算需要一整套传统服务器不需要的实验室支持。新加坡《海峡时报》报道，技术人员每三天为神经元培养物补充由糖、微量营养物和 pH 缓冲剂组成的混合液；气体混合器则供应二氧化碳、氧气和氮气。13

这也揭示了该技术的核心取舍：神经元可能具有适应性，但必须在无菌环境中持续培养，并接受环境控制和健康监测。现有资料尚未明确说明新加坡这套机架的完整维护周期、运营成本，以及每个单元的具体更换流程。

功耗真的比 GPU 低吗？

Cortical Labs 表示，单台 CL1 的功耗约为25瓦；整套20单元机架的报道功耗约为800至1000瓦。2

这一数字对于某些特定的自适应计算或神经科学任务可能颇具吸引力，但它不能单独构成与 GPU 的完整能效比较。公平的对比至少需要使用相同任务和模型，评估吞吐量、延迟、准确率、冷却需求、可用性以及整个设施的总能耗。

目前的资料没有提供这种一一对应的基准测试。因此，不能据此宣称这套原型在总体上比 GPU 更节能。更稳妥的说法是：它正在测试一种可能适合特定任务的低功耗生物计算路径。23

神经元能运行多久？

关于生物系统的寿命，现有证据并不完全一致。部分报道认为，CL1 中的神经元培养物最长可维持约六个月，但这一数字更应被理解为平台层面的报道上限，而不是新加坡整套机架已经验证的实际服务寿命。1017

GPU 和活体神经元单元的失效方式也完全不同。GPU 通常可以作为电子部件进行维护或更换；生物单元则需要持续获得培养液和受控环境，最终还可能需要补充或替换细胞基底。现有资料没有确定该项目的具体更换周期、正常运行时间记录或总拥有成本。

它与 DishBrain 有什么关系？

新加坡系统延续了 Cortical Labs 早期 DishBrain 项目的基本思路：将培养神经元连接到电极阵列，置于一个封闭的数字环境中，再根据神经元活动反馈结果。相关背景报道提到，2021年的实验曾让培养神经元与简化版 Pong 游戏互动。2021

但两者的规模和使用环境不同。DishBrain 是一项围绕神经元培养物和类游戏反馈回路展开的实验；新加坡项目则把“神经元—硅芯片接口”放入由20个单元组成的机架，目标是开展持续研究并测试其在类似数据中心环境中的运行方式。

现有发布资料没有提供新的 Pong 实验结果，也没有给出 DishBrain 与新加坡系统之间的直接性能对比。

研究人员可能用它做什么？

目前，这套系统的直接定位仍是研究平台，而非面向公众提供通用云计算服务。合作方希望测试生物计算能否在类似数据中心的环境中运行，并支持与神经科学相关的研究。36

潜在研究方向包括：

• 研究人类神经网络如何学习和适应；
• 模拟神经系统中的疾病相关变化；
• 测试药物对人源神经元培养物的影响；
• 探索用于低功耗、自适应人工智能系统的生物组件；
• 将生物计算与传统软件和数据中心基础设施连接起来。

这些仍属于可能的研究方向，而非已经成熟的生产型工作负载。现有资料没有显示新加坡机架已经提供商业人工智能服务，或在某项明确任务上击败硅基加速器。

会不会进一步扩大部署？

新加坡原型是 Cortical Labs 和 DayOne 试图将生物计算从实验室设备推进至数据中心基础设施的一部分。相关报道还提到了墨尔本的生物数据中心，以及新加坡合作项目这两条并行发展路线。1

不过，现有证据并未确认具体的扩容数量、建设时间表或已经承诺的商业化部署。报道称，新加坡原型可能是未来将生物电脑放入 DayOne 商业数据中心的第一步，但这仍是合作方提出的发展方向，并不等同于商业部署已经完成。24

要实现商业规模化，还要解决哪些问题？

1. 性能是否足够稳定、可重复？

活体培养物可能存在批次差异，并且会随着时间变化。运营方需要标准化的细胞生产流程、可预测的行为、稳定的编程方法，以及不同单元之间可重复的结果。

2. 如何维护可靠性？

商业服务需要持续进行无菌培养液管理、温度和气体控制、健康监测、故障隔离，以及单元恢复或更换。即使个别生物单元退化或失效，系统也必须尽量维持服务。

3. 如何进行可信的基准测试？

仅比较设备瓦数，无法证明生物计算优于 GPU。它必须在明确的工作负载上，从准确率、延迟、吞吐量、能耗、散热、可用性和总成本等维度进行测试，证明自己具有可量化的优势。

4. 如何制造并接入现有基础设施？

规模化部署需要稳定生产大量神经元—电极单元，并将其接入传统网络、存储、任务调度、数据管理和安全控制系统。

5. 经济账是否成立？

商业模式必须计入干细胞来源、培养液、实验室自动化设备、技术人员、质量控制、环境控制系统，以及生物单元的补充和更换成本。芯片层面的低功耗，并不必然意味着整个设施的运营成本更低。

6. 人源神经元的治理和伦理如何落实？

由于平台使用人源神经细胞，商业部署还需要明确细胞来源、捐献同意、生物安全、伦理审查，以及如何管理复杂程度不断提高的神经培养物。

最终判断

新加坡这套系统最准确的理解是：一套由20个生物计算单元组成、包含约1600万枚活体人类神经元的研究型机架，而不是一座完全依靠脑细胞运行的传统数据中心。NUS Medicine 提供研究场所，Cortical Labs 提供 CL1 技术，DayOne 则负责数据中心基础设施和运营。236

它真正的意义，在于活体神经网络第一次被放入一个可运行的服务器机架环境中进行测试；它的局限同样清楚：现有资料没有证明其性能优于 GPU，神经元寿命、维护方式、可重复性、运行时间和成本等关键问题也仍未解决。

换句话说，这更像是在验证“活体神经网络能否成为硅基计算的补充”，而不是宣布它已经准备好取代硅芯片。234

先说结论：它究竟是什么？

新加坡的“生物数据中心”原型，本质上是一套混合计算系统：源自干细胞的人类皮层神经元被培养在配备电极的硅芯片上，传统电子设备和软件负责向细胞发送信号、读取神经活动，并将其转换为数字输入和输出。3428

因此，它既不是一座完全由生物材料构成的数据中心，也不是已经被证明能够取代现代 GPU 基础设施的设备。3428

谁开发并运营了这套系统？

项目由三个合作方共同推进：

• 新加坡国立大学杨潞龄医学院（NUS Medicine）：提供研究环境，原型位于新加坡国立大学生命科学研究所。
• Cortical Labs：总部位于澳大利亚墨尔本的生物计算公司，提供 CL1 生物计算机和“神经元上芯片”技术。
• DayOne：总部位于新加坡的数据中心开发商和运营商，负责基础设施部署并运营该项目。3611

合作方将其称为全球首个“独立运营的生物集成服务器机架”。不过，“全球首个”属于项目合作方提出、并被部分媒体转述的说法，并非一项经过全面独立验证的行业标准结论。31623

何时、在哪里亮相？

这套原型系统位于新加坡国立大学生命科学研究所。NUS Medicine、DayOne 和 Cortical Labs 于2026年8月6日向来自学术界、产业界和科技领域的80多名嘉宾展示了可运行的系统；项目的公开发布公告则于2026年8月17日公布。346

部分报道将其投入运行时间写为7月16日，但这一日期与合作方在8月6日举行的展示以及8月17日发布的公告并不完全一致。因此，就现有资料而言，最明确的时间节点是8月6日的展示和8月17日的公开宣布。13

20台 CL1 里装了什么？

整个机架包含20台 Cortical Labs CL1 生物计算单元。报道估计，系统合计约有1600万枚活体人类神经元；如果平均分配，每台约为80万枚。257

每台 CL1 大致由四部分组成：

1. 源自人类干细胞的神经元培养物；
2. 配备微电极阵列的硅芯片；
3. 用于刺激神经元并记录其电活动的电子设备；
4. 在数字输入、电信号和神经反应之间进行转换的软件。21226

硅芯片并不是简单地模拟神经元。它更像是一个接口和控制系统，而活体神经网络则承担形成、调整连接并对刺激作出适应性反应的生物学部分。因此，CL1 更准确的定义是生物与硅结合的混合计算平台，而不是纯粹的生物电脑。

神经元如何保持存活？

活体细胞计算需要一整套传统服务器不需要的实验室支持。新加坡《海峡时报》报道，技术人员每三天为神经元培养物补充由糖、微量营养物和 pH 缓冲剂组成的混合液；气体混合器则供应二氧化碳、氧气和氮气。13

这也揭示了该技术的核心取舍：神经元可能具有适应性，但必须在无菌环境中持续培养，并接受环境控制和健康监测。现有资料尚未明确说明新加坡这套机架的完整维护周期、运营成本，以及每个单元的具体更换流程。

功耗真的比 GPU 低吗？

Cortical Labs 表示，单台 CL1 的功耗约为25瓦；整套20单元机架的报道功耗约为800至1000瓦。2

这一数字对于某些特定的自适应计算或神经科学任务可能颇具吸引力，但它不能单独构成与 GPU 的完整能效比较。公平的对比至少需要使用相同任务和模型，评估吞吐量、延迟、准确率、冷却需求、可用性以及整个设施的总能耗。

目前的资料没有提供这种一一对应的基准测试。因此，不能据此宣称这套原型在总体上比 GPU 更节能。更稳妥的说法是：它正在测试一种可能适合特定任务的低功耗生物计算路径。23

神经元能运行多久？

关于生物系统的寿命，现有证据并不完全一致。部分报道认为，CL1 中的神经元培养物最长可维持约六个月，但这一数字更应被理解为平台层面的报道上限，而不是新加坡整套机架已经验证的实际服务寿命。1017

GPU 和活体神经元单元的失效方式也完全不同。GPU 通常可以作为电子部件进行维护或更换；生物单元则需要持续获得培养液和受控环境，最终还可能需要补充或替换细胞基底。现有资料没有确定该项目的具体更换周期、正常运行时间记录或总拥有成本。

它与 DishBrain 有什么关系？

新加坡系统延续了 Cortical Labs 早期 DishBrain 项目的基本思路：将培养神经元连接到电极阵列，置于一个封闭的数字环境中，再根据神经元活动反馈结果。相关背景报道提到，2021年的实验曾让培养神经元与简化版 Pong 游戏互动。2021

但两者的规模和使用环境不同。DishBrain 是一项围绕神经元培养物和类游戏反馈回路展开的实验；新加坡项目则把“神经元—硅芯片接口”放入由20个单元组成的机架，目标是开展持续研究并测试其在类似数据中心环境中的运行方式。

现有发布资料没有提供新的 Pong 实验结果，也没有给出 DishBrain 与新加坡系统之间的直接性能对比。

研究人员可能用它做什么？

目前，这套系统的直接定位仍是研究平台，而非面向公众提供通用云计算服务。合作方希望测试生物计算能否在类似数据中心的环境中运行，并支持与神经科学相关的研究。36

潜在研究方向包括：

• 研究人类神经网络如何学习和适应；
• 模拟神经系统中的疾病相关变化；
• 测试药物对人源神经元培养物的影响；
• 探索用于低功耗、自适应人工智能系统的生物组件；
• 将生物计算与传统软件和数据中心基础设施连接起来。

这些仍属于可能的研究方向，而非已经成熟的生产型工作负载。现有资料没有显示新加坡机架已经提供商业人工智能服务，或在某项明确任务上击败硅基加速器。

会不会进一步扩大部署？

新加坡原型是 Cortical Labs 和 DayOne 试图将生物计算从实验室设备推进至数据中心基础设施的一部分。相关报道还提到了墨尔本的生物数据中心，以及新加坡合作项目这两条并行发展路线。1

不过，现有证据并未确认具体的扩容数量、建设时间表或已经承诺的商业化部署。报道称，新加坡原型可能是未来将生物电脑放入 DayOne 商业数据中心的第一步，但这仍是合作方提出的发展方向，并不等同于商业部署已经完成。24

要实现商业规模化，还要解决哪些问题？

1. 性能是否足够稳定、可重复？

活体培养物可能存在批次差异，并且会随着时间变化。运营方需要标准化的细胞生产流程、可预测的行为、稳定的编程方法，以及不同单元之间可重复的结果。

2. 如何维护可靠性？

商业服务需要持续进行无菌培养液管理、温度和气体控制、健康监测、故障隔离，以及单元恢复或更换。即使个别生物单元退化或失效，系统也必须尽量维持服务。

3. 如何进行可信的基准测试？

仅比较设备瓦数，无法证明生物计算优于 GPU。它必须在明确的工作负载上，从准确率、延迟、吞吐量、能耗、散热、可用性和总成本等维度进行测试，证明自己具有可量化的优势。

4. 如何制造并接入现有基础设施？

规模化部署需要稳定生产大量神经元—电极单元，并将其接入传统网络、存储、任务调度、数据管理和安全控制系统。

5. 经济账是否成立？

商业模式必须计入干细胞来源、培养液、实验室自动化设备、技术人员、质量控制、环境控制系统，以及生物单元的补充和更换成本。芯片层面的低功耗，并不必然意味着整个设施的运营成本更低。

6. 人源神经元的治理和伦理如何落实？

由于平台使用人源神经细胞，商业部署还需要明确细胞来源、捐献同意、生物安全、伦理审查，以及如何管理复杂程度不断提高的神经培养物。

最终判断

新加坡这套系统最准确的理解是：一套由20个生物计算单元组成、包含约1600万枚活体人类神经元的研究型机架，而不是一座完全依靠脑细胞运行的传统数据中心。NUS Medicine 提供研究场所，Cortical Labs 提供 CL1 技术，DayOne 则负责数据中心基础设施和运营。236

它真正的意义，在于活体神经网络第一次被放入一个可运行的服务器机架环境中进行测试；它的局限同样清楚：现有资料没有证明其性能优于 GPU，神经元寿命、维护方式、可重复性、运行时间和成本等关键问题也仍未解决。

换句话说，这更像是在验证“活体神经网络能否成为硅基计算的补充”，而不是宣布它已经准备好取代硅芯片。234