CL1如何用神经元处理数据？

每台 CL1 包含至少20万个实验室培养的人类神经元。这些细胞由血细胞重编程形成的干细胞培育而来，随后生长在装有电极的硅芯片上。

电极阵列提供了神经元与传统计算机之间的双向接口：

1. 软件把输入数据或模拟环境转换成电刺激，发送给神经网络；
2. 神经元以不同的电活动模式作出反应；
3. 电极读取这些活动，再将其传回软件，形成计算输出。

Cortical Labs 的生物智能操作系统 biOS 可以构建一个供神经元“感知”的模拟世界。神经元接收环境信息并作出反应，而这些电信号又会影响模拟环境，从而形成实时闭环反馈。

因此，神经元并不是设备中的装饰性组件。它们承担了系统中具有适应性的处理部分；硅芯片和软件则负责连接、控制和解释这些生物信号。

为什么这台计算机需要“喂养”？

与普通硅基服务器不同，CL1中的神经元必须持续保持活性。技术人员每三天补充一次含糖分、微量营养物和 pH 缓冲剂的营养混合液；气体混合系统则提供二氧化碳、氧气和氮气，以维持细胞培养所需的环境。

这意味着生物计算并非没有基础设施需求，而是把部分需求从高功耗芯片和传统散热，转移到了实验室耗材、细胞培养、气体控制、环境管理和专业人员维护上。

它可能适合哪些任务？

Cortical Labs 认为，生物神经网络有潜力在较少样本的情况下学习，并在环境变化时调整行为。这一特性，理论上可能适用于难以收集大量高质量标注数据的任务。

目前公司及合作方讨论过的方向包括：

• 人形机器人： 家庭、办公室和公共空间中的机器人会遇到大量无法预先穷举的情况，生物神经网络或许能帮助它们适应变化；
• 网络安全： 对于缺乏每一种攻击样本的数据环境，系统可被用于测试异常活动识别能力；
• 自适应科研计算： 研究人员可以在受控条件下观察活神经网络如何响应输入与反馈；
• 机器人和游戏实验： Cortical Labs 位于墨尔本的设施据报道已服务约20家企业研究机构和大学客户，探索包括机器人和游戏在内的应用。

不过，这些仍属于潜在或实验性用途。现有公开报道并不能证明生物计算机已经在生产级机器人或网络安全任务中全面超过硅基系统。最终仍需要针对具体工作负载的独立基准测试。

功耗看起来很低，但不能只看电表读数

Cortical Labs 表示，一台包括生命支持设备在内的 CL1 功耗约为30瓦，而且不需要传统服务器式的冷却系统。作为对比，英伟达 H100 SXM 的额定功耗最高可达700瓦；一台配备8块H100的服务器，加上配套硬件，据报道功耗约为10,200瓦。

这也是该项目在新加坡受到关注的原因之一。2020年，数据中心约占新加坡全国用电量的7%；在土地、电力和用水约束下，数据中心扩容一直是当地基础设施讨论的重要议题。

但“单台设备功耗较低”并不等于已经证明总成本或总环境足迹更低。目前公开资料尚未提供完整的用水量、生命周期评估，或与同等工作负载GPU基础设施的全面对比。营养液、气体控制、细胞生产、实验室设备和人工维护，都应纳入完整核算。

生物计算机不会取代GPU

CL1最现实的定位，是面向特定任务的自适应计算组件，而不是通用高性能计算平台。Cortical Labs首席执行官也承认，对于大型语言模型所需的快速、精确且高度可重复的计算，硅芯片仍然明显更有优势。

更可能出现的模式是两者协作：

• 硅基处理器负责传统的高吞吐量计算；
• 生物神经网络测试那些可能受益于适应性和少样本学习的任务；
• 软件与电子系统负责连接两种计算架构。

因此，“生物数据中心”并不意味着主流云服务器即将被一排排活细胞取代。它更像是对另一种计算范式的探索。

未来会扩展到多少台？商业价格如何？

新加坡项目从20台 CL1 的单机架原型开始，现阶段用途是联合研发和运行验证。只要技术验证、生物安全要求和监管审批等条件得到满足，DayOne 与 Cortical Labs 正探索将系统分阶段扩展到新加坡商业数据中心，规模最多可达1000台。

作为参考，Cortical Labs 位于墨尔本的设施运行着120台 CL1，并据报道服务约20家企业研究机构和大学客户。远程使用一台 CL1 的价格据报道为每月2200美元，而主要云服务上的高端AI芯片月租价格约为4300美元。

需要注意的是，这些是客户访问费用，并不是生物计算机本身或NUS设施的实际运营成本。合作方尚未公开新加坡项目的完整维护成本。

这项技术面临哪些难题？

生物计算要从科研原型走向商业化，仍有多道关卡：

• 持续维护： 神经元需要营养液、气体和稳定环境；
• 一致性： 活体系统可能不如数字硬件那样确定、稳定和易于重复；
• 规模化： 从20台研究设备扩展到1000台，需要可复制的细胞生产和可靠的运维体系；
• 监管与生物安全： 商业部署不仅要证明性能，还要获得相关审批；
• 性能基准： 关于少样本学习、适应能力和能耗的说法，仍需独立的真实场景测试；
• 环境核算： 较低的用电量本身，并不能证明整体用水量或生命周期排放更低。

对新加坡意味着什么？

新加坡的生物数据中心目前更适合被看作一项战略性实验。如果所谓的少样本学习和环境适应能力能够经受独立测试，湿件计算或许能为这个电力和水资源都较为有限的市场，提供一种增加特定AI计算能力的新路径，同时避免完全按照GPU基础设施的方式扩大散热和用电需求。

但截至目前，证据支持的结论仍然较为有限：新加坡已经建立了一套由活人类神经元与硅基控制系统共同组成的小型生物计算原型。它真正的重要性，不在于已经证明生物服务器能够取代主流数据中心，而在于验证这种反常规架构是否足够有用、可靠，并且能够商业化扩展。

CL1如何用神经元处理数据？

每台 CL1 包含至少20万个实验室培养的人类神经元。这些细胞由血细胞重编程形成的干细胞培育而来，随后生长在装有电极的硅芯片上。

电极阵列提供了神经元与传统计算机之间的双向接口：

1. 软件把输入数据或模拟环境转换成电刺激，发送给神经网络；
2. 神经元以不同的电活动模式作出反应；
3. 电极读取这些活动，再将其传回软件，形成计算输出。

Cortical Labs 的生物智能操作系统 biOS 可以构建一个供神经元“感知”的模拟世界。神经元接收环境信息并作出反应，而这些电信号又会影响模拟环境，从而形成实时闭环反馈。

因此，神经元并不是设备中的装饰性组件。它们承担了系统中具有适应性的处理部分；硅芯片和软件则负责连接、控制和解释这些生物信号。

为什么这台计算机需要“喂养”？

与普通硅基服务器不同，CL1中的神经元必须持续保持活性。技术人员每三天补充一次含糖分、微量营养物和 pH 缓冲剂的营养混合液；气体混合系统则提供二氧化碳、氧气和氮气，以维持细胞培养所需的环境。

这意味着生物计算并非没有基础设施需求，而是把部分需求从高功耗芯片和传统散热，转移到了实验室耗材、细胞培养、气体控制、环境管理和专业人员维护上。

它可能适合哪些任务？

Cortical Labs 认为，生物神经网络有潜力在较少样本的情况下学习，并在环境变化时调整行为。这一特性，理论上可能适用于难以收集大量高质量标注数据的任务。

目前公司及合作方讨论过的方向包括：

• 人形机器人： 家庭、办公室和公共空间中的机器人会遇到大量无法预先穷举的情况，生物神经网络或许能帮助它们适应变化；
• 网络安全： 对于缺乏每一种攻击样本的数据环境，系统可被用于测试异常活动识别能力；
• 自适应科研计算： 研究人员可以在受控条件下观察活神经网络如何响应输入与反馈；
• 机器人和游戏实验： Cortical Labs 位于墨尔本的设施据报道已服务约20家企业研究机构和大学客户，探索包括机器人和游戏在内的应用。

不过，这些仍属于潜在或实验性用途。现有公开报道并不能证明生物计算机已经在生产级机器人或网络安全任务中全面超过硅基系统。最终仍需要针对具体工作负载的独立基准测试。

功耗看起来很低，但不能只看电表读数

Cortical Labs 表示，一台包括生命支持设备在内的 CL1 功耗约为30瓦，而且不需要传统服务器式的冷却系统。作为对比，英伟达 H100 SXM 的额定功耗最高可达700瓦；一台配备8块H100的服务器，加上配套硬件，据报道功耗约为10,200瓦。

这也是该项目在新加坡受到关注的原因之一。2020年，数据中心约占新加坡全国用电量的7%；在土地、电力和用水约束下，数据中心扩容一直是当地基础设施讨论的重要议题。

但“单台设备功耗较低”并不等于已经证明总成本或总环境足迹更低。目前公开资料尚未提供完整的用水量、生命周期评估，或与同等工作负载GPU基础设施的全面对比。营养液、气体控制、细胞生产、实验室设备和人工维护，都应纳入完整核算。

生物计算机不会取代GPU

CL1最现实的定位，是面向特定任务的自适应计算组件，而不是通用高性能计算平台。Cortical Labs首席执行官也承认，对于大型语言模型所需的快速、精确且高度可重复的计算，硅芯片仍然明显更有优势。

更可能出现的模式是两者协作：

• 硅基处理器负责传统的高吞吐量计算；
• 生物神经网络测试那些可能受益于适应性和少样本学习的任务；
• 软件与电子系统负责连接两种计算架构。

因此，“生物数据中心”并不意味着主流云服务器即将被一排排活细胞取代。它更像是对另一种计算范式的探索。

未来会扩展到多少台？商业价格如何？

新加坡项目从20台 CL1 的单机架原型开始，现阶段用途是联合研发和运行验证。只要技术验证、生物安全要求和监管审批等条件得到满足，DayOne 与 Cortical Labs 正探索将系统分阶段扩展到新加坡商业数据中心，规模最多可达1000台。

作为参考，Cortical Labs 位于墨尔本的设施运行着120台 CL1，并据报道服务约20家企业研究机构和大学客户。远程使用一台 CL1 的价格据报道为每月2200美元，而主要云服务上的高端AI芯片月租价格约为4300美元。

需要注意的是，这些是客户访问费用，并不是生物计算机本身或NUS设施的实际运营成本。合作方尚未公开新加坡项目的完整维护成本。

这项技术面临哪些难题？

生物计算要从科研原型走向商业化，仍有多道关卡：

• 持续维护： 神经元需要营养液、气体和稳定环境；
• 一致性： 活体系统可能不如数字硬件那样确定、稳定和易于重复；
• 规模化： 从20台研究设备扩展到1000台，需要可复制的细胞生产和可靠的运维体系；
• 监管与生物安全： 商业部署不仅要证明性能，还要获得相关审批；
• 性能基准： 关于少样本学习、适应能力和能耗的说法，仍需独立的真实场景测试；
• 环境核算： 较低的用电量本身，并不能证明整体用水量或生命周期排放更低。

对新加坡意味着什么？

新加坡的生物数据中心目前更适合被看作一项战略性实验。如果所谓的少样本学习和环境适应能力能够经受独立测试，湿件计算或许能为这个电力和水资源都较为有限的市场，提供一种增加特定AI计算能力的新路径，同时避免完全按照GPU基础设施的方式扩大散热和用电需求。

但截至目前，证据支持的结论仍然较为有限：新加坡已经建立了一套由活人类神经元与硅基控制系统共同组成的小型生物计算原型。它真正的重要性，不在于已经证明生物服务器能够取代主流数据中心，而在于验证这种反常规架构是否足够有用、可靠，并且能够商业化扩展。