如果將新加坡呢個新設施叫做「用人腦運作嘅超級電腦」，其實會有少少誤導。更準確嘅講法係：佢係一個放喺數據中心環境入面嘅 wetware（生物運算）研究系統，將活嘅神經元同傳統矽電子硬件接埋一齊。

設於新加坡國立大學（NUS）Life Sciences Institute 的原型系統，由20部 Cortical Labs CL1 生物電腦組成，合共約有 1,600萬個培養人類皮質神經元。系統據報喺2026年7月16日開始運作，NUS Medicine 就喺8月6日向超過80名來自學術界、商界及科技基建界別嘅人士展示原型。 412

神經元究竟點樣「運算」？

CL1 唔係一個縮細版人腦，亦唔係將 CPU 或 GPU 直接換成一團腦細胞。佢嘅核心概念係，利用神經元本身會對刺激作出反應、調整活動模式嘅特性，再由矽硬件負責接口、控制、記錄及數據處理。

每部 CL1 都將神經元培養物放喺配備微電極陣列嘅矽晶片上。電子系統可以刺激神經元，亦可以記錄佢哋嘅電活動；Cortical Labs 嘅 biOS 軟件就負責設定實驗、傳送輸入、分析神經元反應，以及將生物處理器接駁到一般電腦系統。 47

基本運作流程大概係：

1. 軟件將資料編碼成電刺激訊號。
2. 電極將訊號傳送到神經元培養物嘅指定位置。
3. 神經元以一連串電活動或「放電」模式作出反應。
4. 微電極陣列記錄呢啲訊號。
5. 軟件將活動模式轉換成輸出，或者根據結果調整下一輪輸入。

所以，神經元喺呢個系統入面比較似一個會適應環境嘅生物處理網絡；矽硬件就似係連接、控制同翻譯訊號嘅基礎設施。

邊幾個機構一齊做？

呢個原型唔係單一公司獨力開發，而係三方合作：

• NUS Medicine 及 NUS Life Sciences Institute：培養由幹細胞衍生嘅神經元，並負責相關科學研究。
• DayOne：提供數據中心環境及營運基礎設施。
• Cortical Labs：提供 CL1 生物運算設備、支援神經元存活嘅系統，以及相關軟件平台。 14

呢個分工好關鍵。佢唔只係將幾部商用伺服器搬入大學實驗室，而係同時需要數據中心營運能力，以及培養、監測、餵養同更換活細胞嘅生物技術。

神經元點樣維持生命？

同矽晶片唔同，CL1 唔可以一插電就長期運作。設備內置生命維持系統，目標係令神經元培養物最多可以維持約6個月。培養液需要定期補充；有關新加坡裝置嘅報道指，大約每3日需要處理一次。培養物最終仍然要更換，唔可能無限期使用。 71239

換句話講，神經元「壞咗」唔係簡單換一塊電路板咁容易。新培養物需要重新準備細胞、喺無菌環境下培養、確認狀態適合運作，甚至可能要重新訓練，先可以執行原本嘅任務。

佢係咪比 Nvidia H100 更慳電？

Cortical Labs 指，一部 CL1 嘅耗電量約為 25瓦；至於包括支援設備在內嘅整個20部機架，估算約為 800至1,000瓦。 1

作為粗略比較，現有報道通常以約 700瓦嘅最大熱設計功耗，形容一部 Nvidia H100 GPU。單睇耗電量，整個新加坡原型機架大約相當於一至一部半 H100。 151

但係，單靠瓦數唔可以證明系統更有效率。現時未有公開、可直接比較嘅數據，涵蓋處理量、準確度、延遲、訓練時間、營運成本，或者同 H100 及 GPU 集群完成相同工作嘅表現。因此，暫時唔可以話佢已經係主流 AI 基建嘅低耗電替代方案。

佢真正可能有優勢嘅地方，係某啲需要適應環境、訓練資料較少，或者唔容易套用到傳統重複式 GPU 工作負載嘅專門任務。 16

DishBrain：呢個項目的前身

新加坡項目承接咗 Cortical Labs 之前嘅 DishBrain 研究。2022年嘅實驗將由人類誘導多能幹細胞衍生嘅神經元，以及齧齒動物大腦皮質神經元，培養喺高密度多電極陣列上，再連接到簡化版電子遊戲《Pong》。電極會向神經元提供遊戲資訊，而神經元活動就用嚟控制球拍。 171920

DishBrain 採用閉環回饋：系統表現好或者差，神經元收到嘅電刺激回饋亦會唔同。研究人員報告指，培養物嘅遊戲表現隨時間有所改善；冇得到相同回饋嘅對照組，就冇出現同樣嘅學習效果。 171819

呢個實驗唔代表神經元已經變成通用電腦，亦唔證明佢哋可以處理任何複雜工作。佢展示嘅係：培養喺體外嘅神經網絡，可以放入一個受限制嘅數碼環境，並透過回饋調整活動，適應指定任務。

新加坡嘅 CL1 機架，就係將「電刺激輸入—活神經網絡反應—記錄輸出」呢個基本模式，放大到一組可以獨立操作嘅模組。

有咩實際用途？

短期內較可信嘅用途主要仍然係研究，包括：

• 疾病模型：研究神經系統喺唔同生物條件下點樣反應。
• 藥物及毒性測試：觀察神經元培養物對候選藥物或化合物嘅反應。
• 神經科學：研究學習、適應及活神經網絡嘅行為。
• 專門生物運算：探索適合機械人、異常偵測或其他需要因應環境變化嘅 AI 任務。 46

呢啲用途同用 GPU 大規模訓練大型語言模型，或者處理傳統 AI 工作負載，係兩回事。現階段生物運算較似係矽基計算嘅補充，而唔係萬能替代品。

會唔會由20部擴展至1,000部？

合作方曾經討論過，未來可能將系統擴展至最多 1,000部 CL1，但前提包括取得監管批准、完成安全測試、確認能源效益，以及證明大規模運作仍然可靠。 12

真正擴展至1,000部，唔係簡單喺機架加多980部機咁容易。營運方需要解決：

• 穩定而可重複嘅細胞生產流程；
• 自動補充培養液及更換培養物；
• 無菌操作及持續質量控制；
• 網絡連接、容錯及故障處理；
• 培養物老化，或者不同批次表現不一致嘅問題。

仲有咩未解答？

可靠性同可重複性

活細胞會因批次而異，亦會隨時間成熟、老化及退化。研究人員需要建立一致嘅方法，判斷一個培養物表現幾好，以及幾時已經唔適合繼續使用。假如更換培養物，原本針對某個任務形成嘅適應能力，亦未必可以自動轉移到新培養物。

真正成本

電費只係其中一部分。生物運算仲涉及培養液、無菌耗材、實驗室空間、專業技術人員、質量控制、細胞更換，以及可能出現嘅停機時間。呢啲成本加埋之後，未必會比傳統硬件慳錢。

能否大規模運作

目前20部 CL1 仍然係研究環境下嘅原型。當數量增加到1,000部，細胞供應、維護流程、軟件控制及數據中心設施，必須同時擴展，而且要維持一致表現。

同 GPU 比，實際表現如何

現有證據顯示，培養神經元可以喺受限制嘅閉環任務入面作出適應；但未有證據證明 CL1 已經喺商業上重要嘅工作負載擊敗 GPU，或者總持有成本更低。最後決定生物運算能否成為實用基建類別嘅，唔係「將神經元放入機架」呢個新奇概念，而係可重複性、任務表現、成本同規模化結果。

總結：係研究平台，唔係 GPU 殺手

新加坡呢個原型系統展示咗一種「生物整合計算」嘅可能性：20部 CL1、約1,600萬個活人類皮質神經元、矽微電極陣列，以及 biOS 軟件共同運作。佢最有潛力嘅方向，暫時係神經科學、藥物研究、疾病模型及特定適應性運算實驗。

所以，現階段最準確嘅定位，係一個用嚟測試活神經網絡可以做到乜嘢嘅研究平台，而唔係 GPU 數據中心嘅直接替代品。下一步真正值得留意嘅，會係系統能否維持一致表現、完成咩類型任務、實際營運成本幾多，以及擴展之後仲可唔可以保留生物運算最吸引人嘅特性。

如果將新加坡呢個新設施叫做「用人腦運作嘅超級電腦」，其實會有少少誤導。更準確嘅講法係：佢係一個放喺數據中心環境入面嘅 wetware（生物運算）研究系統，將活嘅神經元同傳統矽電子硬件接埋一齊。

設於新加坡國立大學（NUS）Life Sciences Institute 的原型系統，由20部 Cortical Labs CL1 生物電腦組成，合共約有 1,600萬個培養人類皮質神經元。系統據報喺2026年7月16日開始運作，NUS Medicine 就喺8月6日向超過80名來自學術界、商界及科技基建界別嘅人士展示原型。 412

神經元究竟點樣「運算」？

CL1 唔係一個縮細版人腦，亦唔係將 CPU 或 GPU 直接換成一團腦細胞。佢嘅核心概念係，利用神經元本身會對刺激作出反應、調整活動模式嘅特性，再由矽硬件負責接口、控制、記錄及數據處理。

每部 CL1 都將神經元培養物放喺配備微電極陣列嘅矽晶片上。電子系統可以刺激神經元，亦可以記錄佢哋嘅電活動；Cortical Labs 嘅 biOS 軟件就負責設定實驗、傳送輸入、分析神經元反應，以及將生物處理器接駁到一般電腦系統。 47

基本運作流程大概係：

1. 軟件將資料編碼成電刺激訊號。
2. 電極將訊號傳送到神經元培養物嘅指定位置。
3. 神經元以一連串電活動或「放電」模式作出反應。
4. 微電極陣列記錄呢啲訊號。
5. 軟件將活動模式轉換成輸出，或者根據結果調整下一輪輸入。

所以，神經元喺呢個系統入面比較似一個會適應環境嘅生物處理網絡；矽硬件就似係連接、控制同翻譯訊號嘅基礎設施。

邊幾個機構一齊做？

呢個原型唔係單一公司獨力開發，而係三方合作：

• NUS Medicine 及 NUS Life Sciences Institute：培養由幹細胞衍生嘅神經元，並負責相關科學研究。
• DayOne：提供數據中心環境及營運基礎設施。
• Cortical Labs：提供 CL1 生物運算設備、支援神經元存活嘅系統，以及相關軟件平台。 14

呢個分工好關鍵。佢唔只係將幾部商用伺服器搬入大學實驗室，而係同時需要數據中心營運能力，以及培養、監測、餵養同更換活細胞嘅生物技術。

神經元點樣維持生命？

同矽晶片唔同，CL1 唔可以一插電就長期運作。設備內置生命維持系統，目標係令神經元培養物最多可以維持約6個月。培養液需要定期補充；有關新加坡裝置嘅報道指，大約每3日需要處理一次。培養物最終仍然要更換，唔可能無限期使用。 71239

換句話講，神經元「壞咗」唔係簡單換一塊電路板咁容易。新培養物需要重新準備細胞、喺無菌環境下培養、確認狀態適合運作，甚至可能要重新訓練，先可以執行原本嘅任務。

佢係咪比 Nvidia H100 更慳電？

Cortical Labs 指，一部 CL1 嘅耗電量約為 25瓦；至於包括支援設備在內嘅整個20部機架，估算約為 800至1,000瓦。 1

作為粗略比較，現有報道通常以約 700瓦嘅最大熱設計功耗，形容一部 Nvidia H100 GPU。單睇耗電量，整個新加坡原型機架大約相當於一至一部半 H100。 151

但係，單靠瓦數唔可以證明系統更有效率。現時未有公開、可直接比較嘅數據，涵蓋處理量、準確度、延遲、訓練時間、營運成本，或者同 H100 及 GPU 集群完成相同工作嘅表現。因此，暫時唔可以話佢已經係主流 AI 基建嘅低耗電替代方案。

佢真正可能有優勢嘅地方，係某啲需要適應環境、訓練資料較少，或者唔容易套用到傳統重複式 GPU 工作負載嘅專門任務。 16

DishBrain：呢個項目的前身

新加坡項目承接咗 Cortical Labs 之前嘅 DishBrain 研究。2022年嘅實驗將由人類誘導多能幹細胞衍生嘅神經元，以及齧齒動物大腦皮質神經元，培養喺高密度多電極陣列上，再連接到簡化版電子遊戲《Pong》。電極會向神經元提供遊戲資訊，而神經元活動就用嚟控制球拍。 171920

DishBrain 採用閉環回饋：系統表現好或者差，神經元收到嘅電刺激回饋亦會唔同。研究人員報告指，培養物嘅遊戲表現隨時間有所改善；冇得到相同回饋嘅對照組，就冇出現同樣嘅學習效果。 171819

呢個實驗唔代表神經元已經變成通用電腦，亦唔證明佢哋可以處理任何複雜工作。佢展示嘅係：培養喺體外嘅神經網絡，可以放入一個受限制嘅數碼環境，並透過回饋調整活動，適應指定任務。

新加坡嘅 CL1 機架，就係將「電刺激輸入—活神經網絡反應—記錄輸出」呢個基本模式，放大到一組可以獨立操作嘅模組。

有咩實際用途？

短期內較可信嘅用途主要仍然係研究，包括：

• 疾病模型：研究神經系統喺唔同生物條件下點樣反應。
• 藥物及毒性測試：觀察神經元培養物對候選藥物或化合物嘅反應。
• 神經科學：研究學習、適應及活神經網絡嘅行為。
• 專門生物運算：探索適合機械人、異常偵測或其他需要因應環境變化嘅 AI 任務。 46

呢啲用途同用 GPU 大規模訓練大型語言模型，或者處理傳統 AI 工作負載，係兩回事。現階段生物運算較似係矽基計算嘅補充，而唔係萬能替代品。

會唔會由20部擴展至1,000部？

合作方曾經討論過，未來可能將系統擴展至最多 1,000部 CL1，但前提包括取得監管批准、完成安全測試、確認能源效益，以及證明大規模運作仍然可靠。 12

真正擴展至1,000部，唔係簡單喺機架加多980部機咁容易。營運方需要解決：

• 穩定而可重複嘅細胞生產流程；
• 自動補充培養液及更換培養物；
• 無菌操作及持續質量控制；
• 網絡連接、容錯及故障處理；
• 培養物老化，或者不同批次表現不一致嘅問題。

仲有咩未解答？

可靠性同可重複性

活細胞會因批次而異，亦會隨時間成熟、老化及退化。研究人員需要建立一致嘅方法，判斷一個培養物表現幾好，以及幾時已經唔適合繼續使用。假如更換培養物，原本針對某個任務形成嘅適應能力，亦未必可以自動轉移到新培養物。

真正成本

電費只係其中一部分。生物運算仲涉及培養液、無菌耗材、實驗室空間、專業技術人員、質量控制、細胞更換，以及可能出現嘅停機時間。呢啲成本加埋之後，未必會比傳統硬件慳錢。

能否大規模運作

目前20部 CL1 仍然係研究環境下嘅原型。當數量增加到1,000部，細胞供應、維護流程、軟件控制及數據中心設施，必須同時擴展，而且要維持一致表現。

同 GPU 比，實際表現如何

現有證據顯示，培養神經元可以喺受限制嘅閉環任務入面作出適應；但未有證據證明 CL1 已經喺商業上重要嘅工作負載擊敗 GPU，或者總持有成本更低。最後決定生物運算能否成為實用基建類別嘅，唔係「將神經元放入機架」呢個新奇概念，而係可重複性、任務表現、成本同規模化結果。

總結：係研究平台，唔係 GPU 殺手

新加坡呢個原型系統展示咗一種「生物整合計算」嘅可能性：20部 CL1、約1,600萬個活人類皮質神經元、矽微電極陣列，以及 biOS 軟件共同運作。佢最有潛力嘅方向，暫時係神經科學、藥物研究、疾病模型及特定適應性運算實驗。

所以，現階段最準確嘅定位，係一個用嚟測試活神經網絡可以做到乜嘢嘅研究平台，而唔係 GPU 數據中心嘅直接替代品。下一步真正值得留意嘅，會係系統能否維持一致表現、完成咩類型任務、實際營運成本幾多，以及擴展之後仲可唔可以保留生物運算最吸引人嘅特性。