新加坡「活體神經元資料中心」解密：20 台 CL1 如何運作？

運作方式可以理解為一個即時的雙向回饋迴路：

1. 傳統電腦把資料或虛擬環境轉換成電刺激，傳送給神經網路。
2. 神經元以不同的電活動模式作出反應。
3. 電極陣列量測這些活動，再將訊號傳回軟體，成為系統輸出。

Cortical Labs 的 CL1 軟體會建立一個模擬環境，讓神經元接收環境資訊，再透過自身的電活動影響環境。這種封閉迴路讓活體神經網路能夠在互動中調整反應；神經元並非只是裝飾，而是系統中負責適應與學習的部分。

為什麼 CL1 需要「餵養」？

與一般不需要照護的矽基伺服器不同，CL1 內的神經元必須維持在受控的生物環境中。

技術人員每三天補充一次含有糖分、微量營養素與 pH 緩衝物的營養混合液；氣體混合系統則供應二氧化碳、氧氣與氮氣，以維持細胞培養所需的條件。

這意味著濕件運算並非「零基礎設施」的運算模式。它或許能降低部分用電與傳統伺服器冷卻需求，但同時也帶來培養液、氣體控制、實驗室設備、受控環境與專業人員維護等成本。

它可能適合哪些工作？

Cortical Labs 主張，生物神經網路有機會以相對少量的範例進行學習，並在環境改變時較有彈性地調整反應。若這些特性經獨立測試證實，這類系統可能適合難以蒐集大量、精確標註資料的問題。

目前公司與合作夥伴提到的潛在應用包括：

• 人形機器人： 在家庭、辦公室或公共空間活動的機器人，經常面對難以事先完整模擬的情境。
• 網絡安全： 在無法為每一種攻擊建立大量標註樣本時，測試生物系統偵測異常活動的能力。
• 適應性研究運算： 讓研究人員觀察活體神經網路如何回應受控輸入與回饋。
• 機器人與遊戲實驗： Cortical Labs 位於墨爾本的設施據報已有企業研究與大學客戶探索相關用途。

不過，這些仍屬提議中的方向或實驗性用途。現有資料並未證明生物電腦已在實際生產環境的機器人或網絡安全工作負載中擊敗矽基系統；未來仍需要針對不同工作負載進行獨立基準測試。

低耗電是優勢，但不能只看額定功率

Cortical Labs 表示，單台 CL1 連同生命維持設備約消耗 30 瓦，且不需要傳統伺服器冷卻。公司將這個數字與額定最高 700 瓦的 NVIDIA H100 SXM，以及一台搭載 8 張 H100、連同支援硬體約消耗 10,200 瓦的伺服器作比較。

這也是此計畫在新加坡引起關注的原因之一。2020 年，資料中心用電約佔新加坡全國用電量的 7%；在擴充資料中心容量的討論中，電力與用水限制一直是重要考量。

但單一裝置的低功耗，並不等於已證明總成本或整體環境足跡更低。目前公開資料尚未提供完整的用水足跡、生命週期評估，或與同等 GPU 基礎設施進行同一工作負載的直接比較。若要完整評估，還必須計入營養液、氣體控制、細胞培養、實驗室設備與人工維護等項目。

生物電腦不會取代 GPU

CL1 最具說服力的定位，是專門處理需要適應性的運算，而不是通用型高效能運算。Cortical Labs 執行長也承認，對大型語言模型等工作所需的快速、精確且可重複計算，矽基硬體目前仍明顯更具優勢。

較務實的發展模式應該是互補，而非取代：

• 矽基處理器負責傳統的大吞吐量計算；
• 生物神經網路測試可能受益於適應能力、且訓練資料稀少的任務；
• 軟體與電子設備負責連接兩種系統。

所以，「生物資料中心」這個名稱不代表主流雲端伺服器即將被一排活細胞機櫃取代。

容量、商業用途與費用

新加坡目前的 20 台 CL1 屬於共同研發與內部驗證階段。合作夥伴希望藉由這個原型累積操作經驗，並檢視日後擴大部署所需的製造與支援流程。

在完成技術驗證、符合生物安全要求並取得監管批准的前提下，DayOne 與 Cortical Labs 正探索分階段擴充，未來可能在新加坡的 DayOne 商業資料中心部署最多 1,000 台。

Cortical Labs 位於墨爾本的設施據報運作 120 台 CL1，約有 20 家企業研究機構與大學客戶。遠端使用一台 CL1 的月費據報為 2,200 美元；相比之下，主要雲端服務上的高階 AI 晶片月租據報約為 4,300 美元。

需要注意的是，這些是客戶使用服務的價格，不是生物電腦本身或 NUS 設施的實際營運成本。合作夥伴尚未公開新加坡裝置的完整維護費用。

目前仍有什麼限制？

生物運算要走向更大規模，至少面對以下問題：

• 持續維護： 神經元需要營養液、氣體與環境控制。
• 一致性： 活體系統可能不像數位硬體那樣具備完全確定、可重複的輸出。
• 規模化： 從 20 台研究型機架擴充到 1,000 台，需要可重複的細胞製造與可靠的日常營運。
• 監管與生物安全： 商業部署不只取決於技術效能，也需要取得相關批准。
• 基準測試： 學習效率、能源使用與適應能力的說法，仍須經獨立且接近真實場景的測試驗證。
• 環境核算： 用電較低，並不能單獨證明總用水量或生命週期足跡較低。

正因如此，新加坡的 20 台 CL1 更像是一項分階段驗證計畫，而不是已完成、可取代傳統伺服器農場的產品。

對新加坡資料中心產業的意義

現階段，這個計畫更適合被視為一場策略性實驗。若生物神經網路在有限資料與變動環境中的學習能力，以及較低的能源需求，最終能通過獨立、實際工作負載的測試，濕件運算或許能讓新加坡以較不同於 GPU 密集型基礎設施的方式，增加部分特定 AI 運算能力。

但目前證據支持的結論仍然有限：新加坡已建立一個小型、由活體人類神經元與矽基控制系統結合而成的運算原型。它真正的重要性，在於測試這種非典型架構能否變得實用、可靠並具備商業擴展性，而不是證明生物伺服器已能取代主流資料中心。