活体数据中心：为何人工智能正转向人类神经元

Traders Union
所有新闻
编辑精选
Cortical Labs 技术如何改变计算的未来

所有新闻

头条新闻

编辑精选

加密货币新闻

财经新闻

市场之声

亿万富豪

券商资讯

监管动态

Darina Pashchenko

13.03.2026

活体数据中心：为何人工智能正转向人类神经元 — 生物计算机：脑细胞如何改变人工智能数据中心的架构

当科技巨头们继续为人工智能建造越来越强大的数据中心时，一些研究人员却在寻找一种完全不同的计算架构。澳大利亚初创公司 Cortical Labs 推出了一个系统，在这个系统中，计算不是由硅芯片而是由在实验室中培育的人类脑细胞来完成的。这项实验可能标志着生物计算机时代的开始，生物与技术之间的界限将逐渐变得模糊。

本文翻译自原文。点击此处阅读由我们的通讯员撰写的原文.

生物计算机是一种新的计算方法

几年来，人工智能的发展一直遇到同样的障碍--计算能力。模型越复杂，数据中心所需的能源和基础设施就越多。在此背景下，澳大利亚初创公司 Cortical Labs 提出了一个不同寻常的解决方案：一个生物数据中心原型，其中的计算不是由处理器而是由人的脑细胞完成。据彭博社报道，这些生物计算机将在新加坡和墨尔本两地运行。

这种开发看似科学实验，但正是由于传统计算架构的局限性，人们对它们的兴趣与日俱增。现代图形处理器集群每块芯片的能耗高达数百瓦，并且需要庞大的数据中心，而生物神经系统可能能够以更低的能耗解决学习和适应任务。如果这些技术继续发展，这可能不仅仅是又一家初创公司，而是重新思考计算系统运行原理的一次尝试。

生物计算机如何工作

Cortical 实验室开发的核心是一种将活神经细胞与硅芯片连接起来的系统。神经元在实验室中生长，并被放置在一个特殊的电极阵列上，研究人员既能读取它们的活动，又能向它们发送电信号。从根本上说，这样就形成了一个双向界面：电子元件刺激细胞，细胞则以电脉冲作出反应，这些电脉冲可被解释为计算输出。

这种系统的主要特点是神经元具有学习和适应能力。与严格执行程序指令的传统处理器不同，活体神经网络可以根据接收到的信号改变自己的行为。有关这些系统的实验已经表明，生物神经培养物具有基本的学习能力。例如，在 DishBrain 系统中，培养的神经元学会了与模拟的乒乓游戏互动，并根据屏幕上发生的情况调整自己的活动--该实验结果发表在《神经元》（Neuron）杂志上。在后来的演示中，研究人员还表明，神经培养物能对《毁灭战士》中的游戏元素做出反应，形成简单的学习和适应行为模型。

Loading...

该推文已被作者删除。

但我们已保存所有内容 🙂。

在实践中，这代表了一种生物与可编程电子设备协同工作的混合系统。硅芯片提供界面和信号处理，而神经细胞则利用其学习机制完成部分计算工作。这种方法可以将人工智能和神经生物学这两个世界连接起来，创造出一种新型计算，目前这种计算介于实验室实验和未来技术平台之间。

业界为何在寻找传统数据中心的替代方案

现代人工智能模型需要越来越大的 GPU 集群，而训练大型神经网络可能需要数周时间，同时还要消耗大量资源。目前，全球最大的科技公司正在建设价值数十亿美元的数据中心，因为计算基础设施已成为人工智能发展的主要限制因素。

与此同时，能源负担也在不断加重。现代数据中心的耗电量已占全球总耗电量的 1%-1.5%，而冷却数据中心则需要大量的水。

Loading...

该推文已被作者删除。

但我们已保存所有内容 🙂。

单个高性能 GPU 的能耗在 400 W 到 700 W 之间，而大型集群包含数千个此类芯片。因此，人工智能基础设施正成为数字经济中能源最密集的部分之一。

这就是研究人员最近开始寻求替代计算架构的原因。生物系统的效率可能要高得多。例如，Cortical 实验室的单个 CL1 模块能耗约为 30 瓦，比现代图形处理器低一个数量级。尽管这些技术仍处于早期阶段，但它们的出现表明，随着人工智能的快速发展，计算行业正开始寻找能源危机的解决方案。

生物计算的应用领域

目前，生物计算系统仍是一项实验性技术，但研究人员已经在讨论生物计算系统可能特别有用的几个领域。其中最明显的就是大脑基础研究。与电子接口连接的神经培养物可以让科学家观察信号是如何形成的、细胞是如何对刺激做出反应的，以及神经网络中的学习是如何产生的。对于神经科学来说，这提供了一个研究几乎不可能在活体大脑内直接观察到的过程的机会。

另一项重要应用涉及疾病建模和药物开发。神经培养物可以从人体细胞中培养出来，用作研究阿尔茨海默氏症或帕金森氏症等神经退行性疾病的模型。在这些系统中，研究人员可以观察神经活动在不同物质影响下的变化，并比传统的实验室模型更快、更准确地测试潜在的治疗方法。

最后，这类系统还可能在未来人工智能的发展中发挥作用。活体神经网络天生具有学习和适应能力，这使它们成为实验新学习算法的潜在平台。与需要大量计算资源进行训练的传统神经网络不同，生物系统可以通过细胞之间的相互作用展示自适应行为。因此，在需要学习、自组织和适应新数据的领域，生物计算将大有可为。