Hjärncellsdrivna datacenter: biologisk beräkning i praktiken

Föreställ dig en server som dricker socker. Inte en metafor, utan bokstavligen socker. I en tyst flygel vid National University of Singapore har ingenjörer och bioteknologer vänt upp och ner på konventionella datacenter, bytt rader av heta kiselplattor mot petriskålar och levande nervvävnad.

Projektet är ett samarbete mellan Singapores DayOne-operatör och det australiensiska bioteknikföretaget Cortical Labs, och det öppnade den 17 juli 2026. Inuti finns 20 biologiska beräkningsenheter kallade CL1: hybrida enheter som förenar neuroner odlade från omprogrammerade blodceller med kiselskivor försedd med elektroder. Resultatet låter som science fiction och fungerar som en nischprocessor.

Tekniker sköter kulturerna var tredje dag. De matar cellerna med en blandning av socker, mikrobiala näringsämnen och pH-buffertar, och använder en liten omrörningsanordning samt en kontrollerad tillförsel av syre, kväve och koldioxid för att hålla nätverket vid liv. Det här är inte passiva prov på en hylla. Varje CL1 innehåller minst 200 000 laboratorieodlade neuroner som kommunicerar elektriskt med den underliggande kretsen. Dessa neurala mönster tolkas av programvara och omvandlas till användbara bearbetningssignaler.

Så varför bygga ett datacenter drivet av hjärnceller? Cortical Labs grundare Chang Han Wong är rak på sak: biologiska system kommer till sin rätt när data är knapp och miljöerna oförutsägbara. Han hävdar att dessa levande processorer är utmärkta på att lära sig från begränsade, röriga indata, en typ av problem som kiseldrivna servrar har svårt med. "Biologiska datacenter är bättre för tillämpningar där datamängder är små och förhållandena mycket oförutsägbara", sa han. "Man kan helt enkelt inte träna humanoida robotar för varje verklig variation med enbart konventionella servrar."

Det finns också praktiska användningsområden. Wong pekar på anomaliupptäckt inom cybersäkerhet som en lovande tillämpning, eftersom neurala kulturer kan plocka upp subtila avvikelser utan att behöva berg av märkta exempel. Men han är lika tydlig med begränsningarna: konventionellt kisel är fortfarande oöverträffat när det gäller snabb, precis och upprepbar aritmetik som driver stora språkmodeller och andra krävande AI-arbeten.

Varje CL1 förbrukar ungefär 30 watt inklusive livsuppehållande system, mindre effekt än en enkel handhållen miniräknare. Jämför det med moderna AI-acceleratorer: en enda NVIDIA H100 SXM kan dra upp till 700 watt, och en typisk server fylld med åtta av dessa GPU:er kommer att kräva ungefär 10 200 watt. Energiberäkningen är tydlig, och det är den stora fördelen med den biologiska metoden.

Kostnaden speglar den avvägningen. Tillgång till en CL1 kostar cirka 2 200 dollar per månad för kommersiella och akademiska kunder, ungefär hälften av priset för att hyra en toppchip för AI på stora molnplattformar. Det gör biologisk beräkning till ett attraktivt, om än specialiserat, alternativ för team som söker energieffektiv inferens eller experimentell forskning om förkroppsligad intelligens.

Det finns svåra frågor bortom ekonomin: bioetik, långsiktig tillförlitlighet, tillsyn och hur man skalar ett levande system utan att förlora de beteenden som gör det användbart. Upplägget i Singapore är litet avsiktligt, ett testfält snarare än en ersättning för GPU-farmar. Ändå är det en påminnelse att beräkning inte behöver se ut som den alltid gjort när man ser en klunga neuroner lösa problem medan den sörplar en lösning av socker och näringsämnen.

Så vad händer härnäst, fler hybrida nav eller en tyst nisch som lär oss nya sätt att tänka kring intelligens? Oavsett vilket är bilden stark: beräkning som lever, andas och lär på sätt våra nuvarande maskiner aldrig kan.