В Национальном университете Сингапура (NUS) запустили стойку из 20 биокомпьютеров CL1, где живые человеческие нейроны выращиваются на кремниевых чипах. Технологию разработал австралийский стартап Cortical Labs, представивший первый CL1 в 2025 году. Компания стремится сделать биокомпьютеры доступными разработчикам: вместо самостоятельной работы с клеточными культурами они используют программную платформу biOS, которая создаёт для нейронов виртуальную среду, посылает им сигналы и считывает их реакцию для выполнения задач. В проекте NUS отвечает за лабораторную базу и биомедицинскую экспертизу, а оператор дата-центров DayOne предоставляет финансирование и инженерную инфраструктуру, рассматривая в будущем перенос технологии в коммерческий дата-центр.
Внутри каждого CL1 находится живая нейронная ткань. Ее получают из индуцированных плюрипотентных стволовых клеток (иПСК): это клетки взрослого человека, которые в лаборатории «перепрограммируют» в состояние, позволяющее затем вырастить из них разные типы тканей, включая нервную. Клетки размещают на кремниевом чипе с микроэлектродами. Микросхема одновременно передаёт клеткам электрические сигналы и считывает их ответную активность.
Устройство также поддерживает жизнь нейроновк: контролирует температуру и состав среды, подаёт питательные вещества и удаляет продукты жизнедеятельности. По данным разработчиков, культура может работать до шести месяцев. Предшественником CL1 был эксперимент DishBrain: в 2022 году та же команда показала, как нейроны в чашке Петри учились играть в Pong — получали сигналы о происходящем в игре, отвечали электрическими импульсами и постепенно улучшали результат благодаря обратной связи.
Место для запуска биологического дата-центра выбрано потому, что Сингапур — крупный узел азиатской оптоволоконной связности, но при этом страна ограничена по воде и электричеству. Именно поэтому местные операторы особенно заинтересованы в технологиях, способных снизить нагрузку на ресурсы. Университет дает не обычную серверную, а контролируемую биомедицинскую площадку с процедурами биобезопасности, а DayOne таким образом проверяет, может ли «живое железо» (компьютерное оборудование на биологической основе, а не металл в буквальном смысле) вообще стать частью портфеля дата-центров.
От обычного дата-центра это отличается на уровне самого вычислительного элемента: вместо CPU, GPU и памяти — культура живых нейронов и электроника вокруг нее. Инфраструктура тоже сложнее: помимо питания, сети и охлаждения нужны стерильный биореактор, питательные среды, контроль загрязнений и штат, который умеет обслуживать живую материю. Сильная сторона такой системы — способность моделировать настоящую человеческую нейробиологию и обучаться через обратную связь. Слабая — биологическая изменчивость и короткий срок жизни культуры. Сама компания честно признает, что для быстрых, точных и воспроизводимых вычислений, включая типичные задачи больших языковых моделей, кремний по-прежнему лучше.
Здесь система работает не так, как обычная нейросеть на GPU. В обычной модели после обучения параметры фиксированы: на вход поступают данные, а на выходе получается предсказуемый результат. В CL1 программа посылает живым нейронам электрические сигналы, клетки отвечают своими импульсами, а компьютер переводит их в результат. При этом нейроны продолжают меняться и учиться во время работы, поэтому система может адаптироваться к новым условиям и показывать реакцию реальных клеток на лекарства или болезни. Но есть и минус. Две клеточные культуры не бывают полностью одинаковыми, а их поведение со временем меняется, поэтому повторить результат так же точно, как на обычных GPU, сложнее.
Один биокомпьютер CL1 стоит около $35 тыс., а удалённый доступ к его вычислительным ресурсам — $2 200 в месяц. Если считать только сами устройства, стойка из 20 CL1 в Сингапуре стоит примерно $700 тыс., а тысяча таких систем — около $35 млн. Но это лишь цена оборудования: отдельно нужны лаборатория, питательные среды для клеток, замена и проверка культур, специалисты и меры биобезопасности. Особенно привлекательно технология выглядит по энергопотреблению: один CL1 потребляет около 30 Вт вместе с системой, которая поддерживает жизнь нейронов, поэтому 20 устройств — примерно 600 Вт. Это мало по меркам серверного оборудования, которое при тяжёлых ИИ-задачах потребляет значительно больше. Однако пока нельзя утверждать, что CL1 эффективнее GPU. Независимых тестов, где обе системы решают одну и ту же задачу с одинаковой точностью и скоростью, ещё нет.
У технологии есть и прямые конкуренты. Ближе всех к CL1 стоит швейцарская компания FinalSpark, которая тоже дает удаленный круглосуточный доступ к живым нейронным структурам — только не к отдельным чипам, а к мозговым органоидам на своей Neuroplatform. Есть и чисто академический пример: Brainoware из Университета Индианы использует 3D-органоид как «резервуар» в подходе reservoir computing (вычислениях, где сложная физическая система хранит и обрабатывает информацию за счет собственной динамики, а обучается лишь простой считывающий слой поверх нее). А компания Koniku встраивает нейроны в кремниевые сенсоры для распознавания запахов. Но это скорее биогибридный датчик, чем вычислительное облако. Отличие CL1 в том, что Cortical Labs упаковала культуру в законченный продукт: автономный корпус с жизнеобеспечением, программный слой и сервисную модель Cortical Cloud, которая позволяет нескольким пользователям использовать одну стойку.
Убедительных биологических оснований считать такие культуры сознательными или способными страдать сегодня нет. Это разрозненные клеточные сети без тела и развитых сенсорных систем, и профильная организация ISSCR (Международное общество исследований стволовых клеток) считает, что у таких моделей нет человеческого сознания. Но остаются другие вопросы: согласие донора на долгое культивирование его клеток и коммерческое использование, статус и благополучие культуры по мере роста ее сложности, контроль происхождения клеток и стерильности, а также честность маркетинга, который не должен подменять факты красивой фразой про «мыслящий мини-мозг». При этом у подхода есть реальный этический плюс — потенциальное сокращение части опытов на животных за счет более релевантных человеческих данных, хотя это зависит от качества конкретных моделей и независимого надзора.
Скорее всего, такие биокомпьютеры станут инструментом для узких задач в биотехнологиях, а не заменой обычным дата-центрам. Их можно использовать для проверки действия лекарств на живых человеческих нейронах, создания моделей заболеваний на клетках конкретного человека и экспериментов с адаптивным управлением в робототехнике. Но для обучения и запуска больших нейросетей, вроде современных языковых моделей, GPU-кластеры останутся намного быстрее, надёжнее и удобнее.
