当算力的尽头是电力，有人换了一条路
这两年 AI 产业最硬的约束，恐怕不是算法，而是电。大模型训练和推理推高了数据中心功耗，从液冷到核电采购，整个行业都在为"每瓦特算力"绞尽脑汁。而在硅基路线之外，一直有一支小众队伍在尝试另一条路径：让活体神经元参与计算。8 月 17 日，这条路线迎来一个标志性节点，全球首个独立运营的生物集成服务器机架原型在新加坡亮相。
事件要点：一个"会呼吸"的机架
根据新加坡国立大学医学院发布的消息，该项目由 NUS 医学院携手数据中心开发商 DayOne 和生物计算初创公司 Cortical Labs 共同推出，核心信息包括：
- 首批部署 20 台 CL1 生物计算系统，且已在实际研究环境中完成演示，官方称之为全球首个独立运行的生物集成服务器机架；
- 系统集成微电极阵列（MEA），可实时读取并刺激神经网络活动；
- 采用所谓 wetware（湿件）：从人类干细胞培育出的活体神经元，与硅基硬件连接，共同处理信息并支持 AI 系统；
- 这些神经元接收电信号、做出响应，并随时间自我适应，也就是说，"硬件"本身具备学习能力；
- 单台 CL1 功耗仅约 30 瓦，与普通家用电器相当，而传统数据中心芯片功耗动辄数百瓦；
- 在内置生命维持系统的支持下，神经元可存活长达六个月。
背景：从培养皿里的 Pong，到机房里的机架
Cortical Labs 并非凭空冒出。早在 2022 年，其"DishBrain"研究就证明培养皿中的人类皮层神经元可以在电刺激反馈下学会玩《Pong》游戏，论文发表于《Neuron》，成为"神经元自组织学习"的标志性实验。随后 CL1 系统开始商业化，主打的就是把这套闭环刺激—反馈机制封装成可运行的设备。
这次公告里最值得咀嚼的词是"独立运营"。实验室演示与机房部署的差距，大概相当于模型 demo 和生产环境的差距：前者有研究人员随时伺候，后者要求系统在无人值守的情况下长期稳定运行。20 台 CL1 组成机架、接入真实研究环境，意味着生物计算第一次尝试满足"基础设施"的基本标准——尽管只是原型层面。
另一层信号来自合作方构成：数据中心开发商 DayOne 的参与，说明传统机房行业已经开始认真对待非硅计算选项，而不只是学术圈的自娱自乐。
冷静看待：30 瓦能换来什么，换不来什么
能效是最大的卖点，但账不能只算一半。 20 台 CL1 总功耗约 600 瓦，差不多是一块旗舰 GPU 的水平，而人脑约 20 瓦的常功确实是生物计算最原始的诱惑。但问题在于"算什么"：神经元系统擅长的是自适应动力学和模式学习，而不是精确的矩阵乘法。指望它替代 GPU 跑大模型，目前并不现实。
工程与生态的鸿沟更明显。 目前没有成熟的编程模型，开发者无法像写 CUDA 内核那样给一团神经元"写程序"；每个培养出的神经网络个体差异显著，可重复性和一致性是硬伤；六个月的生命周期意味着"硬件"需要定期更换，运维逻辑与传统数据中心完全不同。此外，使用人源神经元引发的伦理与监管问题，会随着规模扩大而愈发不可回避。
但它对神经科学本身价值不小。 CL1 这类闭环平台本质上是一台可编程的电生理实验装置，可用于研究学习机制、药物筛选和神经退行性疾病模型，这部分价值可能比"生物计算机"更先兑现。
简短点评
务实地看，20 台 30 瓦的湿件服务器在当下算力版图里几乎可以忽略不计，它跑不了推理集群，也撑不起任何一家公司的估值故事。但它的意义在于提示了一个被制程竞赛遮蔽的事实：计算的本质是物理过程，而硅并非唯一的物理载体。
从 2022 年培养皿里学会打 Pong 的神经元，到 2026 年机房里独立运行的机架原型，这条路走了四年。距离生物计算真正"上岗"可能还需要十年以上，但第一个机架已经立起来了。对于习惯了每 18 个月换一代 GPU 的行业来说，偶尔抬头看看另一条时间尺度的技术路线，未尝不是好事。