新加坡国立大学生命科学研究所内，一套由活的人类神经元与硅芯片共同组成的生物计算系统已经开始运行。与传统数据中心完全依赖CPU、GPU等半导体芯片不同，这套系统把实验室培养的人类神经元直接置于带有电极的芯片上，由计算机向神经元发送电信号，再读取细胞产生的电活动，将神经网络的反应纳入计算过程。

这套原型由新加坡国立大学杨潞龄医学院（NUS Medicine）、新加坡数据中心开发运营商DayOne和澳大利亚生物计算公司Cortical Labs共同建设。设备于2026年7月16日在新加坡上线运行，8月6日向来自科研、科技和数字基础设施领域的80多名来宾进行现场展示，新加坡国立大学于8月17日正式公布项目进展。首阶段部署20台Cortical Labs开发的CL1生物计算机，组成一个独立运行的生物集成服务器机架。三方计划在完成监管审批、能源效率和安全测试后，研究将部署规模进一步扩大至最多1000台。

每台CL1至少包含约20万个实验室培养的神经元。这些细胞并不是从人体大脑直接取得，而是可以由人体血液等成年细胞经过重编程形成诱导多能干细胞，再进一步分化为神经元。神经元被培养在装有微电极阵列的硅基芯片上，电极既可以向细胞提供刺激，也能够读取神经元产生的电信号。计算机软件负责把数字信息转换成刺激模式，再把神经元网络的反应转换成可供程序处理的数据，由此形成生物组织与传统电子系统之间的闭环。Cortical Labs已经开放相应的软件接口，使研究人员能够通过代码控制刺激、记录神经活动并设计实时反馈实验。

这并不是把一个完整的“人脑”装进计算机。CL1使用的是经过培养形成的神经元网络，没有人体大脑完整的解剖结构，也不存在由视觉、听觉、运动和其他身体系统共同构成的生物环境。科学界对脑类器官和生物神经网络的命名一直强调，应区分细胞能够对刺激产生复杂反应，与完整生物体所具有的意识、感觉和认知。现有研究尚没有证据证明这类人工培养的神经组织具有意识，因此将其简单描述为“微型人脑”或者“会思考的人脑服务器”，都会超出现阶段科研证据能够支持的范围。

Cortical Labs此前已经利用类似技术进行了多轮实验。2022年，该公司研究团队在《Neuron》发表研究，将人类和小鼠来源的神经元培养在微电极阵列上，通过电刺激向细胞传递电子游戏《Pong》中球的位置，再利用神经活动控制虚拟球拍。实验显示，在连续反馈条件下，培养神经元的活动模式能够发生改变。此后，公司又把CL1用于《Doom》等实时交互环境，目的是测试神经网络能否在外部刺激和反馈不断变化的情况下调整自身活动。相关成果证明活神经元能够与计算机形成可编程闭环，但距离承担大型语言模型训练、图形计算或传统数据中心的大规模通用计算仍有明显差距。

生物计算被数据中心行业关注，一个重要原因是能源消耗。Cortical Labs表示，每台CL1连同内部生命维持系统的功率约为30瓦，而高端GPU本身的功率就可能达到数百瓦，一台配置多块AI加速卡的服务器还需要额外的处理器、内存、电源和冷却设备。传统数据中心的大量电力不仅用于计算，也用于排出服务器运行产生的热量；活神经元本身不需要以传统GPU的工作温度运行，因此可以减少部分散热需求。对于土地、电力和水资源有限的新加坡，降低数据中心单位基础设施的资源消耗具有现实意义。新加坡曾因数据中心能源压力暂停批准新项目，随后在更严格的节能和绿色能源要求下重新增加数据中心容量。

不过，30瓦与数百瓦之间的差距并不能直接证明生物计算已经比GPU更加高效。决定计算效率的不只是设备功率，还包括相同时间内能够处理多少数据、完成什么复杂程度的任务，以及输出结果是否能够稳定重复。目前CL1主要用于神经网络刺激、适应性学习和生物医学实验，而高端GPU能够同时处理大型人工智能模型需要的大规模矩阵运算，两类设备承担的任务并不相同。Cortical Labs创始人兼首席执行官Hon Weng Chong也承认，在高速、精确和需要大量重复计算的工作中，传统硅芯片仍具有明显优势。现阶段更准确的定位不是用活神经元服务器全面替代GPU，而是在特定任务中寻找传统计算架构不擅长的应用空间。

项目方目前重点寻找的方向包括药物研发、神经系统疾病研究、人形机器人、网络安全和欺诈识别。Hon Weng Chong认为，生物神经网络可能具有的优势在于能够从较少样本中形成适应，并在环境变化后继续调整自身响应。如果这种能力能够稳定复制，对于现实环境不断变化的机器人控制、异常行为识别以及缺少大规模训练数据的任务可能具有价值。DayOne关注的重点则是能否利用新的计算架构降低未来AI基础设施的电力和冷却需求；负责培养神经元的新加坡国立大学神经科学教授Rickie Patani更看重医学价值，希望利用活的人类神经网络研究学习、适应、药物反应以及阿尔茨海默病、帕金森病等神经系统疾病。

医学研究可能也是这项技术近期更加现实的应用方向。与纯数字模型相比，活的人类神经元能够直接表现细胞对药物、电刺激和环境变化的生物反应。如果能够利用患者来源的细胞建立神经网络，研究人员就有机会观察不同疾病背景下神经元的活动变化，并在实验室环境中测试候选药物。CL1因此既是一种计算设备，也是一套能够被程序控制的人类神经细胞实验平台。Cortical Labs已经向研究机构提供设备和远程Cortical Cloud服务，其墨尔本设施运行约120台CL1，并已有企业研究部门和大学使用。新加坡项目则承担进一步验证人员配置、细胞生产、生命维持和大规模部署条件的任务。

这种计算方式同时增加了传统服务器不存在的运营成本。活细胞不能像芯片一样安装完成后持续多年运行。新加坡实验室人员大约每三天需要为神经元补充糖、微量营养物质和pH缓冲剂，设备还需要控制氧气、二氧化碳和氮气等气体条件。Cortical Labs的CL1生命维持系统目前能够让神经元维持最长约六个月，随后需要更新细胞培养物。这意味着，如果未来部署规模从20台扩大到数百甚至数千台，细胞生产的一致性、污染控制、不同培养批次之间的性能差异、维护人员成本以及神经元更换周期，都会直接影响这种计算方式能否形成具有经济竞争力的数据中心基础设施。

活的人类神经组织进入商业计算系统，也使监管范围超出了普通信息技术设备。首先需要解决的是细胞来源和知情同意。2026年7月，多名来自哈佛医学院、密歇根大学等机构的生物伦理和神经科学研究人员在《自然》发表文章指出，用于生物计算的人体细胞可能最初由捐赠者出于医学研究目的提供，而捐赠者未必预见这些细胞经过重编程和神经分化后，会被用于计算机、商业产品甚至其他非医学用途。研究人员因此提出，生物计算应建立更明确的用途授权、重新同意和独立伦理审查机制。

另一个长期问题来自神经组织本身复杂程度不断提高后的道德界限。现阶段没有证据表明CL1中的神经元网络拥有意识，但脑类器官技术正在向更复杂的三维结构、更密集的神经连接和更丰富的外部输入发展。2026年发表的相关研究已经把意识可能性、供体知情同意、商业化和监管责任列为生物计算需要持续评估的事项。《自然》今年也提出，虽然目前没有证据证明脑类器官已经产生任何形式的感觉或意识，但随着系统复杂性提高，应在技术发展早期建立相应的监管标准，而不是等到相关能力出现后再确定边界。

因此，新加坡这套20台CL1组成的系统目前更接近一座进入真实运行环境的生物计算实验平台，而不是传统意义上能够替代云计算服务器的大型数据中心。它已经证明活的人类神经元可以被封装进标准化设备、通过软件远程控制，并以服务器机架形式持续运行；尚未得到证明的部分，则包括它能否在具体商业任务中获得高于硅芯片的单位计算效率、能否在数百至数千台规模下保持稳定，以及细胞培养和维护成本能否抵消其能源优势。

如果这些问题能够得到解决，计算机的基本组成可能第一次不再局限于晶体管和人工神经网络，而会加入真正能够形成生物连接并不断改变自身状态的活神经元；如果长期性能和维护成本无法达到数据中心要求，这套技术仍可能在药物研发、神经疾病模型和基础神经科学中形成独立价值。新加坡的20台设备已经把这一技术从单个培养皿和实验设备推进到服务器机架，下一阶段的实际运行数据，将决定它究竟是一种新的计算基础设施，还是一种高度专业化的生物医学研究工具。