В Сингапуре заработал прототип биологического дата-центра, в котором вычисления выполняют не только кремниевые компоненты, но и живые человеческие нейроны. Система состоит из 20 биокомпьютеров CL1 компании Cortical Labs, содержащих около 16 млн нейронов, выращенных в лаборатории. Проект реализуют Cortical Labs, оператор дата-центров DayOne и Yong Loo Lin School of Medicine Национального университета Сингапура (NUS Medicine). Система была введена в эксплуатацию 16 июля 2026 года, а официальная демонстрация состоялась в августе.
Это не попытка заменить все современные серверы «мозгом». Напротив, нынешняя установка является исследовательским прототипом, который должен проверить, можно ли использовать биологические нейронные сети для отдельных вычислительных задач при значительно меньшем энергопотреблении. Именно энергетика становится одним из главных ограничений для дальнейшего развития искусственного интеллекта и дата-центров.
Как живые клетки превращаются в компьютер
В основе CL1 лежит сочетание двух принципиально разных технологий — живой нервной ткани и кремниевой электроники. Cortical Labs выращивает нейроны из индуцированных плюрипотентных стволовых клеток, полученных, в частности, путем перепрограммирования клеток человека. Затем нейроны размещают на специальном кремниевом чипе с микроэлектродами.
Микроэлектродная матрица выполняет роль двустороннего интерфейса. Компьютер может подавать нейронам электрические сигналы, а система одновременно регистрирует реакции клеток. Программное обеспечение интерпретирует активность нейронной сети как результат вычисления. Таким образом, классический процессор не просто имитирует работу мозга математическими моделями: часть обработки информации фактически происходит в живой биологической системе.
В каждом CL1 используется примерно 800 тыс. нейронов. Установка из 20 устройств, соответственно, содержит около 16 млн клеток. По данным NUS Medicine, это первая независимо функционирующая биологически интегрированная серверная стойка такого типа.
Важное отличие от обычного процессора заключается в том, что нейроны не работают как набор транзисторов с четко заданными логическими состояниями. Они способны изменять свою активность в ответ на стимулы и демонстрировать адаптивность. Именно это свойство лежит в основе концепции Synthetic Biological Intelligence, которую развивает Cortical Labs.
Компания уже демонстрировала возможности предыдущих систем. Ее экспериментальный DishBrain использовал около 800 тыс. человеческих и мышиных нейронов на CMOS-чипе, а клетки научились реагировать на окружающую среду в игре Pong. CL1 является дальнейшим развитием этой концепции — уже в формате отдельного коммерческого биокомпьютера.
Почему Сингапуру нужны альтернативы кремниевым дата-центрам
Эксперимент имеет для Сингапура практический контекст. Город-государство является одним из ключевых центров цифровой инфраструктуры Азии, однако его территория, климат и ограниченные энергетические ресурсы создают жесткие рамки для расширения дата-центров.
По данным Infocomm Media Development Authority, на дата-центры приходится около 7% общего потребления электроэнергии Сингапура. При этом власти ожидают дальнейшего роста спроса на вычислительные ресурсы из-за развития искусственного интеллекта. В 2024 году страна располагала более чем 1,4 ГВт мощностей дата-центров и более чем 70 облачными, корпоративными и colocation-объектами.
Отдельной проблемой остается охлаждение. В тропическом климате серверное оборудование требует значительных затрат энергии не только непосредственно на вычисления, но и на отвод тепла и контроль влажности. IMDA отмечает, что электроэнергия составляет более половины операционных расходов типичного дата-центра в Сингапуре.
Именно поэтому биологические вычисления интересны прежде всего не как способ получить максимально высокую скорость, а как возможность изменить соотношение между затраченной энергией и выполненной работой.
По информации Cortical Labs, один CL1 потребляет около 25 Вт, тогда как полностью укомплектованная стойка из 20 устройств имеет потребление примерно 800–1000 Вт. Это значительно ниже энергопотребления многих современных высокопроизводительных AI-систем. При этом прямое сравнение одного CL1 с мощным GPU некорректно: биокомпьютер и традиционный ускоритель выполняют разные типы задач.
Сингапур уже проводит политику повышения энергоэффективности цифровой инфраструктуры. В 2025 году страна запустила стандарт энергоэффективности IT-оборудования дата-центров, который, по оценке IMDA, может обеспечить как минимум 30% экономии электроэнергии для соответствующего оборудования. На этом фоне биологические вычисления становятся еще одним направлением поиска альтернатив.
Но нейроны нужно буквально «кормить»
Преимущество живой системы одновременно является ее главным технологическим ограничением. GPU достаточно подключить к электропитанию и системе охлаждения. Нейронной сети необходимы условия для поддержания жизни клеток.
В сингапурской установке лаборанты примерно каждые три дня обеспечивают клетки смесью сахара, микроэлементов и буферных растворов. Отдельная система жизнеобеспечения контролирует газовую среду, подавая в систему кислород, углекислый газ и азот. Cortical Labs заявляет, что нейроны в CL1 могут поддерживаться в жизнеспособном состоянии до шести месяцев.
Это означает, что биологический дата-центр не избавляется от инфраструктурных расходов — он просто переносит их в другую плоскость. Вместо масштабного охлаждения серверов возникает необходимость в лабораторном контроле, питательной среде, стерильности, газовом балансе и регулярном обслуживании клеток.
Поэтому утверждать, что речь идет о «почти бесплатных» или полностью экологичных вычислениях, было бы преждевременно. Электрическая мощность — лишь одна составляющая полной стоимости такой системы. Чтобы оценить реальную эффективность, необходимо учитывать жизнеобеспечение нейронов, работу лабораторного персонала, производство чипов и замену биологического материала.
В то же время принципиальное преимущество сохраняется: сама нервная ткань не требует такого уровня энергетических затрат на поддержание вычислений, как традиционная электронная архитектура. Именно это делает wetware computing интересным для исследований.
Почему нейроны пока не заменят Nvidia и крупные AI-кластеры
Самое важное ограничение технологии — производительность. Биологический компьютер не является более дешевой версией современного GPU, способной выполнять те же операции с меньшим счетом за электроэнергию.
Основатель и CEO Cortical Labs Хон Вен Чонг признает, что традиционные кремниевые процессоры пока значительно превосходят биологические системы по скорости, точности и повторяемости вычислений. Это особенно важно для больших языковых моделей вроде ChatGPT, где требуется огромное количество стандартизированных математических операций.
Поэтому ближайшее практическое применение CL1 находится в других сферах. Компания и ее партнеры рассматривают биологические вычисления для исследования нейронных сетей, моделирования биологических процессов, разработки лекарств, кибербезопасности и задач, где важны адаптивность и обучение на небольшом количестве данных. NUS Medicine также рассматривает систему как инструмент для изучения механизмов обучения и адаптации нервной системы.
Это принципиальное изменение логики развития. Традиционный AI пытается математически воспроизвести отдельные свойства мозга с помощью огромного количества цифровых операций. Биологические вычисления используют саму нервную ткань как часть вычислительной системы.
Однако масштабирование остается открытым вопросом. На начальном этапе сингапурская установка имеет всего 20 CL1. Ранее партнеры говорили о возможности поэтапного развертывания значительно большего количества устройств — до 1000 единиц. Но между лабораторным прототипом и полноценным дата-центром такого масштаба существует значительная инженерная дистанция.
Экономика: почему клиенты платят $2200 в месяц
Несмотря на экспериментальный статус, доступ к биологическим вычислениям уже продается как услуга. По данным The Straits Times, клиенты платят около $2200 в месяц за использование вычислительных ресурсов одного CL1. Это примерно вдвое меньше $4300 в месяц, которые, согласно приведенному изданием сравнению, могут стоить ресурсы высокопроизводительного AI-чипа на крупных американских облачных платформах.
Но разницу в цене нельзя трактовать как доказательство того, что биокомпьютер уже экономически превосходит GPU. Клиент покупает принципиально другой тип ресурса. Его ценность заключается не в количестве операций в секунду, а в возможности экспериментировать с живой нейронной сетью без создания собственной лабораторной инфраструктуры.
Cortical Labs развивает для этого Cortical Cloud — платформу, через которую пользователь может удаленно взаимодействовать с реальными нейронами, запускать код и получать данные об их активности. Для исследовательских команд это потенциально важнее абсолютной производительности: компании или университету не нужно самостоятельно содержать систему жизнеобеспечения клеток.
Таким образом, первый этап коммерциализации биологических вычислений больше напоминает облачную лабораторию, чем альтернативу AWS, Google Cloud или крупным AI-кластерам. Рынок для такой услуги пока узок, но он позволяет проверить, могут ли живые нейроны давать практическую ценность в задачах, где традиционные процессоры не имеют очевидного преимущества.
Что означает сингапурский эксперимент для будущего дата-центров
Сингапурский проект важен прежде всего как испытание новой архитектуры. Он показывает, что «вычислительный ресурс» постепенно перестает быть синонимом исключительно кремниевого процессора. В будущем дата-центры могут сочетать различные типы вычислений: классические CPU и GPU, нейроморфные чипы, квантовые системы и биологические нейронные сети.
Пока CL1 не может конкурировать с GPU по производительности при обучении больших моделей. Но ему не обязательно это делать. Если биологические системы смогут эффективнее выполнять отдельные адаптивные задачи, а их энергетическое преимущество сохранится при масштабировании, они могут занять узкую, но экономически важную нишу.
Для Сингапура это особенно актуально. Страна одновременно хочет оставаться крупным центром цифровой инфраструктуры и сдерживать рост энергетической нагрузки от дата-центров. По данным IMDA, их доля в потреблении электроэнергии уже составляет около 7%, а к 2030 году может вырасти до 12%.
Поэтому биологический дата-центр стоит рассматривать не как готовую замену современной серверной инфраструктуре, а как ставку на долгосрочную диверсификацию вычислений. Сейчас главный вопрос заключается не в том, способны ли живые нейроны считать, — это уже продемонстрировано. Вопрос в том, смогут ли они делать это достаточно стабильно, масштабируемо и дешево, чтобы стать частью реальной цифровой экономики.
Вывод
Сингапурский биологический дата-центр с 20 CL1 — это прежде всего эксперимент с новой формой вычислений. Около 16 млн живых человеческих нейронов взаимодействуют с кремниевой электроникой, выполняя часть работы по обработке информации. Технология пока существенно уступает традиционным процессорам по производительности, зато демонстрирует потенциал очень низкого энергопотребления и биологической адаптивности. Если дальнейшие испытания подтвердят ее преимущества в конкретных задачах, живые нейронные сети могут стать не заменой GPU, а новым классом специализированной вычислительной инфраструктуры.