當神經元比 GPU 快 5000 倍：這家新創打造了全球第一座生物資料中心

本文整理自《This Week in Startups》2026 年 6 月播出的單集（E2295）。

---

一台需要餵糖水的電腦

想像一台伺服器，外觀跟一般的 3U 機架設備沒兩樣，但打開上蓋，裡面不是散熱鰭片和記憶體條，而是一個「神經元艙」。艙裡有一片矽晶片，上面培養著約 20 萬顆活的人類神經元，這些神經元來自幹細胞，不是從誰腦子裡取出來的。旁邊的管線系統負責維持這些細胞的生命：幫浦充當心臟推動液體循環，過濾匣充當腎臟清除代謝廢物，氣體混合器充當肺臟供應氧氣和二氧化碳。至於那些神經元吃什麼？「基本上就是糖水，」Cortical Labs 創辦人 Dr. Hon Weng Chong 說。整套系統維持在攝氏 37 度，跟人體溫度一樣。

這就是 CL1，目前全球唯一一款商用的生物電腦。它的售價約 35,000 美元（約新台幣 110 萬），每台功耗只有大約 30 瓦，大概是一顆 LED 燈泡的程度。初批生產的 30 台已經全數售罄，總營收約 100 萬美元。Chong 最近親自當起「執行長快遞員」，扛著 CL1 跑遍美國，把機器送到約翰霍普金斯大學（毒理學研究）、麻省總醫院（阿茲海默症）、加州大學舊金山分校（運動障礙）和達特茅斯學院。九成買家都是學術研究機構。

CL1 的背面面板很誠實地揭示了它的混血本質：USB-C、乙太網路插孔和氣體輸入口並排在一起。這是一台同時需要網路連線和廢氣排放閥的機器。團隊暱稱那個排氣口叫「放屁閥」。

GPU 需要 5000 步，神經元只需要 1 步

CL1 上的 20 萬顆神經元，和人腦的 1000 億顆相比，大約是蟑螂或蒼蠅的等級。聽起來不怎麼厲害，但 Chong 認為，這個比較方式忽略了一件根本性的事：即使是蒼蠅，也擁有目前任何 AI 系統都做不到的「泛化智慧」。

Apple 共同創辦人沃茲尼克（Steve Wozniak）曾提出一個 AGI 測試：走進一個陌生人的廚房，幫自己泡一杯咖啡。每個抽屜、每個開關、每個杯子的位置都不一樣，你得從零開始摸索。這件事蒼蠅做得到（至少在同等程度的環境探索上），但目前沒有任何 AI 能辦到。「我們把 GPT 叫做超級智慧，」Chong 說，「但它有泛化智慧嗎？沒有。」

這不只是哲學討論。Cortical Labs 和研究夥伴合作完成了一項尚未發表的研究，預計在今年稍晚的 NeurIPS 大會（地點在雪梨）上發表。結果是：在強化學習的路徑規劃任務中，CL1 的生物神經元展現了目標導向和路徑尋找的能力，而且比 GPU 系統的樣本效率高出 5000 倍。用白話說，神經元走一步就能學到的東西，GPU 要走 5000 步才學得到。

GPU 目前的應對策略是把模擬時間加速 5000 倍，在虛擬世界裡瘋狂練習。但 Chong 點出了這個策略的致命弱點：如果你的 AI 是一具真實世界的機器人，你沒辦法加速時間。機器人跟你我一樣，一秒就是一秒。在機器人強化學習的場景中，生物運算的效率優勢可能是壓倒性的。

從墨爾本到新加坡：30 瓦改變資料中心的能源算計

Cortical Labs 在墨爾本的實驗室裡已經部署了六個機架、共 120 台 CL1，他們稱之為「全球第一座生物資料中心」。這個名字不是行銷團隊想出來的。Chong 回憶，有個訪客指著那排機架說：「你們賣的是生物電腦對吧？一大堆電腦放在一起叫什麼？資料中心啊。」

下一步是新加坡。資料中心營運商 Day One 在自家的 200 百萬瓦設施裡，為 Cortical Labs 規劃了 1000 台 CL1 的空間。Day One 看中的不只是技術本身，而是一個很實際的數字：每台 CL1 只耗 30 瓦，對 200 百萬瓦的能源總預算來說幾乎不存在。新加坡政府對資料中心的能源配額管得很嚴，生物運算完全不佔配額，等於是白賺的算力。

更關鍵的是，Day One 不只建了放 CL1 的機房，還在旁邊蓋了一座細胞培養實驗室。神經元可以在現場培養、現場使用，不需要從澳洲空運。「每座資料中心都能自給自足，不依賴單一國家的單一供應商。」Chong 這句話聽起來像是在說別的什麼。在 NVIDIA 和台積電主宰 AI 晶片供應鏈的當下，一種可以就地「種植」的運算基板，確實提供了一個不一樣的想像。

神經元本身可以活很久，真正需要定期更換的是那些充當「腎臟」的過濾匣，大約每四到六個月就會被大分子蛋白質堵塞，換一組新的就能繼續運作。

一個不懂生物的學生，用 API 教神經元打 Doom

2022 年，Cortical Labs 在期刊《Neuron》上發表了「教神經元打 Pong」的論文，讓業界第一次正式注意到生物運算。但真正讓他們出圈的，是最近一段在網路上爆紅的 Doom 遊戲影片。

那段影片不是 Cortical Labs 做的。一個完全沒有生物學背景的 Stanford 學生，在一場黑客松中用 Cortical Labs 的雲端 API 和 Python SDK（透過 pip 安裝、用 Jupyter Notebook 操作），教一台 CL1 上的神經元玩初代 Doom。訓練方式和 Pong 相同：有秩序的電刺激當作獎勵，混亂的電刺激當作懲罰。

過程中出現了一個讓人會心一笑的插曲。這位學生一開始忘了對浪費彈藥進行懲罰，結果神經元很快就找到了一個「必勝策略」：原地旋轉，同時瘋狂按射擊鍵。不需要瞄準，不需要移動，轉圈掃射就能過關。Chong 笑著說，這跟傳統 GPU 強化學習系統常見的「獎勵作弊」一模一樣，證明兩種系統在學習行為上有深層的結構相似性。加入彈藥懲罰之後，神經元的玩法才開始變得有策略性。據 Chong 透露，這位學生後來被一個「非常有名的育成計畫」錄取了。

這正是 Cortical Labs 做雲端服務的原因。買了一台 CL1，如果沒有實驗室和細胞培養能力，根本無法使用。雲端把這些門檻全部移除，讓任何有 Python 基礎的人都能接觸生物運算。Chong 把這比擬為 NVIDIA 當年讓 CUDA 免費的策略。「今天的 AI 其實是一場意外，」他說，「CUDA 發布到 AlexNet 出現花了七年。是 Geoff Hinton 的研究生碰巧有一張 GPU、碰巧在做影像辨識，才引爆了整場革命。」目前 Cortical Cloud 上約有 20 位活躍開發者，另有 10 位即將上線。公司同時正在進行一輪 3000 萬美元的募資。

梵蒂岡的擔憂和一條不能越過的紅線

當你把活的人類神經元裝進電腦，倫理問題是逃不掉的。Cortical Labs 的首席科學長 Brett 曾經直接和梵蒂岡對話，回應教廷對這項技術的宗教和倫理疑慮。最終，梵蒂岡依據「雙重教義原則」認定目前的工作是可接受的：這項技術的正面社會效益（藥物開發、疾病研究、減少動物實驗）大於潛在的負面影響。

但 Chong 自己畫了一條更嚴格的紅線：絕對不創造有意識的系統。「一個有意識的系統就有能力感受到痛苦，」他說，「我們不希望任何技術帶來任何形式的苦難。」

這不是空話。CL1 的訓練機制使用混亂電刺激作為「懲罰」信號。如果系統發展出了意識，這就等於是在折磨它。目前 CL1 的規模（20 萬顆神經元）離意識還非常遠，但隨著系統擴展到百萬甚至千萬顆神經元，這條線會越來越難定義。Chong 認為，生物運算和意識研究這兩個領域需要先在最基本的術語上達成共識。大家連「意識」的定義都還沒講清楚，後面的討論只會製造恐懼而非理解。

我的觀察：等待生物運算的 AlexNet 時刻

Cortical Labs 現階段的意義，不在於取代 GPU 或 TPU。20 萬顆神經元和一張 H100 相比，根本不是同一個量級的較量。但真正重要的是，他們證明了一條完全不同的運算路徑是可行的，而且在特定指標上有壓倒性的優勢。

5000 倍的樣本效率如果在 NeurIPS 通過同行審查，將是生物運算領域的第一個硬數據基準。但要從「在特定基準上很厲害」走到「改變產業」，中間還有巨大的鴻溝。Chong 自己也坦承，目前的瓶頸在演算法面：如何把數位世界的資訊有效編碼成類比生物系統能理解的訊號，這個問題還沒有標準答案。

話說回來，CUDA 從問世到 AlexNet 也花了七年，而且那場革命是一個研究生碰巧碰上一張 GPU 才發生的。Cortical Labs 的雲端策略就是在買這張彩券：把門檻降到最低，等待某個意想不到的人在某個意想不到的應用上找到突破口。在 AI 產業每年燒掉數百億美元追逐更大 GPU 叢集的當下，一台只用 30 瓦、餵糖水就能運作的生物電腦，至少提供了一種截然不同的可能。