先给出几个核心判断：活体脑细胞，如今真的被做成了生物芯片。

全球首个“脑PU”来了！它由“16核”类人脑器官（human brain organoids）组成。

这项研究来自瑞士生物计算初创公司FinalSpark。他们宣称：这种生物处理器（bioprocessor）的能耗仅为传统数字处理器的百万分之一。

没错，这些类脑器官是“活的”，并且在系统中已成功存活超过100天。

基于这套生物处理器，他们构建了类似云计算平台的Neuroplatform，目前已向九家研究机构开放远程访问权限。更令人瞩目的是，还有36所大学的课题组正在排队等待申请。针对教育机构的定价为：每用户每月500美元。

在FinalSpark发布的相关论文中，还特别提及了大模型的能耗挑战：

训练一个GPT-3模型大约需要10GWh，相当于一个欧洲居民全年能耗的6000倍。在推理方面，以LLaMa 65B为例，每天仅文本生成就要消耗4500亿至6000亿焦耳的能量。

随着AI模型参数呈指数级增长，AI应用的范围不断扩大，能耗问题也日益严峻。仅依赖GPU算力，真的能持续支撑下去吗？

实际上，大自然早已提供了最优雅的解决方案。人脑拥有约860亿个活跃神经元，而功耗仅约20W，相当于一块英伟达RTX4090显卡的4.4%。换言之，未来要实现“AI自由”，探索更高效节能的计算范式已变得至关重要且十分紧迫。

那么，这次生物处理器的新研究带来了哪些值得关注的成果？

“湿件”架构：用Python编程的生物计算平台

这种生物计算的架构构想由来已久，被称为“湿件”（wetware）——硬件、软件与生物学的融合体。

Neuroplatform的核心创新在于，通过四个多电极阵列 (MEA) 容纳活体组织类器官，即脑组织的3D细胞团。这些类脑器官包含成熟的神经元、星形胶质细胞等多种细胞类型，具备自发放电和可塑性能力。

每个MEA包含四个类器官，通过八个用于刺激和记录的电极相连。数据通过数字-模拟转换器（Intan RHS 32控制器）双向传输，采样频率为30kHz，分辨率为16位。

在Neuroplatform平台层面，还集成了精密微流控装置、紫外光刺激模块、实时影像监测等功能模块，并提供了友好的Python编程接口，构成一个完整的类脑计算实验平台。

不过，要实现利用活体生物处理器进行计算，不仅需要开发出配套系统，还需要精确建立与神经元群的电连接，并找到一套区别于机器学习反向传播的“生物学习算法”。

基于Neuroplatform，研究人员开展了一系列初步实验。例如，他们发现高频电刺激可诱导活动中心在类脑器官表面迁移。这表明外界输入能在一定程度上重塑内部神经环路。

此外，多巴胺等神经递质的“光释放”能够通过闭环反馈增强特定刺激下的放电反应。这暗示，类脑组织或许能通过类似“操作性条件反射”的机制，学习新的输入-输出映射。论文中还展示了该实验相关的Python代码，仅需13行即可实现。

△time.sleep()亮了

Hinton与Friston：两位学术巨擘均在布局

瑞士的FinalSpark并非唯一探索类脑组织生物计算的企业。

此前，量子位也曾报道过澳大利亚Cortical Labs的“盘中之脑”，它在类似《黑客帝国》的虚拟环境中学会了打乒乓球电子游戏。去年，Cortical Labs获得了由李嘉诚旗下维港投资领投的一轮融资，共筹集1000万美元。

与目前专注于教育与科研领域的FinalSpark不同，Cortical Labs已拥有商业合作伙伴VERSES AI，双方将利用生物计算系统开发新型算法。

△Cortical Labs创始人兼CEO Hon Weng Chong

Cortical Labs的背后支持者包括著名神经科学家Karl Friston，其系统依据他颇具争议的自由能原理（Free Energy Principle）设计。

Friston曾与AI教*父Hinton在英国伦敦大学学院共事，两人是多年好友。他曾透露，正是Hinton让他相信“大脑是一种贝叶斯机器”。有趣的是，Hinton的最新研究方向可朽计算（Mortal Computing）同样借鉴了人脑的工作方式。不过，Hinton更侧重于理论思考，并未将实现路径局限在使用生物细胞。

除这一方向外，Hinton在最近的一次访谈中还透露，他支持“大模型不止是预测下一个token”的观点，也认同OpenAI前首席科学家Ilya Sutskever的“压缩即智能”理念。