就在剛剛，世界上第一臺「合成生物智能」生物計算機誕生了！

Cortical lab推出的這款計算機，是由人類神經元直接集成到硅芯片上，可以編程和自適應，甚至還能活體計算。

合成生物智能，再次創造奇跡。

CL1將于6月上市，售價約為35,000美元

所以，Cortical是從哪里獲得神經元的呢？

研究者給出了出人意料的答案：從干細胞培養而成！

在CL1的硅芯片表面，有實驗室培育的人類神經元。

這些神經元能夠響應電信號，形成與生物大腦類似的信息處理網絡。

這個系統被設計為允許雙向通信，其中電脈沖刺激神經元，并記錄和分析它們的反應。

為了維持神經元的活力，CL1配備了一個生命維持系統，該系統調節溫度、氣體交換和其他必要條件。

CL1不是一臺普通的計算機——它沒有 GPU、CPU或RAM，而是依靠真實的神經元形成動態連接，自適應調整，專為需要真實學習能力的生物計算任務設計。

突破傳統硅基限制

傳統硅基AI，存在著一種根本性限制：巨大的能源需求、僵化的結構和有限的適應性。

只就是為什么，今天的AI消耗了大量的計算資源，卻仍然難以模仿人類智能。

但生物智能（BI），則徹底沖破了這些限制！

真實的神經元，天生具有著適應和學習的能力，有著極高的能量效率（約每單位30 瓦），是一種天然的自組織，還具有更多靈活性，因為經過數十億年的進化而變得完美。

而這臺生物計算機CL1，將神經元與高密度電極陣列融合，形成一個閉環系統，其中電極傳遞精確的電信號。

由神經元解讀這些信號，形成新的連接，并在模擬環境中動態學習。

在訓練諸如Pong之類的任務時，CL1神經元的表現已經優于當前最先進的AI模型（DQN、PPO）。

在僅五分鐘的游戲過程中，這些生物神經元就能以更少的訓練步數達到更高的性能，展現出遠超AI模型的樣本效率。

生物神經元計算復雜性，遠超硅基計算

為什么CL1會更優越？

這是因為，它通過實時反饋回路，實現了快速的優化。

穩定的電信號反饋加速了學習過程，使預測效率和整體性能迅速提升。

在相同條件下，人體皮層神經元在Pong游戲中的連擊次數（連續成功交互次數）相比硅基AI提高了約 30%，表現出更快的學習速度和更高的學習效果。

更重要的是，從初始游戲到最終游戲的過程中，生物神經元的相對提升幅度最高，凸顯了其相比硅基AI更強的適應性和快速學習能力。

CL1證明：硅基計算并非天生優越！

一個驚人的事實是，生物神經元的計算復雜性遠超硅基AI，同時功耗僅為其一小部分——每個CL1單元僅消耗約30瓦，而AI GPU則需要數百瓦。

這些生物神經元并非完整的大腦，但它們已經在適應性、實際應用價值和能源效率方面超越了當前的硅基技術，對醫學和AI研究具有直接的影響。

促進醫學突破，加速人機融合

這一技術，無疑會推動醫學研究向前邁進，用更具相關性的人體數據取代動物實驗，使人類與AI的無縫融合更進一步。

在未來，我們將見證醫學突破將不斷涌現，比如：

• 高級藥物研發：基于人體神經元的實驗平臺，提升新藥篩選效率
• 疾病建模：使用生物神經網絡模擬疾病發展，優化治療策略
• 個性化醫療：未來可用患者自身細胞培養神經元，預測個體化的藥物反應，徹底變革醫療行業

并且，CL 1的影響并不僅限于醫學，它還可能徹底改變機器人和人工智能。

想象一下，由生物神經元驅動的自適應機器人，能夠靈活應對不可預測的任務，并具備類似人類的響應能力，超越傳統的硅基自動化系統。

這是因為，CL1具備以下優勢：

• 模塊化設計：CL1單元可以堆疊，支持規?；渴?/span>
• 全球云端集成：可通過云計算遠程訪問和訓練生物神經網絡
• 低功耗高效率：30個CL1 單元堆疊后，總功耗僅約850瓦，遠低于等效計算能力的硅基AI

注意，這一技術不是理論概念，而是現實可行的合成生物智能，在效率、適應性和學習速度方面都已超越傳統硅基計算。純硅計算的時代正在走向終結。

傳統計算機，依賴的是固定的硅基電路，擅長執行精確的數值計算。而CL1采用生物神經元，更適用于自適應任務，比如疾病建模、個性化藥物測試、實時學習和決策等。

而編程CL1并不依賴傳統代碼，而是設計自適應反饋回路。

重點不再是編寫剛性算法，而是引導神經網絡根據環境自行優化。

這種方式提供了更符合生物現實的計算模型，適用于快速構建自適應系統，推動高效學習，發展有機-硅基混合智能，在生物與技術創新之間架起橋梁。

如今，生物學與計算科學的融合正在重塑科技格局。