自从涉足AI与大模型推理训练领域，原本在该领域鲜有敌手的老黄，其高端显卡的价格节节攀升。结果，这波涨势也波及到了我们这些热衷于游戏的群体，若想入手高性能显卡，不得不额外支付更多费用。

近期，我浏览到一则消息，这让我意识到，脱离老黄的掌控，购置价格实惠的显卡，并非全然无望。

此事的经过是这样的，位于澳大利亚的一家名为Cortical Labs的公司研发出了一款生物计算机，该设备能够将人类的脑细胞与硅芯片相融合，利用人类神经元来处理信息，实现了所谓的“活体计算”。

这项技术若继续进步，或许接下来将能培育出与大脑更为相似的器官，这不禁让人联想到黑客帝国中的场景，似乎现实版的黑客帝国即将上演。

然而，暂且不要急于求成，相信很多人在阅读至此时，心中首先浮现的可能是对这则新闻真实性的怀疑，以及对事件背后原理的探究。那么，我们就一点一点地来探讨这些问题。

想要搞懂这个颠覆咱们认知的事情，得先确立几个基本的概念。

将成熟的体细胞转化为多能干细胞的技术已经相当成熟。早在2012年，英国科学家约翰・格登以及日本科学家山中伸弥就已经揭示了诱导性多能干细胞（iPSC）技术的奥秘。

借助这项技术，从理论上讲，我们能够在体外进行人体干细胞的批量生产；同时，通过干细胞所具有的广泛分化潜能，我们可以有目的地引导它们分化成具有特定功能的人体细胞。

而且，运用iPSC技术来培养类似器官，例如微型肝脏，或是用于修复受损组织的医疗应用，已经变得相当普遍。

再者，通过向细胞主动传输电脉冲，并随后收集并记录细胞所发出的电脉冲，我们能够实现硅基芯片与细胞间的信息交互。

也就是说，我们能够借助放电现象，向细胞传达当前的状况，同时，通过观察并记录细胞的放电活动，我们能够领悟其试图传达的信息。

明白这两点之后，接下来咱们就可以正式讲讲生物计算机的事了。

提及的开头Cortical Labs团队，对提取的人体细胞进行了重新编程，使其转变为干细胞，接着引导这些干细胞分化为神经细胞，并成功培养出了具备真实神经轴突和树突的细胞群，最终验证了这一“微型大脑”具备智能。

该论文已成功刊载于神经科学界享有盛誉的期刊《Neuron》之中。

简言之，他们试图让这款在体外合成的人工智能参与传统的乒乓球游戏《Pong》。

若球拍触碰到乒乓球，系统便会发出一种可预见的、有序的电脉冲作为奖励；若非如此，则会产生一种不协调的随机电流。研究结果表明，微型大脑为了追寻那可预测的电信号，主动领悟了游戏的规则。

世超固然并非该领域的研究者，然而，正是通过观看 B 站上名为@K形态生命科学的 up 主对实验的详细解读，他才得以洞悉 Cortical Labs 团队究竟进行了哪些具体工作。

他们通过不同位置的电极来激活神经网络，以此模拟乒乓球的具体位置；与此同时，电极的刺激节奏反映了球与球板之间的距离。此外，微电极阵列能够感知神经网络电流的波动，进而实现对乒乓球的操控。

电刺激的持续作用下，微型大脑开始尝试操控球板，成功击中滚动的小球。值得注意的是，球板的移动并非盲目且无目的的“碰运气”，而是精准地出现在小球的运动轨迹上。

这也表明，这个小型大脑感知到了自己在参与游戏，并且随着游戏的深入，其表现也在持续提升。

此外，该团队还运用电脑人工智能技术对这款游戏进行了模拟，结果显示生物计算机的运行效率远超电脑，达到了电脑的500倍以上。

与电脑中的大型人工智能模型不同，这些模型需要借助海量的数据运算和参数调整来模仿真实的神经网络结构，而迷你大脑在自我学习的过程中，却能直接领悟游戏中的运行规则。

这也预示着，若将其他课题交给微型脑部处理，其表现很可能超越电脑人工智能。

基于这一实验的成果，Cortical Labs 研发团队推出了生物计算机 CL1。该设备内置了约80万个模拟人类神经元的元件，并配备了与之相连的阵列电极。此外，为确保神经元功能的持续，还配备了相应的生命维持系统，该系统负责调节适宜的温度和提供充足的氧气等。

那说了这么多，生物计算机到底有啥优势呢？

相较于传统计算机，其效率优势在先前的实验阶段已得到充分体现。然而，就CL1的最新表现而言，世超本人尚无法给出明确结论。

售价之高并非普通大众所能承受：CL1 单台售价高达 3.5 万美元，约合 25.1 万元人民币；需一次性购买 30 台，每台价格仍为 2 万美元。目前观察，其核心应用领域主要集中在医学与人工智能的研发。

不过，CL1 同样推出了远程租赁服务，费用为每周300美元，便能让您远程操控一台CL1。目前，这项租用服务已经正式上线。若您是从事相关研究的差友，并已使用到该设备，欢迎在评论区向世超请教并解答相关问题。

其另一显著优点是，生物计算机的能耗极其微小。单个CL1单元的能耗仅有30瓦，而一个由30个CL1单元组成的机架，其总能耗也仅在850至1000瓦之间，这一数值远低于传统人工智能服务器的能耗水平。

实际上，若再提供一个形象的实例，大家或许能更容易把握，人脑的平均能耗不过20瓦上下，然而在与柯洁对弈的过程中，AlphaGo所依赖的TPU集群的能耗高达160瓦，而这仅是训练它所需的能耗，其数值足以支撑数万个大脑持续运作……

那么，我们是否可以憧憬一下，未来的生物计算机，能否研发出针对脑神经的专用编程语言，使得效率大幅提升；又或者，借助神经细胞的自我适应学习能力，弥补电脑人工智能在模糊感知任务方面的不足。如此一来，我们或许在训练人工智能时，将拥有更多选择，不必急于向老黄购买显卡了。

但是生物计算机的发展，也面临一些道德伦理问题——

尽管目前CL1系统的神经元数量与人类大脑的860亿神经元相比微不足道，然而，当类人脑器官的规模达到一定阶段，是否会萌生自我意识？因此，生物计算机能带来何种成效，这条道路是否可行，我们不妨暂且观望。