Cortical Labs 联机 15 台生物计算机：活体神经元协同，跑赢传统 AI

如果你的电脑里装的不是硅基芯片，而是一群泡在营养液里、随时可能因为心情不好而罢工的活体脑细胞，你敢拿它来跑算法吗？

澳大利亚初创公司 Cortical Labs 给出的答案是：一个脑细胞群靠不住，那就把 15 个连成一片。

在华盛顿特区举办的首届类器官智能国际会议上，Cortical Labs 正式展示了一套名为 HIVE 的系统。他们把 15 台已经商业化的 CL1 生物计算机联成网络，组成了一个微型的生物版「蜂群思维」。

活体脑细胞组团，把强化学习甩在身后

每台 CL1 内部，都有一套微型的机载生命维持系统，维持着大约 100 万个生长在硅基电极上的活体人类神经元。

单打独斗的时候，这些生物脑其实没那么稳。在虚拟网格导航测试中，单台 CL1 的得分只能达到满分的 40%。这个成绩虽然略高于传统强化学习模型 Deep Q-Network 的 32%，但随时面临生物活性波动的问题。

但把 15 台机器联成 HIVE 之后，奇迹出现了。在同一个导航任务里，集群得分直接跳到了约 70%。如果让不同的生物计算单元专门负责不同的子任务，整体得分甚至能冲到 80%。

在另一个符号识别测试中，仅仅将 7 台生物计算机联机，识别准确率就从单机的约 80% 暴涨到了 99%。

最让研究人员意外的是，团队并没有教这些神经元怎么配合。当它们被连入同一个网络后，这群生长在硅片上的细胞自己摸索出了分工机制，各自负责任务的一部分，自发找到了最高效的解题路径。

解决生物活体的「星期一综合征」

生物计算过去最大的痛点就是不稳定。正如 Cortical Labs 科学家 Johnson Zhou 所说，活细胞今天可能状态爆棚，明天可能就集体摆烂。

但大自然解决这个问题的方法从来不是让单个神经元变得完美，而是靠数量和分工。大脑分出不同脑区，蜂群分出不同工种。

把 15 台机器连起来，相当于给系统上了 15 重保险。只要有一个细胞群断线或者状态不佳，其他单元就会自动补位，平抑掉个体的生理差异。

而且比起传统的深度强化学习，这套活体网络在样本效率和容错韧性上展现出了惊人的优势。它不需要像硅基大模型那样先啃下几百亿 token 的语料，而是能在极短时间内根据物理电信号反馈调整自身连接。

为什么重要

我们认为，HIVE 最关键的意义在于它把生物计算从「培养皿里的科学演示」，往前推到了真正的「分布式系统架构」。

一直以来，硅基芯片最大的短板就是能耗。现在的大模型动辄消耗几座变电站的电力，而人类大脑运转只消耗约 20 瓦功率。如果生物计算机能通过网络化解决稳定性和扩展性问题，哪怕先用来分担边缘设备里小规模的决策或模式识别任务，也会对目前的能耗格局产生巨大冲击。

当然，现在普通开发者还很难直接买一台回来部署。虽然 CL1 已经是商业化硬件，但维持神经元存活的耗材、温控以及定制化电极接口，门槛依然非常高。

而且必须指出的是，目前的测试基准依然相当初级，拿来对比的也是相对早期的深度 Q 网络。活体神经元之间究竟是通过怎样的电信号模式在机器间通信并形成反馈，团队自己也还没完全拆解明白。

但这第一步走得足够漂亮。它向行业证明了生物硬件不用追求单点完美，只要规模组网，活体神经元天生的学习韧性就能被成倍放大。