Stel je een server voor die suiker 'drinkt'. Niet figuurlijk - letterlijk suiker. In een rustige vleugel van de Nationale Universiteit van Singapore hebben ingenieurs en biotechnologen het script van conventionele datacenters omgedraaid, rijen hete siliciumchips verruild voor petrischalen en levend neuronaal weefsel.
Het project is een samenwerking tussen Singaporese DayOne-operator en de Australische biotech-startup Cortical Labs, en opende de deuren op 17 juli 2026. Binnen staan 20 biologische rekenunits genaamd CL1: hybride apparaten die neuronen, gekweekt uit gereprogrammeerde bloedcellen, koppelen aan siliciumchips met elektroden. Het resultaat leest als sciencefiction en functioneert als een gespecialiseerde processor.
Technici verzorgen de culturen elke drie dagen. Ze voeden de cellen met een mengsel van suiker, microbiële voedingsstoffen en pH-buffers, en gebruiken vervolgens een kleine menginstallatie en een gecontroleerde toevoer van zuurstof, stikstof en kooldioxide om het netwerk in leven te houden. Dit zijn geen passieve monsters op een plank. Elke CL1 bevat minstens 200.000 in het laboratorium gekweekte neuronen die elektrisch communiceren met de onderliggende chip. Die neurale patronen worden door software geïnterpreteerd en omgezet in bruikbare verwerkingssignalen.
Waarom een door het brein aangedreven datacenter bouwen? Chang Han Wong, oprichter van Cortical Labs, is duidelijk: biologische systemen blinken uit wanneer data schaars is en omgevingen onvoorspelbaar zijn. Hij stelt dat deze levende processors uitblinken in leren van beperkte, rommelige input, een situatie waar siliciumservers moeite mee hebben. "Biologische datacenters zijn beter voor toepassingen waarbij datasets klein zijn en de omstandigheden sterk onvoorspelbaar," zei hij. "Je kunt simpelweg geen humanoïde robots voor elke reële variatie trainen met alleen conventionele servers."
Er zijn ook praktische toepassingen. Wong wijst op anomaliedetectie in cybersecurity als een veelbelovende toepassing; neurale culturen kunnen subtiele afwijkingen oppikken zonder bergen gelabelde voorbeelden nodig te hebben. Maar hij is even duidelijk over de beperkingen: conventioneel silicium blijft onovertroffen voor snelle, precieze, herhaalbare rekenwerkzaamheden die grote taalmodellen en andere zware AI-workloads aandrijven.
Elke CL1 verbruikt ongeveer 30 watt inclusief levensondersteunende systemen - minder stroom dan een eenvoudige handrekenmachine. Vergelijk dat met moderne AI-versnellers: een enkele NVIDIA H100 SXM kan tot 700 watt trekken, en een typische server met acht van die GPU's verbruikt ongeveer 10.200 watt. De energierekening is schrijnend, en het is het belangrijkste voordeel van de biologische benadering.
De kosten weerspiegelen die afweging. Toegang tot één CL1 kost ongeveer $2.200 per maand voor commerciële en academische klanten - ruwweg de helft van de prijs voor het huren van een topklasse AI-chip op grote cloudplatforms. Dat maakt biologische computing aantrekkelijk, zij het gespecialiseerd, voor teams die energiezuinige inferentie of experimenteel onderzoek naar belichaamde intelligentie nastreven.
Er zijn moeilijke vragen voorbij de economie: bio-ethiek, langdurige betrouwbaarheid, regelgeving en hoe je een levend systeem opschaalt zonder de gedragingen te verliezen die het nuttig maken. De opstelling in Singapore is klein bij ontwerp - een testomgeving in plaats van een vervanging voor GPU-farms. Toch herinnert het aanschouwen van een cluster neuronen die problemen oplossen terwijl ze een oplossing van suiker en voedingsstoffen 'drinken' eraan dat computing er niet altijd hetzelfde uit hoeft te zien.
Wat gebeurt er nu - meer hybride hubs, of een stille niche die ons nieuwe manieren leert om over intelligentie na te denken? Hoe dan ook, het beeld is krachtig: computing die leeft, ademt en leert op manieren die onze huidige machines nooit konden.
.webp)
Laat een reactie achter
Reacties
Nog geen reacties. Wees de eerste.