想象一下,服务器不再因为数千个耗能的硅芯片而产生嗡嗡声和高热,而是依靠"湿件"——由干细胞培养的生物神经元来处理信息并为人工智能工作负载提供动力,而其能耗仅为传统计算机的一小部分。
这种科幻场景可能很快成为现实。总部位于新加坡的全球数据中心提供商DayOne正与墨尔本生物计算初创公司Cortical Labs合作,建设新加坡首个生物数据中心。
在DayOne的资金支持和战略投入下,该项目将首先在新加坡国立大学杨潞龄医学院(NUS Medicine)进行原型测试。
由Hon Weng Chong创立的Cortical Labs在2022年凭借其DishBrain项目首次登上全球头条。研究人员成功地让80万个体外脑细胞网络在五分钟内学会了玩经典街机游戏乒乓球。
这家初创公司的技术之所以引起亚马逊首席技术官Werner Vogels的关注,是因为它依赖的是生物智能而非神经网络。生物细胞天然倾向于减少环境中的不可预测性,因此能以惊人的效率学习和适应。更重要的是,它们消耗的能量很少,几乎不产生热量。
在NUS Medicine的原型将包含一个机架中的20个Cortical Cloud单元。在NUS生命科学研究所神经生物学项目主任兼教授Rickie Patani的监督下,细胞将被培养和生长,以测试系统在复杂研究中的可行性。
Patani表示:"湿件系统可以帮助研究人员探索学习、适应和生物建模的新方法。我们在神经生物学研究方面的专业知识,特别是在理解如何从干细胞生成具有临床相关性的特定人类神经元和胶质细胞亚型方面,为将这些生物原理转化为生物计算平台提供了坚实基础。"
他补充说:"对于药物发现和神经疾病研究等应用,在类脑生物网络上运行实验的能力,结合传统计算,可以加速假设测试,缩短从实验室洞察到有意义的现实世界影响的周期。"
在NUS验证阶段完成后,合作将转向新加坡DayOne商用数据中心内的实时部署环境。湿件系统将在真实工作负载下接受测试,跟踪与标准配电、密闭环境管理系统和冷却基础设施的兼容性。如果成功,合作伙伴正在探索分阶段扩展,可能部署多达1000个单元。
Hon Weng Chong表示:"新加坡已经明确表示,数字基础设施的下一章必须以可持续性为核心。人工智能正从新奇事物转向各个行业的必需品,但该地区的能源和水资源现实正迫使人们重新思考。这种合作关系旨在为政策制定者和行业提供一个实用的替代方案——一条可持续的AI采用路径,旨在将计算增长与资源足迹脱钩。"
该倡议出现的背景是,全球数据中心容量预计到2030年将达到200GW,东南亚数据中心的电力需求预计将从2025年的2.6GW翻两番至2035年的10.7GW。作为回应,新加坡政府为该行业制定了可持续性政策,在其绿色数据中心路线图下释放至少200MW的新容量。
对于DayOne来说,湿件为一个正在应对电力可用性和电网排放问题的行业提供了替代计算模式。
DayOne首席执行官Jamie Khoo表示:"新加坡正在提高可持续数据中心增长的标准,市场正在以新方法作出回应,不仅仅是更大规模的建设。与Cortical Labs的合作让我们能够探索一种新的计算范式,该范式符合新加坡和该地区以可持续性为导向的发展轨迹,支持持续创新,同时与不断变化的效率和绿色能源期望保持一致。"
Q&A
Q1:生物数据中心是什么?它与传统数据中心有什么区别?
A:生物数据中心使用由干细胞培养的生物神经元来处理信息和运行人工智能工作负载,而不是传统的硅芯片。生物细胞消耗的能量很少,几乎不产生热量,能以惊人的效率学习和适应。
Q2:Cortical Labs的DishBrain项目是什么?
A:DishBrain项目是Cortical Labs在2022年的突破性研究,研究人员成功让80万个体外脑细胞网络在五分钟内学会玩经典街机游戏乒乓球,展示了生物神经元的学习能力。
Q3:新加坡生物数据中心项目的具体规划是什么?
A:项目将首先在新加坡国立大学杨潞龄医学院进行原型测试,包含20个Cortical Cloud单元。验证成功后将在DayOne商用数据中心进行实时部署,如果成功可能扩展至1000个单元。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。