生物计算机：科学家正在将人脑细胞转化为功能性计算机

　　在计算科学的前沿领域，一场静悄悄却极具颠覆性的革命正在实验室的培养皿中酝酿。当全球科技巨头仍在竞相堆叠硅基芯片以训练更庞大的大语言模型时，一群非传统的科学家却将目光投向了生物进化的终极杰作——人类大脑。

　　随着Cortical Labs、布里斯托尔大学以及全球多个研究团队相继取得突破，基于活体人脑细胞构建的“生物计算机”正从科幻小说的幻想走向可操作的现实，这一跨越不仅挑战了我们对计算硬件的传统认知，更在能效与伦理层面引发了深远的激辩。

　　超越硅晶圆：湿件计算的崛起与突破

　　长期以来，计算机的发展一直遵循着摩尔定律，依赖于在硅片上蚀刻更微小的晶体管。然而，物理极限的逼近和人工智能对能源的贪婪需求，迫使科学界寻找全新的计算范式。生物计算（Biocomputing）应运而生，它不再依赖无机的半导体，而是利用生物衍生材料——特别是实验室培育的人脑神经元网络——来处理信息。这种被称为“湿件”（Wetware）的系统，正在展示出令人惊叹的潜力。

　　2022年，澳大利亚初创公司Cortical Labs的一项实验震惊了世界。他们在一个名为“DishBrain”的系统中，成功诱导培养皿中的神经元学会了游玩经典的电子游戏《Pong》。这并非预先编程的代码，而是神经元网络通过实时反馈自我组织、适应环境的结果。此后，这一领域的进展呈现加速态势。美国印第安纳大学伯明顿分校的研究人员开发出的“Brainoware”系统，利用连接到电极阵列的人脑类器官，实现了基本的语音识别功能，其准确率在经过极短时间的训练后便达到了惊人的水平。

　　而在2025年8月，英国布里斯托尔大学的一个团队更是将这一技术推向了新的高度。他们报告称，利用含有数万个神经元的人类大脑类器官，成功实现了对盲文的识别。这一连串的突破表明，实验室培育的微型大脑组织——学名为“脑类器官”（Cerebral Organoids）——不仅仅是静止的细胞团块，它们具备处理复杂时空信息、进行模式识别甚至展现初级学习能力的潜质。

　　这种技术的核心在于构建神经元与电子设备之间的双向接口。科学家首先利用人类诱导多能干细胞（iPSC）分化出神经元，并使其自组装成三维的类器官结构。随后，这些类器官被放置在高密度的微电极阵列（MEA）上。电极既充当“耳朵”，记录神经元的电生理活动（输出），也充当“嘴巴”，向神经元发送电刺激信号（输入）。通过这种闭环系统，生物神经网络得以与数字世界进行即时通讯，从而执行计算任务。

　　示意图：人工神经元可用于制造生物计算机。 盖蒂图片社

　　能效神话：向进化的终极算法致敬

　　推动生物计算研发的最强动力，源于对能源效率的极致追求。在当今的人工智能竞赛中，算力的代价是巨大的能源消耗。超级计算机Frontier虽然拥有每秒百亿亿次的运算能力，但其峰值功耗高达21兆瓦，相当于一座小城市的用电量。相比之下，人类大脑是一个令工程师感到羞愧的奇迹：它仅需约20瓦的功率——相当于一个昏暗的灯泡——就能每秒执行约10亿亿次的逻辑运算，并同时处理复杂的感官输入、情感反应和创造性思维。

　　墨尔本大学生物医学工程博士候选人布拉姆·塞尔维斯（Bram Servais）指出，人脑在处理非结构化数据和模糊信息时的效率，是目前的冯·诺依曼架构计算机难以望其项背的。生物神经元在传递信息时仅消耗极微量的葡萄糖和氧气，且具备极强的并行处理能力。如果能够解锁这种生物机制并将其工程化，未来的计算中心可能不再是轰鸣的高能耗机房，而是安静、高效的生物反应器网络。

　　瑞士初创公司FinalSpark已经迈出了商业化的第一步，推出了全球首个基于神经球的在线生物计算平台。该平台允许全球的研究人员通过互联网远程访问由活体神经元构成的处理器，进行Python编程实验。这种“神经云”服务的出现，标志着生物计算正试图走出纯学术研究，向可用的计算基础设施转型。虽然目前的生物处理器在执行精确数学运算方面远不如传统芯片，但在模式识别、非线性动态系统预测等领域，它们展现出了硅基芯片难以比拟的学习速度和适应性。

　　加州大学圣地亚哥分校的一项提议甚至更具野心：利用类器官来模拟生态系统，以预测2028年亚马逊地区的石油泄漏扩散路径。这表明，生物计算的应用场景可能远超传统的逻辑运算，延伸至复杂的环境模拟和混沌系统预测。

　　伦理迷雾与技术瓶颈的博弈

　　然而，随着技术的飞速发展，伦理学家和公众的担忧也随之而来。当我们将活体的人类脑细胞整合进机器，甚至训练它们“思考”时，我们是否正在越过某种危险的界限？

　　2022年Cortical Labs的研究引发争议的一个重要原因，在于其使用了“具身感知”（Sentience）这一术语来描述神经元的行为。虽然这在神经科学语境下指代的是对感官输入的响应能力，但在公众语境中，它容易与“意识”或“知觉”混淆。这也促使科学界提出了“类器官智能”（Organoid Intelligence, OI）这一新概念，以区别于传统的AI。

　　目前的科学共识认为，现阶段的脑类器官缺乏产生主观意识所需的复杂结构和感觉输入，它们更像是复杂的生物电路而非有思想的实体。但随着科学家致力于培育更大、更复杂、甚至包含血管系统和多种细胞类型的类器官，界限可能会变得模糊。现有的生物伦理框架主要将类器官视为生物医学研究的工具或药物测试的模型，并未充分涵盖将其作为计算硬件使用的伦理困境。如果未来的类器官展现出了更高阶的认知迹象，它们是否应该享有某种程度的道德地位？这一问题亟待法律和伦理界的解答。

　　除了伦理挑战，技术瓶颈同样严峻。活体神经元虽然高效，但极其脆弱。它们需要恒定的温度、特定的营养液供给和无菌环境，且寿命有限。如何构建一个能够长期稳定运行、且具有可扩展性的生物维持系统（Life Support System），是生物计算机走向实用化的最大工程障碍。目前，FinalSpark等公司的系统寿命依然有限，且神经元的可塑性（学习能力）会随着时间推移而下降。

　　尽管如此，全球范围内的投入并未减缓。从美国的学术机构到中国的科研中心，生物混合系统（Bio-hybrid Systems）正成为新的战略高地。除了计算，这种技术还展示了在神经科学研究中的巨大价值，例如作为替代动物模型的毒理学测试平台，或用于研究癫痫等神经系统疾病的机制。

　　生物计算机或许不会在一夜之间取代你的笔记本电脑，但它正在开辟一条全新的技术演进路径。在这条路径上，生物学与信息学的界限将彻底消融，计算的未来可能不再是冰冷的硅片，而是有温度的、会呼吸的细胞网络。这是一个令人兴奋也令人敬畏的未来，而我们正站在这个未来的门槛之上。