首个“脑PU”来了！由“16核”类人脑器官（human brain organoids）组成。
这项研究来自瑞士生物计算创业公司FinalSpark，并且他们宣称：
这种生物处理器（bioprocessor）的功耗比传统数字处理器低100万倍。
这些类脑器官是“活的”，已经做到能在系统中存活100天。
基于生物处理器，他们还开发了类似云计算平台的Neuroplatform，已向九家机构提供远程访问权限，另外还有36家大学课题组提出访问申请。
目前他们给教育机构的定价是：每个用户每月500美元。
在FinalSpark发表的相关论文里，还特别cue了一嘴大模型：
训练一个GPT-3，大约需要10Gwh，大约是一个欧洲公民一年所耗能量的6000倍。
推理以LLaMa 65B为参考，每天仅用于文本生成就要消耗4500亿-6000亿焦耳的能量。
随着AI模型参数指数级增长，AI应用覆盖面也越来越广，能耗问题也越来越突出，靠GPU算力能持续下去吗？
事实上，大自然早已给出了最优雅的解决方案。
人脑约有860亿个活动的神经元，却仅消耗约20W的功率，相当于一块英伟达RTX4090显卡的4.4%。
换句话说，未来要想让大家实现“AI自由”，探索更节能计算范式非常重要，而且有紧迫性。
那么，这次的生物处理器新研究，带来哪些值得关注的成果？
“湿件”架构，用Python编程
这种生物计算的架构设想其实由来已久，被称为“湿件”（wetware）：是硬件、软件和生物学的混合体。
Neuroplatform提供的主要创新，是通过四个多电极阵列 (MEA) 来容纳活体组织类器官，即脑组织的3D细胞团。
这些类脑器官含有成熟的神经元、星形胶质细胞等多种细胞类型，具备一定的自发放电和可塑性。
每个MEA拥有四个类器官，通过用于刺激和记录的八个电极连接。数据通过数字-模拟转换器（Intan RHS 32控制器）来回传输，采样频率为30kHz，分辨率为16位。
到Neuroplatform平台这一层，还集成了精密的微流控装置、紫外光刺激模块、实时影像监测等模块，以及提供友好的Python编程接口，成为一个完整的类脑计算实验平台。
然而，要实现使用活体生物处理器进行计算，不仅需要开发出相关系统，还需要精确地与神经元群建立电连接，并找到一套不同于机器学习反向传播的“生物学习算法”。
基于Neuroplatform，研究者们开展了一系列初步实验。
比如他们发现，高频电刺激能诱导活动中心(Center of activity)在类脑器官表面发生迁移。这表明外界输入能在一定程度上重塑内在的神经环路。
又比如，多巴胺等神经递质的“光释放”，能通过闭环反馈增强特定刺激下的放电反应。暗示类脑组织或许能通过类似“操作性条件反射“的机制习得新的输入-输出映射。
论文中展示了这一实验相关的Python代码，仅用13行就能搞定。
Hinton、Friston两大牛都在搞
瑞士FinalSpark也不是唯一一家探索类脑组织生物计算的公司。
量子位之前也介绍过，澳大利亚Cortical Labs的“盘中之脑”，在像《黑客帝国》一般的虚拟环境中学会打乒乓球电子游戏。
去年，Cortical Labs获得李嘉诚旗下维港投资领投的一轮融资，总共筹集1000万美元。
与FinalSpark目前专注于教育科研领域不同，Cortical Labs已经有了商业合作伙伴：VERSES AI，将利用生物计算系统开发新颖算法。
Cortical Labs背后支持者包括著名神经科学家Karl Friston，该系统根据他颇受争议的自由能原理（Free Energy Principle）设计。
Friston曾与AI教父Hinton在英国伦敦大学学院与共事，两人是多年好友，他曾透露是Hinton让他相信“大脑是一种贝叶斯机器”。
有意思的是，而Hinton的一个最新研究方向可朽计算（Mortal Computing）也是参考人脑工作方式。
但Hinton更多的是从理论角度思考这个问题，并未把实现途径限制在使用生物细胞。
除这个方向之外，Hinton在最近的访谈中也透露他支持“大模型不止是预测下一个token”，也认同OpenAI前首席科学家Ilya Sutskever的“压缩即智能”观点。
