用人类脑细胞培育计算机

导言：活体概念验证

2025年3月，在巴塞罗那的一个会议现场，一个紧凑的盒子吸引了众人的目光，这不仅仅是因为好奇：它包含了活体人类神经元，这些神经元不仅维持着生命，还与硅片连接在一起，制造者称之为商业“生物计算机”。该设备被称为 CL1，其基础是让培养的神经元学习玩街机游戏 Pong 以及随后进行初步语音识别的实验——这些实验证明，当人类脑细胞与电极和软件配对时，可以被诱导进行计算。这些实验以及随之而来的商业计划，将这一原本安静但快速发展的研究领域推向了新闻头条和政策辩论的风口浪尖。

从 Pong 和储备池计算到桌面生物计算机

该领域的公开起源故事通常指向 2022 年发表在《Neuron》上的一篇论文。在该研究中，一个名为 DishBrain 的系统使用了培养的皮层神经元网络（源自人类干细胞和啮齿动物），并将其安装在高密度多电极阵列上，以与模拟的 Pong 环境进行交互。在这种闭环设置中，图形化电刺激提供游戏状态作为“感官”输入，神经元的放电则引导挡板移动；培养物的活动调整方式被作者描述为学习。该实验并非一个有意识的心智，但它证明了活体神经组织可以置于反馈回路中，并改变其反应以完成任务。

其他学术团队迅速跟进。印第安纳大学的一个小组在《Nature Electronics》上发表了一篇论文，展示了一个名为 Brainoware 的脑类器官储备池计算系统，该系统能够在短时间的训练后，从简短的元音中识别说话者，并解决简单的非线性预测任务。这些演示将脑组织作为混合系统中的自适应、低能耗基质，通过数字读取层来解释神经活动。

类器官和电极阵列如何进行“计算”

在技术层面，这些装置共享一个简单的架构：从干细胞生长出的神经元群体形成集群或类器官，并放置在多电极阵列 (MEA) 上或其附近。MEA 读取脉冲序列（神经元的电信号），还可以提供充当输入或奖励的精确计时脉冲。研究人员将数据（游戏状态、音频片段、传感器输出）转化为刺激模式，让活体网络做出反应，然后使用机器学习方法将神经活动解码回输出。系统的“学习”源于组织的内在可塑性：神经元连接增强或减弱，从而在不重写软件的情况下改变网络的反应模式。

商业化与“湿件即服务”的兴起

学术上的好奇心已演变为一种市场假设。初创公司和大学团队现在正推销基于类器官的硬件及云访问权限。Cortical Labs——DishBrain 背后的先驱之一——在 2025 年公开展示了一款桌面生物计算机 CL1，并描述了本地部署单元和云访问计划，其营销称之为“湿件即服务”（wetware-as-a-service）。其他公司和研究平台也提供对类器官阵列的远程访问，以便实验室无需在现场培养组织即可运行实验。支持者指出了潜在优势：在某些自适应任务中的能源效率、用于药物筛选的人类相关模型，以及用于神经科学的新型实验工具。

短期用途：药物测试、模型和混合传感器

大多数专家认为，其短期价值在于生物医学和科学应用，而非取代数据中心 GPU。类器官平台让研究人员可以直接在人类来源的神经组织上测试药物，研究发育和疾病机制，并减少动物实验。混合系统也被提议用于专门的传感和机器人领域，在这些领域，低功耗自适应控制器可能至关重要。几个团队正在探索分类任务——如语音或触觉信号，或混沌时间序列预测——这些任务展示了能力，但仍远未达到通用智能的水平。

伦理、语义与治理

该技术的快速进步已经超越了许多现有的伦理框架。当 DishBrain 的论文使用“感知力”（sentience）这一术语时，立即引起了抵制，并引发了关于术语、预防措施以及实验室培养神经组织的道德意义的学术辩论。伦理学家敦促明确区分——将反应性、学习和信息处理与现象意识区分开来——并呼吁更新监管，涵盖知情同意、捐赠者权利、组织管护，以及未来系统出现道德相关体验的可能性（尽管目前看来还很遥远）。国家机构和学术审查建议采取治理措施：完善知情同意流程，制定评估潜在感知力的标准，并协调国际指导方针，确保商业化进程不会超出安全保障的范围。

两种动态使得伦理讨论变得紧迫。首先，旨在实现生物计算机商业化的公司有商业动机去使用诱导性的语言，以吸引资金和客户。其次，生物基质不仅仅是代码；它是人类来源的材料，承载着捐赠者和社会对身份、再利用和尊严的关注。许多伦理学家建议针对该技术的特定风险量身定制规则，而不是直接搬用为传统生物医学研究设计的框架。

科学局限与争议性主张

除了伦理之外，技术主张也必须受到审视。迄今为止的演示仅展示了特定的、小规模的任务，并依赖于混合架构，其中传统硬件仍承担着沉重的工作（编码输入、解码输出）。研究人员强调，类器官并不是微型大脑：它们缺乏完整人类大脑的层级结构、长程连接和发育环境。跨实验室的可重复性、类器官网络的长期稳定性，以及将其扩展为可靠设备所需的工程技术，目前仍是悬而未决的问题。一些支持者认为类器官是硅基计算的补充——在特定问题上提供样本效率高的学习和能源优势——而不是传统计算的直接替代品。

前方的道路：审慎的乐观

现在的关键不在于是否能制造出“盒子里的脑”这种二元问题，而更多是一个政策科学问题：如何在限制危害并明确公众预期的同时，加速有用的、低风险的应用。这意味着资助者、监管机构和研究界必须在捐赠组织的知情同意标准、活体系统能力的透明度以及评估任何新兴道德地位的共享指标上达成一致。平行的技术工作——提高可重复性、非侵入性刺激和标准化的 MEA 接口——将决定类器官计算是仅仅作为实验室的一件新奇事物，还是成为医疗和专门计算领域的可靠工具。

简而言之：过去几年的实验表明，活体人类神经组织可以作为混合计算系统的一部分，且相关公司正在推动这些构想的产品化。社会将其视为伦理上充满风险的前沿，还是务实的新型实验仪器，将取决于研究界的开放程度、治理的力度，以及公众对生物学实际作用的现实认知。

来源

• Neuron (Kagan et al., "DishBrain" — 体外神经元学习并表现出自适应行为)。
• Nature Electronics (Guo et al., "脑类器官储备池计算")。
• 印第安纳大学 (Brainoware 研究及新闻材料)。
• 布里斯托大学 (类器官盲文识别/编码策略，arXiv 预印本)。
• 《Nature Reviews Bioengineering》和美国国家学院关于类器官伦理与治理的报告。