作者 / 钱亚光
编辑 / 张 南
设计 / 柴文静
当ChatGPT为你生成文案时，它背后的服务器可能正在消耗着堪比小型城市的电力。人工智能的能源胃口越来越大，据预测，未来五年内其电力需求将翻倍，占全球总消耗的3%。
但如果有一种芯片，像人类大脑那样用极少能量就能完成复杂任务呢？科学家们正将目光投向一个神奇的方向——让芯片“活”过来。
这种被称为“生物芯片”的新技术，正在机器人技术、假肢以及与人体组织进行通信的生物集成植入物等领域展现出广阔的应用前景。
过去十年间，全球生物芯片市场增长显著，且预计还将继续扩张。这一增长得益于对个性化医疗、早期疾病检测以及基因组学研究的资金投入不断增加。
2024年，全球生物芯片市场价值161亿美元，预计到2029年将达到278亿美元，2024年到2029年的复合年增长率（CAGR）为11.6%。
约翰斯・霍普金斯大学的研究人员开发的一种将活神经组织与硬件相结合的生物芯片▼
今年7月，在日内瓦举行的联合国“人工智能造福人类（United Nations’AI for Good Summit）”峰会上，人工智能爱好者们接触到了基于大脑原理的芯片这一概念。
会上，约翰斯・霍普金斯大学（Johns Hopkins University）化学与生物分子工程学教授大卫・格拉西亚斯（David Gracias）发表了演讲，探讨了他领导的关于生物芯片的最新研究及其在人工智能中的应用。
格拉西亚斯在加州大学伯克利分校获得博士学位，是微纳技术、自折叠材料以及物理智能领域的国际知名学者。
他在约翰斯・霍普金斯大学化学系、材料科学与工程系以及计算感知与机器人实验室（LCSR）和纳米生物技术研究所（INBT）都有职位，还在约翰斯・霍普金斯医学院肿瘤学系、微生理系统中心（MPS）和赛德尼・基尔姆综合癌症中心（SKCCC）兼职。
他还是一位多产的发明家，拥有36项已获授权的专利，涵盖微芯片后端集成、自组装、自折叠多面体、弯曲、折叠及集成生物传感器、微生理系统、热响应式和基于DNA的软机器人、无缆微夹具和微注射器等领域。
其中部分专利已投入商业应用，他的工程转化工作还包括共同创立了一家后来被收购的初创公司。
他旗下的实验室正在进行的研究项目包括工程化生物材料、用于药物输送和手术的自主抓取装置、热生物化学响应型软机器人、管状细胞生物传感器、微生理系统以及组织体智能。
他们是首批成功构建出将神经组织与先进硬件相结合、使芯片能够运行并与活体组织相互作用的生物芯片团队。
格拉西亚斯团队与约翰斯・霍普金斯大学循证毒理学教授托马斯・哈特昂（Thomas Hartung）合作，将活的脑组织与数字系统相结合，催生了“组织体智能（Organoid Intelligence，OI）”的概念。
这些被称为“组织体（organoid）”的神经元，更确切地说是在实验室中由诱导多能干细胞（iPSCs）培育而成的紧凑的三维活脑细胞集群。
组织体智能是一个新兴领域，它将实验室培养的神经元与机器学习相结合，以创造出一种新的计算形式。
通过涉及生长因子和信号分子的精细过程，这些细胞在数周内转化为神经细胞。这些组织体在生物反应器中培养，最终形成具有复杂电信号交流的分层神经结构。
先进的成像技术，如共聚焦显微镜，能够揭示器官体对刺激的反应方式，从而展示出神经可塑性——这是学习所必需的基本特性。
01
生物芯片是如何模拟大脑的
传统芯片多采用二维布局，这种方式限制了信号传输。如今，芯片制造商开始研发三维芯片架构，以此提升设备处理能力。
生物芯片的设计灵感源自大脑三维结构。人类大脑拥有多达20万个连接点，这种复杂的多层次连接，是平面硅芯片难以企及的。格拉西亚斯指出，正是这种空间复杂性，让生物芯片能沿多轴传输信号，实现更高效的信息处理。
格拉西亚斯团队开发了3D脑电图头套。它可以包裹在器官样组织上，相比传统平面电极，能提供更丰富的刺激和记录效果。这个头套能贴合组织的弯曲表面，为电活动的刺激与记录提供了优质接口。
在培养组织体时，该团队采用强化学习方法。具体来说，他们会对特定区域施加电脉冲，当产生的神经活动与预期模式相符，就用多巴胺进行强化。随着时间推移，组织体就学会将刺激和结果联系起来。
一旦形成固定模式，就能用来控制实际动作。这展示了神经调节技术的能力——从组织体中获得可预测反应。这些稳定反应为更高级功能奠定基础，比如刺激辨别，这对人脸识别、决策制定和通用人工智能推理等应用至关重要。
目前，格拉西亚斯团队已着手研发由生物芯片控制的微型自动驾驶汽车。这项实验是概念验证，证明该系统具备控制能力。未来，它有望应用于机器人技术、假肢，以及能与人体组织通信的生物集成植入物等领域。
生物芯片在疾病建模和药物测试方面也潜力巨大。格拉西亚斯团队正在研发模拟帕金森症等神经疾病的人体组织模型。通过观察患病组织对药物的反应，研究人员能在培养皿中测试新疗法，减少对动物模型的依赖，还能发现当前人工智能系统未能模拟的认知障碍潜在机制。
不过，由于生物芯片是“活的”，需要精心照料，比如调节温度、供给营养、清除废物。格拉西亚斯团队通过持续监测，让集成生物芯片存活并正常工作长达一个月。
不少研究人员认为，将活的脑细胞整合到硬件中的生物芯片，在效率和适应性上有望超越硅基处理器。一旦实现商业化，生物芯片可能大幅降低人工智能系统的能耗，同时提升其学习能力。正如格拉西亚斯所说：“这是对新型计算机构建方式的探索。”
02
基于组织体智能的早期应用
组织体智能并非要替代我们日常用的手机、电脑等个人设备，也不是要取代通用型人工智能，而是在硅基芯片搞不定的领域大显身手。
现在，科学家们正在研究这些超酷的组织体智能应用：
生物+数字，强强联手：把大脑组织和机器学习模型连在一起，打造“混合系统”。就像给电脑装上了“生物大脑”，能快速处理实时信号，还能根据情况灵活分类。这都多亏了大脑神经元超强的自我调整能力，让系统越用越聪明。
模拟神经疾病：用组织体模拟阿尔茨海默病、自闭症等神经疾病，就像给疾病发展过程“拍电影”。科学家能在细胞层面，亲眼看到基因突变怎么影响胎儿大脑发育。这可比用仪器扫描或者动物实验厉害多了，能发现以前看不到的细节。
升级模拟实验：在模拟复杂动态系统时，传统计算机代码很难准确模拟一些突发情况或复杂变化。现在把生物组件当处理器，就能让模拟更真实、更准确，解决很多以前头疼的问题。
药物反应建模：从患者身上提取组织，用人工智能做测试，提前预测药物对每个人的效果。这样医生就能根据每个人的情况，开出最适合的药方，减少副作用，还能少用动物做实验，又精准又人道。
机器人领域的控制系统：给机器人装上“组织体大脑”，让它在做决策时不再只会执行固定程序，而是能根据环境变化，像人类一样灵活调整动作，越来越聪明。
03
生物芯片技术的扩展难题
组织智能体正处于从实验室探索向产业化落地的关键转型期。相较于传统硅基AI模型，其能耗降幅达到令人惊叹的量级，展现出颠覆现有计算架构的潜力。
然而，这项前沿技术在释放巨大社会价值的同时，也引发了深刻的伦理思辨。
数据采集的知情同意边界、生物信息隐私保护机制，以及技术应用可能带来的伦理风险，都亟待建立系统性规范。唯有产学研多方协同攻关，才能在技术突破与伦理约束之间找到平衡，确保生物智能系统的可持续发展。
技术层面的挑战同样不容小觑。生物芯片的活体组织特性导致其结构脆弱，日常维护成本高昂；现有实验系统高度依赖大型实验室设备，难以满足便携式应用需求。实现微型化的关键，在于研发新型生物相容性材料，以及具备自主生命维持功能的集成化技术。
此外，神经信号传导延迟、环境噪声干扰，以及神经元训练的规模化难题，都成为阻碍实时AI推理的技术瓶颈。
“我们面临着生物学机制与硬件工程的双重考验。”格拉西亚斯指出。更重要的是，从实验室到产业化的跨越需要的不仅是技术突破。“当前研究资金足以支撑实验室的运转，但要让这项研究取得成功，还需要来自硅谷的更多资金支持。”他补充道。
未来，生物芯片究竟会成为现有技术的增强剂，还是彻底的替代品，仍然充满悬念。但随着AI算力需求呈指数级增长，这种具备类脑功能的高效节能芯片，无疑正在重塑人们对下一代计算技术的想象。
格拉西亚斯对技术商业化进程持乐观态度，认为时间会比预想的要短：“在实施这项技术的过程中，我看不到任何重大阻碍因素。”
04
其他类似生物芯片研究
与此同时，其他一些公司和研究机构也正在进行相关生物芯片的研究和试验。
这些前沿成果标志着计算领域的范式变革——生物智能与硅基计算深度融合，正为医疗保健、环境监测及可持续人工智能发展，提供具有变革性的解决方案。当前，生物计算技术正加速从理论验证迈向规模化应用阶段。
FinalSpark：湿式硬件架构神经平台
弗雷德・乔丹博士（Dr.Fred Jordan）和马丁・库特博士（Dr.Martin Kutter）（左），瑞士初创企业FinalSpark的创始人。该公司正在研发生物芯片，据称这些芯片能够将数据存储在活的神经元中（图片来源：FINALSPARK）▼
瑞士初创企业FinalSpark研发的生物芯片，突破性地实现将数据存储于活神经细胞内。2024年5月，该公司推出全球首个体外生物神经元访问Neuroplatform在线平台，其核心依托“湿式硬件”架构，融合了硬件、软件与生物体系，可提供对16个类脑组织体的远程访问。
该公司表示，其神经平台具备学习和处理信息的能力，且能耗仅为传统数字处理器的百万分之一能够减少计算过程对环境的影响。
Neuralink：侵入式脑机接口
马斯克旗下的Neuralink公司，凭借其开发的Link芯片实现技术突破。该芯片通过植入超细电极阵列，能够对大脑电信号进行高精度采集。在猴子实验中，“盲视”植入物成功恢复视觉感知功能，为瘫痪患者的运动控制与感官修复带来曙光。
科特尔实验室：CL1生物计算机
2025年3月，澳大利亚科特尔实验室（CorticalLabs）推出的CL1生物计算机，成为首款获美国FDA批准的人类神经元与硅芯片融合产品。这款售价35000美元的设备，利用自组织神经网络处理复杂问题，如药物毒性预测，准确率高达95%，能耗仅为传统人工智能的千分之一。
浙江大学：“悟空”类脑计算机
2025年8月，浙江大学脑机智能全国重点实验室正式发布新一代神经拟态类脑计算机“悟空（Darwin Monkey）”，其核心突破在于采用了晶上系统（System on Wafer，SoW），集成960颗达尔文3代类脑计算芯片，是国际上首台神经元规模突破20亿的专用神经拟态计算系统。
其模拟猕猴大脑结构，在执行自然语言处理、运动控制模拟等任务时，能耗低于2千瓦。分层操作系统支持动态资源分配，学习速度较传统神经形态系统提升3倍。
在AI应用方面，它可以解决现有深度网络及大模型高能耗、高计算量的问题，同时其无人监督的在线方式学习机制能为人工智能带来革命性的进步。
而在脑科学方面，“悟空”已初步实现了多种不同神经元规格动物大脑的模拟，为脑科学的研究提供了新的手段。
浙江大学：可重构神经元
2025年2月，浙江大学脑机智能全国重点实验室、计算机学院、良渚实验室的潘纲、林芃课题组联合西湖大学孔玮研究员等在《科学进展（Science Advances）》发表的研究成果，展示了融合 Mott忆阻器与ECRAM的生物合理型脉冲神经元。
该混合装置高度还原生物神经元动态放电特性，硬件复杂度较CMOS设计降低80%，在脑电图信号分类中达到92%准确率，为节能型脑启发计算开辟新路径。
