类器官智能OI当培养皿里的脑细胞开始参与计算引言一台造价 6 亿美元、占地 680 平米的超级计算机算力和人脑相当耗电却是人脑的 100 万倍。于是有一群科学家开始想能不能不造芯片直接培养一团人脑细胞来当生物计算机这篇文章讲的就是这个方向——类器官智能Organoid IntelligenceOI以及它凭什么被认为可能成为下一代计算。目录为什么突然聊起生物计算人脑 vs 超级计算机一场不公平的较量类器官智能OI是什么OI 的三大技术底座OI 系统长什么样一条完整的数据链路从打 Pong 到跑 DoomOI 已经走到哪一步OI 不只是用来算数的医学价值盘中之脑会有意识吗伦理难题未来行动计划与争议总结一张表记住 OI1. 什么是智能{#sec1}先抛一个问题一个东西会算、会学、会认人算不算有智能我们现在熟悉的智能基本都指 AI——神经网络、大模型、深度学习。但 2023 年 2 月约翰霍普金斯大学等机构的科学家在期刊Frontiers in Science上发表了 一篇论文提出了一个新概念类器官智能Organoid Intelligence, OI。简单说OI 想做的事情是用 3D 培养的人脑细胞脑类器官当作计算硬件让它们像电脑一样接收输入、处理信息、输出结果。这篇论文的标题很有画面感Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish——“培养皿中的智能”。这不是科幻。过去几年里科学家已经让培养皿里的几十万个人类神经元学会了玩电子游戏而且学得比 AI 快、耗能比 AI 低几个数量级。这项研究正在从一个实验室的新奇实验慢慢变成一个严肃的科研方向。本文就把这篇论文的核心内容拆开讲清楚顺便补上 2025-2026 年最新的进展。2. 人脑 vs 超级计算机一场不公平的较量 {#sec2}先看一组数字你就明白科学家为什么要折腾培养皿。2.1 算力差不多耗电差 100 万倍2022 年 6 月美国橡树岭国家实验室的 Frontier 超级计算机成为全球最快的超算算力达到1.102 exaFLOPS每秒 110 亿亿次浮点运算。人脑呢估算的算力大约也是1 exaFLOPS这个量级——算力相当。但能耗完全不是一个量级指标Frontier 超算人脑算力1.102 exaFLOPS~1 exaFLOPS估算功耗21 兆瓦MW10–20 瓦W尺寸680 平方米1.3–1.4 公斤造价6 亿美元无价约 20 瓦维持连接145 公里线缆85 万公里轴突树突存储75 TB/s 700 PB 文件系统2.5 PB按突触算单元58 亿晶体管125 万亿个突触人脑的能效大约是 Frontier 的 10⁶ 倍百万倍——也就是说同样干一件事机器的能耗是大脑的一百万倍。用公式表达能效差距能效比 人脑算力 / 人脑功耗 超算算力 / 超算功耗 ≈ 1 exaFLOPS / 20 W 1.102 exaFLOPS / 21 MW ≈ 10 6 \text{能效比} \frac{\text{人脑算力}/\text{人脑功耗}}{\text{超算算力}/\text{超算功耗}} \approx \frac{1\ \text{exaFLOPS} / 20\ \text{W}}{1.102\ \text{exaFLOPS} / 21\ \text{MW}} \approx 10^6能效比超算算力/超算功耗人脑算力/人脑功耗​≈1.102exaFLOPS/21MW1exaFLOPS/20W​≈106这组对比有多夸张可以看一个数据论文里提到2013 年时世界第四大计算机花了40 分钟才模拟出人脑活动1 秒钟里的 1%。2.2 数据效率机器学的更慢能效只是第一层第二层是数据效率。人类学一个简单的相同/不同判断任务大约只需要10 个训练样本。蜜蜂这种小生物也就需要 10² 个。机器呢2011 年机器用10⁶ 个样本也学不会这个任务到 2018 年10⁷ 个样本依然不够。人脑的数据效率比机器高 10⁶ 倍以上。2.3 AlphaGo 的能耗账用 AlphaGo 的例子算一笔账AlphaGo 训练用了16 万局棋谱。一个人类每天练 5 小时要连续下175 年才能看到这么多盘棋。AlphaGo 用了50 块 GPU训练了4 周耗能约4×10¹⁰ 焦耳。这个能量相当于一个成年人大约 10 年的全部新陈代谢。如果把每学一个样本要花多少能量拉通来算机器学同一个任务的总能耗比人脑高约10¹⁰ 倍100 亿倍。这些数字背后的产业问题是AI 能耗指数级增长不可持续。2016 年美国数据中心耗电已相当于34 座 500 兆瓦的燃煤电厂。而人脑理论上支撑同等存储量只需要约1.6 兆瓦——再强调一遍包括思考在内。一句话总结硅基计算机在算得快上赢了在算得聪明、算得省上输得彻底。这正是 OI生物计算想逆袭的起点。3. 类器官智能OI是什么 {#sec3}3.1 从计算机像大脑到大脑像计算机现有的 AI 是什么是让计算机模仿大脑——神经网络就是模拟神经元的连接方式。OI 反其道而行让大脑细胞本身变得像计算机。AI让机器更脑化brain-likeOI让培养皿里的脑组织更计算化computer-like3.2 什么是脑类器官类器官organoid是近十年生命科学的大突破用干细胞在体外培养出三维的、有组织结构的微型器官。脑类器官特指用人源干细胞培养出的三维脑组织可以来自胚胎干细胞也可以来自诱导多能干细胞iPSC——后者通常从皮肤样本重编程而来伦理争议小得多。它有分层结构、有神经元、有胶质细胞、甚至有髓鞘神经元的绝缘层。有团队已经培养出直径 3–5 毫米、活了 1 年以上的类器官。约翰霍普金斯的标准脑类器官做得更小直径 500 微米细胞数 10 万——大小大约是人脑的 1/300 万理论上对应约 800 MB 存储。小有小的好处标准化、可批量、容易控制。3.3 OI 的定义论文给出的定义类器官智能Organism Intelligence, OI利用三维培养的人脑细胞脑类器官通过科学和生物工程手段实现真正的生物计算——让它们记忆、学习、处理输入并产生输出且整个过程要在伦理可接受的前提下进行。OI 不是想造一个会痛、有意识的人类脑而是要取脑计算能力的那一面。4. OI 的三大技术底座 {#sec4}OI 要跑起来需要三类硬科技同时在线。4.1 3D 脑类器官可复制的生物硬件这是计算平台本身。关键指标细胞密度三维培养的细胞密度接近人体内水平比单层培养高得多。髓鞘化类器官中约40%的轴突被髓鞘包裹人类脑中约 50%。髓鞘让神经信号传导速度提升约100 倍跳跃式传导。自发电活动这些类器官会自发产生电生理活动还能对电刺激有反应。2023 年的研究显示其皮层振荡波可与**人类早产儿脑电图EEG**水平相当。细胞多样性可以富集少突胶质、小胶质、星形胶质细胞——胶质细胞负责突触修剪对学习至关重要。4.2 微流控给脑供营养和排水三维培养有个致命限制没有血管。营养物质靠被动扩散扩散深度只有300 微米左右再深就缺血坏死了。所以 OI 需要微流控系统用微通道网络替代血管给类器官持续供氧、营养、生长因子同时排掉代谢废物。支持规模化培养养出更大、更持久的类器官。还能做三维时空化学信号——精确控制药物/神经递质什么时候、出现在哪个位置。用牺牲材料 3D 打印等技术已经能造出可灌注的类器官支架。4.3 3D 微电极阵列MEA与探针读出大脑在想什么类器官是个球传统 2D 电极板只接触底下一面信号还互相干扰。所以科学家发明了壳式 3D 微电极阵列MEA灵感来自 EEG 帽——类器官被养在一个柔软、可自折叠的壳里壳上布满纳米电极。这样能对类器官整个表面进行多通道、高分辨率、高信噪比的电刺激与记录。可以测试它对谷氨酸、GABA、多巴胺、5-羟色胺、乙酰胆碱等神经递质及对应受体药物的反应。还有植入式探针 Neuropixels10 mm 长、100 个记录点/mm²可记录数百个单个神经元的信号。慢性植入可稳定记录 150 天以上。Neuropixels 2.0 四支探针可同时接触 1 mm 直径类器官的约 500 个位点占体积约 1.5%。5. OI 系统长什么样一条完整的数据链路 {#sec5}论文给了个 OI 架构图原图 Figure 1这里用 Mermaid 重绘成一个通俗版输出层计算核心输入层电信号刺激化学信号神经递质/药物机器传感器信号感觉类器官如视网膜类器官3D 脑类器官生物硬件微流控系统供氧/营养/排废富集学习基因IEG 即刻早基因3D 壳式 MEA电生理记录结构/功能成像植入式探针NeuropixelsAI/机器学习信号编解码输出结果/控制外部设备生物反馈训练回路整个链路的关键点输入电信号、化学信号神经递质、机器传感器信号、甚至来自视网膜类器官的视觉信号。计算类器官本身就是这个 CPU——通过学习相关基因如即刻早基因 IEG的富集来强化可塑性。输出用 3D MEA 或成像记录电活动这些信号既可以当作计算结果输出也可以作为生物反馈反过来训练类器官形成闭环。AI/ML 贯穿全程负责信号的编码/解码、训练策略、混合生物-电子计算的融合。这其实是把芯片换成了活的神经网络输入—计算—输出—反馈—再学习一个典型的闭环。6. 从打 Pong到跑 DoomOI 已经走到哪一步 {#sec6}6.1 DishBrain会玩乒乓球的脑细胞论文引用最关键的实验是Kagan 等人 2022 年发表在 Neuron 上的工作Cortical Labs澳大利亚把约80 万个人类小鼠神经元培养在芯片上嵌入一个实时闭环环境——就是经典的街机游戏Pong。通过电刺激告诉细胞球的位置细胞的放电模式直接控制球拍。结果这些活体神经元在约 5 分钟内自学学会让球拍跟随球表现超过随机水平。更夸张的是它学会任务的速度比传统强化学习模型快 18 倍耗能却低得多。当时很多媒体把这叫第一个有感知的盘中大脑。6.2 2026 年脑细胞开始打 Doom论文之后这个方向继续进化。2026 年 3 月的最新报道同样的技术Cortical Labs后来商用了CL1 生物计算机让**约 20 万人类脑细胞组成的脑处理器**学会了玩《毁灭战士Doom》。Doom 比 Pong 复杂得多3D 环境、需要探索、找敌人、开火、转身、管理弹药。这些活体神经元通过强化学习做到了部分能力甚至被认为能碾压传统深度强化学习如学习效率和能耗。这已经不是养在培养皿里好玩了而是实实在在的生物计算原型机。6.3 从研究到产品CL1Cortical Labs 已经推出CL1号称第一台生物计算机wetware computer把神经元养在芯片上可通过标准化接口编程训练。它是 OI 概念商业化最接近的一个样本也说明这个方向正在从论文走向工程。7. OI 不只是用来算数的医学价值 {#sec7}OI 的野心不只是造一台省电的计算机更在于医学7.1 痴呆症阿尔茨海默等全球痴呆患者超5500 万2050 年预计超1.5 亿年花费超1 万亿美元。新药临床试验失败率极高因为动物模型只是部分反映人类病理。OI 提供首个基于人类的、活体的、可长期观察的临床前模型——可以直接在脑类器官上研究淀粉样蛋白、Tau 蛋白等病理机制。7.2 神经发育障碍如孤独症美国 1970 年代确诊率约 1/100002021 年已是1/44。脑类器官可用于研究基因 × 环境交互以及药物对胎儿神经发育的影响。7.3 精神分裂症等精神分裂症影响全球约 1% 人口有很强的遗传基础。可以用患者的 iPSC 生成类器官和正常对照直接对比——这是个前所未有的疾病在体外重现窗口。7.4 毒物/药物筛查在类器官上测试候选药物的神经毒性比动物更贴近人脑。相关趋势也体现在监管上2026 年 8 月中国 CDE 发布的《单克隆抗体动物试验减少或替代指导原则征求意见稿》首次把类器官与器官芯片纳入正式指导原则——这是中国在用类器官减少动物实验上的一个里程碑式信号。OI 的医学路径其实是两条线一条是把脑当计算机用一条是把脑当人类疾病模型用。后者可能更早落地。8. 培养皿里的脑要不要有意识伦理难题 {#sec8}OI 绕不开一个哲学问题如果培养皿里的细胞组织真的具备了学习和记忆能力它算不算有意识会不会痛我们算不算在奴役一个意识8.1 意识consciousnessvs 感受性sentience论文明确区分意识复杂的主观体验OI 的目标不是复现这个。感受性sentience对刺激的最基本应答。OI 要的是功能层面学习、记忆、计算并刻意避免走人格化路线。当前类器官直径 500 μm、细胞数 10 万——和成年小鼠脑约 0.4 克或 12 周胎儿脑3 克相比小了好几个数量级。距离有意识很远。8.2 嵌入式伦理embedded ethics论文强调 OI 必须走嵌入式伦理伦理学家、神经科学家、公众代表嵌入研究团队从立项阶段就参与。迭代式协作不是事后审查而是伴随研究全过程的持续讨论。涉及利益相关方供体iPSC 来源者、患者群体、神经多样性权益倡导者等。8.3 巴尔的摩宣言2022 年 2 月约翰霍普金斯举办了 OI 社区成立研讨会产出了《走向类器官智能的巴尔的摩宣言》Baltimore Declaration Toward OI声明了 OI 研究的愿景与伦理底线。9. 未来行动计划与争议 {#sec9}9.1 四轨并行路线论文提出 OI 不是单点技术而是生物计算革命的多学科体系。未来推进分四条轨道并行轨道方向关键任务1. 类器官/生物工程把脑做大做复杂规模化、细胞富集、髓鞘化、血管化2. 接口/神经记录读出脑的信号3D MEA、微流控、植入探针3. 计算/AI让脑真正算信号编解码、生物反馈训练、大数据4. 伦理/治理让路走得正嵌入式伦理、公众参与、统一术语9.2 可能的用途展望决策更快对海量、不完整、异构数据的推理人脑更擅长这种信息不完备场景。持续学习任务中不停顿、边做边学这是传统 AI 的短板。更省能耗相比数据中心生物计算能耗低几个数量级。9.3 争议与待解问题技术可行性类器官目前还是玩具级距离真正算起来的规模化还很远。细胞来源人类 iPSC 的伦理、隐私、样本中的基因信息告知义务。能耗真相细胞培养本身的能耗其实不低论文也承认OI 的能耗足迹和小类器官当前的电培养成本不可简单对比。“意识风险”一旦类器官真的达到某种复杂度伦理问题会指数级放大。参考来源Smirnova L, et al.Organoid intelligence (OI): the new frontier in biocomputing and intelligence-in-a-dish.Frontiers in Science, 2023. DOI: 10.3389/fsci.2023.1017235Kagan BJ, et al.In vitro neurons learn and exhibit sentience when embodied in a simulated game-world.Neuron, 2022.脑细胞学会打 Doom20 万活体神经元北京智源人工智能研究院2026类器官智能OI——百度百科类器官与器官芯片被纳入 CDE 指导原则征求意见稿2026本文为学习笔记整理数据截至 2026 年 9 月仅供学习交流。