2026 年 8 月初，科学网等媒体报道了一个年轻团队的故事：复旦大学两位 95 后博士陈浩满与陈鑫宇，带领一支平均年龄仅 28 岁的团队投身生物计算赛道，造出「生物计算机」，并创立了国内专注这一方向的公司——对标对象是美国的 The Biological Computing Co. 和澳大利亚的 Cortical Labs。
「用细胞做计算机」听起来像科幻，但它其实是一条有真实研究基础的前沿路线。这篇文章把它拆成三个问题：生物计算机是什么、为什么是现在、离改变生活还有多远。
生物计算机到底是什么
传统计算机用晶体管做开关，生物计算机的思路是：用生物神经元或「脑类器官」（在实验室里用干细胞培养出的微型脑组织）作为计算单元。
这不是凭空想象。此前已有公开研究证明可行性：澳大利亚 Cortical Labs 的团队曾把实验室培养的神经元网络接入电极，让它学会了玩简单的乒乓球游戏——生物神经元展现出惊人的学习与适应能力。复旦这支团队的交叉点正在于此：陈浩满主攻脑科学与生物物理，陈鑫宇主攻脑类器官与干细胞组织工程，两人合起来恰好覆盖了「懂大脑」和「会培养」两端。
生物计算被看好的原因主要有两条：
- 能耗差距巨大。人脑功率大约只有 20 瓦，却支撑着远超任何超级计算机的复杂认知；如果生物计算单元能发挥类似效率，能耗问题会被从根上改写。
- 并行与可塑性。生物神经元天然大规模并行，且能随任务自我调整连接，这与传统芯片「算力堆料」的路径完全不同。
为什么是现在
三个条件正在同时成熟：
- 脑类器官技术过了临界点。干细胞培养的脑类器官从「能养活」进展到「能记录、能刺激、能交互」，才有了当计算单元用的可能；
- AI 遇到了能耗墙。大模型训练与推理的电力成本持续攀升，业界被迫在硅基路线之外寻找新答案，类脑与生物计算因此重新升温；
- 资本开始入场。海外已有 The Biological Computing Co.、Cortical Labs 等专门公司，国内出现对标的年轻创业团队，说明这条赛道正在从论文走向产业。
国内高校在这个方向也有长期积累，例如复旦大学类脑智能科学与技术研究院自 2015 年成立起就深耕脑科学与类脑智能交叉研究——年轻团队的出现并非无源之水。
离改变生活还有多远
必须泼一盆冷水：生物计算机目前仍处在极早期。
类器官的寿命、稳定性、可编程性都远未解决；「生物神经元算得快」和「造出能交付任务的计算机」之间，隔着大量工程问题。可以预期的时间线是：短期内它更多作为研究平台存在（用于脑科学研究、药物测试），通用计算产品仍是远期愿景。
但它值得普通人关注的原因在于：AI 的下一程，可能不再只是「更大的模型」，而是「更像大脑的计算方式」。从脑机接口（本站此前拆解过脑机接口的信号解码与神经反馈）到具身智能，再到如今的生物计算，「向大脑借智慧」这条主线正越来越清晰。
看这类前沿新闻，建议保持一个心态：不必急着判断它何时落地，但值得记住它的方向——因为当一项技术开始吸引最聪明的年轻人全身心投入时，它的故事通常才刚刚开始。
Q: 生物计算机和现在的 AI 大模型是什么关系？
两者目标不同但可能殊途同归。大模型是在传统芯片上用数学方法「模拟」智能，生物计算则是直接用生物神经元作为计算单元。如果生物计算成熟，它可能成为运行下一代 AI 的低能耗硬件载体；现阶段二者更多是并行的探索方向。
Q: 用脑类器官做计算，有伦理问题吗？
这是该领域同步讨论的问题。目前的脑类器官非常初级，没有意识、感觉或痛觉的证据，科学界的主流共识是现阶段研究在伦理上可接受；但随着类器官复杂度提升，国际上已在建立相应的伦理审查框架。报道中这支团队的研究也属于这一监管体系之内。
Q: 这个方向的突破会先出现在哪里？
更现实的近期应用是科研与医药：用类器官研究大脑疾病机制、测试药物反应，比动物实验更接近人脑。通用意义上的「生物电脑」仍需要解决类器官长期存活、稳定读写信号、可编程等工程难题，属于十年以上尺度的远景。
💬 评论