DayOne、Cortical Labs 與新加坡國立大學醫學院共同推出生物數據中心原型

企業數據中心設計長期以來將運算架構視為純粹的礦物資產，受制於嚴苛的電網限制、散熱上限，以及全球各地高密度都市運算樞紐中急速攀升的電力需求。全球半導體工程界持續投入數十億美元於亞奈米級矽蝕刻技術，試圖從日益縮小的電晶體閘極中榨取微乎其微的性能提升。 然而在當代東南亞，企業基礎設施規劃正面臨日益加劇的熱力學阻力，這促使國際市場對替代性運算媒介及新型有機基板進行徹底檢視。2026年8月17日，在新加坡國立大學生命科學研究院，一個合作聯盟建立了新加坡首座生物數據中心原型。 此部署將活體細胞「濕件」與標準工業級伺服器機架架構融合於受控的學術驗證環境中，為基礎設施工程師與設施規劃者提供了一個實證測試平台，用以評估生物系統是否能在持續的運算負載及連續遙測監控下，與傳統數位硬體相輔相成。

在研究環境中建立生物運算基礎設施

生物運算如何將活體神經網路與伺服器硬體整合？

該系統在新加坡國立大學生命科學研究所的一座標準研究機架內，配置了二十台 Cortical Labs CL1 裝置。源自幹細胞的活體神經元直接與矽微電極陣列相連，可在受控的實驗室條件下實現閉環電刺激與遙測追蹤。

實體安裝由單個專用伺服器機架組成，內含二十台 Cortical Labs

CL1 生物運算系統。DayOne Data Centers 提供在實驗性資料中心環境中部署生物硬體所需的實體基礎設施、供電模組及環境遙測系統。Cortical Labs 則供應生物運算單元，該單元利用活體神經網路，透過電生理刺激執行運算操作。 新加坡國立大學醫學院在其生命科學研究所內承辦此項安裝計畫，並提供學術管理架構及生物實驗室，以確保安全運作規範及持續的遙測監控。

此計畫的運作完全符合新加坡《綠色資料中心路線圖》。傳統資料中心因高強度矽晶片加速器工作負載，在電力供應與碳排放方面面臨日益增大的壓力。生物運算透過利用有機神經基質，開闢了一條替代性研究途徑，得以突破傳統矽晶片效能擴展的限制。 然而，設施規劃者必須認識到，此裝置純粹是為實證測試而部署的驗證原型，既無法取代標準企業級伺服器，亦不具備商業規模或部署能力。

此次合作匯聚了橫跨基礎設施工程、生物計算及學術醫學等領域的獨特機構能力。DayOne Data Centers 是一家總部位於新加坡的數據基礎設施供應商，專精於先進設施工程與永續建築框架；Cortical Labs 則致力於開發由活體神經元培養物驅動的計算系統。 新加坡國立大學醫學院推動該地區的生物醫學研究，其神經生物學團隊在既定的機構監督下，深入探究細胞機制。這種跨領域融合要求設施營運商必須掌握新的

在複雜的跨領域研究專案中，融合電機工程、熱力學與細胞生物學的專業能力。

結構力學與生理整合的挑戰

要在伺服器機架內運作活體生物單元，所需的機械與電機工程規範，有別於傳統資料中心的管理模式。 標準設施主要著重於矽處理器的散熱、大容量不間斷電源以及冗餘冷卻迴路。而生物運算機架則需要持續的流體控制、無菌營養輸送迴路，以及穩定的溫度調節，以確保在長達數週的驗證週期中，細胞能維持存活能力，且不會發生系統性故障或生物退化。

Cortical Labs 的 CL1 系統仰賴微電極陣列，該陣列在向活體神經網絡傳遞精確的回饋電刺激的同時，亦能記錄其電活動。此閉環機制使生物基質能透過電生理可塑性來處理信號。 支撐機架的架構必須將內部溫度維持在攝氏三十七度左右，以符合人體生理條件。此外，敏感的神經介面需要電磁屏蔽，以防止來自機架機箱內鄰近配電單元、冷卻風扇及高密度網路交換機的干擾。

流體管理帶來了運作上的難題，對傳統的設施技術人員構成挑戰。營養培養基必須在無菌微流體通道中持續循環，同時避免產生會損害神經元培養物的機械剪切應力。廢棄物清除系統必須可靠地排出代謝副產物，而氧氣濃度則需要透過感測器和調節閥進行持續監控。DayOne Data Centers 整合了這些生物支援指標

整合至標準的基礎設施監控軟體中。設施團隊會同時監控營養物質流量、流體壓力及培養箱溫度，並結合傳統伺服器 CPU 遙測數據與功耗統計資料，以確保在積極測試階段中環境參數保持穩定。

細胞壽命是另一項運作上的限制。與矽半導體能夠在多年連續開關運作下仍不產生物理退化不同，活體神經培養物的運作壽命是有限的。 設施操作人員必須實施培養基更換、滅菌週期及生物安全封閉的相關協議。這些維護程序需要預定的停機時間，並要求技術人員接受專業的濕式實驗室培訓——而這些技術人員通常僅習慣於純機械性的伺服器維護與硬體更換例行作業。

橫跨生物醫學與機器人領域的探索性研究流程

研究驗證機架作為一個實證平台，用於探索多個計算領域。 新加坡國立大學醫學院的研究人員正在探索受神經系統啟發的人工智慧架構。傳統的人工神經網路透過在龐大的數位加速器叢集上執行資源密集型的反向傳播演算法，來模擬生物學習。生物運算系統則利用實際的神經可塑性，在適應性學習效率與模式辨識任務中具備理論優勢，且無需承受相當程度的數位開銷。

生物醫學建模與藥理學藥物發現構成了另一項主要研究管道。透過培育源自人類幹細胞的神經網路來模擬特定神經系統疾病，研究人員能在高通量計算框架下，直接於活體神經組織上測試化學製劑。此方法架起了傳統……

體外細胞培養試驗及複雜生物體測試，藉此加速早期藥物篩選的驗證，並為神經科學研究團隊提供穩健的疾病建模平台。

該合作夥伴路線圖還將網路安全異常偵測以及類人型機器人的基礎研究列為長期探索領域。在類人型機器人領域，受神經系統啟發的生物處理器理論上可提供低延遲的感官處理與適應性運動控制演算法。然而，這些應用目前仍處於早期研究階段。 觀察者切勿將這些探索方向解讀為已商業部署的機器人產品，或已準備好投入企業生產環境運作的安全系統。

機構間的合作規範著驗證流程的每個階段。 學術研究人員負責監測培養物的生物健康狀況，而基礎設施工程師則管理實體養殖設施與環境控制。這種分工確保在為期數週的測試週期中，實驗嚴謹性得以維持。該專案提供了一個實證測試平台，用於評估活體組織在持續的運算負載和連續電信測追蹤下表現如何。

矽基與生物運算的運作動態比較

要評估生物運算的發展軌跡，必須與現有的矽運算範式進行有系統的比較。當前產業涵蓋傳統矽加速器、專用的類神經矽晶片，以及早期生物運算原型。

比較表顯示，生物運算與矽基礎架構屬於截然不同的類別。由於具備成熟的軟體生態系統和龐大的製造規模，傳統矽技術在商業企業工作負載中佔據主導地位。類神經矽

透過實體半導體電路模擬神經網路架構，以實現事件驅動的效能。生物運算則利用實際的活細胞來執行生物分子處理。DayOne 與 Cortical Labs 的原型機並非旨在與矽基伺服器競爭標準資料庫查詢或網頁託管服務，而是作為研究原生生物智慧的先進研究儀器。

設施規劃者必須權衡每種範式中固有的取捨。 矽基礎設施具備確定性、高時脈速度及簡便的硬體維護優勢。生物運算在特定的適應性學習任務中具有潛在效率，但會引入隨機變異性、細胞維護需求以及元件壽命有限等問題。理解這些差異可避免資本配置失當，並確保僅在混合架構的獨特特性能提供有效研究價值的領域中部署。

混合基礎設施的有限現實與運作前景

新加坡生物資料中心原型的建立，標誌著基礎設施研究領域的一大進展。透過結合二十台 Cortical Labs CL1 單元、DayOne 的設施工程技術，以及新加坡國立大學醫學院的治理機制，該聯盟為研究混合運算環境提供了具體的範例。這項計畫證明，在受控的學術環境下，活體神經網路可整合至標準伺服器機架機箱中。

然而，商業化應用仍遙遙無期。生物伺服器在短期內不會取代企業資料中心中的傳統矽基基礎架構。維護活體組織、管理無菌灌注迴路以及處理生物廢棄物等營運障礙，將部署範圍限制在專門的研究設施內。長期可行性

生物運算的發展，取決於從諸如這座新加坡設施等原型中蒐集到的嚴謹實證數據。

隨著設施營運商面臨日益嚴峻的電力供應與環境永續性限制，探索新型運算基質仍至關重要。從這項驗證原型中獲得的洞見，將為未來的設施設計標準及跨學科工程實務提供依據。要彌合礦物矽與有機濕件之間的差距，需要持續的學術研究、產業界合作，以及在全球運算生態系統中嚴格遵守實際運作限制。

免責聲明：本文僅供參考，不構成投資建議、法律諮詢，亦不代表對文中提及之任何公司或產品的背書。讀者應自行進行研究，並在根據本文內容做出決策前，諮詢合格的專業人士。