在这一期特别的对话式访谈中，我邀请到了 FinalSpark 的联合创始人兼首席科学家 Fred Jordan博士，带你进入一个你可能从未真正了解的前沿领域：使用人类神经元进行计算。

FinalSpark 正在探索一种根本性不同的计算范式——不是模拟神经元，而是直接用活的人类神经细胞来构建神经网络系统。他们所研发的“神经计算平台”，不仅能实现极高的能效（相比GPU节省百万倍能耗），更可能引发一场类似晶体管诞生的技术革命。

本期你将听到：

•💡 为什么 Fred 放弃了数字仿真神经元，转向真正的生物神经元？

•🧠 “人脑耗电20瓦 vs. 数字仿真几千瓦”——这个能效差距背后意味着什么？

•🧬 活细胞是怎么来的？如何用皮肤细胞培养出可计算的人类神经网络？

•🤯 神经计算与传统AI、甚至量子计算有何根本性不同？

•🔮 能否有一天，用“有机云计算”来训练下一代语言模型？

这是一次关于未来计算边界、关于生命与智能融合的思考实验。在你听这期节目的时候，FinalSpark 的实验室里，数百万颗人类神经元正在自发活动与计算。

内容摘要：

公司背景与研究初衷：

FinalSpark 是一家专注于AI研发的公司，成立于2014年，致力于探索被主流AI研究忽视的路径。在尝试多种人工智能方法后，团队决定转向使用“尖峰神经元（Spiking Neurons）”来模拟生物神经元的真实工作方式。

从模拟到真实神经元：

起初，团队尝试在数字计算机上模拟尖峰神经网络，并引入高度复杂的、全连接的神经结构（即神经元之间可以任意方向连接），以更贴近真实大脑的运作。但这种模拟极为耗能，仅运行几百个神经元就需消耗数千瓦功率，而人脑用约20瓦电力就能驱动约1000亿个神经元。因此，团队认为持续依赖数字模拟不可持续，转而探索用活体神经元直接进行计算。

为何使用活体神经元：

使用真实生物神经元，不仅在能耗效率上领先现有AI技术百万倍，也可能开启全新计算范式。Fred指出，目前尚无法全面预估其潜力，如同晶体管刚被发明时人们无法预见智能手机和互联网的诞生一样，但他坚信这是一个“具有颠覆性”的方向。

神经元来源与培养方式：

FinalSpark 所用神经元均为人类神经元，通过“诱导性多能干细胞（iPSC）”技术实现。该技术最早由日本科学家山中伸弥开发，获得诺贝尔奖。简单来说，研究人员可以从人的皮肤细胞中提取样本，重编程成干细胞，再分化为神经元，并在实验室中成倍扩增。这种“自我复制性”也让神经元培养在规模化上更具优势。

神经计算的可扩展性与挑战：

尽管团队目前仍处于非常早期的阶段，连基本的“异或门”（XOR gate）学习都仍在攻克，但他们相信未来有望构建等效于AWS的神经计算平台，能效比现有AI基础设施高出百倍。尽管生物神经元的运作速度比晶体管慢，但其高度并行、全连接、低功耗等特点，可能带来质的飞跃。

技术发展阶段的比喻：

Fred 将“神经计算”的当前状态比作15年前的量子计算，即仍处于理论验证与初步工程实现阶段，尚未建立起高阶模型训练的能力（例如LLM迁移仍遥远），但潜力巨大。

E125 生物神经计算能替代GPU吗？人工智能的另一条路径正在开启

揭秘科技