Apr 23, 2026

從矽到肉：BCI 的生物混合拐點（2026 年 4 月）

中文 EN

從矽到肉：BCI 的生物混合拐點

2026 年 4 月，三件看似各自獨立的事，在同一個方向上打了一個結：

4 月 14 日，Max Hodak 的 Science Corp 在耶魯醫院把它的第一臺 brain-surface sensor 植入了一位人類患者。架構是生物混合（biohybrid）——長期目標是用基因改造過帶光敏蛋白的實驗室神經元，物理整合到患者皮層，微型 LED 驅動它們發放，電極讀取回來的訊號。
4 月 17 日，西北大學 Mark Hersam 組在 Nature Nanotechnology 發表：氣溶膠噴射列印的 MoS₂ + 石墨烯人工神經元，放到小鼠腦切片上，讓真實神經元按照匹配的時序和持續時間發放回應。
同月，Cortical Labs 的 Cortical Cloud 開始公開接受訂閱：以約 2170 美元/月/例項的價格提供溼件計算，底層是 20 萬個在 MEA 上培養的人類神經元。

把這三件事放到同一張圖上，你看到的不是三個獨立的專案，是矽基 BCI 的時代開始被"長出來的"版本取代。

一、Science Corp：Neuralink 聯合創始人的反例

Hodak 是 Neuralink 聯合創始人之一。2021 年離開，自己做 Science Corporation。三年來他一直在說一件事：電極加塑膠線這套"Neuralink 方案"有一個不可繞過的天花板——膠質增生（gliosis）。

植入的任何異物會被星形膠質細胞和小膠質細胞包圍。這個包圍層平均在幾個月到幾年內完成，電極與神經元之間會形成一層越來越厚的絕緣組織。結果是：訊號質量隨時間單調下降，高通道數沒有任何辦法延壽。

Hodak 的解法不叫改進電極。叫換襯底：

用的不是更細的探針，是一層經過基因改造的活體神經元，這層神經元能被微型 LED 驅動（因為轉了光敏蛋白），能被電極讀取，還能和患者的大腦皮層建立突觸連線。4 月裝進人腦的這臺，嚴格來說還只是"讀取端"的 sensor，生物混合層要在後續版本加。但植入這件事本身是第一次。

如果 Science Corp 動物資料站得住，那麼今天的邏輯會開始倒轉：Neuralink 的 N1 架構（3000+ 金屬電極穿刺皮層），在 3–5 年內可能變成過渡方案。長遠來看襯底必須是生物的——只有生長出來的神經元能和患者腦組織形成穩定、高通道、長時穩的介面。

Science Corp 3 月剛拿到 2.3 億美元 C 輪，15 億估值。

二、Northwestern：列印神經元會說"神經元語"

西北大學這篇論文更技術，但意義一樣大。

Hersam 組做的是：用 aerosol-jet printing 把 MoS₂（二硫化鉬）和石墨烯列印到柔性聚合物基板上，做成一個人工神經元。巧妙之處在於，他們沒有把包裹 MoS₂ 的穩定劑聚合物全部燒掉。讓一部分殘留下來作為結構雜質，這個雜質給器件帶來了 memristive / multi-state spiking 行為——單個脈衝、tonic firing、爆發放電全都能做。

更重要的演示：他們把這個列印神經元放到離體的小鼠腦切片上，驅動它發放，然後觀察到真實神經元按照匹配的時序和脈衝持續時間發放回應。

這件事對神經擬態（neuromorphic）工程的意義是：

一個 MoS₂ 器件 ≈ 好幾個 CMOS 電晶體的 spiking 等效。面積和功耗都數量級下降。
它說的是神經元的母語。生物學 spike 本身就是一個 action potential 的時序事件——不是一個 bit。這種 multi-state 的 spiking 可以直接和活體組織耦合，不需要編碼轉換。
它可以列印。意味著將來可以大規模製造，甚至按需定製空間佈局。

這和 Intel 的 Loihi 3（4 奈米，800 萬數字神經元，支援 32 位 graded spikes）正在做的事方向一致——都在告別"binary spike 純潔性"的上一代 SNN 路線。Graded spike 匹配的是生物學（神經遞質釋放本身是模擬的）；列印 MoS₂ 匹配的是襯底（有機與生物介面友好）。兩條路徑都在去數字化 spiking 抽象。

我之前在 zengineer.blog 寫過《生物計算 vs 矽基：為什麼大腦是更好的底層》，聊過 Hodgkin-Huxley 模型要 40 個方程才能復現一個神經元的電活動——在數字硬體上模擬非常貴。Hersam 的列印神經元本質是在說：把這 40 個方程交給物理去做，不要再用 GPU 算。

三、溼件上雲：Cortical Cloud 開始收訂閱費

Cortical Labs 在 2025 年先推出了 CL1 盒子——35000 美元一臺，功耗 800–1000 瓦，裡面是 20 萬個培養在 MEA 上的人類神經元，壽命約 6 個月。

4 月的新聞是 CL1 玩完 DOOM 之後，被接到了一個 LLM pipeline 裡：LLM 做自然語言輸入輸出、CL1 做 in-context 決策。然後是 Cortical Cloud：以 SaaS 方式公開銷售溼件算力，月費約 2170 美元/例項。

這個事數量級上不大——生物神經元的數量、功耗、速度都還遠談不上和 H100 競爭。但它是第一次，一個使用活體神經元作為 compute 的系統對公眾開放商業使用。

有意思的對比是：Cortical Labs 自己也在說，CL1 在某些 RL 任務上達到 ≈LLM 水平的精度，但能耗是 LLM 的百萬分之一。這個"百萬分之一"的數字目前主要來自 FinalSpark 的 Neuroplatform——瑞士的同類平臺，已經有 1000+ organoids、9 個大學合作者和付費訂閱使用者。

4 月這個節點意義在於：溼件算力這件事從"研究裡的 demo"進入"付費 API"。

四、同時發生的其他訊號

這些事單獨拎出來也不小，拼在一起能看清大方向：

Neuralink Brad Smith 成為 2026 年內第三位植入者（ALS，呼吸機依賴），現在用意念打字。同月 Musk 公開承諾做 auditory cortex 植入——繞過耳蝸直接刺激聽覺皮層。技術上要謹慎看（A1 直接刺激此前幾十年都失敗過），但架構意義是明確的：Neuralink 從運動 BCI 變成多模態平臺。
Paradromics Connect-One 語音解碼進入 FDA IDE 批准的臨床試驗，在 UC Davis、麻省總醫院、密歇根大學三個點開展。Connexus 陣列 1600 通道，資訊率 >200 bits/s——約等於自然語速。這是 BCI 使用者體驗"跨過可用線"的訊號。
Meta 釋出 TRIBE v2——用 1000+ 小時 fMRI 訓練的大腦活動基礎模型，能預測大腦對新刺激的響應。規模上比以前大幾個數量級。
USC 的 Paul Bogdan 在 Nature Communications 發文：單個神經元的 spike timing 呈多重分形，單個神經元的 spike pattern 就能唯一辨識整個網路的任務類別。這是 neuroAI scaling law 的一個直接輸入。
Isomorphic Labs 的 IsoDDE 首款 AI 設計抗癌藥進 Phase I。蛋白-小分子相互作用這一層，AI foundation model 終於做出真產品。

把這些事按能量流向排一下：襯底從矽走向有機 → 神經擬態從數字走向模擬 spiking → 溼件從實驗室走進雲 → BCI 從讀走向讀寫 → 基礎模型開始理解真實大腦。

每一步都是獨立的、都在 2026 年 4 月推進了一個身位。

五、怎麼 scale 生物底層的計算？

這個拐點的工程難題，和 AI 時代 GPU 的"堆晶片"不是一類。它有三條需要同時推進的 scale 路徑：

1. 生物學可複製性 & 標準化

20 萬個神經元培養是生物學工藝，不是矽片蝕刻。CL1 每一臺都略微不同。要讓這東西可商業化，需要像半導體 yield 一樣做生物批次的 SPC（統計過程控制）。Cortical Labs 和 FinalSpark 都在做這件事，但離 TSMC 式的良率管理還差很遠。

2. 讀寫通道的 bandwidth 極限

Neuralink N1 是 3000 通道。Paradromics Connexus 是 1600 通道。Science Corp 的生物混合下一步目標是 50000 通道級。瓶頸在於電子學（多路複用 + 無線傳輸 + 功耗）和生物學（組織反應）兩頭擠。下一代 BCI 的 scale 曲線不是通道數，是 "通道數 × 年限穩定性 × 資訊率" 的三維問題。

3. 軟體棧缺失

這可能是最容易被忽視的：生物底層上跑的 workload，目前沒有像 CUDA 那樣成熟的軟體棧。Cortical Labs 提供的是裸 MEA spike I/O。把 LLM pipeline 和 CL1 對接，每個團隊都在手寫膠水。要有人做"生物硬體的 PyTorch"——抽象層，把"你的 task 要不要用溼件 / 要用多大的溼件 / 生物退火需要多久"做成開發者能直接呼叫的 API。這是 2027–2028 年的機會視窗。

關於這套方向的長期思考，我之前寫過《Hermes Agent 深度研究》和《Adaptive Agent Skill》——從 agent 架構角度看，生物底層會讓"memory ≠ storage ≠ compute"這一套硬體抽象被重寫。當儲存本身能計算，計算本身能學習，今天的 L1-L4 memory 層級就不再適用。

結語

2026 年 4 月不會有"ChatGPT 時刻"。沒有一個全球性的 flash point。

但它在 BCI / 生物計算這一條線上，埋了三個可見的節點：Science Corp 把生物混合送進人類顱骨、Northwestern 的列印神經元開始講神經元語、Cortical Cloud 開始對外賣溼件訂閱。

三條都還在早期。Science Corp 的生物層要到下一代才加進去、Northwestern 的東西離臨床還遠、Cortical Cloud 的實際使用者數沒有公開。但這三條在 30 天內同時被推進一步這件事本身，就是訊號。

矽基 BCI 的故事還沒講完（Neuralink 4 月密集推 3 位新患者、Paradromics 跨過語音可用線）。但看襯底的層級，它已經不是唯一的方向了。

如果 2023 年是 transformer 能理解語言的那個拐點，2026 年 4 月可能是 BCI 從"讀電極"進入"和神經元共同發育"的那個拐點。

寫這篇是 2026 年 4 月 24 日。5 年後回頭看，希望這三件事都還在。