Un rack de servidores que en lugar de silicio utiliza neuronas humanas cultivadas ha empezado a operar en Singapur. El proyecto es obra conjunta de NUS Medicine, el operador de centros de datos DayOne y la empresa australiana Cortical Labs, y se presenta como el primer bastidor de computación biológica gestionado de forma independiente en cualquier parte del mundo. La promesa detrás de la iniciativa es reducir drásticamente el consumo eléctrico que exige entrenar y ejecutar modelos de inteligencia artificial, un problema que ha disparado la factura energética de la industria en los últimos años. Sin embargo, el anuncio no incluye ninguna cifra que respalde esa afirmación de eficiencia. El hardware combina veinte unidades CL1, cada una con neuronas obtenidas de células madre y cultivadas en el NUS Life Sciences Institute. El resultado es una máquina que, sobre el papel, consume una potencia similar a la de un rack convencional, aunque destinada a mantener vivo un tejido biológico en lugar de a realizar cálculos.

Qué hay dentro del rack

El sistema, presentado el pasado 6 de agosto ante unos 80 invitados, se apoya en veinte unidades CL1, el producto insignia de Cortical Labs. Según la ficha técnica publicada por la propia compañía, cada CL1 consume entre 850 y 1.000 vatios, lo que sitúa el consumo total del bastidor en torno a los 20 kilovatios. Esa cifra coincide, a grandes rasgos, con la de un rack de servidores tradicional de gama alta, y ahí reside la primera contradicción del proyecto: buena parte de esa energía no se destina a procesar información, sino a mantener con vida a las propias neuronas. Los cultivos requieren incubadoras, bombas de perfusión y un control preciso de la temperatura, todo un ecosistema de soporte vital que consume electricidad igual que cualquier otro componente del centro de datos. Cada unidad CL1 tiene además una vida útil limitada de hasta seis meses, un calendario de mantenimiento biológico que ningún servidor de silicio necesita gestionar.

La eficiencia que todavía no se ha demostrado

El argumento central del proyecto es que la computación biológica podría escalar la capacidad de la inteligencia artificial con una fracción de la energía que hoy demandan los servidores convencionales. Es una promesa atractiva en un momento en el que el consumo eléctrico de los grandes centros de datos preocupa a gobiernos y operadoras por igual, pero el comunicado de NUS Medicine, DayOne y Cortical Labs no aporta ni un solo dato que permita comparar el rendimiento por vatio del sistema con el de una GPU convencional. La eficiencia, si existe, pertenece de momento a las neuronas consideradas de forma aislada, no al conjunto de la caja que las mantiene con vida. Un ejemplo de esa distinción lo ofrece la suiza FinalSpark, que opera de forma remota una plataforma de 16 organoides cerebrales desde Vevey y asegura que sus procesadores biológicos consumen hasta un millón de veces menos energía que un chip digital equivalente. Ese tipo de cifras describe únicamente el trabajo que realizan las células, no el gasto de la infraestructura que las rodea, que es precisamente la parte que aparece reflejada en la factura eléctrica real de cualquier instalación.

El producto: las unidades CL1 de Cortical Labs

El CL1 es la pieza que sostiene todo el proyecto. Se trata de un servidor biológico que integra cultivos de neuronas sobre una matriz de electrodos, capaz de recibir estímulos eléctricos y de generar respuestas que el sistema interpreta como procesamiento de información. Cortical Labs ya había mostrado antes prototipos de este tipo de hardware, pero el bastidor de Singapur es la primera implementación pensada para operar de forma autónoma, sin depender de un laboratorio de investigación que supervise cada experimento. El fundador de la compañía, Hon Weng Chong, ha declarado que el prototipo desplaza la conversación de la investigación académica hacia la aplicación comercial, y ha señalado como posibles mercados el descubrimiento de fármacos, la robótica humanoide, la ciberseguridad y la detección de fraude. Son sectores en los que un sistema capaz de aprender patrones con una arquitectura distinta a la de las redes neuronales artificiales convencionales podría aportar un enfoque complementario, aunque de momento esa utilidad comercial concreta todavía está por demostrarse fuera del laboratorio.

Una carrera con dos caminos distintos

Mientras Singapur apuesta por neuronas biológicas reales, otras regiones persiguen el mismo objetivo de eficiencia energética por la vía del silicio. Países Bajos, por ejemplo, está construyendo un polo de computación neuromórfica en torno a chips que imitan el comportamiento de las neuronas sin necesidad de alimentarlas ni mantenerlas vivas, una estrategia que evita por completo los problemas de soporte vital que arrastra la computación biológica. Ese enfoque neuromórfico funciona exclusivamente con electricidad, lo que simplifica su despliegue en centros de datos convencionales y facilita las comparativas de consumo frente a las GPU actuales. Los inversores, mientras tanto, siguen destinando capital a versiones de inteligencia artificial inspiradas en el cerebro que replican su arquitectura sin necesidad de tejido vivo, una tendencia que compite directamente con el camino biológico que defienden NUS Medicine, DayOne y Cortical Labs. La cifra que realmente zanjaría el debate, los vatios consumidos por tarea útil realizada, sigue sin publicarse por ninguna de las partes implicadas en este campo.

Reflexiones finales

El experimento de Singapur resulta llamativo porque plantea una vía de computación radicalmente distinta a la que ha dominado la última década de inteligencia artificial, basada casi en exclusiva en acumular más GPU y más potencia bruta. Que un bastidor de neuronas cultivadas funcione de forma estable durante meses ya es, en sí mismo, un logro de ingeniería biomédica. Ahora bien, presentar el proyecto como una solución al consumo energético de la IA sin aportar ni una sola cifra de rendimiento por vatio deja la afirmación en el terreno de la promesa, no de la demostración. La vida útil limitada de las unidades CL1 y la necesidad de mantener un entorno de soporte vital constante sugieren que, de momento, esta tecnología compite en nicho, no en escala. Habrá que esperar a que Cortical Labs y sus socios publiquen datos comparables con los de un centro de datos de GPU convencional antes de dar por buena la promesa de eficiencia que hoy solo se sostiene con palabras.