在瑞士洛桑 FinalSpark 公司的實驗室裡，16 個針尖大小的人腦類器官（brain organoid）靜靜地漂浮在微流體腔室中，浸泡在營養液中，被電極包圍。它們在學習。它們並非模擬神經網絡的矽基晶片——它們是真實的神經網絡，由人類誘導多能幹細胞（iPSC）生長而成，擁有活的神經元和突觸連接。
這是類器官智能（Organoid Intelligence, OI）——將生物神經組織與矽基微電極陣列結合，形成一種全新的計算範式。2026 年，OI 已經從生物學論文中的好奇概念進入了早期但迅速成熟的計算範式。被稱為「濕件計算」（wetware computing）的這條路線，正在 GPU 農場的能源消耗危機面前提出一個激進的替代方案。
為什麼要建造生物計算機？
人類大腦是大約 20 瓦的功耗。一台匹配人腦處理能力的矽基超級計算機需要至少 10 兆瓦——六個數量級的能源效率差距。這種效率差距不僅僅是工程上的不合理，在某種程度上是物理上的不可能：晶體管已經接近物理極限，摩爾定律正在放緩，而 AI 訓練計算量的指數增長正在將數據中心的電力需求推向不可持續的水平。
這就是類器官智能的切入點。OI 的核心主張是：神經元是經過 5 億年進化優化的計算單元，不需要人造晶體管來模擬。相反，我們可以讓真正的神經元充當計算核心——就像它在人類大腦中做的那樣——用有機分子的離子通道取代晶體管的電子開關。
從 DishBrain 到 Neuroplatform
類器官智能的關鍵突破發生在 2022 年。總部位於墨爾本的 Cortical Labs 公司展示了其 DishBrain 系統——一個由約 80 萬個小鼠神經元組成的平面培養物——學會了玩《乓》（Pong）遊戲。神經元並不是被「告知」遊戲規則的。它們通過微電極陣列接收電反饋：當它們擊中球時收到可預測的規律信號，當它們錯過球時收到混亂的隨機信號。神經元網絡通過突觸可塑性（synaptic plasticity）調整其連接權重，就像生物大腦學習任何技能一樣。
2024 至 2026 年間，技術出現了兩大跳躍。首先是從平面培養到 3D 類器官的過渡。3D 類器官——由 iPSC 分化生長而成的毫米級大腦皮層球體——在結構上更接近真實腦組織，包含多種細胞類型（神經元、星形膠質細胞、少突膠質細胞、小膠質細胞），並自發組織成層狀皮質結構，其電活動模式類似於早產新生兒的腦電圖（EEG）。
第二是界面密度的革命性提升。現代高密度微電極陣列（如 MaxWell Biosystems 的 24 孔板，每孔 4,000 個記錄位點；3Brain 的 CMOS 晶片，每孔 26,000 個記錄位點）使研究人員能夠以單細胞精度同時記錄和刺激類器官中數千個神經元的活動。
最重要的平台是 FinalSpark 的 Neuroplatform——全球首個遠程訪問的濕件計算雲平台。它將 16 個類器官持續連接到微電極陣列，通過網際網路向全球 14 個國家的研究人員提供 24/7 的遠程實驗訪問。研究人員可以用標準 Python 代碼記錄類器官的電活動、施加電刺激、以及輸送多巴胺能信號作為獎勵或懲罰——本質上，他們在對真正的生物神經網絡進行「編程」。
OI 能做些什麼？
到 2026 年，類器官智能已經在幾個應用方向展示了超越純矽基方法的潛力。
模式識別與非線性預測：印第安納大學的 Brainoware 系統將腦類器官與電子硬體結合，實現了 78% 準確率的語音識別。更重要的是，在非線性方程預測任務中，Brainoware 的訓練時間比矽基系統減少了 90%。這種效率來自於生物神經元內在的計算能力——神經元本身就是一個高度非線性的信息處理單元，不需要通過數千個晶體管來模擬。
藥物篩選與疾病建模：類器官智能的真正短期價值可能不在於作為通用計算機，而在於作為藥物篩選的生物計算平台。傳統的藥物毒性測試依賴於動物模型或 2D 細胞培養，難以準確預測人體反應。類器官——反映了真實人腦組織的細胞多樣性和結構複雜性——能夠提供比傳統方法更接近人體內環境的藥物反應數據。FinalSpark 的 Neuroplatform 已經被多所大學（包括 University of Bristol 的機器人學實驗室和 Technical University of Munich）用於神經活動研究，每月僅需 1,000 美元的訂閱費用——遠低於建立和維護一個生物神經元實驗室的成本。
生物機器人控制：Bristol 大學的研究團隊利用 Neuroplatform 測試了其生物啟發的機器人感知算法直接作用於生物類器官的效果。研究人員用標準 Python 開發的感知算法直接通過電極陣列與類器官交互，類器官的輸出信號被轉化為機器人的運動指令——形成了一個真正的生物-機器混合控制迴路。
倫理挑戰：類器官有意識嗎？
類器官智能面臨的獨特挑戰不僅僅是技術性的，更是倫理性的。當一個毫米級的大腦類器官的電活動模式開始類似於早產兒的腦電圖時，倫理問題變得不可迴避：這個結構有知覺能力嗎？它會感到痛苦嗎？它享有何種道德地位？
2025 年發布的《巴爾的摩宣言》（Baltimore Declaration）是首個嘗試為 OI 研究提供倫理框架的國際共識文件。它提出了三個關鍵原則：第一，研究人員應對類器官的複雜性和可能的知覺能力採取「預防原則」——不要假設它們沒有知覺，而是定期評估其神經活動模式並設置倫理邊界。第二，OI 研究的成果應服務於社會利益，避免被用於軍事或監控目的。第三，需要建立公眾對話機制，讓社會參與決定如何對待可能具有初級知覺能力的生物計算系統。
這些並非遙遠的理論問題。2024 年，約翰霍普金斯大學的 Thomas Hartung 教授——OI 領域的主要倡導者和概念提出者——在討論類器官智能的前景時指出，目前毫米級類器官的神經活動仍然遠低於被視為「意識」的門檻。但隨著類器官規模的增長和結構複雜度的提高，這個門檻可能在本十年末被觸及。
POC.HK 觀測站分析
類器官智能代表了計算範式中最激進的轉向之一：放棄矽基模擬，轉向基於生物材料的直接計算。從結構上來看，這不僅僅是另一種 AI 加速器技術，而是對「什麼構成計算」這一根本問題的不同回答。
我們對 OI 的技術成熟度應該保持清醒。2026 年的 OI 系統還遠遠不是通用計算機。類器官的壽命有限（目前約為 6 至 12 個月），培養條件要求苛刻，輸入/輸出頻寬受電極密度限制（雖然已大幅改善），且類器官之間的差異性遠大於晶片。OI 在未來 5 年內幾乎肯定不會取代 GPU——事實上，OI 系統本身仍然依賴於矽基計算機進行數據處理和控制。
但 OI 的結構性優勢——能源效率、內在非線性處理能力、自適應性和生物相容性——使其在特定領域（神經藥物篩選、生物混合控制、超低功耗邊緣計算）具有獨特的競爭力。一個值得跟蹤的產業信號是：是否有大型製藥公司開始將 OI 平台整合到其藥物發現管線中作為標準工具。如果這種商業驗證發生，將是 OI 走出學術圈的關鍵里程碑。
從投資角度來看，OI 領域的初創企業生態仍然非常早期。FinalSpark（瑞士）是唯一提供商業化遠程 OI 平台的企業。Cortical Labs（澳洲）專注於疾病建模和藥物篩選。Koniku（美國）將神經元與矽基晶片整合用於嗅覺傳感器。這些公司仍處於種子輪至 A 輪階段，估值極低。
類器官智能的最大不確定性不在於技術，而在於倫理。如果 OI 系統真正觸及了初級意識的門檻，它將面臨來自公眾和監管機構的嚴格審查——這可能比任何技術瓶頸更早地限制其發展方向。那些在此刻就建立倫理框架（如巴爾的摩宣言）的研究者和企業，將在這一領域獲得長期的信任優勢。
免責聲明：本文所載資料僅供參考，不構成任何投資建議或商業決策依據。數據及時間資訊以發布當日為準，可能隨後續發展而有所變動。作者及POC.HK不對因使用本文資訊而導致的任何損失承擔責任。