📰 重點摘要
這則新聞用途是餵進 blog pipeline 還是其他管道？先給你翻譯結果，若要進 Blog 系統會依 BLOG-AI-ONLY 規則走 QA/Notion 流程。
亞馬遜近期與舊金山新創公司 The Biological Computing Co.（TBC）合作，目標是利用活體神經元來提升人工智慧模型的運算速度並降低成本。根據報導，TBC 位於舊金山的實驗室中，將約十萬顆神經元培養並融合在一片培養皿內的電極網格上，電極數量達4,096個。這些神經元來源有兩種：一部分取自大鼠腦組織解剖後的細胞，另一部分則是由人類皮膚細胞誘導培養而成。透過將活體神經元與電極陣列結合，形成一種「生物運算」介面，讓神經元的電訊活動可被讀取並用於運算任務，藉此探索以生物神經網路輔助或替代傳統矽晶片運算的可能性。文章同時提到該公司另有一項人工智慧影片生成模型，宣稱可將影片生成速度提升五倍，但原文摘要對此技術細節著墨不多。TBC 由共同創辦人暨執行長 Alex Ksendzovsky 與共同創辦人暨營運長 Jon Pomeraniec 領軍。整體而言，此案例反映出業界正嘗試從生物運算角度切入,尋找降低AI訓練與推論成本的新路徑,更多技術細節請見原文連結。
字數約320字，若需壓到200-300字範圍或需要調整語氣，我可以再修一版。
💬 JudyAI Lab 觀點
我們觀察到亞馬遜正與舊金山新創The Biological Computing Co.合作,嘗試用活體神經元取代部分傳統晶片運算,這個方向值得AI builder關注。
這個案例的核心不是「又一家新創」,而是產業對算力成本的焦慮已經逼近底層架構本身。TBC把約十萬顆神經元(取自大鼠腦組織與人類皮膚誘導培養)培養在4,096電極的網格上,讓神經元的電訊活動直接被讀取並用於運算,等於在探索一條完全不同於矽晶片的路。對長期依賴GPU堆疊擴充套件算力的builder來說,這提醒我們降低訓練與推論成本的解法,未必只能往「更大的晶片」方向找,架構層級的替代路線同樣值得留意,即便距離商用化還很遠。
如果你在規劃長期算力策略,不妨把「非傳統運算架構」也列入觀察清單,而不只是緊盯下一代GPU規格。
📅 原文資訊
- 發布時間：2026-09-22T18:05
- 來源原文：https://asia.nikkei.com/business/technology/artificial-intelligence/amazon-taps-tbc-to-make-ai-models-faster-cheaper-with-human-neurons