En Melbourne, Australia, funciona desde este año el primer data center del mundo que usa, en parte, neuronas humanas cultivadas en laboratorio como sustrato de cómputo. No es una metáfora. No es un nombre de marketing. Son células cerebrales reales, derivadas de células madre, creciendo sobre chips de silicio, recibiendo señales eléctricas y respondiendo a ellas mientras procesan tareas.
La empresa que lo construyó se llama Cortical Labs. El sistema se llama CL1. Y antes de abrir el data center, ya había enseñado a esas mismas neuronas a jugar DOOM.
El dispositivo
Cada unidad CL1 tiene el tamaño de una caja de zapatos. Dentro hay un chip de silicio sobre el cual se cultivaron aproximadamente 200.000 neuronas humanas derivadas de células madre. El chip está equipado con un array de microelectrodos: una grilla de contactos metálicos que puede tanto estimular las células con pulsos eléctricos como registrar su actividad eléctrica en tiempo real.
Esa interfaz entre biología y electrónica es el núcleo del sistema. El usuario envía señales como entrada. Las neuronas procesan esa información a través de sus patrones naturales de activación —los mismos mecanismos que usa el cerebro humano para pensar— y producen una salida registrable. El ciclo completo ocurre en tiempo real.
El data center de Melbourne opera con 120 unidades CL1. La empresa tiene planes para abrir una instalación más grande en Singapur.
Cómo se enseña a las neuronas
El antecedente más mediático de Cortical Labs fue un experimento publicado en 2022 y ampliado en 2026: un cultivo de células cerebrales que aprendió a jugar versiones simplificadas de Pong y, más recientemente, Doom. El método no es la programación convencional. Es entrenamiento por retroalimentación.
Las neuronas reciben señales más predecibles y regulares cuando se comportan de manera útil para la tarea —equivalente a una recompensa—. Cuando se comportan de manera inútil, reciben señales caóticas y difíciles de procesar —equivalente a castigo—. A través de esa retroalimentación iterativa, el cultivo desarrolla patrones de activación que tienden a minimizar el caos y maximizar la predictibilidad. El resultado observable es que las neuronas "aprenden" a responder de cierta manera ante ciertos inputs.
Brett Kagan, cofundador de la empresa, lo describió así: "Estamos usando estas células de manera más parecida a una ingeniería para construir algo que nunca ha existido realmente."
La ventaja que impulsa la inversión
El argumento central de Cortical Labs no es que las neuronas sean más rápidas que los chips de silicio. Es que son incomparablemente más eficientes en términos de energía.
El consumo eléctrico de los data centers globales viene creciendo de manera acelerada impulsado por las cargas de trabajo de IA. Entrenar modelos de lenguaje grandes requiere la energía de centenares de miles de hogares por período de entrenamiento. La inferencia —correr esos modelos en producción— multiplica ese consumo a escala masiva.
Una unidad CL1 completa consume menos energía que una calculadora de mano. El cerebro humano, con sus ochenta y seis mil millones de neuronas, consume aproximadamente veinte vatios —menos que una lamparita LED— mientras realiza operaciones que ningún sistema de silicio puede replicar con eficiencia comparable.
La biología evolucionó durante millones de años bajo presión de selección para maximizar la capacidad cognitiva por unidad de energía. Kagan lo resume así: "La biología es increíblemente eficiente en términos energéticos. No requerimos enormes cantidades de datos."
Lo que no puede hacer todavía
El entusiasmo alrededor de Cortical Labs convive con un escepticismo técnico bien fundado.
Alysson Muotri, neurocientífico de la Universidad de California San Diego, señaló que los cultivos planos de neuronas —las células en una sola capa sobre un chip— pueden carecer de las ventajas computacionales que tiene el cerebro, que es una estructura tridimensional con capas, regiones especializadas y conexiones enormemente complejas. Muotri trabaja con organoides cerebrales —estructuras 3D de neuronas que se auto-organizan de manera más parecida a un cerebro real— y considera que ese camino tiene mayor potencial a largo plazo, aunque sigue siendo experimental.
El propio sistema CL1 tiene limitaciones prácticas significativas. Las neuronas vivas requieren condiciones controladas: temperatura, nutrientes continuos, monitoreo constante. Tienen una vida útil finita. El comportamiento puede variar entre muestras. Y en términos de rendimiento para las tareas que dominan el cómputo moderno —entrenamiento de redes neuronales artificiales, procesamiento de grandes volúmenes de datos— no hay evidencia de que puedan competir con GPUs convencionales en el corto plazo.
Lo que Cortical Labs ofrece hoy no es un reemplazo para los chips de silicio. Es una herramienta de investigación para neurocientíficos, modeladores de enfermedades y equipos que estudian computación bioinspirada. El data center de Melbourne es, en ese sentido, más un laboratorio a escala que una infraestructura comercial competitiva.
El nombre que lo dice todo
La empresa se llama Cortical Labs. Cortical, como la corteza cerebral. Labs, como laboratorio. No eligieron llamarse Neural Computing Co. ni BioChip Systems. Eligieron el nombre del tejido donde ocurre el pensamiento humano.
Que 120 porciones de ese tejido, cultivadas en chips del tamaño de un sello postal, estén actualmente procesando señales en un edificio de Melbourne es un dato que, independientemente de lo que signifique para el futuro del cómputo, dice algo sobre el momento en que vivimos: el punto donde la frontera entre biología y electrónica dejó de ser solo teórica.
Fuente original: Euronews / Live Science / Bloomberg
