275
0这次和 Hon 的第一次“网友见面”，我们约好录了这一期播客，看到他的微信名字给自己加上了中文名字张汉文。大概在2020年还是2021年的时候和 Hon 在网上认识，那时候他刚刚创办了这一家“神经元计算机”创业公司 Cortical Labs (皮层实验室），正在开发神经元细胞玩 Pong 这个乒乓球游戏的演示。几年前我说“你应该也来中国看看，神经生物工程和人工智能未来应该还有很多结合的地方”。一晃五年这次才在上海见到。那时候懂得他想实现的技术愿景的人还很少，今天也不多，他也经常和我吐槽：“现在的硅谷投资者也是一点风险都不想冒，也许中国更愿意拥抱新技术，未来会在这些前沿科技领域有更快的发展，而不只是盯着 AI"。在我们有限的接触中，我觉得 Hon 是一个有主见的“outlier”（常规分布之外的人），一个创意型科技乐观主义者，也是一个善良的人。
和他这次对话之后我的感想是，无论我们会不会看到生物学/生物组件变成一种另类且高效的“计算机”，但是也许我们先会在生物技术和计算机技术的交界点看到一些新类型的游戏。未来我们会看到更多种不同的“神经元”以及“大脑”之间的游戏对战（想象那些不同生物类型的“奇异神经元”还有尚未诞生的人工细胞/合成大脑/“非大脑”组织智能吧），也许游戏设计也应该被纳入在神经科学/神经工程研究的基础设施的一部分，游戏也可以是生物计算最好的一种训练环境和面向用户的媒介。
我问 Hon 他认为“生物计算机”到“脑机界面”等等神经生物工程未来最大的应用是什么，他说现在还很难预料。生物电竞（biological esports)? 硅基碳基之间发明新的“高维围棋”？“神经元细胞太空宇航员”探索外太空？还是像《三体》里的技术直接面向人脑投放一整个虚拟世界？这还很难想象，深入的研究也刚刚开始，不过我相信 Cortical Labs 会在未来的历史里留名，他们是最早的探索者之一。
本期简介
当硅基计算逼近物理极限，一个澳大利亚创业团队选择了一条“反主流”的路径：用活的神经元来构建计算基座。Cortical Labs 的创始人 Hon Weng Chong 与主播范阳展开了一场横跨生物学、AI、科技生态与创新哲学的深度对话。
从“让培养皿中的神经元玩乒乓球游戏”的科幻想法，到推出全球首台商业化生物计算机 CL1，Hon 分享了这段跨越科学与工程的旅程。他还从一位深耕医疗科技和生物计算的创业者视角，对比了中国与美国在硬科技与数字创新上的路径差异，并反思了当下 AI 叙事的局限性：当所有人都在追逐大模型时，我们是否忽略了“样本效率”和“能量效率”这些真正可能带来范式突破的方向？
这期节目既是一次硬核的技术科普，也是一份写给“相信偶然、尊重好奇心”的科技乐观主义者的邀请函。
嘉宾介绍
Hon Weng Chong
Cortical Labs 创始人兼 CEO。他是一位拥有墨尔本大学医学学位（MBBS/BMedSci）并在约翰霍普金斯大学完成研究 fellowship 的执业医师，也是连续创业者。在创立 Cortical Labs 之前，他曾联合创办智能医疗设备公司 CliniCloud，并成功退出。
Hon 的兴趣横跨生物医学、软件工程和机器学习。2019 年，他创立 Cortical Labs，致力于探索生物神经元作为通用计算基质的可能性。该公司在 2022 年因“DishBrain”项目（神经元玩 Pong）登上《Neuron》期刊而受到广泛关注，并于 2025 年正式推出 CL1 生物计算机平台，被多家媒体称为“世界首台商用生物计算机”。
时间戳
[] 重逢上海：城市变化与生态韧性
Hon 时隔八年重回上海，感叹节奏放缓但生态更成熟。两人讨论城市多样性的价值——旧金山的萧条 vs 纽约的韧性，以及上海作为科技、艺术与金融交汇点的独特性。
[] Cortical Labs 的进化：从科幻到科学，再到商业化
Hon 回顾 2019 年创立 Cortical Labs 时的原点：能否让体外的生物神经元像体内一样处理信息？经过三年实验，2022 年《Neuron》论文证明了神经元能玩 Pong。学术界的复制请求和 Horizon Ventures 的关注，促成了从“做研究”到“做产品”的转折。
[] CL1 的硬件解码：芯片上的“脑”与生命支持系统
Hon 现场拆解 CL1：神经元在玻璃微电极阵列上生长，60 个电极实现电信号的读写；前端的触摸屏和泵阀系统模拟了“心脏”“胃”“肾脏”和“肺”，维持神经元存活。他强调这是“脑机接口硬币的另一面”——不是在脑中植入芯片，而是在芯片上培养脑。
[] 为什么是神经元？——能量效率与样本效率
对比传统 GPU，生物神经元的核心优势来自数十亿年进化：能量极低（人脑仅 20 瓦），样本效率极高（幼儿看三四张图就能区分猫狗）。这两大特性让生物计算在物理 AI、机器人等“有限能量、有限时间预算”的场景中具有独特价值。
[] GPU 的局限、可逆计算与生物系统的启示
Hon 引入兰道尔原理和可逆计算概念，指出当前深度学习受限于梯度下降和反向传播，无法处理不可微的损失函数。而“样本效率”正是突破数据饥渴瓶颈的关键——我们需要的可能不是更大算力，而是更好的算法。
[] 被低估的领域：药物测试与化合物发现
Hon 指出 AI 药物发现的热潮忽略了真正的瓶颈——化合物合成出来后需要测试安全性。CL1 的神经元平台可以测量化合物对神经电生理的影响，甚至测试“认知副作用”，这是动物模型和 AI 模拟都无法替代的领域。这个市场可能比大语言模型更大。
[] CUDA 的历史教训与 AlexNet 时刻
Hon 复盘英伟达 CUDA 的故事：最初 GPU 只为游戏中的三角形渲染设计，直到 2012 年 Alex Krizhevsky 集齐了“神经网络知识 + ImageNet 数据集 + GPU + CUDA 编程能力”四要素，才引爆 AI 1.0 革命。Hon 希望 CL1 也能迎来自己的“AlexNet 时刻”。
[] 技术传播的节奏：从学术圈到主流应用
新技术需要时间渗透。ChatGPT 真正起飞不是因为它发明了新算法，而是因为一个 UX 改变——从“下载 PyTorch 和模型权重”变成“打开网页直接输入”。Hon 相信 CL1 的早期用户同样会来自学术界和企业研发实验室。
[] 开发者生态：音乐合成、LLM 辅助与密码学
开发者已在 CL1 上探索各种应用：连接合成器生成反馈音乐；用神经元为 LLM 挑选下一个 token；利用神经元放电的熵生成真随机数哈希。Hon 认为生物系统是模拟的，而真实世界也是模拟的，这个“模-数交叉”充满可能。
[] 从神经元到细胞：向章鱼学习
对话延伸至其他生物系统：章鱼神经元能随温度改变基因表达，光合作用的量子效率远超人造太阳能板。Hon 认为生物计算不应局限于哺乳动物神经元，向生命树的其他分支学习会带来全新启发。
[] Science for AI：为什么真正的前沿是自然科学
两人批评当下过度聚焦大语言模型和 AGI 叙事的倾向。Hon 引用 Demis Hassabis 的观点：如果 AI 只能解决已有问题集而无法提出新理论，那它还算 AGI 吗？自然科学才是 AI 进步的真正源泉。
[] 二阶效应与偶然发现：GLP-1 和 Viagra 的故事
GLP-1 最初是糖尿病药物，被偶然发现能减肥；Viagra 最初是肺动脉高压药物，试验中才发现能治勃起功能障碍。Hon 用这些例子说明：真正的突破往往来自开放心态和“让随机性发挥作用”，而非精密规划。
[] 中美科技生态比较：中国硬科技 vs 美国软件创新
Hon 分享在 XPRIZE 和硅谷的观察：中国在电池化学、太阳能、超导材料等“枯燥但重要”的物理科学领域领先（如宁德时代、比亚迪），而美国在数字空间和大语言模型上激进且资本充裕。Hon 认为中国从硬件基础设施“犁地”开始，长期潜力巨大。
[] 年轻一代与 AI 叙事的缺失
两人讨论年轻一代对当前 AI 叙事的冷漠：“提高生产力”式的口号不具感召力。他们呼吁更具人文关怀的愿景——AI 应该是为了改善人们的生计，而非取代劳动。Hon 也批评了科技界从 ESG 价值观转向“只要算力”的短视。
[] 灵感与榜样：Bob Noyce 的故事
Hon 分享硅谷先驱 Bob Noyce 的启发——这位仙童半导体和英特尔的联合创始人，也是早期初创企业的投资人。他的名言“我需要给我的鱼塘补充鱼苗”成为 Hon 构建 Cortical Labs 平台的哲学根基。
[] “Acausal”时刻：偶然性的力量
范阳解释“Acausal”的含义——在一个混沌的世界里，最好的事情往往不是由清晰的因果链推动，而是由一系列偶然串联的幸运事件促成。Hon 将 Cortical Labs 走到今天的每一步都归于“一连串非常幸运的偶然”。
[] 给创始人的话：什么才真正值得你放弃一切？
Hon 说，作为创始人，最重要的永远是家人和朋友。创业是短暂的，明天可能就被竞争对手终结，但家人和朋友是常量。他提醒年轻创始人：不要为了把公司往前推一小步而牺牲那些真正值得珍惜的关系。
[] 长期愿景：让技术为“人”服务
Hon 总结愿景：让机器（尤其是物理 AI 系统，如护理机器人）更好地服务于人类生活，让自动化变得更具同理心、更便宜、更易部署、更环保。他认为技术应该改善人们的生计，而不是取代它们。
延伸阅读
关于 Cortical Labs 与生物计算
Cortical Labs 官网：corticallabs.com
《Neuron》论文（2022）：In vitro neurons learn and exhibit sentience when embodied in a simulated game-world – 让神经元在培养皿中学会打 Pong 的里程碑研究
CL1 生物计算机：2025 年发布的世界首台商业化生物计算机，集成约 80 万个人类神经元，售价约 35,000 美元，整机功耗低于一台手持计算器
生物数据中心：Cortical Labs 正在墨尔本和新加坡建设生物数据中心，每台 CL1 功耗仅 30 瓦，机柜总功耗 850-1000 瓦，远低于传统 GPU 集群
本期提到的关键概念与人物
样本效率（Sample Efficiency）：生物系统从极少样本中学习的能力，与深度学习需要海量数据形成鲜明对比
CUDA 与 AlexNet：2007 年发布的 CUDA 平台让 GPU 可做通用计算，2012 年 Alex Krizhevsky 用 GPU 训练 AlexNet 在 ImageNet 竞赛中一举夺冠，引爆深度学习革命
Bob Noyce：仙童半导体和英特尔联合创始人，硅谷早期最重要的投资人和导师，乔布斯和扎克伯格的精神导师之一
GLP-1 受体激动剂：从糖尿病药物“偶然”成为减肥药的代表，年销售总额（约518亿美元）甚至超过了所有大语言模型公司收入总和
Demis Hassabis：DeepMind 创始人，2024年诺贝尔化学奖得主，他与同事John Jumper因开发AlphaFold — 一个能从氨基酸序列预测蛋白质3D结构的AI系统 — 共同获得这一殊荣。AlphaFold 已帮助全球190多个国家的超过200万研究人员加速科研工作，从酶设计到药物发现。此后，Hassabis创立Isomorphic Labs，致力于将AlphaFold升级为"药物设计引擎"。他提出的下一个宏伟愿景是建立"虚拟细胞"（Virtual Cell）— 一个能模拟整个细胞行为的AI系统。
特别致谢
本期播客录制空间由 上海西岸中环 友情提供。作为上海西岸的核心文化商业地标，西岸中环汇聚了艺术、设计与创新对话的多元可能，为我们的录制提供了理想的氛围与支持。感谢西岸中环对深度内容与跨界交流的持续关注。
欢迎关注主播的公众号：
范阳（beingmorehuman)
本期播客中英文字幕视频版请在 BliBli 和 Spotify, Youtube 搜索“因果异常”收看。
催更与赞助请联系：fanyangdoit@outlook.com
