在电极上养了四年真脑细胞，把AI视频模型提速了五倍。 今天刚上线的这个图生视频模型，叫 Mischief 1。 发布它的公司叫 TBC（The Biolog… · @jidifeng · TwKit

@jidifeng

在电极上养了四年真脑细胞，把AI视频模型提速了五倍。 今天刚上线的这个图生视频模型，叫 Mischief 1。 发布它的公司叫 TBC（The Biological Computing Co.），两位联合创始人 Alex Ksendzovsky 和 Jon Pomeraniec 带着团队在实验室里养了四年脑细胞。 现在他们把这套成果做成了公开接口，已经挂上 fal 和 OpenRouter，接下来还要进 AWS 云市场。 价格做到了每秒 0.5 美分起。 算下来生成一段 5 秒的视频，大概 2.5 美分，合人民币不到两毛钱，直接成了这两个平台上最便宜的图生视频模型。 刚看到“真脑细胞做出来的视频模型”时，我脑子里冒出的第一个问题是： 难道我在网页上点一下生成，远在某间实验室培养皿里的脑细胞，就要通上电替我跑一帧画面？ 真要这么干，这事根本没法商用。 活细胞太娇贵了，得泡在培养液里控温控氧，还会老化死亡。 就算突然涌进来十万个并发请求，你也没法像买显卡那样，往机柜里一插就扩出十倍算力。 生物计算喊了这么多年一直难走出实验室，卡就卡在这儿。 TBC 换了个走法。 你现在调接口生成视频的时候，云端机房里没有半个活细胞，跑推理的照样是传统显卡。 真正的活体脑细胞，只待在研发阶段的实验室里。 那他们养了四年脑细胞，到底拿来干什么了？ 顺着 TBC 披露的技术路径往下拆，核心就三步。 第一步，往脑细胞里喂电信号。 他们在实验室的高密度微电极阵列上，培养了活体皮层神经元。 一块阵列上有 4096 个微电极。 研究人员把视觉数据和计算任务转成电信号，输进这片活体神经网络里，再用这 4096 个电极去记录细胞群的实时反应。 第二步，把脑细胞省算力的路子抄下来。 为什么先挑视频模型下手？ 生成一张静态图，算的是固定像素；生成一段视频，最吃算力的是连续画面在空间和时间上的变化。 常规的视频底座模型每推进一步，都要靠大规模矩阵运算去算帧与帧之间的时空关联，计算开销极大。 但生物神经元处理视觉的方式完全不同。 大自然进化了几亿年，大脑每天处理连续不断的动态画面，靠的是一套省能量的信号筛选机制：哪些信号该往后传，走哪条路径，哪些没用的信号该快速衰减掉。 那 4096 个电极干的事，就是把活体神经元在时间和空间上传递、路由和衰减信号的真实动态全录下来，再提炼成数学模型。 第三步，压成纯软件插件，接进开源大模型。 他们没有花几亿美元从头训练一个视频大模型，直接拿开源视频模型 Wan 2.2 当底座。 刚才从脑细胞上测出来的数学规律，被压缩成一个叫“神经动力学适配器”（Neural Dynamics Adapter）的轻量级软件层，插进了 Wan 2.2 里。 看这组工程数字： 加进去的这个适配器，参数量不到底座模型的 0.1%。 而且不需要把庞大的 Wan 2.2 重新训练一遍。 它只负责改写推理过程中数据流动的方式，让模型照着生物神经元的信号传递和衰减规律去跑，绕开原本拖慢速度的渲染瓶颈。 结果画质和动作连贯度保住了 Wan 2.2 的底子，生成速度至少快了 5 倍，推理成本也就跟着打下来了。 说实话，看到不到 0.1% 的参数改动就能换来 5 倍提速，这笔账算得确实让人服气。 拆完这三步，就能看懂 Alex 说的“生物计算不再是空想”到底落在了哪。 他们没有硬造一台活体生物计算机去取代显卡。 活体神经元在他们手里，更像是实验室里的老师。 先用 4096 个电极把真细胞处理时空信号的近道摸清楚，一旦拿到数学规律，立刻写成不到 0.1% 的纯软件权重，扔到成熟的显卡云上跑规模化生意。 当然，这里头还留着一个悬念。 TBC 目前只开放了商业接口，还没有公开这个适配器的底层论文和消融实验。 这 5 倍提速里，到底有多少非靠活体神经元测出来不可，跟纯靠算法做的步数蒸馏比起来核心差异在哪？ 这部分技术黑盒，现在还没有公开数据，得等后续的技术报告或社区实测。 但单看工程路线，不强求把娇贵的活细胞塞进数据中心，只把生物进化了几亿年的计算近道搬进硅芯片里。 半美分一秒能跑通商用，生物计算总算找到了一条能自己养活自己的路子。

曝光 115 · 评论 0 · 点赞 0 · 书签 0