一周，仅仅一周，一小团培养在芯片上的真实人脑细胞，就学会了操控《毁灭战士》里的角色在迷宫中移动、闪避和射击。

这不是电影情节。2026年2月，澳大利亚公司Cortical Labs发布了这项演示成果，立刻引爆了科技媒体。《新科学家》、IEEE Spectrum等权威媒体相继跟进报道，Slashdot在第一时间将其置顶推送。《毁灭战士》这款诞生于1993年的经典第一人称射击游戏，再次成为一个时代的见证，只不过这一次，扣动扳机的，是一团活细胞。

从乒乓球到枪战，进步有多大

要理解这次突破的分量，需要往前追溯几年。

2021年，Cortical Labs首次让超过80万个活体神经元学会了玩《乒乓》，但那次实验耗费了科研人员数年心血，需要极其精细的人工训练干预。2025年初，该公司推出了商用生物计算机CL1，将这项技术从实验室原型推进到了可以售卖的硬件，售价3.5万美元，允许研究机构直接购买一套活神经元计算平台。

而这次的《毁灭战士》实验，关键突破不在于神经元数量，恰恰相反，使用的神经元数量只有《乒乓》实验的四分之一左右。真正的突破在于，Cortical Labs开发了一套支持Python语言编程的新接口，让开发者可以像操作普通软件一样与生物芯片交互。

独立开发者肖恩·科尔正是利用这套工具，在大约一周内完成了整个《毁灭战士》训练任务。Cortical Labs首席科学官布雷特·卡根在接受《新科学家》采访时直接表示："这次的演示由一个此前对生物学所知甚少的人在几天内完成，而《乒乓》实验代表的是数年的艰辛科研努力。正是这种可及性和灵活性，让它真正令人兴奋。"

这是生物计算机领域的一个范式转变信号：这套技术正在从"只有顶级实验室才能触碰"变成"普通开发者也能上手"。

神经元为什么比硅芯片学得更快

脑细胞组成的芯片，目前玩《毁灭战士》的水准远远不及人类玩家，但它比随机操作强，也比传统的硅基机器学习系统学得快得多，这两点已被实验证实。

为什么活细胞会比硅芯片学得更快？答案藏在神经元本身的工作机制里。

芯片上的人类神经元正在玩《毁灭战士》游戏的屏幕图像 皮质实验室

人工神经网络的训练依赖大量标注数据、反向传播算法和庞大的计算资源，本质上是在用蛮力拟合统计规律。而生物神经元天生就具备实时适应环境的能力，它们通过突触可塑性，也就是"用进废退"的连接强化机制，在每次反馈信号到来时即时调整自身的响应模式，不需要预先存在的训练数据集，也不需要定义损失函数。

更重要的是能耗。人类大脑的功耗约为20瓦，而驱动GPT-4级别模型运行一次查询，数据中心消耗的电力是人脑回答同一个问题的数千倍。Cortical Labs的研究数据显示，其生物芯片在执行相同任务时的能耗仅为等效数字AI系统的极小分之一，这个差距随着计算复杂度上升还会进一步拉大。

英国雷丁大学的吉川泰胜教授在评论这项成果时指出，玩《毁灭战士》就像是控制机械臂的简化版本，因为两者都需要实时处理视觉输入、判断空间关系并输出连续的运动指令。他的团队正在尝试用类似的生物计算机控制真实的机械臂，这项应用一旦成立，对康复医学和工业机器人领域的意义将是颠覆性的。

离真正可用，还有多远

《毁灭战士》的演示固然令人振奋，但科学界对这项技术的冷静评估同样值得关注。

英国曼彻斯特大学的史蒂夫·弗伯教授承认，从《乒乓》到《毁灭战士》是显著的能力跃升，但他也坦言，目前研究者对神经元实际上是"如何"完成这些任务的，依然知之甚少。没有眼睛的细胞怎么"看"屏幕？没有经验的神经元怎么知道任务目标是什么？这些底层问题尚未有清晰答案。

此外，细胞的存活周期、培养环境的稳定性、以及大规模量产的工艺挑战，都是横亘在商业化道路上的真实障碍。CL1目前的售价是3.5万美元一台，这对大多数应用场景而言还远谈不上普及。

但不管怎么说，一个普通开发者花一周时间，用Python代码教一团活细胞玩会了《毁灭战士》，这件事本身已经说明，生物计算机正在从一个科学家才能触碰的前沿概念，走向工程师可以动手搭建的现实工具。

这个门槛一旦降低，后续的发展速度，可能远超我们的预期。

信息来源：
https://www.newscientist.com/article/2517389-human-brain-cells-on-a-chip-learned-to-play-doom-in-a-week/