实验室培养神经元打造的微型软件层，有望让 AI 视频更快、更便宜

事件核心：发生了什么

2026 年 9 月，The Biological Computing Co.（TBC，原名 Biological Black Box）宣布与亚马逊云科技合作，推出其首个商用产品：一个基于开源文生视频模型改造的“神经元衍生”模型。据其新闻稿说法，该模型生成速度是基础模型的 5 倍，推理成本降低 80%，画质还更好。TBC 没有披露具体基于哪个开源模型。

落地方式也已规划：跑在 AWS 的 Trainium 芯片上，通过 Amazon SageMaker AI 提供服务，并在 AWS Marketplace 销售。不过目前公开信息显示，这些都还停留在纸面阶段，唯一可用的是“早期访问”注册。

关键在于，神经元并不参与实际计算。TBC 卖的是普通软件——一个专有适配层，体量不到基础模型的 0.1%，完全跑在标准 AI 基础设施上，客户不需要生物硬件，也不需要改变工作流。

为什么重要

生物部分只存在于研发环节。TBC 在带有 4096 个电极的芯片上培养皮层神经细胞，用电刺激并测量信号如何在空间上扩散、随时间衰减，再把这些规律转化为插进现有扩散模型的小模块，称为“适配器”。公司由神经外科医生 Alex Ksendzovsky 和 Jon Pomeraniec 创立，2026 年 2 月融资 2500 万美元。

它选择文生视频作为切入点，因为这里是推理环节最难的地方：质量、速度、成本三重压力叠加。如果这层适配器真能在不改架构的前提下压低成本，那它对所有依赖视频生成的团队都有参考价值——但它目前只是一个待验证的商业承诺。

对用户/开发者/创作者的影响

对开发者来说，卖点是“不换硬件、不换流程”，适配器插入现有扩散模型即可，这降低了尝试门槛。对创作者和企业采购而言，如果 5 倍速度和 80% 降本属实，视频生成的单位成本会明显下降，批量生成、实时预览类应用会更可行。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

但要注意：模型跑在 AWS Trainium 上、走 SageMaker 和 Marketplace，意味着它天然绑定 AWS 生态，其他云或本地部署未必能直接复用。目前也没有公开基准测试，效果需要等早期访问用户实测。

值得关注的后续

一是产品能否真正上线并公布可核查的性能基准，而非只有新闻稿数字；二是它到底基于哪个开源视频模型、适配器是否对其他模型通用；三是 TBC 提到的下一步——世界模型，以及长期让神经元与硅基算力协同计算——是否只是路线图叙事。

来源：The Decoder AI News