Крошечный слой ПО на основе лабораторных нейронов обещает ускорить и удешевить ИИ-видео

Нейроны остаются в лаборатории

Название компании может создать впечатление, будто вычисления выполняют живые клетки. На деле TBC продаёт обычное программное обеспечение — собственный слой, который увеличивает размер исходной модели менее чем на 0,1% и работает на стандартной инфраструктуре для ИИ. Биологическое оборудование и новые рабочие процессы клиентам не понадобятся.

Биология используется на этапе разработки. TBC выращивает корковые нервные клетки на чипах с 4 096 электродами, стимулирует их электрическими импульсами и измеряет, как активность распространяется в пространстве и затухает со временем. Так компания получает показатели вроде дальности сигнала и продолжительности его действия. Эти принципы преобразуются в небольшие программные модули — адаптеры, которые подключаются к существующим диффузионным моделям. Сами нейроны лабораторию не покидают.

Первоначально компания называлась Biological Black Box. Её основали нейрохирурги Алекс Ксендзовский и Джон Померанец, а в феврале 2026 года она привлекла $25 млн. Первым направлением TBC выбрала генерацию видео, поскольку именно здесь особенно заметны основные проблемы инференса ИИ: качество, скорость и стоимость. В дальнейшем компания хочет заняться моделями мира, а затем — вычислениями, в которых нейроны будут работать вместе с кремниевыми чипами.

Как TBC превращает культуру клеток в программный модуль

В блоге TBC описала путь от чипа с клетками до ИИ-модели на примере открытой модели мира Minecraft Oasis. Это диффузионная модель примерно на 600 млн параметров, которая создаёт игровые сцены покадрово, реагируя на действия игрока. Её типичная проблема в том, что каждый новый кадр строится на предыдущем: небольшие ошибки накапливаются, и через несколько секунд сцена превращается в размытое бесформенное изображение. TBC называет этот эффект «вымытием».

Базовая модель Oasis и вариант с подключённым адаптером TBC. Адаптер подключается к ранним слоям модели, а архитектура в остальном остаётся неизменной

Источник: the-decoder.com

Биологическая часть начинается в лаборатории. TBC выращивает корковые нервные клетки на чипе с 4 096 крошечными электродами, а клетки самостоятельно соединяются в активную сеть. Через электроды исследователи стимулируют отдельные участки и одновременно записывают, как возбуждение распространяется по культуре и затем затухает.

Живые нервные клетки на мультиэлектродной матрице (слева) и измеренная активность сети в пространстве и времени (справа)

Источник: the-decoder.com

В эксперименте с Oasis TBC фактически «показывала» нервным клеткам изображения. Данные изображения переводились в последовательности электрических импульсов, которые подавались на культуру через определённые электроды. Нейроны реагировали не только в точке стимуляции: возбуждение переходило к соседним клеткам и через короткое время ослабевало. Компания фиксировала, где возникает активность, насколько далеко она распространяется и как долго сохраняется.

Полученные измерения TBC перевела в числа и на их основе создала небольшой программный модуль Neural Dynamics Adapter. Проще говоря, он хранит шаблон, имитирующий распространение сигнала по культуре клеток в пределах ограниченного пространства. Сама видеомодель не может напрямую использовать необработанные биологические данные, поэтому в системе есть второй компонент — слой перевода, который преобразует биологический шаблон в формат промежуточных результатов ИИ-модели. Только после этого модель может учитывать структуру, извлечённую из поведения клеток, при создании изображений.

Адаптер добавляет в модель простое правило, которое TBC считала с клеток: активность в основном действует на соседнюю область, а затем затухает. Такой механизм удерживает рядом расположенные области изображения вместе и не даёт искажениям бесконтрольно распространяться.

Адаптер содержит около 156 000 параметров, а архитектура исходной модели не меняется. Его обучали на последовательностях видео из Minecraft, одновременно слегка корректируя исходную модель с небольшой скоростью обучения. Во время работы клетки не нужны: к этому моменту адаптер представляет собой фиксированное математическое преобразование, которое выполняется на любом GPU.

По данным TBC, Oasis с адаптером дольше сохраняла чёткие границы объектов и устойчивые пространственные связи, чем исходная версия. Для оценки компания использовала дифференциальную энтропию изображений — показатель того, сколько визуальной информации остаётся в кадре до того, как он превратится в плоское размытое изображение. В десяти тестовых видео версия с адаптером показала результат:

В следующем проекте TBC создала более крупный адаптер, добавив примерно 3% параметров, и увеличила частоту генерации кадров примерно с двух до почти десяти в секунду. Ускорение обеспечил не сам адаптер, а сокращение числа вычислительных шагов на кадр. Обычно такое сокращение приводит к резкому падению качества, но здесь этого удалось избежать. Внешняя проверка, проведённая инфраструктурным провайдером Bluesky Compute в июле, показала примерно в 4,4 раза меньшую стоимость инференса и более чем втрое больший объём связного видео по сравнению с исходной моделью.

Много цифр, мало доказательств

Для коммерческой модели сопоставимых подробностей нет. TBC не называет исходную модель и оборудование, а также не указывает разрешение, длительность ролика и метрику качества, на которых основаны заявления компании.

Кроме того, «в пять раз быстрее» и «на 80% дешевле» математически описывают одно и то же изменение: если системе требуется пятая часть времени GPU, экономия составляет 80%. Вероятно, речь идёт об одном эффекте, выраженном в двух единицах, а не о двух независимых достижениях.

Остаётся открытым вопрос, превосходит ли биологический подход чисто цифровые методы вроде дистилляции или кэширования. TBC не опубликовала контролируемое сравнение на одной и той же исходной модели. При этом компания утверждает не то, что нейроны вычисляют лучше чипов, а то, что наблюдение за ними может подсказать алгоритмы, до которых разработчики не додумались бы за рабочим столом. По опубликованным данным пока нельзя понять, подтверждается ли это предположение.