实验室神经元衍生的软件层，让AI视频生成提速五倍、成本降八成

TBC由神经外科医生Alex Ksendzovsky和Jon Pomeraniec创立，前身为Biological Black Box，于2026年2月完成2500万美元融资。公司选择生成式视频作为切入点，原因在于这一领域集中体现了AI推理中最棘手的三重矛盾：质量、速度与成本。公司与AWS的合作将使该模型在Trainium芯片上运行，并通过SageMaker AI和AWS Marketplace向企业客户销售，但目前一切仍停留在规划阶段，产品尚未正式上线。

TBC的技术路径并不涉及生物计算硬件。公司在实验室中将皮层神经细胞培养于配备4096个微电极的芯片上，细胞会自发形成活跃的神经网络。研究人员通过电极对特定位点施加刺激，同时记录兴奋信号在培养物中的空间扩散范围与时间衰减曲线。这些测量数据被提炼为量化指标，再转化为可插入现有扩散模型的小型软件模块——神经动态适配器。整个推理过程完全在标准GPU上运行，与生物材料无关。

TBC在博客中以开源Minecraft世界模型Oasis为例，详细说明了从细胞培养到软件模块的完整流程。Oasis是一个约6亿参数的扩散模型，逐帧生成游戏画面，其固有缺陷是误差随帧数累积，画面会逐渐模糊失真。TBC将图像数据转化为电脉冲模式输入神经元，记录其响应规律后构建适配器，将「信号在有限空间内扩散后衰减」这一生物规则编码进模型，从而抑制相邻图像区域的扰动扩散，延长画面的空间一致性。

在Oasis实验中，搭载适配器的模型版本在图像差分熵指标上比原始模型高出约19%，比同等参数量的常规微调高出约15%，比LoRA适配高出约5%。在后续项目中，TBC构建了参数量约为基础模型3%的更大适配器，并将帧率从约2帧每秒提升至接近10帧每秒。速度提升的关键在于减少每帧的计算步骤数，而适配器的存在防止了质量的相应下滑。基础设施提供商Bluesky Compute于2026年7月进行的外部测试显示，推理成本降低约4.4倍，连贯视频时长超出基础模型三倍以上。

然而，商业版本的技术细节披露十分有限。TBC既未说明所采用的基础开源模型名称，也未公开硬件配置、输出分辨率、视频时长或所用质量评估指标。值得注意的是，「速度提升五倍」与「成本降低80%」在数学上描述的是同一件事——若GPU时间缩短至五分之一，成本自然节省80%，两项数据实为同一结论的不同表述。在缺乏独立基准测试和完整技术规格的情况下，外界目前难以对其商业版本的实际性能作出客观评估。

要点

• TBC的核心创新是一个参数量不足基础模型0.1%的软件适配器，其设计规则源自对实验室培养神经元电活动的测量，但推理时完全运行于标准GPU，无需任何生物硬件
• 在开源模型Oasis上的实验显示，该适配器可将帧率从约2帧提升至近10帧每秒，并在图像质量指标上优于同等规模的常规微调和LoRA方法
• 商业版本计划通过AWS Trainium芯片和SageMaker AI提供服务，但目前仅开放早期访问申请，且关键技术规格（基础模型、分辨率、质量指标）均未公开披露
• 「速度提升五倍」与「成本降低80%」实为同一数据的两种表述，商业版本性能声明尚缺乏独立第三方验证