Reading time: 7 min
Um desenvolvedor independente sem qualquer experiência em computação biológica sentou-se diante de uma API em Python, conectou-se a um chip com 200 mil neurônios humanos vivos em um laboratório de Melbourne e, em sete dias, os fez controlar o clássico jogo de tiro em primeira pessoa Doom, de 1993. Os neurônios não jogam bem — parecem alguém que nunca viu um teclado na vida. Mas estão aprendendo. E a empresa que construiu o sistema já vendeu 115 unidades a US$ 35.000 cada.
A empresa é a Cortical Labs, fundada pelo Dr. Hon Weng Chong e sediada em Melbourne. O produto é o CL1, que a companhia classifica como o primeiro computador biológico comercialmente disponível do mundo. Ele une neurônios humanos cultivados em laboratório a um chip de silício para criar o que a Cortical Labs descreve como Inteligência Biológica Sintética, ou SBI. A demonstração com o Doom, divulgada pelo YouTube no final de fevereiro e repercutida nesta semana pela Popular Science, Tom’s Hardware, The Register e praticamente todos os veículos de tecnologia minimamente atentos, marca o momento em que a tecnologia deixou de ser uma curiosidade de laboratório para se tornar algo com que desenvolvedores conseguem de fato interagir. O código-fonte está no GitHub. A API é em Python. Os neurônios estão vivos, imersos em uma solução nutritiva na Austrália.
Como o Sistema Realmente Funciona
O CL1 cultiva neurônios humanos sobre um array de 59 microeletrodos construído em um chip de metal e vidro. Os neurônios não são extraídos de cérebros. Eles começam como células obtidas de doadores adultos — da pele ou do sangue — que são reprogramadas em células-tronco pluripotentes induzidas e depois diferenciadas em neurônios corticais, conforme um detalhamento técnico publicado pela PerfScience em março de 2026. As células são mantidas vivas dentro de uma câmara de suporte vital selada, que regula temperatura, troca gasosa e fluxo de nutrientes. Segundo a Cortical Labs, os neurônios podem sobreviver por até seis meses.
O sistema opera com o que a empresa chama de biOS, um Sistema Operacional de Inteligência Biológica. Ele cria um ambiente simulado e envia informações sobre esse ambiente aos neurônios na forma de padrões de estimulação elétrica pelos eletrodos. Os neurônios respondem com seus próprios impulsos elétricos, que são interpretados como ações. No Pong, a demonstração anterior de 2022, a relação era direta: bola sobe, raquete sobe. No Doom, o problema é ordens de magnitude mais complexo. O jogo é tridimensional. Há inimigos. O jogador precisa explorar, navegar, mirar e atirar.
Para superar essa distância, Sean Cole, o desenvolvedor independente que construiu a interface com o Doom, traduziu o feed de vídeo do jogo em padrões de estimulação elétrica que os neurônios pudessem processar. Segundo o Tom’s Hardware, o CTO David Hogan explicou o mapeamento: “Se os neurônios disparam em um padrão específico, o personagem do Doom atira. Se disparam em outro padrão, ele se move para a direita.” Os neurônios recebem feedback de reforço — sinais positivos e negativos que moldam seus padrões de disparo ao longo do tempo. No sentido mais literal possível, trata-se de aprendizado por reforço rodando em tecido biológico em vez de silício.
O Que o Sistema Consegue e Não Consegue Fazer
Brett Kagan, Diretor Científico da Cortical Labs, foi direto sobre o desempenho atual. “É um campeão de eSports? Absolutamente não”, disse ele no vídeo de anúncio, segundo o Tom’s Hardware. O sistema joga Doom melhor do que um gerador de inputs aleatórios, mas pior do que qualquer humano que tenha passado cinco minutos com o jogo. O que importa, argumentou Kagan, não é a pontuação — é que os neurônios demonstraram “aprendizado adaptativo, em tempo real e orientado a objetivos” em um ambiente tridimensional complexo. Isso é uma classe de problema completamente diferente de rebater uma bolinha de Pong.
Coloque isso em perspectiva. Em 2022, o protótipo anterior da Cortical Labs, o DishBrain, aprendeu a jogar Pong em cerca de cinco minutos. Um sistema padrão de aprendizado por reforço profundo leva aproximadamente 90 minutos para atingir desempenho comparável, segundo a PerfScience. Os neurônios não são mais rápidos em computação — são mais eficientes no uso de dados. Aprendem com menos exemplos. Essa propriedade, se escalar, tem enorme relevância para descoberta de medicamentos e modelagem de doenças, áreas em que o custo de gerar dados de treinamento costuma ser o gargalo principal.
O Modelo de Negócio
O CL1 foi lançado no Mobile World Congress, em Barcelona, em março de 2025, e começou a ser enviado no segundo semestre do ano passado. Cada unidade custa US$ 35.000, ou US$ 20.000 por unidade em um rack de servidor com 30 unidades. Um rack completo consome entre 850 e 1.000 watts — o que, como vários veículos observaram, é menos do que alguns PCs gamer de alto desempenho. A Cortical Labs já entregou 115 unidades, segundo a PerfScience, gerando cerca de US$ 4 milhões em receita pelo preço de tabela. A empresa também oferece Wetware-as-a-Service, ou WaaS, permitindo que pesquisadores acessem os neurônios remotamente pela Cortical Cloud.
Segundo a IEEE Spectrum, Kagan afirmou que a empresa tem observado forte interesse de universidades, startups e órgãos governamentais explorando aplicações em descoberta de medicamentos, neurocomputação, aceleração de IA e, de forma um tanto inesperada, mineração de Bitcoin. O principal argumento comercial é que o CL1 representa uma alternativa eticamente superior aos testes em animais na pesquisa farmacêutica. Por utilizar neurônios humanos em vez de modelos com roedores, consegue capturar diferenças genéticas entre doadores e modelar respostas específicas a doenças de formas que os testes em animais não permitem. A Cortical Labs posiciona a tecnologia como plataforma para o estudo de epilepsia, Alzheimer e outras condições neurológicas.
O cenário competitivo é pequeno, mas está crescendo. A suíça FinalSpark já oferece acesso remoto a organoides neurais a partir de US$ 1.000 por mês. Na Indiana University, pesquisadores construíram o Brainoware, um sistema que alcançou 78% de precisão na identificação de falantes após apenas dois dias de treinamento. Uma equipe da UC San Diego propôs usar sistemas baseados em organoides para modelagem ambiental. Na China, a Tianjin University apresentou o MetaBOC, uma plataforma brain-on-chip. Nenhum desses projetos está tão avançado comercialmente quanto a Cortical Labs, mas o capital de risco que está fluindo para tudo que se relacione com IA tornou as apostas especulativas em biocomputação subitamente financiáveis.
A Pergunta Que Ninguém Quer Responder
A dimensão ética é incontornável, e a Cortical Labs não tentou se esquivar. Os neurônios no CL1 não são conscientes. São poucos demais e simples demais para produzir qualquer coisa que se assemelhe a consciência. O consenso atual da neurociência sustenta que 200 mil neurônios em um array de eletrodos não conseguem gerar experiência subjetiva. Um cérebro humano contém cerca de 86 bilhões de neurônios conectados por trilhões de sinapses. A distância não é incremental — é civilizacional.
Mas a trajetória levanta questões que a indústria ainda não respondeu. Como observou a RealClearScience em uma análise de janeiro de 2026, alegações de inteligência ou consciência nesses sistemas são infundadas hoje. Os sistemas demonstram uma capacidade simples de responder e se adaptar, não cognição superior. A questão é o que acontece quando a contagem de neurônios escalar, quando os arrays de eletrodos ficarem mais densos, quando os loops de feedback se tornarem mais sofisticados. A Cortical Labs já mencionou a construção de um “Cérebro Mínimo Viável”. Essa expressão, emprestada da cultura de startups e aplicada a tecido biológico, carrega implicações que a empresa talvez não consiga controlar totalmente.
Por ora, porém, o CL1 é uma caixa de US$ 35.000 que mantém neurônios humanos vivos por seis meses, permite que qualquer pessoa com conhecimento de Python converse com eles, e acaba de ser ensinado a matar demônios em um jogo de 1993. O detalhe que merece sua atenção é este: a interface com o Doom foi construída por um único desenvolvedor em uma semana, usando uma API pública, sem nenhum treinamento em neurociência. Isso significa que a barreira para desenvolver nessa plataforma já é baixa o suficiente para a comunidade de desenvolvedores começar a experimentar. O que eles vão criar a seguir — essa é a história que vale acompanhar.
