⏱️ Resumo em 1 minuto

  1. O produto existe e está à venda. A Cortical Labs, de Melbourne, vende o CL1: neurônios humanos cultivados em laboratório, crescendo sobre um chip com eletrodos, mantidos vivos por até seis meses por um sistema de suporte de vida embutido. Preço aproximado: US$ 35 mil. Ou você aluga por nuvem — eles chamam de “Wetware-as-a-Service”.
  2. Eles aprendem de verdade. Em 2022, uma cultura de neurônios aprendeu a jogar Pong. Em junho de 2026, a empresa demonstrou neurônios controlando o DOOM, com aprendizado em cerca de uma semana.
  3. Em março de 2026 viraram infraestrutura. A empresa anunciou os primeiros “data centers biológicos”: 120 unidades em Melbourne e um projeto em Singapura que pode chegar a 1.000.
  4. O argumento é energia. O cérebro humano roda com cerca de 20 watts. Um data center de IA consome megawatts. A aposta é que biologia compute mais barato.
  5. Mas há bem mais hype do que a manchete deixa ver. A alegação de que a máquina “gasta menos que uma calculadora” não se sustenta, a comparação com GPUs é enganosa, e o próprio cientista-chefe recuou publicamente da palavra que usou no artigo original. Explico tudo abaixo.

Uma caixa com 200 mil neurônios humanos

Imagine uma caixa do tamanho aproximado de uma caixa de sapatos, sobre uma bancada de laboratório em Melbourne. Ela tem um visor que mostra sinais vitais: temperatura, mistura de gases, filtragem de resíduos, circulação de nutrientes.

Sinais vitais — porque lá dentro há algo vivo.

Sobre um pequeno chip de silício, mergulhados numa solução rica em nutrientes, crescem centenas de milhares de neurônios humanos. Não são simulados. Não são metáfora. São células cerebrais humanas de verdade, cultivadas em laboratório, que se ramificam sobre a superfície do chip e formam redes entre si, exatamente como fariam dentro de um crânio.

O chip envia pulsos elétricos para elas. Elas respondem com seus próprios pulsos. E é essa conversa — silício falando, biologia respondendo — que a Cortical Labs, empresa australiana fundada em 2019 pelo médico e engenheiro de software Hon Weng Chong, vende como um produto comercial chamado CL1.

Custa cerca de US$ 35 mil. Você pode comprar. Ou pode alugar por nuvem, num serviço que a empresa batizou, com humor de engenheiro, de “Wetware-as-a-Service” — algo como “úmido-como-serviço”, em oposição ao software e ao hardware que conhecemos.

Quando li isso pela primeira vez, minha reação foi a mesma que você provavelmente está tendo: isso é real ou é ficção científica com assessoria de imprensa?

Fui atrás. E a resposta honesta é: as duas coisas. Há ciência séria e verificável aqui — publicada em revistas de peso, replicada, discutida. E há uma camada considerável de exagero comercial que a cobertura em português repetiu sem checar. Este artigo é minha tentativa de separar as duas.

Parte 1 — Como se constrói um computador vivo

Do sangue ao neurônio

O primeiro passo é o mais surpreendente: os neurônios não vêm de cérebro nenhum.

Eles são criados a partir de células-tronco pluripotentes induzidas — uma técnica que rendeu o Nobel de Medicina em 2012 a Shinya Yamanaka. A ideia é quase mágica em sua elegância: você pega uma célula adulta comum, tipicamente do sangue de um doador, e a “reprograma” quimicamente para voltar a um estado embrionário, capaz de se transformar em qualquer tipo de célula do corpo. Depois, você a guia para virar neurônio cortical.

Isso resolve, de saída, o problema ético mais óbvio: não há células-tronco embrionárias envolvidas, e nenhum cérebro foi tocado. O material de partida é uma amostra de sangue.

A conversa por eletrodos

Esses neurônios são então cultivados sobre um chip com um arranjo de multieletrodos (multi-electrode array) — uma grade de contatos elétricos minúsculos gravados na superfície de silício e vidro. Cada eletrodo pode fazer duas coisas: estimular os neurônios com um pulso elétrico ou escutar os pulsos que eles disparam por conta própria (os chamados spikes).

É um canal de mão dupla. O sistema fala com as células; as células respondem.

Sobre isso roda o biOS, o “sistema operacional de inteligência biológica” da empresa. A função dele é traduzir: transformar dados de um mundo digital simulado em padrões de estimulação elétrica que os neurônios “sintam”, e converter os disparos deles de volta em comandos naquele mundo.

Um detalhe operacional que dá a dimensão do desafio: manter tudo isso vivo. O CL1 embute o que a empresa chama de “corpo numa caixa” — controle de temperatura, mistura de gases, circulação de meio nutritivo, filtragem de resíduos. Com isso, uma cultura permanece ativa por até seis meses. Depois disso, a atividade declina, e é preciso começar de novo.

Um computador com prazo de validade. É a primeira estranheza real desta história.

Parte 2 — Pong, e a palavra que causou uma briga científica

O experimento que colocou a empresa no mapa

Em outubro de 2022, a Cortical Labs publicou na revista Neuron, uma das mais respeitadas da neurociência, um trabalho liderado por Brett Kagan, seu diretor científico, com colaboração de pesquisadores do University College London e do Monash.

O sistema se chamava DishBrain — “cérebro de placa”, num trocadilho com a placa de Petri. Cerca de 800 mil neurônios (humanos numa versão, de camundongo em outra, para comparação) foram cultivados sobre um arranjo de eletrodos e conectados a uma versão simplificada do Pong, o videogame de 1972.

O funcionamento é engenhoso. A posição da bola era traduzida em estímulos elétricos aplicados em regiões específicas da grade. Os disparos dos neurônios em outra região eram lidos como comando para mover a raquete para cima ou para baixo. Quando a raquete acertava a bola, o sistema devolvia um estímulo elétrico previsível e organizado. Quando errava, devolvia ruído aleatório e caótico.

E aqui está o achado: ao longo dos minutos, os neurônios foram melhorando. A rede reorganizou seus padrões de disparo na direção que produzia mais estímulo organizado e menos caos. Sem programação, sem instrução, sem ninguém dizer a ela o que era “ganhar”.

Por que isso funciona? A hipótese dos autores se apoia numa teoria da neurociência segundo a qual redes neurais tendem a se reorganizar para minimizar a imprevisibilidade do que recebem do ambiente. O ruído é desagradável, do ponto de vista da rede; o sinal previsível é confortável. Jogar bem Pong era, para aquelas células, simplesmente o caminho para um mundo mais previsível.

A palavra que a comunidade não engoliu

O problema não foi o experimento. Foi o título.

Kagan e colegas o batizaram de “In vitro neurons learn and exhibit sentience when embodied in a simulated game-world” — neurônios in vitro aprendem e exibem senciência quando incorporados a um mundo de jogo simulado.

Senciência. A palavra que designa a capacidade de ter experiência subjetiva, de sentir.

A reação foi rápida e dura. Em março de 2023, um grupo de pesquisadores liderado por Fuat Balci publicou na própria Neuron uma resposta formal intitulada, sem rodeios, “Uma resposta às alegações de inteligência e senciência emergentes numa placa”. O argumento central: nada no experimento permite concluir que há experiência subjetiva ali. Mudança de padrão de disparo em resposta a estímulo é plasticidade — uma propriedade conhecida de qualquer rede neural, inclusive as mais simples. Chamar isso de senciência é um salto injustificado que confunde o público.

Especialistas ouvidos na época pelo Science Media Centre britânico foram na mesma direção, com um elogio que carrega uma alfinetada: é neurociência bem conduzida e interessante, mas o resultado não surpreende — é assim que redes neuronais funcionam para aprender com estímulos sensoriais.

E então veio o desfecho mais eloquente desta história. O próprio Kagan, o autor principal, declarou depois à Nature: “eu não usaria a palavra senciente daqui para frente”.

Guardo esse episódio como a chave de leitura de tudo o que vem a seguir. Não porque desmereça a empresa — recuar publicamente de uma palavra é sinal de honestidade intelectual, e o trabalho técnico permanece sólido. Mas porque estabelece o padrão desta área: a engenharia é real; o vocabulário costuma correr na frente dela.

Parte 3 — DOOM, data centers e a virada de 2026

Se o Pong colocou a empresa no mapa científico, 2026 a colocou no mapa econômico.

Em 11 de junho de 2026, a Cortical Labs demonstrou uma cultura de cerca de 200 mil neurônios humanos controlando o DOOM — o clássico de tiro em primeira pessoa de 1993. Eventos visuais do jogo eram convertidos em padrões de estimulação elétrica; os disparos neuronais eram mapeados em comandos discretos: andar, virar, atirar. Segundo a empresa, o aprendizado se deu ao longo de cerca de uma semana.

Vale um parêntese cultural: existe uma tradição na comunidade de tecnologia de rodar DOOM nos lugares mais improváveis — calculadoras, caixas eletrônicos, geladeiras, testes de gravidez. É meio piada, meio prova de conceito. Fazer células cerebrais humanas jogarem DOOM foi, ao mesmo tempo, uma demonstração técnica e um golpe de marketing perfeito. E funcionou: rodou o mundo.

Três meses antes, porém, viera o anúncio de maior peso. Em março de 2026, a empresa revelou os primeiros “data centers biológicos” do mundo: uma instalação em Melbourne com 120 unidades CL1, e um projeto em Singapura em parceria com a operadora DayOne e a Universidade Nacional de Singapura, com validação inicial em 20 unidades e plano de escalar até 1.000.

O argumento comercial é direto e mira a dor mais cara da indústria de IA hoje: energia.

Aqui a lógica é sedutora e vale entender bem, porque é o coração da tese. O cérebro humano — 86 bilhões de neurônios, capaz de escrever sinfonias e resolver equações — opera com cerca de 20 watts. Menos que a lâmpada da sua geladeira. Nenhum sistema computacional que construímos chega perto dessa eficiência. Um único rack moderno de GPUs para IA pode consumir mais de 100 mil watts. Se a biologia resolveu o problema da eficiência energética em quatro bilhões de anos de evolução, por que não usar a própria biologia como substrato de computação?

É uma pergunta legítima. E é exatamente onde eu precisei parar e verificar os números.

Parte 4 — O teste de realidade

Esta é a parte que quase não aparece na cobertura em português, e é a razão pela qual escrevi este artigo.

Alegação 1: “consome menos energia que uma calculadora de mão”

Foi o que o CEO da empresa declarou à Bloomberg, e a frase circulou o mundo.

Não se sustenta. Segundo os próprios números divulgados pela empresa, cada unidade CL1 consome cerca de 30 watts. Uma calculadora de bolso movida a energia solar opera na casa de frações de milésimo de watt. Estamos falando de uma diferença de centenas de milhares de vezes.

Trinta watts é aproximadamente o consumo de um notebook em uso leve. Continua sendo pouco em termos absolutos — mas “menos que uma calculadora” é uma frase de efeito, não um dado. E boa parte desses 30 watts, note bem, não vai para computar coisa alguma: vai para o sistema de suporte de vida, mantendo temperatura, gases e nutrientes em ordem. Você está pagando energia para manter as células vivas, não para elas pensarem.

Alegação 2: a comparação com as GPUs

A empresa compara um rack de CL1 (850 a 1.000 watts) com o consumo de sistemas de GPU, citando números na casa dos milhares de watts por unidade.

O problema não está nos números. Está na comparação em si — e ele é grave: as duas máquinas não fazem a mesma coisa.

Uma GPU treina e roda modelos de linguagem, gera imagens, processa bilhões de parâmetros. Um CL1 faz neurônios aprenderem a mover uma raquete e a virar num corredor. Comparar o consumo dos dois é como comparar o gasto de combustível de um caminhão carregado com o de uma bicicleta e concluir que a bicicleta é mais eficiente para transportar carga.

Nenhum computador biológico existente hoje roda um modelo de IA. Nenhum substitui uma GPU em nenhuma tarefa comercial de inteligência artificial. A própria empresa, em declarações mais técnicas, é mais cuidadosa e descreve os sistemas biológicos como complementos — não substitutos — do silício. Essa ressalva, curiosamente, some das manchetes.

Alegação 3: a escala

Um CL1 tem, dependendo da configuração relatada, entre 200 mil e 800 mil neurônios. (As fontes divergem, e a própria empresa cita números diferentes em materiais diferentes — em si um sinal de que estamos diante de comunicação de marketing, não de ficha técnica.)

Para dimensionar: o cérebro humano tem entre 60 e 86 bilhões de neurônios. Fazendo a conta pela estimativa mais generosa, um CL1 tem cerca de 0,001% dos neurônios de um cérebro humano. É menos do que o cérebro de uma barata.

Isso não invalida nada — as culturas fazem o que se propõem a fazer. Mas contextualiza a palavra “cérebro” que aparece em toda manchete sobre o assunto.

Alegação 4: “data center”

Cento e vinte unidades numa sala em Melbourne é um projeto-piloto de pesquisa. Chamá-lo de “data center” é uma escolha de vocabulário que empresta a esse experimento o peso simbólico e financeiro de uma indústria de centenas de bilhões de dólares.

Não é fraude — é posicionamento. Mas o leitor merece saber a diferença entre uma instalação piloto e uma infraestrutura em operação comercial.

Parte 5 — Então, para que serve de verdade?

Feito o desconto do hype, sobra algo genuinamente valioso. E, na minha leitura, é mais interessante do que a promessa que a empresa vende.

Substituir testes em animais. Este é, disparado, o uso mais concreto. Testar como um medicamento afeta neurônios humanos vivos, em tempo real, observando não só se as células morrem, mas se o comportamento da rede muda. É mais relevante biologicamente que um teste em camundongo — porque são células humanas — e evita o custo ético do modelo animal. A empresa posiciona o CL1 explicitamente assim, e faz sentido.

Estudar doenças neurológicas. Um pesquisador do UCL levantou a hipótese mais provocativa dessa linha: como um “DishBrain embriagado” jogaria Pong? Se você consegue medir o desempenho de uma rede neuronal numa tarefa, consegue medir o que acontece com ela sob efeito de uma droga, de uma mutação genética ligada a epilepsia, ou de um marcador de Parkinson. Isso é uma ferramenta de pesquisa de verdade, e é onde a coisa toda tem mais chance de gerar valor real.

Entender o aprendizado. Há um dado dessa pesquisa que me parece o mais fascinante de todos e que quase ninguém comenta: os neurônios aprendem com pouquíssimos exemplos. Um algoritmo de aprendizado por reforço precisa de milhares de partidas para dominar o Pong. As células chegaram a um desempenho comparável em muito menos tentativas. Estudar como elas fazem isso pode ensinar mais sobre eficiência de aprendizado do que qualquer economia de watts — e talvez acabe influenciando o desenho de algoritmos que rodam em silício comum.

Repare no padrão. Os três usos legítimos são de pesquisa, não de infraestrutura. O valor está em ter uma janela para o funcionamento de neurônios humanos vivos — não em substituir a Nvidia.

Parte 6 — A pergunta que ninguém consegue responder

E agora o incômodo que este artigo não pode evitar.

Em que ponto um aglomerado de neurônios humanos deixa de ser equipamento?

A empresa é clara em sua posição: não há consciência ali. E o argumento tem base sólida. Uma cultura de neurônios em placa não tem as estruturas que associamos à experiência consciente — não tem tálamo, nem córtex organizado em camadas, nem os circuitos de longo alcance que integram informação através do cérebro. É uma rede plana, sem arquitetura. A maioria dos neurocientistas concorda que não há nada ali para “sentir” coisa alguma.

Mas a discussão não fecha aí, e é preciso honestidade sobre o porquê.

Primeiro: não sabemos medir consciência. Este é o ponto duro. Não existe teste objetivo para experiência subjetiva — nem em organoides, nem em animais, nem em outra pessoa. Você infere a consciência alheia por analogia e comportamento, nunca por medição direta. Diante disso, “não há evidência de consciência” e “há evidência de que não existe consciência” são afirmações muito diferentes, e só a primeira é sustentável.

Segundo: algumas teorias não descartam o problema. A Teoria da Informação Integrada, uma das principais tentativas de explicar a consciência, sugere que ela emerge de sistemas que integram informação de forma complexa — e, sob esse critério, sistemas biológicos em circuito fechado com o ambiente entram numa zona cinzenta. A teoria está longe de ser consenso. Mas o fato de existir um quadro teórico respeitado em que a pergunta não é absurda já basta para não tratá-la como paranoia.

Terceiro: e o doador? Aqui está a questão ética que menos aparece e que talvez seja a mais prática. As células vêm do sangue de pessoas reais. Quem doou uma amostra de sangue para pesquisa há dez anos consentiu que seus neurônios derivados fossem cultivados numa empresa privada, treinados a jogar videogame e alugados por nuvem a terceiros? A literatura de bioética já levanta explicitamente esse ponto: consentimento informado obtido antes da existência dessa tecnologia dificilmente cobre esses usos.

Quarto: a pesquisa militar. É um dado público e pouco comentado: a Monash University anunciou financiamento de defesa para desenvolvimento ligado ao DishBrain, em colaboração com a Cortical Labs. Não sei o que se pesquisa ali, e não vou especular. Mas o simples fato de que sistemas de neurônios humanos entram numa agenda militar merece registro num artigo honesto sobre o tema.

Minha posição, e deixo explícito que é uma opinião: acho improvável que exista qualquer forma de experiência numa cultura de 200 mil neurônios em placa. Mas acho igualmente equivocado tratar a pergunta como resolvida por decreto corporativo. A abordagem que os bioeticistas chamam de precaucionária — estabelecer limites e supervisão antes que a capacidade apareça, e não depois — parece a única sensata quando a tecnologia avança mais rápido que a nossa capacidade de avaliá-la.

Vale lembrar que essa cautela já custou caro em outras áreas quando foi dispensada.

Conclusão: o espelho na placa

Terminei essa apuração com uma sensação diferente da que comecei.

Fui atrás de uma esquisitice — a caixa de células cerebrais que joga DOOM — esperando encontrar ou uma revolução ou uma fraude. Encontrei nenhuma das duas. Encontrei ciência competente e honesta, embrulhada num vocabulário que promete mais do que entrega, vendida num momento em que qualquer coisa que prometa resolver a conta de energia da IA encontra investidor.

Mas há algo aqui que sobrevive ao desconto do exagero, e é o que me fez escrever.

Passamos setenta anos construindo máquinas inspiradas em cérebros. Redes neurais artificiais são chamadas assim porque foram desenhadas, na origem, como caricaturas grosseiras de neurônios. Toda a inteligência artificial que usamos hoje — o ChatGPT, o Claude, o Gemini — descende dessa imitação. E funcionou espetacularmente bem, à custa de data centers do tamanho de bairros e de uma fatia crescente da rede elétrica mundial.

O que a Cortical Labs faz é inverter a seta. Em vez de construir silício que imita neurônios, usar neurônios de verdade e ensiná-los a se comportar como computador.

E o resultado dessa inversão é um espelho desconfortável. Duzentos mil neurônios humanos numa placa — 0,001% de um cérebro, sem estrutura, sem corpo, sem sentidos — aprendem a jogar Pong com um punhado de tentativas e gastando o equivalente à luz do seu abajur. Nossos melhores sistemas precisam de milhares de exemplos e de uma conta de energia que já preocupa operadores de rede elétrica.

Não sabemos como a biologia faz isso. É esse o verdadeiro achado: não que possamos comprar um computador vivo por US$ 35 mil, mas que um pedaço mínimo e desorganizado de tecido nervoso ainda faz, com folga, algo que quatro trilhões de dólares em indústria de semicondutores não sabe replicar.

Talvez o valor dessas caixas não esteja em substituir nossos computadores. Esteja em nos mostrar, com uma clareza meio humilhante, o quanto ainda não entendemos sobre o único computador que a evolução construiu — aquele que você está usando neste exato momento para ler esta frase, com vinte watts.

Fontes principais

O experimento original está em Kagan, B. J. et al., “In vitro neurons learn and exhibit sentience when embodied in a simulated game-world”, publicado na Neuron em outubro de 2022 (DOI: 10.1016/j.neuron.2022.09.001). A crítica formal veio de Balci, F. et al., “A response to claims of emergent intelligence and sentience in a dish”, Neuron 111(5), março de 2023. As declarações posteriores de Brett Kagan sobre a palavra “senciente” foram dadas à Nature.

As especificações e o preço do CL1 estão no site oficial da Cortical Labs (corticallabs.com/cl1). Os anúncios dos data centers biológicos e a demonstração do DOOM foram cobertos em março e junho de 2026 pela Bloomberg, Tom’s Hardware e Gizmodo, entre outros. Os dados de consumo energético citados são os divulgados pela própria empresa — e, como discuto no artigo, exigem contextualização. As reações de especialistas independentes ao trabalho de 2022 estão compiladas pelo Science Media Centre britânico. A discussão bioética se apoia na literatura publicada em Neuroethics (Springer), Frontiers e no Cambridge Quarterly of Healthcare Ethics.