The Decoder • 3일 전

배양 뉴런에서 얻은 소프트웨어 레이어, AI 영상 생성 5배 빠르고 80% 저렴

IMP

6/10

핵심 요약

샌프란시스코 스타트업 The Biological Computing Co.(TBC)가 AWS와 손잡고 실제 신경세포 측정에서 도출한 '뉴럴 다이내믹스 어댑터'를 적용한 최초의 '뉴런 유래' 텍스트-to-비디오 모델을 출시한다고 발표했습니다. 뇌세포가 직접 연산하는 게 아니라, 4,096개 전극 칩 위에서 배양한 피질 뉴런의 신호 확산·소멸 패턴을 측정해 아주 작은 소프트웨어 모듈(기존 모델 대비 크기 0.1% 미만 증가)로 만들어 기존 확산 모델에 삽입하는 방식입니다. 이를 통해 기반 모델 대비 5배 빠르고 80% 저렴한 추론, 더 나은 품질을 목표로 하며, 현재는 조기 액세스 신청만 가능한 계획 단계입니다.

번역된 본문

배양 뉴런에서 나온 작은 소프트웨어 레이어, 더 빠르고 저렴한 AI 영상을 약속하다

Maximilian Schreiner, 2026년 9월 22일

The Biological Computing Co.가 AWS와 손잡고, 작은 소프트웨어 레이어 덕분에 5배 빠르고 80% 저렴하게 작동한다는 텍스트-to-비디오 모델을 판매한다. 이 레이어는 실제 신경세포의 측정값에서 나온 것이다.

샌프란시스코 스타트업 The Biological Computing Co.(TBC)는 아마존 웹 서비스(AWS)와의 파트너십을 통해 양사가 '최초의 뉴런 유래(neuron-derived)' AI 영상 모델이라 부르는 제품을 출시한다고 발표했다. 보도자료에 따르면 이 텍스트-to-비디오 모델은 오픈소스 영상 모델을 기반으로 하며, 기반 모델보다 5배 빠르고 추론 비용은 80% 낮으면서 품질도 더 좋다고 한다. TBC는 어떤 오픈소스 모델에서 출발하는지는 밝히지 않았다.

TBC는 이 모델을 AWS Trainium 칩에서 실행하고, Amazon SageMaker AI를 통해 서비스하며, AWS Marketplace에서 판매할 계획이다. 이 모든 것은 아직 서류상 계획에 불과하며, 현재 이용 가능한 것은 얼리 액세스 신청뿐이다. 이는 TBC의 개발 과정에서 나온 첫 상용 제품이다.

뉴런은 실험실에 남는다

회사 이름 때문에 여기서 뇌세포가 연산을 수행한다고 생각할 수 있지만, 그렇지 않다. TBC가 파는 것은 평범한 소프트웨어다. 즉, 기반 모델 크기에 0.1% 미만을 더하는 독점 레이어로, 표준 AI 인프라에서 전적으로 실행된다. 고객은 생물학적 하드웨어도, 새로운 워크플로도 필요 없다. 대신 생물학은 개발 과정에 들어 있다. TBC는 4,096개 전극이 달린 칩 위에 피질 신경세포를 배양하고, 전기적으로 자극한 뒤 활동이 공간적으로 퍼지고 시간이 지나며 사라지는 방식을 측정한다. 여기서 신호가 얼마나 멀리 도달하고 얼마나 오래 지속되는지 같은 지표를 도출한다. 이 원리들이 기존 확산 모델에 연결되는 '어댑터'라 불리는 작은 소프트웨어 모듈에 반영된다. 뉴런 자체는 결코 실험실을 떠나지 않는다.

TBC는 원래 Biological Black Box라는 이름이었으며, 신경외과의 Alex Ksendzovsky와 Jon Pomeraniec가 설립했고 2026년 2월에 2,500만 달러를 투자받았다. 회사는 생성형 영상을 첫 진출 분야로 선택했는데, 그 이유는 AI 추론의 가장 어려운 문제인 품질, 속도, 비용이 모두 드러나는 분야이기 때문이다. 이후 TBC는 월드 모델을 다루고, 최종적으로는 뉴런이 실리콘과 함께 연산하도록 만들고자 한다.

TBC는 세포 배양을 소프트웨어 모듈로 바꾸는 방법

TBC는 블로그 포스트에서 오픈소스 마인크래프트 월드 모델인 Oasis를 예로 들며 세포 칩에서 AI 모델까지의 경로를 설명했다. Oasis는 약 6억 개 파라미터를 가진 확산 모델로, 플레이어 입력에서 프레임별로 게임 장면을 만든다. 전형적인 문제는 각 새 프레임이 이전 프레임 위에 쌓이기 때문에 작은 오류가 누적된다는 것이다. 몇 초 후면 장면이 형체 없이 흐려지는데, TBC는 이를 '워시아웃(washout)'이라 부른다.

생물학적 부분은 실험실에서 시작된다. TBC는 4,096개의 작은 전극이 있는 칩 위에 피질 신경세포를 배양하며, 세포들은 스스로 연결되어 활성 네트워크를 형성한다. 전극을 통해 팀은 개별 지점을 전기적으로 자극하면서 흥분이 배양 전체로 퍼지고 다시 사라지는 과정을 기록할 수 있다.

Oasis 실험에서 TBC는 본질적으로 신경세포에 이미지를 '보여줬다'. 이미지 데이터는 특정 전극을 통해 배양에 전달되는 전기 펄스 패턴으로 변환됐다. 뉴런들은 반응했고, 자극된 지점에서만이 아니라 흥분이 이웃 세포로 퍼진 뒤 짧은 시간 후 사라졌다. TBC가 기록한 것은 정확히 이런 행동이다. 네트워크가 어디서 활성화되는지, 활동이 얼마나 멀리 도달하는지, 얼마나 오래 지속되는가? 회사는 이 측정값을 수치로 변환하고, 여기서 '뉴럴 다이내믹스 어댑터(Neural Dynamics Adapter)'라는 작은 소프트웨어 모듈을 만들었다. 간단히 말해, 신호가 제한된 공간 안에서 세포 배양 전체로 퍼지는 방식을 모방하는 패턴을 담고 있다. 영상 모델은 이 원시 데이터만으로는 아무것도 할 수 없기 때문에, 두 번째(변환) 단계가 필요하다.

원문 보기

원문 보기 (영어)

A tiny software layer from lab-grown neurons promises faster, cheaper AI video Maximilian Schreiner View the LinkedIn Profile of Maximilian Schreiner Sep 22, 2026 TBC / GPT-Image-2 prompted by THE DECODER The Biological Computing Co. is teaming up with AWS to sell a text-to-video model that's supposed to run five times faster and 80 percent cheaper thanks to a tiny software layer. That layer comes from measurements of real nerve cells. San Francisco startup The Biological Computing Co. (TBC) has announced a partnership with Amazon Web Services to launch what the companies call the first "neuron-derived" AI video model. According to the press release, the text-to-video model builds on an open-source video model and is supposed to generate videos five times faster and at 80 percent lower inference cost than the base model, with better quality. TBC doesn't say which open-source model it starts from. TBC plans to run the model on AWS Trainium chips, serve it through Amazon SageMaker AI, and sell it in the AWS Marketplace. All of that is still on paper. For now, the only thing available is a signup for early access . It's the first commercial product to come out of TBC's development process. The neurons stay in the lab The company name suggests brain cells are doing the computing here, but they aren't. What TBC sells is ordinary software: a proprietary layer that adds less than 0.1 percent to the size of the base model and runs entirely on standard AI infrastructure. Customers need no biological hardware and no new workflows. The biology sits in the development process instead. TBC grows cortical nerve cells on chips with 4,096 electrodes , stimulates them electrically, and measures how the activity spreads across space and fades over time. From that, the company derives metrics like how far a signal reaches and how long it lingers. Those principles feed into small software modules, called adapters, that plug into existing diffusion models. The neurons themselves never leave the lab. TBC, originally called Biological Black Box, was founded by neurosurgeons Alex Ksendzovsky and Jon Pomeraniec, and raised $25 million in February 2026. The company picked generative video as its entry point because that's where the hardest parts of AI inference show up: quality, speed, and cost. After that, TBC wants to tackle world models and eventually let neurons compute alongside silicon. How TBC turns a cell culture into a software module TBC laid out the path from cell chip to AI model in a blog post , using the open Minecraft world model Oasis as an example. Oasis is a diffusion model with roughly 600 million parameters that builds game scenes frame by frame from a player's inputs. Its typical problem is that each new frame builds on the last, so small errors pile up. After a few seconds, the scene blurs into a shapeless mush that TBC calls "washout." The biological part starts in the lab. TBC grows cortical nerve cells on a chip with 4,096 tiny electrodes, and the cells wire themselves into an active network on their own. Through the electrodes, the team can stimulate individual spots electrically while recording how the excitation spreads across the culture and fades again. For the Oasis experiment, TBC essentially "showed" the nerve cells images. The image data was translated into patterns of electrical pulses fed to the culture through specific electrodes. The neurons responded, and not just at the stimulated spot: the excitation spread to neighboring cells and faded after a short time. That's exactly the behavior TBC recorded. Where does the network become active, how far does the activity reach, and how long does it last? The company translated these measurements into numbers and built a small software module from them, the "Neural Dynamics Adapter." Put simply, it holds a pattern that mimics how a signal spreads across the cell culture within limited space. Because the video model can't do anything with that raw data on its own, a second component comes in: a kind of translation layer that converts the biological pattern into the language of the AI model's intermediate results. Only then can the model use the structure drawn from the cells when it computes images. The adapter builds one basic rule into the model, a rule TBC read off the cells: activity acts mainly in the neighborhood and then fades. It works like a damper that holds neighboring image regions together and keeps disturbances from spreading unchecked. At about 156,000 parameters, it's small, and the base model's architecture stays unchanged. It was then trained on Minecraft video sequences, while the base model got a light nudge at the same time with a low learning rate. No cells are involved during operation, since the adapter is by then a fixed mathematical transformation that runs on any GPU. According to TBC, Oasis with the adapter held sharp object edges and stable spatial relationships far longer than without it. As its measure, the company used the differential entropy of the images, roughly a gauge of how much visual information a frame still holds before it blurs into a flat surface. Across ten test videos, the adapter variant scored about 19 percent better than the original, about 15 percent better than a same-sized conventional fine-tuning, and about 5 percent better than a LoRA adaptation. In a follow-up project , TBC built a larger adapter with roughly three percent extra parameters and pushed the frame rate from about two to just under ten frames per second. The speed gain didn't come from the adapter itself, but from cutting the number of compute steps per frame without the quality collapsing the way it usually does. An outside test by infrastructure provider Bluesky Compute in July found about 4.4 times lower inference costs and more than three times as much coherent video as the base model. Plenty of numbers, little proof Comparable details are missing for the commercial model. TBC names neither the base model nor the hardware, resolution, clip length, or quality metric behind its claims. It's also striking that five times faster and 80 percent cheaper are mathematically the same thing: if you need a fifth of the GPU time, you save 80 percent. So this is probably one effect stated in two units, not two breakthroughs. Whether the biological detour beats purely digital tricks like distillation or caching also remains an open question, and TBC hasn't published a controlled comparison on the same base model. The company's real claim isn't that neurons compute better than chips anyway, but that they point to algorithms nobody would have found at a desk. Whether that holds up can't be judged from the data so far. AI News Without the Hype – Curated by Humans Subscribe to THE DECODER for ad-free reading, a weekly AI newsletter, our exclusive "AI Radar" frontier report six times a year, full archive access, and access to our comment section. Subscribe now --> Read on for the full picture. Subscribe for hype-free coverage. Full access to every article on THE DECODER No ads Join the comments and community discussions A weekly AI news recap via mail 6x/year: "AI Radar" — deep dives on the AI topics that matter most Daily AI news, always up to date Our full ten-year archive Covered by a team with 10+ years in AI Subscribe to The Decoder -->

생체 컴퓨팅 텍스트-to-비디오 AWS 확산 모델 뉴런