Vi bruker 200 milliarder dollar+ i året på datasentre for å drive AI. Ett selskap samlet inn 11 millioner dollar, dyrket menneskelige hjerneceller på en chip, og cellene lærte seg å spille en 3D-skytespill på en uke. Cortical Labs dyrket 200 000 menneskelige nevroner på en silisiumbrikke og lærte dem å spille Doom. Cellene navigerer, sikter på fiender og skyter våpen i sanntid. Deres forrige spill, Pong, tok 18 måneder på eldre maskinvare. Doom tok en uke. En uavhengig utvikler uten bioteknologisk erfaring bygde integrasjonen ved hjelp av et Python-API. Nevronene gjorde resten. Den komprimeringen fra 18 måneder til én uke forteller deg alt om hvor dette bærer hen. Her er hva «kan det kjøre Doom»-gjengen mangler: hver CL1-enhet koster 35 000 dollar. Et fullt serverrack med 30 enheter trekker totalt 850 til 1 000 watt. Hjernen din går på 20 watt. En enkelt GPU-klynge som trener en LLM kan trekke megawatt. Energiøkonomien til biologisk beregning er størrelsesordener bedre enn silisium, og det gapet skalerer. Investorlisten forteller deg hvem som følger med. Horizons Ventures, Blackbird og In-Q-Tel, CIAs ventureavdeling. In-Q-Tel finansierer ikke vitenskapsprosjekter. De finansierer etterretningsinfrastruktur. 115 enheter begynte å sendes i 2025. Cortical Labs selger nå "Wetware-as-a-Service" gjennom Cortical Cloud. Utviklere kan distribuere kode til levende nevroner eksternt uten å berøre et laboratorium. De priser tilgang på nivå med et programvareabonnement, mens maskinvaren kjører på ekte menneskelige hjerneceller hentet fra voksne hud- og blodprøver. Doom-demoen er markedsføring. Plattformspillet er et veddemål om at biologiske nevroner til slutt vil prestere bedre enn silisium på nettopp de oppgavene AI sliter mest med: sanntidstilpasning under usikkerhet, læring fra minimal data, og prosessering av tvetydighet uten brute-force-beregning. Spørsmålet var aldri «kan det kjøre Doom.» Spørsmålet er hva som skjer når den kan kjøre alt annet.