TBC hợp tác cùng AWS ra mắt mô hình AI video 'dẫn xuất từ neuron' với tốc độ nhanh gấp 5 lần

TBC dự định chạy mô hình này trên các chip AWS Trainium, cung cấp dịch vụ thông qua Amazon SageMaker AI và bán trên AWS Marketplace. Tất cả những điều đó hiện vẫn chỉ nằm trên giấy tờ. Hiện tại, thứ duy nhất khả dụng là đăng ký quyền truy cập sớm. Đây là sản phẩm thương mại đầu tiên ra đời từ quy trình phát triển của TBC.

Các neuron vẫn ở trong phòng thí nghiệm

Tên công ty gợi ý rằng các tế bào não đang thực hiện việc tính toán tại đây, nhưng thực tế không phải vậy. Những gì TBC bán là phần mềm thông thường: một lớp độc quyền bổ sung chưa đến 0,1% vào kích thước của mô hình cơ sở và chạy hoàn toàn trên cơ sở hạ tầng AI tiêu chuẩn. Khách hàng không cần phần cứng sinh học hay quy trình làm việc mới nào.

Thay vào đó, yếu tố sinh học nằm ở quy trình phát triển. TBC nuôi cấy các tế bào thần kinh vỏ não trên các chip có 4.096 điện cực, kích thích chúng bằng điện và đo lường cách hoạt động lan truyền trong không gian và mờ dần theo thời gian. Từ đó, công ty rút ra các chỉ số như tín hiệu truyền đi bao xa và tồn tại trong bao lâu. Những nguyên tắc đó được đưa vào các mô-đun phần mềm nhỏ, gọi là adapter, để cắm vào các mô hình khuếch tán (diffusion models) hiện có. Bản thân các neuron không bao giờ rời khỏi phòng thí nghiệm.

TBC, tiền thân là Biological Black Box, được thành lập bởi các bác sĩ phẫu thuật thần kinh Alex Ksendzovsky và Jon Pomeraniec, và đã huy động được 25 triệu USD vào tháng 2 năm 2026. Công ty chọn video tạo sinh làm điểm khởi đầu vì đó là nơi xuất hiện những phần khó nhất của suy luận AI: chất lượng, tốc độ và chi phí. Sau đó, TBC muốn giải quyết các mô hình thế giới (world models) và cuối cùng là để các neuron tính toán song song với silicon.

Cách TBC biến một mẫu cấy tế bào thành một mô-đun phần mềm

TBC đã vạch ra lộ trình từ chip tế bào đến mô hình AI trong một bài đăng trên blog, sử dụng mô hình thế giới Minecraft mở có tên Oasis làm ví dụ. Oasis là một mô hình khuếch tán với khoảng 600 triệu tham số, xây dựng các cảnh game theo từng khung hình từ đầu vào của người chơi. Vấn đề điển hình của nó là mỗi khung hình mới đều dựa trên khung hình trước đó, nên các lỗi nhỏ tích tụ dần. Sau vài giây, cảnh quay bị nhòe thành một khối vô định hình mà TBC gọi là "washout".

Phần sinh học bắt đầu trong phòng thí nghiệm. TBC nuôi cấy các tế bào thần kinh vỏ não trên một con chip với 4.096 điện cực nhỏ, và các tế bào tự kết nối thành một mạng lưới hoạt động. Thông qua các điện cực, nhóm nghiên cứu có thể kích thích các điểm riêng lẻ bằng điện trong khi ghi lại cách sự kích thích lan truyền qua mẫu cấy và mờ dần.

Đối với thí nghiệm Oasis, về cơ bản TBC đã "cho" các tế bào thần kinh xem hình ảnh. Dữ liệu hình ảnh được chuyển đổi thành các mô hình xung điện truyền đến mẫu cấy thông qua các điện cực cụ thể. Các neuron phản ứng, và không chỉ tại điểm được kích thích: sự kích thích lan sang các tế bào lân cận và mờ dần sau một thời gian ngắn. Đó chính xác là hành vi mà TBC đã ghi lại. Mạng lưới trở nên hoạt động ở đâu, hoạt động lan xa đến mức nào và kéo dài bao lâu?

Công ty đã chuyển đổi các phép đo này thành các con số và xây dựng một mô-đun phần mềm nhỏ từ chúng, gọi là "Neural Dynamics Adapter". Nói một cách đơn giản, nó chứa một mô hình bắt chước cách tín hiệu lan truyền qua mẫu cấy tế bào trong một không gian hạn chế. Vì mô hình video không thể tự xử lý dữ liệu thô đó, một thành phần thứ hai được đưa vào: một loại lớp dịch chuyển đổi mô hình sinh học sang ngôn ngữ của các kết quả trung gian của mô hình AI. Chỉ khi đó, mô hình mới có thể sử dụng cấu trúc rút ra từ các tế bào khi nó tính toán hình ảnh.

Adapter xây dựng một quy tắc cơ bản vào mô hình, một quy tắc mà TBC đọc được từ các tế bào: hoạt động chủ yếu diễn ra ở vùng lân cận và sau đó mờ dần. Nó hoạt động như một bộ giảm chấn giúp giữ các vùng hình ảnh lân cận lại với nhau và ngăn chặn các nhiễu loạn lan rộng không kiểm soát.

Với khoảng 156.000 tham số, nó rất nhỏ và kiến trúc của mô hình cơ sở vẫn không thay đổi. Sau đó, nó được huấn luyện trên các chuỗi video Minecraft, trong khi mô hình cơ sở được tinh chỉnh nhẹ cùng lúc với tốc độ học thấp. Không có tế bào nào tham gia trong quá trình vận hành, vì adapter lúc đó đã là một phép biến đổi toán học cố định chạy trên bất kỳ GPU nào.

Theo TBC, Oasis với adapter giữ được các cạnh vật thể sắc nét và mối quan hệ không gian ổn định lâu hơn nhiều so với khi không có nó. Để đo lường, công ty đã sử dụng entropy vi phân của hình ảnh, về cơ bản là thước đo lượng thông tin hình ảnh mà một khung hình còn giữ được trước khi nó nhòe thành một bề mặt phẳng. Qua mười video thử nghiệm, biến thể có adapter đạt điểm cao hơn khoảng 19% so với bản gốc, cao hơn khoảng 15% so với tinh chỉnh thông thường cùng kích thước và cao hơn khoảng 5% so với kỹ thuật LoRA.

Trong một dự án tiếp theo, TBC đã xây dựng một adapter lớn hơn với thêm khoảng ba phần trăm tham số và đẩy tốc độ khung hình từ khoảng hai lên gần mười khung hình mỗi giây. Việc tăng tốc độ không đến từ bản thân adapter, mà từ việc cắt giảm số bước tính toán trên mỗi khung hình mà không làm giảm chất lượng như thường lệ. Một thử nghiệm bên ngoài bởi nhà cung cấp cơ sở hạ tầng Bluesky Compute vào tháng 7 cho thấy chi phí suy luận thấp hơn khoảng 4,4 lần và video mạch lạc hơn gấp ba lần so với mô hình cơ sở.

Nhiều con số, ít bằng chứng

Các chi tiết tương tự lại thiếu đối với mô hình thương mại. TBC không nêu tên mô hình cơ sở, phần cứng, độ phân giải, độ dài clip hay thước đo chất lượng đằng sau các tuyên bố của mình. Cũng đáng chú ý là nhanh hơn năm lần và rẻ hơn 80% về mặt toán học là một: nếu bạn chỉ cần một phần năm thời gian GPU, bạn tiết kiệm được 80%. Vì vậy, đây có lẽ là một hiệu ứng được trình bày dưới hai đơn vị đo, chứ không phải hai bước đột phá.

Liệu đường vòng sinh học có đánh bại các thủ thuật kỹ thuật số thuần túy như chưng cất (distillation) hay bộ nhớ đệm (caching) hay không vẫn là một câu hỏi mở, và TBC vẫn chưa công bố một so sánh có kiểm soát trên cùng một mô hình cơ sở. Tuyên bố thực sự của công ty không phải là các neuron tính toán tốt hơn chip, mà là chúng chỉ ra các thuật toán mà không ai có thể tìm thấy khi ngồi tại bàn làm việc. Liệu điều đó có đúng hay không thì chưa thể đánh giá từ dữ liệu hiện có.