Un chaval de diecinueve años en Londres ha levantado 10 millones de dólares en pre-seed para cultivar cerebros, y el vídeo de lanzamiento es una placa de neuronas jugando al Frogger.

La empresa es Frontier Computing, de la hornada de verano de 2026 de YC, con ronda liderada por General Catalyst. El fundador, Michael Domarkas, lleva cultivando tejido neuronal desde los diecisiete, frase que me hace revisar con cierta tristeza qué hacía yo a esa edad.

El argumento cabe en una línea: una GPU se gasta la mayor parte de la energía moviendo datos entre memoria y cómputo, y una neurona hace las dos cosas en el mismo sitio. Así que deja de simular redes neuronales sobre hardware que se lleva mal con ellas, y cultiva la red directamente.

Y los números de la demo son lo bastante concretos como para tomárselos en serio: una hora de aprendizaje en tiempo real, 92% de cruces en el pico sobre una muestra de 25 partidas. Eso está escrito como se escribe un resultado de verdad, no como una sensación.

También es lo menos interesante del anuncio.

El Frogger es una réplica, no un hito

Esto ya lo hemos visto. En 2022, el DishBrain de Cortical Labs — 800.000 neuronas humanas y de ratón sobre un chip CMOS — aprendió solo a jugar al Pong. Aquello se convirtió en el CL1, que es un producto que puedes comprar y que ya está montado en un prototipo de centro de datos biológico. FinalSpark lleva un par de años alquilando tiempo sobre 160.000 neuronas por internet.

El Frogger es el Pong con más carriles y una forma peor de morirse. Como demostración de que unas neuronas cultivadas cierran un bucle con un entorno y se adaptan, es replicar un resultado de hace cuatro años sobre un sustrato más grande.

Que está bien, ojo. Replicar es sano. Pero si has leído el titular y has pensado la placa ha aprendido un videojuego, o sea que los modelos vienen después, esa es la lectura equivocada — y es exactamente la lectura que el vídeo está diseñado para provocar.

La afirmación de verdad es de fontanería

Aquí está lo que importa.

El tejido neuronal en placa lleva atascado en torno al millón de neuronas, y no porque nadie quisiera más. Es el problema de la vascularización: las neuronas del centro de un cultivo que crece no reciben oxígeno, porque no hay sistema circulatorio que se lo lleve, y la difusión se cae por pura geometría. Pasas de cierto radio y el núcleo se asfixia y muere. Todas las empresas de biocomputación del planeta llevan años pegadas a ese techo.

Lo que dice Frontier es que ha construido un método de cultivo que lo rompe, y que con eso está levantando sistemas de 100 y 500 millones de neuronas — el grande supuestamente en marcha a final de año, aunque hay artículos que lo sitúan en enero de 2027, y ese baile de fechas ya te dice que es un objetivo y no una entrega. A 500 millones estarían unas 2.500 veces por encima del mayor sistema público del sector.

Eso es la noticia. No el Frogger. Si alguien ha resuelto de verdad la entrega de oxígeno en tejido cultivado grueso, eso es un resultado con consecuencias bastante más allá de la informática, y lo suyo es querer ver el método antes que las imágenes de la partida.

Y hoy por hoy, el clúster de 500M es un plan. Una construcción que ha empezado. Entre tenemos una primitiva que escala y tenemos un rack hay un hueco grande y muy documentado.

Lo del consumo es la parte honesta

El cuello de botella de von Neumann es real y no quiero frivolizar con él. Mover un peso desde la HBM hasta una unidad de multiplicación y acumulación cuesta muchísima más energía que la propia multiplicación. Eso no es marketing, es el motivo por el que tu factura de entrenamiento tiene la pinta que tiene.

Y los números de la biología son directamente absurdos. Una unidad CL1 consume unos 30 vatios; un rack entero se queda por debajo del kilovatio, frente a los 6kW de una sola GPU de centro de datos. Un cerebro humano hace lo suyo con unos 20 vatios, que sigue siendo el benchmark más humillante de toda la informática.

O sea que la dirección del razonamiento es buena. Computar sin mover datos es mejor que computar moviéndolos.

La cosa es que ese también es el argumento de los aceleradores cargados de SRAM, del cómputo en memoria y de todo el silicio wafer-scale que ya se vende. Esos van a por la misma física sin necesidad de una incubadora. La ventaja de la biología tiene que ser algo más que "juntar memoria y cómputo mola": tiene que ser que a densidad de neurona eso es inalcanzable en silicio. Y eso ya es mucho más difícil de sostener.

La parte que me da repelús

Las neuronas cultivadas se mueren.

No como fallo, sino como calendario. Un cultivo neuronal aguanta unos seis meses; los organoides van de unos cien días a quince meses según lo heroico que sea el mantenimiento. Sin circulación, el tejido acaba necrosándose. Es la misma restricción a la que apunta el trabajo de vascularización, y ni la versión optimista termina en y entonces vive para siempre.

Ahora pon eso al lado del producto. Están vendiendo un sustrato de entrenamiento. Entrenar implica ejecuciones que puedes repetir, comparar y revertir. Y la literatura del tema señala la reproducibilidad como el problema central: la estocasticidad del desarrollo hace que dos cultivos criados igual no sean iguales, las neuronas disparan espontáneamente porque es su comportamiento normal, y ese disparo espontáneo es ruido por debajo de cada medida que tomes.

O sea: el sustrato no es determinista, es poco fiable a nivel individual y tiene fecha de caducidad. No puedes hacer un diff entre dos placas. No puedes hacer git checkout del cultivo del martes pasado. Y cuando una ejecución se tuerce, no sabes sin mucho trabajo si tu protocolo estaba mal o si esas neuronas concretas tenían un mal día.

Cada una de esas cosas es un problema de investigación conocido y con gente detrás. Ninguna es un error de redondeo, y todas se ponen peor con 500 veces más células, no mejor.

"Entrenar" está aguantando muchísimo peso en esa frase

Lo que a mí me gustaría tener atado antes que nada: cuál es la interfaz.

Por el tejido no se retropropaga. No hay gradiente que perseguir, ni optimizador, ni checkpoint. Lo que hacen estos sistemas es estimulación en bucle cerrado: codificas el estado como estímulo eléctrico, lees la respuesta de la población y moldeas la conducta con realimentación estructurada. Funciona, está demostrado, para una pala y ahora para una rana.

Pero el discurso habla de entrenar modelos de muchos parámetros de forma rentable, y esas dos cosas no están en el mismo continuo. Una placa que llega al 92% en el Frogger no es un modelo de lenguaje pequeño. No hay camino establecido de lo uno a lo otro, no existe el equivalente a "pues le metes más capas", y nadie ha enseñado todavía qué significa siquiera una función de pérdida aquí.

No es mortal. Es simplemente el problema difícil entero, y está aguas abajo de la biología con la que están levantando la ronda.

Entonces

Quiero que esto salga bien, que es justo por lo que me chirría cómo está contado.

Hay una afirmación importante de verdad enterrada en este lanzamiento: que el techo de oxígeno que tiene a todo el sector clavado en un millón de neuronas quizá se pueda romper. Si eso aguanta el escrutinio es ciencia seria, y 10 millones son baratos para averiguarlo.

Envolviéndola hay una demo que replica un resultado de 2022, un clúster que todavía no existe y la palabra "entrenamiento" tomada prestada de una disciplina que da por supuesto un determinismo que el sustrato ahora mismo no puede dar.

Las dos cosas son verdad a la vez. La forma de saber cuál te están vendiendo es mirar qué publican después. Si es el método de cultivo y curvas de supervivencia a 100M, están haciendo ciencia. Si es otro videojuego, están haciendo la ronda.

En fin. En algún sitio de Londres hay un pegote de neuronas cuya experiencia completa de la existencia es una rana cruzando una carretera, y llevo toda la mañana dándole vueltas a eso.