Von der Datenintelligenz zur biologischen Intelligenz: Eine intelligente Revolution der Mensch-Maschine-Kooperation

Die menschliche Erforschung der „Intelligenz“ überschreitet derzeit die Grenzen traditioneller Disziplinen. Insbesondere zwischen der Informatik und den Biowissenschaften laufen die ehemals relativ unabhängigen Forschungswege zu einer tieferen Schnittstelle zusammen.

Dieser Trend zeigt sich in den wissenschaftlichen Durchbrüchen, die mit dem Nobelpreis ausgezeichnet werden. Im Jahr 2024 konzentrierte sich der Nobelpreis für Physik auf künstliche neuronale Netze und maschinelles Lernen, der Chemiepreis würdigte berechnetes Proteindesign und Strukturvorhersage; Im Jahr 2026 richtete der Preis für Physiologie oder Medizin den Blick auf die Optogenetik – eine Technologie, die es Wissenschaftlern ermöglicht, die Aktivität bestimmter Neuronen präzise durch Licht zu steuern.

Diese scheinbar unterschiedlichen Durchbrüche zeigen zwei sich gegenseitig fördernde Forschungslinien: Einerseits zieht die KI Inspiration aus lebenden Systemen und wird wiederum zu einem wichtigen Werkzeug zur Erforschung biologischer Mechanismen; Andererseits vertiefen Fortschritte in den Neurowissenschaften auch das menschliche Verständnis der biologischen Grundlagen der Intelligenz stetig.

Auf diesem Weg der bidirektionalen Evolution taucht ein noch in den frühen Stadien befindliches, bahnbrechendes interdisziplinäres Feld auf: die biologische Intelligenz.

Hinter ihrem Aufstieg stehen auch die praktischen Anforderungen der KI-Entwicklung selbst. In den letzten Jahren hat sich die durch große Modelle repräsentierte KI rasant entwickelt, aber Probleme wie die steigende Schwierigkeit bei der Beschaffung hochwertiger Daten und der stark ansteigende Rechenenergieverbrauch werden immer ausgeprägter. Obwohl die verkörperte Intelligenz die KI aus dem digitalen Raum in die physische Welt bringt, gibt es in komplexen und veränderlichen realen Szenarien noch Raum für Verbesserungen bei ihren Fähigkeiten zum selbstständigen Lernen, zur kontinuierlichen Anpassung und zur flexiblen Entscheidungsfindung. Im Vergleich dazu liefern die Fähigkeiten, die lebende Systeme in Bezug auf Energieeffizienz, Lernen und Umgebungsanpassung zeigen, wichtige Inspirationen für die Erforschung neuer Intelligenzparadigmen.

Während neuromorphes Rechnen von neuronalen Mechanismen profitiert, Gehirn-Computer-Schnittstellen Mensch-Maschine-Kanäle aufbauen und verkörperte Intelligenz Maschinen in den physischen Raum bringt. Wie wird die biologische Intelligenz in diesen Richtungen mit Datenintelligenz und physischer Intelligenz zusammenwirken, um eine höhere Ebene der Intelligenz zu unterstützen?

Technologischer Wandel: Warum sucht die KI nach Antworten in biologischen Systemen?

Die aktuelle Begeisterung für KI ist längst nicht mehr auf den Technologiebereich beschränkt. Die Fähigkeiten großer Modelle steigen stetig, Roboter verlassen zunehmend die Labore, und das Kapital erhöht stetig die Erwartungen an die nächste Generation intelligenter Technologien.

Unter dem Hype erweitert sich die Ausweitung der KI-Fähigkeiten entlang eines tieferen Pfades: von der Datenintelligenz zur physischen Intelligenz und weiter zur biologischen Intelligenz.

Im Volksmund ausgedrückt: Die Datenintelligenz lässt die KI „Daten verstehen“, repräsentiert durch große Modelle, die aus riesigen Informationsmengen Muster lernen und Inhalte generieren; Die physische Intelligenz lässt die KI „in die Realität eintreten“, trägt die verkörperte Intelligenz als wichtiges Trägermedium, nimmt durch Sensoren und physische Geräte die Umgebung wahr und ergreift Maßnahmen; Die biologische Intelligenz lässt die KI „vom Leben lernen“ und versucht, die Betriebsmechanismen biologischer Systeme wie des Gehirns zu nutzen, um Berechnungs- und Interaktionsmethoden mit geringerem Energieverbrauch und höherer Effizienz zu finden.

Der Kapitalmarkt liefert praktische Belege für diesen Evolutionspfad. Derzeit sucht OpenAI nach der neuesten Finanzierungsrunde, die Vor-Finanzierungs-Bewertung ist auf 1,25 Billionen US-Dollar festgelegt; Im Oktober dieses Jahres verhandelte das Unternehmen für verkörperte Intelligenz Figure mit Nvidia über eine zusätzliche Investition von etwa 1 Milliarde US-Dollar.

Auf dem Gebiet der biologischen Intelligenz hat das Frühphasenkapital bereits begonnen, Positionen einzunehmen. Das australische Unternehmen Cortical Labs, das sich auf die Kombination von im Labor kultivierten menschlichen Gehirnzellen mit Computerchips spezialisiert, erhielt 2023 eine Finanzierung von 10 Millionen US-Dollar unter der Leitung von Horizons Ventures; Das US-Unternehmen The Biological Computing Co. (TBC), das sich auf angewandtes biologisches Rechnen konzentriert, schloss 2026 eine Seed-Finanzierung von 25 Millionen US-Dollar ab; Das US-Unternehmen Bios Life, das sich der Richtung der biologischen digitalen Zwillinge widmet, schloss 2026 eine Seed-Finanzierung von 25 Millionen US-Dollar ab. Es nutzt Daten wie Genomik und Klinik, um ständig aktualisierte digitale Zwillinge von Patienten zu erstellen, die für Krebsvorsorge und -überwachung verwendet werden.

Diese Finanzierungen spiegeln unterschiedliche industrielle Phasen wider. Große Modelle treten in eine Phase kapitalintensiver und großskaliger Investitionen ein, und die verkörperte Intelligenz beginnt, Mittel für die Massenproduktion und Szenenlieferung zu beschaffen; Die biologische Intelligenz befindet sich noch im frühen Abschnitt der Technologiekurve, die Branchenlandschaft hat sich noch nicht gebildet, und das Kapital fließt hauptsächlich in die Technologievalidierung und die Industrialisierung.

Dennoch zeigt das Marktwachstumspotenzial relevanter Teilbereiche bereits Anzeichen. Der globale Marktforschungs- und Beratungsunternehmen The Business Research Company prognostiziert in seinem Bericht von 2026, dass der globale Markt für neuromorphes Rechnen im Bereich der künstlichen Intelligenz von 2,04 Milliarden US-Dollar im Jahr 2025 auf 9,28 Milliarden US-Dollar im Jahr 2030 wachsen wird, was einer etwa 4,5-fachen Erweiterung innerhalb von fünf Jahren entspricht.

Das neuromorphe Rechnen ist jedoch nur eine von vielen technischen Richtungen der biologischen Intelligenz. Von biologischen digitalen Zwillingen, gehirnähnlichen Chips, Gehirn-Computer-Schnittstellen bis hin zu lebenden Zellrechnungen, Organchips und biologischen intelligenten Körpern erforscht die biologische Intelligenz unterschiedliche Industrialisierungswege, und ihre potenziellen Anwendungen erstrecken sich von intelligenten Endgeräten mit geringem Stromverbrauch bis hin zu Bereichen wie Krankheitsforschung, Medikamentenentwicklung und neuartige Mensch-Maschine-Interaktion.

Zusammengefasst lässt sich sagen: Die biologische Intelligenz ist derzeit noch ein Blaue-Ozean-Markt, weist aber ein hohes Wachstumspotenzial auf. Sobald lebendes Rechnen, gehirnähnliche Chips und Gehirn-Computer-Schnittstellen die Hürde der Produktvalidierung überwinden, wird die biologische Intelligenz voraussichtlich von der frühen Erkundung in eine Phase der industriellen Beschleunigung eintreten und in einigen Teilbereichen differenzierte Durchbrüche und stufenweises Entwicklungspotenzial erzielen, wobei sie parallel zu den beiden Bereichen Datenintelligenz und verkörperte Intelligenz evolviert und sich gegenseitig ergänzt und integriert.

Neben dem Marktraum ist die Energieverbrauchsbeschränkung des traditionellen Rechenpfades ein weiterer Grund für die Aufmerksamkeit, die die biologische Intelligenz erhält.

„Warum ist eine rein datengesteuerte Intelligenz nicht langfristig nachhaltig? Wir können die globale Energiebilanz der Menschheit berechnen“, sagte Professor Miao Feng, Dekan der Fakultät für Spitzenwissenschaften und Direktor des Instituts für Biologische Intelligenz der Nanjing-Universität, gegenüber 36Kr, „Derzeit steigt die Rechenmenge für KI-Training und -Inferenz exponentiell an. Wenn wir den gesamten Energieverbrauch der Welt für den Datentransport addieren, entspricht er sogar der Stromerzeugung mehrerer Drei-Schluchten-Staudämme. In Zukunft wird der Rechenleistungsbedarf großer Modelle um mehrere Größenordnungen steigen.“

Im Vergleich dazu ist die gesamte verfügbare Energiemenge der Menschheit, selbst wenn Windenergie, Photovoltaik und Kernenergie einbezogen werden, nach wie vor stark von fossilen Brennstoffen abhängig, und das Gesamtangebot an Energie wächst langsam linear.

Das Energieverbrauchsproblem ist wiederum in der „Trennung von Speicherung und Berechnung“ der von Neumann-Architektur verwurzelt: Der häufige Datentransport zwischen Speicher und Prozessor erzeugt enormen Energieverbrauch und Latenz.

Im Vergleich dazu muss das menschliche Gehirn die reale Welt nicht in „0“ und „1“ kodieren. Nach Millionen von Jahren der Evolution zeigt das menschliche Gehirn mit nur sehr geringem Energieverbrauch hervorragende und effiziente Fähigkeiten zur Wahrnehmung, Verarbeitung, zum Lernen und zur Inferenz.

Tatsächlich gibt es Forschungen zur biologischen Intelligenz seit langem, und in der Frühphase ging es mehr darum, die Entstehungsmechanismen der menschlichen oder tierischen Intelligenz auf Ebenen wie DNA, Zellen und Verhaltenswissenschaften zu verstehen. Akademiker Zheng Hairong, Mitglied des Parteikomitees, ständiger Vizepräsident der Nanjing-Universität und Mitglied der Chinesischen Akademie der Wissenschaften, hat dieses Konzept in Kombination mit langfristigen Forschungen und Praktiken neu interpretiert und die Mensch-Maschine-Integration in den Forschungsbereich der biologischen Intelligenz einbezogen. Er betrachtet die biologische Intelligenz als die Kernstütze der Superintelligenz und hat originelle Konzepte wie die „Kommunikation zwischen Gehirnen“ vorgeschlagen.

Wenn wir es mit einem leichter verständlichen Pfad beschreiben, entwickelt sich die biologische Intelligenz von „das Leben verstehen“ zu „mit dem Leben verschmelzen“: Zuerst erforschen wir, wie Gehirn und Lebewesen Kognition erzeugen, dann entwickeln wir neue Technologien wie gehirnähnliches Rechnen und gehirnähnliches Sehen, indem wir neuronale Mechanismen nutzen, dann greifen wir durch Mittel wie Gehirn-Computer-Schnittstellen in neurologische Erkrankungen ein, und schließlich erforschen wir die tiefe Zusammenarbeit zwischen menschlichem Gehirn, digitalem Zwillingsgehirn und großen Cloud-Modellen.

„Wenn wir heute das Handy öffnen und mit großen Modellen wie DeepSeek chatten, gibt es im Wesentlichen auch eine Kombination aus menschlichem Denken und Maschinenwissen, aber die Interaktionseffizienz durch Tippen oder Sprache ist tatsächlich sehr gering“, machte Professor Miao Feng ein anschauliches Vergleichsbeispiel.

Er erwähnte, dass große Sprachmodelle und das menschliche Gehirn jeweils ihre eigenen Stärken haben. Wenn wir in Zukunft basierend auf effizienteren Gehirn-Computer-Schnittstellen, gehirnähnlichen Intelligenztechnologien und sogar dem individuellen „digitalen Zwillingsgehirn“ eine effiziente direkte Verbindung und tiefe Zusammenarbeit zwischen menschlichem Gehirn, Zwillingsgehirn und großen Cloud-Modellen realisieren und den „Menschen in der Schleife (Human-in-the-loop)“ vollständig einbeziehen, können wir eine Mensch-Maschine-Integrationsintelligenz erzielen, die „1+1>2“ ergibt.

Es ist ersichtlich, dass sich die biologische Intelligenz zwar noch im frühen Abschnitt der Technologiekurve befindet, aber die drei Kurven von Nachfrage, Technologie und Kapital bereits zusammenlaufen.

Wie sie mit großen Modellen und verkörperter Intelligenz zusammenwirkt und integriert, muss noch durch Produkte und Marktvalidierung bestätigt werden. Das Kapital positioniert sich im Voraus für diese Möglichkeit, von der Randforschung zu einer Mainstream-Intelligenzarchitektur zu gelangen.

Branchenpraxis: Welche Hürden muss die biologische Intelligenz noch überwinden, um zur Industrie zu gelangen?

Es muss klargestellt werden, dass der Blaue Ozean nicht bedeutet, dass Technologien natürlich zu Industrien heranwachsen.

Die biologische Intelligenz muss noch drei Hürden überwinden: die interdisziplinäre Zusammenarbeit zur Bildung gemeinsamer Kräfte, den Übergang von Laborprototypen zu stabilen Produkten und die Anpassung an die Anforderungen realer Szenarien.

Das erste zu lösende Problem ist, dass die interdisziplinäre Zusammenarbeit oft nur auf „physikalischer Zusammensetzung“ verbleibt und nur schwer eine nachhaltige Kraft für gemeinsame Forschung bilden kann.

Nehmen wir die Nanjing-Universität als Beispiel: Ihre Anstrengungen auf dem Gebiet der biologischen Intelligenz erstrecken sich bereits über mehr als zehn Jahre. Vor sechs Jahren durchbrach das Team international zuerst die Netzhaut-ähnlichen visuellen Sensoren und die gehirnähnliche visuelle Architektur; 2021 wurde das Forschungszentrum für gehirnähnliche Intelligenz und Technologie gegründet.

In den letzten Jahren hat die Nanjing-Universität die systematische Planung in relevanten Spitzenbereichen weiter verstärkt. Im Jahr 2026 wurde unter der Koordination und Förderung von Akademiker Zheng Hairong das Institut für Biologische Intelligenz der Nanjing-Universität offiziell gegründet. In diesem Kontext ist die gehirnähnliche Intelligenz ein wichtiger Bestandteil der biologischen Intelligenz und kann als deren Teilmenge betrachtet werden. Die frühere gehirnähnliche Forschung hat die Grundlage für das Institut für Biologische Intelligenz gelegt.

Die biologische Intelligenz überspannt Bereiche wie Physik, Informatik, Biologie, Medizintechnik usw. Um echte Forschungskräfte zu bilden, müssen Wissenschaftler die Grenzen bestehender Disziplinen durchbrechen, und Universitäten müssen Unterstützung in Bereichen wie Disziplinplanung, Talentausbildung und -einstellung sowie Aufbau von Forschungsplattformen leisten.

In diesem Prozess haben die von Akademiker Zheng Hairong vertretenen Konzepte wie die Stärkung der ursprünglichen Innovation, die Förderung von Spitzenforschungen und die Förderung der interdisziplinären Integration interdisziplinäre Innovationskräfte zusammengeführt und die Forschungsentwicklung wirksam vorangetrieben.

Konkret zum Organisationsaufbau des Instituts: Es übernimmt ein interdisziplinäres Forschungsdesign, folgt dem Gedanken der neuen Ingenieurwissenschaften „von der Naturwissenschaft zur Ingenieurwissenschaft und Umsetzung in der Ingenieurwissenschaft“, lässt verschiedene Disziplinen um gemeinsame technische Ziele zusammenarbeiten und fördert die biologische Intelligenzforschung von einzelnen technischen Durchbrüchen zu interdisziplinärer gemeinsamer Forschung.

Das Institut für Biologische Intelligenz der Nanjing-Universität konzentriert sich auf vier Forschungsrichtungen:

1.