Meta AI & KAUST: Neural Computers vereinen Speicher und Rechenleistung im Modell

Meta AI und die King Abdullah University of Science and Technology (KAUST) haben am 12. April 2026 ein Forschungspapier veröffentlicht, das ein fundamentales Umdenken in der Computerarchitektur vorschlägt: sogenannte Neural Computers (NCs), bei denen ein neuronales Netzwerk selbst als laufender Computer agiert – Berechnung, Speicher und I/O verschmelzen in einem einzigen erlernten latenten Laufzeitzustand. Damit verlässt der ausführbare Zustand erstmals das Betriebssystem und wandert ins Modell selbst, was den klassischen Von-Neumann-Flaschenhals strukturell umgeht.

Das Paper stellt zwei konkrete Prototypen vor: NC_CLIGen (CLI-basiert, trainiert auf rund 824.000 Video-Streams aus asciinema mit ca. 15.000 H100-GPU-Stunden) und NC_GUIWorld (GUI-basiert), beide aufgebaut auf dem Video-Generierungsmodell Wan2.1 mit NC-spezifischen Erweiterungsmodulen. Ein bemerkenswertes Ergebnis: 110 Stunden gezielt kuratierter GUI-Trainingsdaten übertrafen 1.400 Stunden zufälliger Exploration – Datenqualität schlägt Quantität deutlich. Bei nativen Rechenoperationen zeigt der Ansatz aber noch klare Grenzen: Ohne Unterstützung erreicht das Modell lediglich 4 % Genauigkeit bei Arithmetik, mit Reprompting steigt dieser Wert auf 83 %.

Das langfristige Ziel ist ein Completely Neural Computer (CNC) – turing-vollständig, universell programmierbar und mit einem definierten „run/update contract", der normale Ausführung von expliziten Modellaktualisierungen sauber trennt. Stabile Wiederverwendbarkeit, symbolische Rechenzuverlässigkeit und Lang-Horizont-Konsistenz bleiben laut den Autoren offene Lücken. Physische Hardware-Implementierungen oder konkrete Zeitrahmen für die CNC-Realisierung nennt das Paper nicht – es handelt sich um eine theoretische Roadmap mit frühen Prototypen.