MycoBrain: La primera computadora diseñada para seres no humanos

Una computadora de borde nativa en señales para droides, micelio, ecosistemas, máquinas y agentes de IA

Las computadoras fueron construidas para humanos.

Fueron construidas para procesar texto, números, imágenes, hojas de cálculo, código, comandos y lenguaje. Fueron construidas alrededor de teclados, pantallas, archivos, sistemas operativos y redes diseñadas por personas para otras personas. Incluso la actual ola de inteligencia artificial sigue entrenándose en gran medida con artefactos de la expresión humana: libros, sitios web, artículos, conversaciones, repositorios de código, imágenes, leyendas y videos.

Pero la Tierra no habla en párrafos.

El suelo no describe la sequía en inglés. Los hongos no anuncian el estrés a través de un chatbot. Los árboles no publican telemetría a una API. Las colonias de hormigas no explican su lógica de enrutamiento en JSON. Los entornos oceánicos no etiquetan anomalías acústicas para nosotros. Los sistemas vivos señalan a través de gradientes, voltajes, gases, presión, vibración, humedad, calor, cambios químicos, oscilaciones eléctricas, crecimiento, descomposición, movimiento y respuesta.

Por eso construimos MycoBrain.

MycoBrain es la computadora central dentro de los droides ambientales @Mycosoft — los robots, sondas, boyas, estaciones e interfaces biológicas que construimos para vivir afuera, sobrevivir afuera, aprender afuera y operar afuera sin requerir que un humano les diga qué hacer a cada momento. Es nuestro sistema nervioso de hardware compartido: una placa base modular de sensores y comunicaciones dual ESP32-S3 que conecta el mundo vivo con la IA de borde, las redes mesh y el Nature Learning Model.

MycoBrain no es solo una placa de desarrollo. No es simplemente un controlador IoT. Es la primera computadora que estamos construyendo deliberadamente para la comunicación no humana: no comunicación a través de palabras, sino comunicación a través de señales.

El portafolio de hardware define a MycoBrain como la plataforma controladora dual ESP32-S3 compartida en el corazón de cada dispositivo Mycosoft, donde Side-A maneja la E/S de sensores y Side-B maneja la red mesh LoRa. La placa V1 está documentada como un PCB de 85 mm × 55 mm, 45 g que utiliza dos módulos ESP32-S3-WROOM, cuatro entradas analógicas, I²C, salidas MOSFET, UART, SX1262 LoRa y entrada de alimentación de 5–12 V.

La razón por la que existe MycoBrain

La industria actual de la IA está construyendo modelos cada vez más grandes que leen internet. Eso es útil, pero no es suficiente.

Los modelos de lenguaje se entrenan con representaciones de la realidad que ya han pasado por la percepción humana. Un bosque se convierte en un párrafo. Una condición del suelo se convierte en una nota. Una respuesta de estrés fúngico se convierte en una observación de laboratorio. Un entorno acústico costero se convierte en un conjunto de datos etiquetados. Para cuando el modelo lo ve, la realidad ya ha sido comprimida, filtrada, interpretada y traducida.

Mycosoft está construyendo algo diferente.

Nuestra tesis es que la próxima generación de inteligencia debe aprender de la realidad física antes de que se convierta en lenguaje. El Nature Learning Model, o NLM, está diseñado en torno a esa idea. Es un modelo sensorial del mundo fundamentado que aprende de longitudes de onda, formas de onda, voltajes, concentraciones de gases, gradientes de temperatura, campos de presión y señales biosféricas en vivo, en lugar de solo texto e imágenes. Su arquitectura utiliza una columna vertebral SSM/Mamba, capas de Grafo/Hipergrafo y Atención Dispersa para flujos continuos de sensores y relaciones ambientales multimodales.

Eso requiere un nuevo tipo de computadora en el borde.

Una computadora que pueda estar en suelo, aire, agua, bosques, granjas, laboratorios, edificios y océanos. Una computadora que pueda leer resistencia de gases, humedad, temperatura, presión, conductividad, pH, picos bioeléctricos, formas de onda de hidrófonos, retornos de radar, geometría LiDAR, cuadros de cámara, estado de la batería y estado de la red mesh. Una computadora que pueda enrutar esas señales a inferencia de IA local en NVIDIA Jetson o módulos LLM M5Stack, y luego sincronizarse con NatureOS, MINDEX, MYCA, AVANI, FUSARIUM y el resto del stack de Mycosoft.

Esa computadora es MycoBrain.

El diseño central: un cerebro, muchos cuerpos

Cada droide Mycosoft tiene un cuerpo diferente.

Mushroom 1 está construido para detección de suelo, micelio y campo. SporeBase está construido para bioaerosoles, esporas y muestreo de aire. Hyphae 1 está construido como un nodo industrial modular de sensores y cómputo de borde. MycoNode está construido como una interfaz fúngica subterránea enterrada. ALARM está construido para alertas biológicas y ambientales. Psathyrella está construido para inteligencia acústica marítima. Agaric está construido como un droide aéreo y plataforma de despliegue.

Cuerpos diferentes. Entornos diferentes. Misiones diferentes.

Pero todos necesitan el mismo sistema nervioso fundamental.

Necesitan recopilar datos de sensores, gestionar la energía, comunicarse a través de redes mesh, almacenar datos en búfer cuando fallan los enlaces, sincronizar telemetría, exponer puertos de expansión, admitir actualizaciones de firmware y conectarse a una capa de inferencia. Si cada dispositivo tuviera una placa base, un stack de firmware, un mapa de conectores y un protocolo completamente diferentes, Mycosoft se volvería inmediatamente no escalable.

Así que construimos MycoBrain como la arquitectura interna reutilizable.

Una familia de placas. Un linaje de firmware. Un vocabulario de telemetría. Un pipeline de señales. Una ruta de fabricación escalable.

MycoBrain como el corazón de comunicación y adquisición de sensores de cada dispositivo Mycosoft, e identifica su IP de diseño como una arquitectura de doble MCU con subsistemas dedicados de sensor y enrutador en un solo PCB, más una topología de puente UART que permite actualizaciones de firmware independientes.

Eso importa para la fabricación, pero importa aún más para la inteligencia. Toda la flota aprende a través del mismo sistema nervioso.

MycoBrain V2: la placa alrededor de la cual estamos construyendo ahora

MycoBrain V2 toma el concepto V1 y lo expande en una placa de control de borde más grande y capaz.

Arquitectura: dos módulos ESP32-S3-WROOM-1U-N16R8, un transceptor LoRa CORE1262-868M, un conector de módem SIM7600G de 26 pines, dos conectores USB-C, cuatro entradas analógicas, cuatro cabezales I²C, cabezales UART0 y UART2, tres salidas de 5 V, salidas NeoPixel, dos zumbadores, una entrada de 12 V y rieles de 5 V y 3.3 V.

Esa combinación nos da una computadora de campo práctica con tres trabajos.

El primer trabajo es la detección. MycoBrain debe recopilar el estado físico bruto del entorno. Eso significa entrada analógica, sensores I²C, sensores de gas, sondas bioeléctricas, tarjetas de sensores externas, expansión de cámara/radar/LiDAR a través de cómputo acompañante, monitoreo de batería y cargas útiles modulares futuras.

El segundo trabajo es el enrutamiento. MycoBrain debe mover datos a través de un mundo donde WiFi no está garantizado, la conexión celular es intermitente y los dispositivos de campo pueden necesitar retransmitir entre sí. Por eso LoRa está integrado en la arquitectura central y por qué Side-B existe como la corteza de comunicaciones.

El tercer trabajo es la coordinación. MycoBrain se encuentra entre el mundo biológico y el mundo de la IA. Es la placa que permite que una sonda fúngica, un sensor de suelo, un hidrófono, un paquete meteorológico, un módulo LTE, un Jetson y una plataforma en la nube participen en un sistema coherente.

La placa no intenta ser la computadora más grande. Intenta ser la computadora más importante del cuerpo.

Side-A y Side-B: por qué MycoBrain tiene dos cerebros

Un solo microcontrolador puede ejecutar un nodo sensor. No puede convertirse en el sistema nervioso a largo plazo de una flota de droides ambientales autónomos.

La estructura dual-ESP32 existe porque la detección y la comunicación son trabajos diferentes con diferentes requisitos de sincronización, energía y confiabilidad.

Side-A es el controlador determinista del cuerpo. Es responsable del sondeo de sensores, lecturas analógicas, expansión I²C, control local de actuadores, monitoreo de energía, detección de umbrales y límites de seguridad. Side-A es la parte del sistema que debe permanecer tranquila, predecible y eficiente. Lee el mundo físico con disciplina.

Side-B es el controlador de comunicaciones y enrutamiento. Gestiona LoRa, BLE, WiFi, expansión LTE, futuras rutas de módem, tráfico de latidos, comportamiento de puerta de enlace y participación en la red mesh. Side-B puede gastar más energía cuando se necesita comunicación y dormir o ciclar cuando no.

Esta división hace que la arquitectura sea robusta. Si un stack de radio se bloquea, el lado del sensor puede seguir recopilando. Si un experimento requiere muestreo de sensores de alta frecuencia, las comunicaciones se pueden programar a su alrededor. Si el dispositivo está enterrado, flotando, caminando o volando, la misma división sigue teniendo sentido.

Un modelo mental simple se ve así:

1              ┌──────────────────────────────┐
2              │        Jetson / AI Cortex     │
3              │  NLM inference, MYCA agents   │
4              │  local memory, model weights  │
5              └──────────────┬───────────────┘
6                             │
7                    MDP / UART / Bridge
8                             │
9┌────────────────────────────┴────────────────────────────┐
10│                         MycoBrain                         │
11│                                                          │
12│  ┌──────────────────────┐      ┌──────────────────────┐  │
13│  │ Side-A ESP32-S3       │      │ Side-B ESP32-S3       │  │
14│  │ deterministic sensing │◄────►│ comms + mesh routing  │  │
15│  │ analog / I²C / power  │      │ LoRa / BLE / WiFi/LTE │  │
16│  └──────────────────────┘      └──────────────────────┘  │
17│                                                          │
18└──────────────────────────────────────────────────────────┘

No es complejidad por sí misma. Es pensamiento biológico aplicado a sistemas embebidos: especializa los órganos, luego deja que el organismo coordine.

El modelo de datos nativo en señales

Los pipelines tradicionales de IA se ven así:

1Texto → Tokenizador → Transformer → Texto

MycoBrain existe porque el pipeline de la naturaleza no se parece en nada a eso.

Una respuesta de estrés fúngico puede llegar como una fluctuación de voltaje. Un evento de esporas puede llegar como recuento de partículas, perfil de gases y anomalía óptica. Una amenaza marítima puede llegar como una forma de onda de presión en una corriente de hidrófono. El estrés de un árbol puede manifestarse como humedad, COV, temperatura y respuesta bioeléctrica micorrízica.

Entonces el pipeline de MycoBrain comienza con el estado físico:

xt​=[Vt​,It​,Tt​,RHt​,Pt​,VOCt​,CO2t​,pHt​,ECt​,At​,Mt​,Lt​,Rt​]xt​=[Vt​,It​,Tt​,RHt​,Pt​,VOCt​,CO2t​,pHt​,ECt​,At​,Mt​,Lt​,Rt​]

Donde:

• Vt es voltaje o potencial bioeléctrico
• It​ es corriente o señal derivada de impedancia
• Tt​ es temperatura
• RHt​ es humedad relativa
• Pt es presión
• VOCt​ es respuesta de compuestos orgánicos volátiles
• CO2t​ es dióxido de carbono equivalente o estimación de gas relacionada
• pHt​ es acidez/basicidad
• ECt es conductividad eléctrica
• At es estado de forma de onda acústica
• M​ es estado mecánico o de movimiento
• Lt​ es luz, espectro o geometría derivada de LiDAR
• R​ es estado de radio/red

El Nature Learning Model luego aprende un estado ambiental latente:

zt​=fθ​(xt−k:t​,mt​,gt​)zt​=fθ​(xt−k:t​,mt​,gt​)

Donde xt−k:t es una ventana de historial de señales, mt son metadatos como el rol del dispositivo y el estado de calibración, y gt es contexto de grafo: dispositivos cercanos, organismos, geografía, clima, topología o relaciones ecológicas conocidas.

A partir de ahí, MYCA puede proponer acciones, pero AVANI gobierna si esas acciones son seguras:

1â_t = acción propuesta por MYCA
2a_t = acción realmente permitida de ejecutar
3π_MYCA = política de acción de MYCA
4z_t = estado ambiental latente actual
5G_AVANI = puerta de gobernanza de AVANI
6∅ = ninguna acción autónoma

Este es el núcleo del sistema: las señales se convierten en estado, el estado se convierte en inferencia, la inferencia se convierte en acción propuesta, la acción pasa por la gobernanza y el mundo físico retroalimenta el modelo.

Vista de código: cómo se ve un marco de señal de MycoBrain

Un desarrollador debería poder entender MycoBrain como una placa, pero también como un participante en el protocolo. El dispositivo no está simplemente "enviando lecturas de sensores". Está publicando evidencia física estructurada.

Un marco de señal simplificado podría verse así:

1{
2  "frame_type": "MYCOBRAIN_SIGNAL_FRAME",
3  "device_id": "mycobrain-v2-0001",
4  "device_role": "mushroom1",
5  "timestamp": "2026-05-28T00:00:00Z",
6  "location": {
7    "lat": 32.6401,
8    "lon": -117.0842,
9    "alt_m": 24.2
10  },
11  "signals": {
12    "thermal": {
13      "temperature_c": 23.41,
14      "relative_humidity": 67.2,
15      "pressure_hpa": 1012.8
16    },
17    "chemical": {
18      "voc_resistance_ohms": 323410,
19      "co2_equivalent_ppm": 612,
20      "gas_index": 84
21    },
22    "bioelectric": {
23      "channels": 16,
24      "sample_rate_hz": 100,
25      "range": "uV-mV",
26      "window_ms": 5000,
27      "features": {
28        "spike_count": 18,
29        "dominant_frequency_hz": 3.7,
30        "mean_amplitude_uv": 42.6
31      }
32    },
33    "mechanical": {
34      "vibration_rms": 0.013,
35      "orientation": [0.01, -0.04, 0.99]
36    },
37    "network": {
38      "link": "LoRa",
39      "rssi_dbm": -103,
40      "snr_db": 7.2,
41      "mesh_hops": 2
42    }
43  },
44  "provenance": {
45    "source": "side-a",
46    "transport": "MDP",
47    "crc16": "0xA81F",
48    "hash": "sha256:..."
49  }
50}

Ese marco puede ser enrutado a un Jetson para inferencia local, almacenado localmente durante la pérdida de red, transmitido a través de LoRa, reenviado a través de LTE, publicado en NatureOS, hasheado en MINDEX, evaluado por NLM y gobernado por AVANI.

Por eso MycoBrain no es "solo hardware". Es una gramática de lo físico a lo digital.

MDP: la capa de protocolo del dispositivo

Para que MycoBrain opere entre dispositivos, necesita un protocolo de bajo nivel que sea lo suficientemente simple para microcontroladores embebidos pero lo suficientemente estructurado para una flota. Internamente, ese rol lo maneja MDP, el Protocolo de Dispositivo MycoBrain.

La arquitectura FUSARIUM describe MDP v2 como un protocolo de transporte binario que utiliza codificación COBS y verificación de integridad CRC-16, diseñado para transporte físico UART y BLE, con tipos de mensajes estructurados para observaciones, alertas, comandos, actualizaciones de configuración y latidos.

A nivel conceptual:

1[ magic ][ version ][ type ][ seq ][ payload_len ][ payload ][ crc16 ]

Un bucle de firmware puede mantenerse limpio:

1while True:
2    # Side-A: deterministic sensing
3    raw_signals = side_a.sample_all(
4        analog=True,
5        i2c=True,
6        power=True,
7        bioelectric=True
8    )
9
10    # Encode into a reliable frame
11    frame = mdp.encode(
12        message_type="OBSERVATION",
13        payload=raw_signals,
14        crc16=True,
15        cobs=True
16    )
17
18    # Side-B: communications routing
19    side_b.route(
20        frame,
21        preferred_links=["LoRa", "BLE", "WiFi", "LTE"],
22        store_and_forward=True
23    )
24
25    # Jetson: optional local inference
26    if jetson.available():
27        latent_state = nlm.encode(raw_signals)
28        decision = myca.propose(latent_state)
29
30        if avani.gate(decision) == "PASS":
31            side_a.execute(decision.action)

Esta es la versión embebida de la filosofía Mycosoft: medir primero, inferir después, actuar solo después de la gobernanza.

Por qué MycoBrain está construido para no humanos

La frase "la primera computadora construida para no humanos" no es un eslogan que usamos a la ligera.

Queremos decir algo específico.

La mayoría de las computadoras asumen que el usuario principal es una persona. El humano escribe, hace clic, habla, gesticula o toca. Incluso los asistentes de IA terminan mapeando el mundo al lenguaje humano.

MycoBrain invierte eso.

El usuario principal puede ser:

• una red fúngica que produce oscilaciones bioeléctricas
• un microbioma del suelo que cambia la conductividad y el intercambio de gases
• un bosque que responde a la sequía
• una colonia de hormigas que altera los patrones de movimiento
• un árbol que intercambia recursos a través de relaciones micorrízicas
• un hidrófono que detecta presión acústica oceánica
• un cuerpo robótico que gestiona su propia energía y programa de sensores
• un agente de IA que solicita evidencia del campo
• otro MycoBrain retransmitiendo telemetría a través de una malla

En ese mundo, el lenguaje no es la primera interfaz. La señal lo es.

El documento técnico de FCI define la Interfaz de Computadora Fúngica como un canal de comunicación bidireccional entre el micelio fúngico y los sistemas informáticos digitales, convirtiendo las señales bioeléctricas y bioquímicas fúngicas en flujos de datos digitales para la detección ambiental, el procesamiento de datos y la computación biológica.

Este es el fundamento de la orientación no humana de MycoBrain. La placa no espera a que el mundo vivo se convierta en texto. Se encuentra con el mundo vivo al nivel donde la vida ya se comunica.

Micelio como una red de señales vivas

Los hongos no son material pasivo. El micelio siente y responde.

Los materiales de FCI describen el micelio como un conjunto de sensores vivos que responde a señales ambientales como temperatura, humedad, pH, nutrientes, toxinas y otros estímulos a través de señales eléctricas y químicas. También describen la actividad bioeléctrica fúngica, la adaptabilidad y la capacidad de respuesta ambiental como propiedades que hacen que el micelio sea útil para la detección y la computación no convencional.

Un MycoBrain conectado a una sonda FCI puede comenzar a tratar ese tejido vivo como una fuente de señal. No como magia. No como misticismo. Como instrumentación.

Los electrodos leen cambios bioeléctricos débiles. Los frontales analógicos amplifican la señal. El filtrado extrae características. Los ADC digitalizan la forma de onda. Side-A empaqueta la lectura. Side-B la enruta. Jetson u otro acelerador realiza la inferencia. NatureOS la muestra. MINDEX almacena la procedencia. NLM aprende patrones. AVANI gobierna la acción.

El sistema se convierte en un bucle:

1Sustrato vivo → electrodo → amplificador → ADC → MycoBrain → NLM → MYCA → AVANI → estímulo → sustrato vivo

Ese bucle es el comienzo de la E/S biológica.

Tokenización de señales: más allá de las palabras

Los modelos de lenguaje tokenizan texto. MycoBrain permite que NLM tokenice señales.

Un token de lenguaje básico podría ser:

1"mojado"

Un token de señal es diferente. Puede codificar una ventana corta de dinámicas físicas:

τi​=Q(ϕi​(xt:t+Δt​))τi​=Q(ϕi​(xt:t+Δt​))

Donde ϕi extrae características de una ventana de tiempo — recuento de picos, frecuencia, amplitud, pendiente, relación de fase, delta de resistencia de gas, gradiente de temperatura, forma de onda de presión o correlación entre sensores — y Q cuantiza o incrusta esas características en una representación utilizable por el modelo.

Un token bioeléctrico fúngico podría representar:

1{
2  "modality": "bioelectric",
3  "window_ms": 5000,
4  "dominant_frequency_hz": 2.8,
5  "spike_density": 0.31,
6  "amplitude_band": "uV",
7  "context": {
8    "soil_moisture_delta": -0.07,
9    "temperature_delta_c": 0.4,
10    "voc_shift": 0.12
11  }
12}

Eso no es una palabra.

Es una pequeña porción de realidad comprimida en forma de aprendizaje automático.

Cuando suficientes de esos tokens se acumulan a través de dispositivos, entornos, organismos y tiempo, Mycosoft puede construir modelos que no solo describen la naturaleza. Aprenden de las propias señales de la naturaleza.

Los seis sentidos de NLM

MycoBrain es la capa de entrada del lado del dispositivo para una arquitectura de modelo más grande: el Nature Learning Model.

NLM está organizado alrededor de seis sentidos físicos:

Sentido de NLM

Dominio físico

Ejemplos de entradas conectadas a MycoBrain

Espectral

Luz, longitud de onda, imágenes

cámaras, sensores multiespectrales, LiDAR

Acústico

Formas de onda de presión

micrófonos, hidrófonos, vibración

Bioeléctrico

Voltajes biológicos

sondas FCI, electrodos miceliales

Térmico

Calor y gradientes

BME688/BME690, sensores IR

Químico

Gases y firmas moleculares

sensores de VOC, CO₂, pH, CE, partículas

Mecánico

Presión, vibración, tacto

IMU, deformación, sísmico, movimiento cercano a radar

Los documentos de capacidad definen NLM como un modelo que aprende de la realidad física bruta e identifican estos seis sentidos como los dominios de señal: espectral, acústico, bioeléctrico, térmico, químico y mecánico.

Aquí es donde MycoBrain se vuelve estratégicamente importante. Un modelo que aprende de la realidad física solo es tan bueno como los instrumentos físicos que lo alimentan. MycoBrain es la boca, nariz, piel, oído, electrorreceptor y conector del sistema nervioso estandarizado para ese modelo.

Jetson, Orin, Blackwell y la ruta de IA de borde

MycoBrain intencionalmente no intenta ser una GPU gigante.

Es la capa de adquisición y coordinación de bajo consumo. La inferencia pesada pertenece a los módulos de IA de borde. Hoy eso significa NVIDIA Jetson Nano, Jetson Orin Nano, Jetson Orin y módulos relacionados dependiendo de la clase de dispositivo. En el portafolio de hardware, los dispositivos más grandes como Mushroom 1 y Hyphae 1 usan Jetson Orin Nano o Jetson Nano para inferencia completa de IA de borde, mientras que los dispositivos más pequeños pueden usar el M5Stack LLM Module 8850 para inferencia compacta acelerada por GPU/NPU.

Esto le da a Mycosoft una división práctica:

MycoBrain maneja la detección de bajo nivel, el control local, la operación consciente de energía y la comunicación mesh. Jetson maneja la inferencia de IA, la visión por computadora, los modelos más grandes, la clasificación acústica, el procesamiento local de NLM y la autonomía de alto nivel. En despliegues marítimos, MycoBrain puede conectarse a un Jetson Orin Nano en el mismo alojamiento de la boya para habilitar la clasificación acústica NLM en tiempo real en el borde sin depender de enlace de retorno.

La hoja de ruta extiende esto aún más.

La Versión 3 agrega una ruta de expansión celular: un módulo SIM con capacidad 4G/5G como una placa clase SIM7000/SIM7600 posicionada como un sombrero sobre la región LoRa. Eso le da a MycoBrain enlace de retorno celular sin abandonar la malla LoRa.

La Versión 4 avanza hacia la expansión directa de alto rendimiento: PCIe, SSD en la parte inferior, almacenamiento local de modelos e integración directa de módulos aceleradores de IA clase Blackwell o futuros. El objetivo es ir más allá de las placas de desarrollo y colocar aceleradores de IA, almacenamiento y orquestación de sensores en hardware controlado por Mycosoft.

Esa transición importa. Los kits de desarrollo son para prototipar. Las placas portadoras de IA personalizadas son para poseer la plataforma.

Almacenamiento local: memoria para el campo

Una computadora de campo no puede asumir conectividad constante.

Los bosques pierden señal. Las boyas se desvían del alcance. Los droides entran en zonas muertas. Las sondas de suelo pueden estar enterradas en lugares donde la radio es intermitente. Los despliegues de defensa pueden operar en entornos denegados.

Por eso la estrategia de hardware de Mycosoft incluye almacenamiento local en múltiples niveles: SSD NVMe para dispositivos grandes equipados con Jetson, microSD para dispositivos medianos, flash ESP32 para dispositivos más pequeños y búferes locales para sondas enterradas.

Para MycoBrain V4, el soporte de SSD se vuelve aún más importante. El almacenamiento local significa que el dispositivo puede almacenar:

• ventanas de sensor brutas
• características procesadas
• historial de calibración
• pesos de modelo
• embeddings de NLM
• registros de eventos
• colas de entrega mesh
• procedencia criptográfica
• estado del experimento

Un MycoBrain futuro no solo debería transmitir datos. Debería recordar.

Por qué la placa tiene tantos conectores

Un dispositivo de consumo normal puede decidir qué es antes de enviarse.

MycoBrain no puede.

Un MycoBrain puede convertirse en una estación de suelo. Otro puede convertirse en una boya. Otro puede convertirse en una puerta de enlace de sensores industrial. Otro puede convertirse en una interfaz biológica. Otro puede convertirse en una carga útil de dron. Otro puede convertirse en un dispositivo de IA ambiental de mano. Otro puede convertirse en parte de una computadora biológica de laboratorio.

Es por eso que la filosofía de conectores es agresiva: analógico, I²C, UART, USB‑C, LoRa, cabezal LTE, salidas de 5 V, NeoPixel, zumbadores, sensores externos y rieles de alimentación. El esquema V2 confirma la presencia de esas familias de conectores, incluyendo doble USB‑C, entradas analógicas, cabezales I²C, cabezales UART, salidas de 5 V, interfaz de módem SIM7600G, entrada de 12 V y rieles de 5 V / 3.3 V.

En la práctica, eso permite a los desarrolladores conectar casi cualquier cosa:

• Sensores ambientales BME688 / BME690
• Sensores de COV y gas
• Sensores de partículas
• Sondas de pH y conductividad
• Sondas de humedad del suelo
• Hidrófonos
• IMUs
• Magnetómetros
• Cámaras a través de cómputo acompañante
• Radar y LiDAR a través de cómputo acompañante
• Electrodos FCI
• Actuadores
• Bombas
• Válvulas
• LEDs
• Zumbadores
• Módems externos
• Monitores de batería

Una placa como esta no se construye en torno a un solo caso de uso. Se construye bajo la premisa de que el entorno seguirá sorprendiéndonos.

El modelo operativo droid

Mycosoft llama a sus robots exteriores droides porque no son solo sensores en cajas. Son máquinas autónomas diseñadas para sobrevivir y operar en el mundo.

Un droide de Mycosoft debe conocer su cuerpo. Debe conocer su batería. Debe saber si sus sensores están sanos. Debe saber si debe muestrear más rápido, dormir más tiempo, retransmitir un paquete de un vecino, despertar su Jetson o llamar a casa. Debe operar bajo restricciones solares, de radio, térmicas, ambientales y ecológicas.

MycoBrain proporciona la inteligencia corporal de bajo nivel que hace esto posible.

Mushroom 1 puede usarlo para monitorear redes fúngicas subterráneas y condiciones del suelo. SporeBase puede usarlo para coordinar la recolección de bioaerosoles. Hyphae 1 puede usarlo como un controlador de E/S industrial modular. MycoNode puede usar una forma más pequeña para soportar detección bioeléctrica subterránea. Psathyrella puede usar la arquitectura para monitoreo acústico subacuático. Los materiales de capacidad describen a MycoBrain como la plataforma de cómputo perimetral ESP32‑S3 para implementaciones de hardware de Mycosoft e identifican a Mushroom 1, SporeBase, Hyphae 1, MycoNode, ALARM y FCI como parte de la línea de hardware.

El punto no es que cada robot sea igual. El punto es que cada robot comparte un tronco encefálico.

Red en malla: la micorriza digital

La filosofía de red de MycoBrain está inspirada en el micelio.

Una red fúngica no depende de un único router central. Se ramifica, reconecta, reencamina, explora y sobrevive al daño. Las redes de dispositivos de Mycosoft deberían comportarse de la misma manera.

Ese es el rol del Protocolo Mycorrhizae: un protocolo de mensajería pub/sub para enrutar datos de sensores biológicos a través de redes de campo distribuidas. El Protocolo Mycorrhizae está optimizado para datos biológicos, telemetría de series temporales, formas de onda bioeléctricas, mediciones ambientales, topología de malla auto‑reparable y operación nativa en el borde lo suficientemente ligera para ESP32‑S3 mientras sigue soportando nodos de inferencia Jetson.

Una malla de MycoBrain no se trata solo de enviar datos de vuelta a un panel. Se trata de cooperación local.

Un droide puede detectar una señal. Otro puede tener una conexión de retorno más fuerte. Un tercero puede tener un mejor ángulo de sensor. Un cuarto puede tener cómputo de IA local disponible. Un quinto puede estar dormido pero despertar ante el evento de un vecino.

Esto crea una red de inteligencia de campo:

1MycoBrain → MycoBrain → Gateway → NatureOS
2     ↘          ↕           ↗
3      Sensor   Relay     Jetson
4        ↘       ↕        ↗
5          NLM / MINDEX / MYCA

Cuando se despliegan a escala, los Myains se convierten en algo más que dispositivos. Se convierten en un sistema nervioso ambiental distribuido.

Interfaz de desarrollador: construye sobre el cerebro

MycoBrain debería ser accesible para makers y lo suficientemente serio para ingenieros.

Un desarrollador que trabaje con él debería poder pensar en roles:

1device:
2  id: mycobrain-v2-alpha
3  role: mushroom1
4  side_a:
5    mode: deterministic_sensor_controller
6    sample_rate_hz:
7      environmental: 1
8      bioelectric: 100
9      power: 0.2
10  side_b:
11    mode: mesh_router
12    links:
13      - lora
14      - ble
15      - wifi
16      - lte_hat
17  cortex:
18    module: jetson_orin_nano
19    tasks:
20      - nlm_inference
21      - anomaly_detection
22      - local_buffering
23      - model_update

Un sensor puede exponerse a través de un manifiesto:

1{
2  "sensor_id": "fci_probe_01",
3  "modality": "bioelectric",
4  "channels": 16,
5  "units": "microvolts",
6  "sample_rates_hz": [10, 50, 100, 500],
7  "calibration": {
8    "gain": 1000,
9    "noise_floor_uv": 0.8,
10    "last_calibrated": "2026-05-01"
11  },
12  "safety": {
13    "stimulation_enabled": true,
14    "max_stimulus_mv": 300,
15    "requires_avani_gate": true
16  }
17}

Esto es lo que hace que la placa sea digna de una comunidad. Es una plataforma física, pero también un ecosistema programable. Un maker puede conectar un sensor. Un investigador puede ejecutar un experimento de señales fúngicas. Un desarrollador de robótica puede agregar una carga útil. Un integrador de defensa puede enrutar telemetría cifrada. Un científico ambiental puede enviar datos a NatureOS. Un ingeniero de IA puede entrenar un modelo nativo de señales.

Por qué debería importarles a los inversores

MycoBrain no es una placa única.

Es una primitiva de plataforma.

El argumento para inversores no es “hicimos un PCB de hongo genial”. El argumento es que MycoBrain puede convertirse en la computadora de borde común para un ecosistema completo de hardware: estaciones ambientales, sondas biológicas, sistemas de bioaerosoles, nodos de borde industriales, boyas submarinas, instrumentos de IA portátiles y futuras computadoras biológicas.

El portafolio de hardware identifica a Mycosoft como constructora de un ecosistema de hardware integral para inteligencia ambiental, computación biológica e interfaces de redes fúngicas, abarcando Mushroom 1, SporeBase, ALARM, MycoNode, Hyphae 1, Tricorder, Petraeus y Mushroom 2.

Eso crea varias formas de apalancamiento.

Primero, apalancamiento de fabricación. Un controlador compartido reduce la duplicación de ingeniería. En lugar de rediseñar la adquisición de sensores y las comunicaciones para cada producto, Mycosoft mejora una familia de placas central.

Segundo, apalancamiento de firmware. Cada dispositivo se beneficia de las mismas actualizaciones de protocolo, mejoras de seguridad, bibliotecas de sensores, mecanismos OTA, mejoras de malla y trabajo de puente NLM.

Tercero, apalancamiento de datos. Cada dispositivo produce datos de entrenamiento nativos de señales que pueden alimentar a NLM. Cuantos más dispositivos se desplieguen, más valioso se vuelve el sustrato del modelo.

Cuarto, apalancamiento de plataforma. MycoBrain conecta el hardware con NatureOS, MINDEX, MYCA, AVANI, FUSARIUM y Mycorrhizae. Es la capa de borde de un sistema más grande de software e inteligencia.

Quinto, apalancamiento de propiedad intelectual. La arquitectura de doble MCU, la pila de firmware, el Protocolo Mycorrhizae, la enumeración de sensores I²C y la integración de cadena de custodia de MINDEX como parte de la pila tecnológica/de PI de MycoBrain.

Así es como una placa pequeña se convierte en infraestructura.

Por qué esto es importante científicamente

La importancia científica de MycoBrain no es que mida temperatura o humedad. Muchos dispositivos hacen eso.

La importancia científica es que MycoBrain está siendo diseñado para recopilar contexto causal multimodal alrededor de sistemas vivos. Por sí solo, un pico de voltaje fúngico es interesante. Un pico de voltaje fúngico sincronizado con la humedad del suelo, pH, temperatura, cambio de COV, nivel de luz y evento de estímulo se convierte en evidencia.

Esa evidencia puede convertirse en una huella digital.

Esa huella puede convertirse en un modelo.

Ese modelo puede convertirse en predicción.

Esa predicción puede convertirse en una acción gobernada.

Por eso FCI es importante. El documento técnico de FCI describe la pila FCI como una sonda fúngica, unidad de procesamiento de señales y capa de integración en la nube que puede detectar sutiles variaciones eléctricas miceliales, amplificar y filtrar señales bioeléctricas débiles, y hacer que esas señales sean utilizables para el análisis de datos en tiempo real.

MycoBrain es la computadora de campo práctica que permite que esas ideas salgan del laboratorio.

Las versiones futuras: V3 y V4

La Versión 2 prueba la arquitectura expandida.

La Versión 3 hace que la placa sea más desplegable.

La dirección de V3 es la expansión celular: un hat de módulo SIM 4G/5G que se puede conectar sobre la región LoRa. LoRa sigue siendo la malla local de bajo consumo. La celular se convierte en la conexión de retorno. Eso le da a un droide de campo la capacidad de operar en un enjambre local y aún así llamar a casa cuando existe infraestructura.

La Versión 4 es la transición más profunda.

V4 avanza hacia PCIe, SSD e integración directa de aceleradores. El objetivo es permitir que el hardware de clase MycoBrain transporte pesos de modelos locales, almacene conjuntos de datos crudos y procesados, e integre módulos aceleradores de clase Blackwell o futuros directamente en el ecosistema de placas de Mycosoft. La ruta M5Stack LLM 8850 ya proporciona a los dispositivos más pequeños un nivel de inferencia compacto; V4 extiende esa filosofía hacia una arquitectura portadora de IA personalizada más profunda. El portafolio de hardware ya define una estrategia de cómputo de borde de dos niveles utilizando módulos de clase Jetson para dispositivos más grandes y M5Stack LLM Module 8850 para dispositivos más pequeños.

El camino a largo plazo es claro:

1V1: controlador compacto dual ESP32-S3 + LoRa
2V2: placa expandida de sensores/comunicaciones con USB-C, analógico/I²C/UART, cabezal LTE
3V3: hat celular + malla LoRa + mejor gestión remota de flotas
4V4: PCIe + SSD + integración directa de acelerador de IA
5V5+: MycoBrain como placa base completa de IA de borde biológica/robótica

El destino no es otra placa de desarrollo. El destino es la propia arquitectura de computadora ambiental autónoma de Mycosoft.

La placa como puente entre la computación biológica y digital

La parte trasera de la placa lleva la marca del hongo porque el hongo no es decoración. Es la filosofía de diseño.

Un hongo es el cuerpo fructífero visible de una red oculta. MycoBrain es similar. La placa es visible, pero el sistema real es la red detrás de ella: droides, sondas, sensores, modelos, agentes, paneles, conjuntos de datos y sustratos vivos.

FCI nos proporciona E/S biológica. MycoBrain nos proporciona control de borde. Mycorrhizae nos proporciona enrutamiento de malla. MINDEX nos proporciona memoria y procedencia. NLM nos proporciona aprendizaje nativo de señales. MYCA nos proporciona razonamiento de agente. AVANI nos proporciona gobernanza.

Juntos, forman una pila híbrida biológico-digital.

1Señal viva
2   ↓
3FCI / Sensores
4   ↓
5MycoBrain
6   ↓
7Mycorrhizae / MDP
8   ↓
9Jetson / M5Stack / Future Blackwell
10   ↓
11NLM
12   ↓
13MYCA
14   ↓
15AVANI
16   ↓
17NatureOS / MINDEX / FUSARIUM

Una computadora que lee la Tierra

La mayoría de las computadoras están sobre escritorios.

MycoBrain está diseñado para barro, lluvia, granjas, bosques, laboratorios, azoteas, boyas, sótanos, recintos, drones y sistemas biológicos experimentales. Está diseñado para ser reparado, iterado, impreso en 3D a su alrededor, apilado, expandido, flasheado y redeployado. La filosofía de fabricación de hardware de Mycosoft enfatiza la impresión 3D para iteración rápida y gabinetes estándar reutilizados para dispositivos industriales, reduciendo la carga de herramientas mientras mejora la flexibilidad de producción.

Esto importa porque la inteligencia a escala terrestre no puede construirse solo desde paneles en la nube.

Necesitamos dispositivos en el mundo.

Necesitamos controladores de bajo consumo.

Necesitamos redes en malla.

Necesitamos inferencia local.

Necesitamos interfaces biológicas.

Necesitamos almacenamiento.

Necesitamos gobernanza.

Necesitamos una forma para que las máquinas aprendan de la naturaleza sin forzar a la naturaleza a convertirse primero en lenguaje.

Eso es MycoBrain.

EL FIN DEL MUY LARGO DOCUMENTO DE MYCOBRAIN

GITHUB: https://github.com/MycosoftLabs/mycobrain

YOUTUBE MYCOBRAIN VIDEO: https://www.youtube.com/watch?v=3WDneg9OHtU

MycoBrain es la primera computadora que estamos construyendo para no humanos porque no asume que la inteligencia comienza con las palabras.

Asume que la inteligencia comienza con la señal.

• Un hongo señaliza.
• Un bosque señaliza.
• Un río señaliza.
• Un océano señaliza.
• Una máquina señaliza.
• Un agente de IA señaliza.
• Un droide señaliza.

MycoBrain es la placa diseñada para escuchar, traducir, enrutar, recordar, inferir y responder.

La mayoría de la IA seguirá leyendo internet, especialmente sus propios datos sintéticos.

MycoBrain lee la tierra, considerando sus billones y billones de formas de vida como usuarios, trascendiendo el teclado, el ratón e incluso los asistentes de agente operados por voz con las voces bonitas.

No se trata solo de ti, sino que tú eres parte de todo el planeta de la vida.

No lo olvides.