MycoBrain: O primeiro computador criado para não humanos

Um computador de borda nativo de sinais para droides, micélio, ecossistemas, máquinas e agentes de IA

Os computadores foram construídos para humanos.

Eles foram construídos para processar texto, números, imagens, planilhas, código, comandos e linguagem. Foram construídos em torno de teclados, telas, arquivos, sistemas operacionais e redes projetados por pessoas para outras pessoas. Até mesmo a atual onda de inteligência artificial ainda é, em grande parte, treinada em artefatos da expressão humana: livros, sites, artigos, conversas, repositórios de código, imagens, legendas e vídeos.

Mas a Terra não fala em parágrafos.

O solo não descreve a seca em inglês. Os fungos não anunciam estresse por meio de um chatbot. As árvores não publicam telemetria para uma API. As colônias de formigas não explicam sua lógica de roteamento em JSON. Os ambientes oceânicos não rotulam anomalias acústicas para nós. Os sistemas vivos sinalizam através de gradientes, voltagens, gases, pressão, vibração, umidade, calor, mudanças químicas, oscilações elétricas, crescimento, decomposição, movimento e resposta.

É por isso que construímos o MycoBrain.

O MycoBrain é o computador central dentro dos droides ambientais @Mycosoft — os robôs, sondas, bóias, estações e interfaces biológicas que construímos para viver lá fora, sobreviver lá fora, aprender lá fora e operar lá fora sem exigir que um humano lhes diga o que fazer a cada momento. É o nosso sistema nervoso de hardware compartilhado: uma placa-mãe de sensores e comunicações modular dupla ESP32-S3 que conecta o mundo vivo à IA de borda, redes mesh e ao Modelo de Aprendizagem da Natureza.

O MycoBrain não é apenas uma placa de desenvolvimento. Não é simplesmente um controlador de IoT. É o primeiro computador que estamos deliberadamente construindo para comunicação não humana: não comunicação através de palavras, mas comunicação através de sinais.

O portfólio de hardware define o MycoBrain como a plataforma controladora dupla ESP32-S3 compartilhada no coração de cada dispositivo Mycosoft, com o Lado-A lidando com E/S de sensores e o Lado-B lidando com rede mesh LoRa. A placa V1 é documentada como uma PCB de 85 mm × 55 mm, 45 g usando módulos duplos ESP32-S3-WROOM, quatro entradas analógicas, I²C, saídas MOSFET, UART, LoRa SX1262 e entrada de energia de 5–12 V.

A razão pela qual o MycoBrain existe

A indústria de IA atual está construindo modelos cada vez maiores que leem a internet. Isso é útil, mas não é suficiente.

Os modelos de linguagem são treinados em representações da realidade que já passaram pela percepção humana. Uma floresta se torna um parágrafo. Uma condição do solo se torna uma anotação. Uma resposta de estresse fúngico se torna uma observação de laboratório. Um ambiente acústico costeiro se torna um conjunto de dados rotulado. Quando o modelo o vê, a realidade já foi comprimida, filtrada, interpretada e traduzida.

A Mycosoft está construindo algo diferente.

Nossa tese é que a próxima geração de inteligência deve aprender com a realidade física antes que ela se torne linguagem. O Modelo de Aprendizagem da Natureza, ou NLM, é projetado em torno dessa ideia. É um modelo de mundo sensorial fundamentado que aprende a partir de comprimentos de onda, formas de onda, voltagens, concentrações de gases, gradientes de temperatura, campos de pressão e sinais biosféricos ao vivo, em vez de apenas texto e imagens. Sua arquitetura usa um backbone SSM/Mamba, camadas de Grafo/Hipergrafo e Atenção Esparsa para fluxos contínuos de sensores e relações ambientais multimodais.

Isso requer um novo tipo de computador na borda.

Um computador que possa ficar no solo, ar, água, florestas, fazendas, laboratórios, edifícios e oceanos. Um computador que possa ler resistência a gases, umidade, temperatura, pressão, condutividade, pH, picos bioelétricos, formas de onda de hidrofone, retornos de radar, geometria LiDAR, quadros de câmera, estado da bateria e status da rede mesh. Um computador que possa rotear esses sinais para inferência de IA local em módulos NVIDIA Jetson ou M5Stack LLM e, em seguida, sincronizar com NatureOS, MINDEX, MYCA, AVANI, FUSARIUM e a pilha Mycosoft mais ampla.

Esse computador é o MycoBrain.

O design central: um cérebro, muitos corpos

Cada droide Mycosoft tem um corpo diferente.

O Mushroom 1 é construído para detecção de solo, micélio e campo. O SporeBase é construído para bioaerossóis, esporos e amostragem de ar. O Hyphae 1 é construído como um nó de computação de borda e sensor industrial modular. O MycoNode é construído como uma interface fúngica subterrânea enterrada. O ALARM é construído para alertas biológicos e ambientais. O Psathyrella é construído para inteligência acústica marítima. O Agaric é construído como um droide aéreo e plataforma de implantação.

Corpos diferentes. Ambientes diferentes. Missões diferentes.

Mas todos precisam do mesmo sistema nervoso fundamental.

Eles precisam coletar dados de sensores, gerenciar energia, comunicar-se por redes mesh, armazenar dados em buffer quando as conexões falham, sincronizar telemetria, expor portas de expansão, suportar atualizações de firmware e conectar-se a uma camada de inferência. Se cada dispositivo tivesse uma placa-mãe, pilha de firmware, mapa de conectores e protocolo completamente diferentes, a Mycosoft se tornaria não escalável imediatamente.

Então, construímos o MycoBrain como a arquitetura interna reutilizável.

Uma família de placas. Uma linhagem de firmware. Um vocabulário de telemetria. Um pipeline de sinais. Um caminho de fabricação escalável.

O MycoBrain como o coração de aquisição de sensores e comunicação de cada dispositivo Mycosoft, e identifica seu IP de design como uma arquitetura de dupla MCU com subsistemas dedicados de sensor e roteador em uma única PCB, além de uma topologia de ponte UART que permite atualizações de firmware independentes.

Isso é importante para a fabricação, mas é ainda mais importante para a inteligência. Toda a frota aprende através do mesmo sistema nervoso.

MycoBrain V2: a placa em torno da qual estamos construindo agora

O MycoBrain V2 pega o conceito V1 e o expande para uma placa de controle de borda maior e mais capaz.

Arquitetura: dois módulos ESP32-S3-WROOM-1U-N16R8, um transceptor LoRa CORE1262-868M, um conector de modem SIM7600G de 26 pinos, dois conectores USB-C, quatro entradas analógicas, quatro headers I²C, headers UART0 e UART2, três saídas de 5 V, saídas NeoPixel, dois buzzers, uma entrada de 12 V e trilhos de 5 V e 3,3 V.

Essa combinação nos dá um computador de campo prático com três funções.

A primeira função é a detecção. O MycoBrain deve coletar o estado físico bruto do ambiente. Isso significa entrada analógica, sensores I²C, sensores de gás, sondas bioelétricas, cartões de sensores externos, expansão de câmera/radar/LiDAR por meio de computação companheira, monitoramento de bateria e cargas úteis modulares futuras.

A segunda função é o roteamento. O MycoBrain deve mover dados através de um mundo onde WiFi não é garantido, o celular é intermitente e os dispositivos de campo podem precisar retransmitir uns através dos outros. É por isso que o LoRa está integrado à arquitetura principal e por que o Lado-B existe como o córtex de comunicação.

A terceira função é a coordenação. O MycoBrain fica entre o mundo biológico e o mundo da IA. É a placa que permite que uma sonda fúngica, sensor de solo, hidrofone, pacote meteorológico, módulo LTE, Jetson e plataforma em nuvem participem de um sistema coerente.

A placa não está tentando ser o maior computador. Está tentando ser o computador mais importante do corpo.

Lado-A e Lado-B: por que o MycoBrain tem dois cérebros

Um único microcontrolador pode executar um nó sensor. Ele não pode se tornar o sistema nervoso de longo prazo para uma frota de droides ambientais autônomos.

A estrutura dupla ESP32 existe porque a detecção e a comunicação são trabalhos diferentes com requisitos diferentes de tempo, energia e confiabilidade.

O Lado-A é o controlador de corpo determinístico. Ele é responsável pela consulta de sensores, leituras analógicas, expansão I²C, controle local de atuadores, monitoramento de energia, detecção de limites e limites de segurança. O Lado-A é a parte do sistema que deve permanecer calma, previsível e eficiente. Ele lê o mundo físico com disciplina.

O Lado-B é o controlador de comunicações e roteamento. Ele gerencia LoRa, BLE, WiFi, expansão LTE, caminhos de modem futuros, tráfego de heartbeat, comportamento de gateway e participação na rede mesh. O Lado-B pode gastar mais energia quando a comunicação é necessária e dormir ou fazer ciclo de trabalho quando não é.

Essa divisão torna a arquitetura robusta. Se uma pilha de rádio travar, o lado do sensor pode continuar coletando. Se um experimento exigir amostragem de sensor de alta taxa, as comunicações podem ser programadas em torno dele. Se o dispositivo estiver enterrado, flutuando, andando ou voando, a mesma divisão ainda faz sentido.

Um modelo mental simples se parece com isto:

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└──────────────────────────────────────────────────────────┘

Não é complexidade por si só. É pensamento biológico aplicado a sistemas embarcados: especialize os órgãos, depois deixe o organismo coordenar.

O modelo de dados nativo de sinais

Os pipelines tradicionais de IA se parecem com isto:

1Text → Tokenizer → Transformer → Text

O MycoBrain existe porque o pipeline da natureza não se parece nada com isso.

Uma resposta de estresse fúngico pode chegar como uma flutuação de voltagem. Um evento de esporo pode chegar como contagem de partículas, perfil de gás e anomalia óptica. Uma ameaça marítima pode chegar como uma forma de onda de pressão em um fluxo de hidrofone. O estresse de uma árvore pode emergir como umidade, COVs, temperatura e resposta bioelétrica micorrízica.

Portanto, o pipeline do MycoBrain começa com o 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​]

Onde:

• Vt é voltagem ou potencial bioelétrico
• It​ é corrente ou sinal derivado de impedância
• Tt​ é temperatura
• RHt​ é umidade relativa
• Pt é pressão
• VOCt​ é resposta de composto orgânico volátil
• CO2t​ é dióxido de carbono equivalente ou estimativa de gás relacionada
• pHt​ é acidez/basicidade
• ECt é condutividade elétrica
• At é estado de forma de onda acústica
• M​ é estado mecânico ou de movimento
• Lt​ é luz, espectro ou geometria derivada de LiDAR
• R​é estado de rádio/rede

O Modelo de Aprendizagem da Natureza então aprende um estado ambiental latente:

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

Onde xt−k:t é uma janela de histórico de sinais, mt são metadados como função do dispositivo e estado de calibração, e gt​ é contexto de grafo: dispositivos próximos, organismos, geografia, clima, topologia ou relações ecológicas conhecidas.

A partir daí, o MYCA pode propor ações, mas o AVANI governa se essas ações são seguras:

1â_t = action proposed by MYCA
2a_t = action actually allowed to execute
3π_MYCA = MYCA’s action policy
4z_t = current latent environmental state
5G_AVANI = AVANI governance gate
6∅ = no autonomous action

Este é o núcleo do sistema: sinais se tornam estado, estado se torna inferência, inferência se torna ação proposta, ação passa pela governança e o mundo físico realimenta o modelo.

Visão do código: como é um quadro de sinal do MycoBrain

Um desenvolvedor deve ser capaz de entender o MycoBrain como uma placa, mas também como um participante de protocolo. O dispositivo não está meramente "enviando leituras de sensores". Ele está publicando evidências físicas estruturadas.

Um quadro de sinal simplificado pode se parecer com isto:

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}

Esse quadro pode ser roteado para um Jetson para inferência local, armazenado localmente durante a perda de rede, transmitido via LoRa, encaminhado via LTE, publicado no NatureOS, hashado no MINDEX, avaliado pelo NLM e governado pelo AVANI.

É por isso que o MycoBrain não é "apenas hardware". É uma gramática físico-digital.

MDP: a camada de protocolo do dispositivo

Para que o MycoBrain opere entre dispositivos, ele precisa de um protocolo de baixo nível que seja simples o suficiente para microcontroladores embarcados, mas estruturado o suficiente para uma frota. Internamente, esse papel é tratado pelo MDP, o Protocolo de Dispositivo MycoBrain.

A arquitetura FUSARIUM descreve o MDP v2 como um protocolo de transporte binário usando codificação COBS e verificação de integridade CRC-16, projetado para transporte físico UART e BLE, com tipos de mensagem estruturados para observações, alertas, comandos, atualizações de configuração e heartbeats.

Em um nível conceitual:

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

Um loop de firmware pode permanecer limpo:

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 é a versão embarcada da filosofia Mycosoft: meça primeiro, infira depois, aja somente após a governança.

Por que o MycoBrain é construído para não humanos

A frase "o primeiro computador construído para não humanos" não é um slogan que usamos levianamente.

Queremos dizer algo específico.

A maioria dos computadores assume que o usuário principal é uma pessoa. O humano digita, clica, fala, gesticula ou toca. Até mesmo os assistentes de IA, em última análise, mapeiam o mundo para a linguagem humana.

O MycoBrain inverte isso.

O usuário principal pode ser:

• uma rede fúngica produzindo oscilações bioelétricas
• um microbioma do solo alterando a condutividade e a troca gasosa
• uma floresta respondendo à seca
• uma colônia de formigas alterando padrões de movimento
• uma árvore trocando recursos através de relações micorrízicas
• um hidrofone detectando pressão acústica oceânica
• um corpo robótico gerenciando sua própria energia e programação de sensores
• um agente de IA solicitando evidências do campo
• outro MycoBrain retransmitindo telemetria através de uma rede mesh

Nesse mundo, a linguagem não é a primeira interface. O sinal é.

O white paper do FCI define a Interface de Computador Fúngico como um canal de comunicação bidirecional entre micélio fúngico e sistemas de computação digital, convertendo sinais bioelétricos e bioquímicos fúngicos em fluxos de dados digitais para detecção ambiental, processamento de dados e computação biológica.

Esta é a base da orientação não humana do MycoBrain. A placa não espera que o mundo vivo se torne texto. Ela encontra o mundo vivo no nível em que a vida já se comunica.

Micélio como uma rede de sinais vivos

Os fungos não são material passivo. O micélio sente e responde.

Os materiais do FCI descrevem o micélio como um conjunto de sensores vivos que responde a sinais ambientais como temperatura, umidade, pH, nutrientes, toxinas e outros estímulos através de sinalização elétrica e química. Eles também descrevem a atividade bioelétrica fúngica, adaptabilidade e capacidade de resposta ambiental como propriedades que tornam o micélio útil para detecção e computação não convencional.

Um MycoBrain conectado a uma sonda FCI pode começar a tratar esse tecido vivo como uma fonte de sinal. Não como mágica. Não como misticismo. Como instrumentação.

Eletrodos leem mudanças bioelétricas fracas. Front-ends analógicos amplificam o sinal. A filtragem extrai características. ADCs digitalizam a forma de onda. O Lado-A empacota a leitura. O Lado-B a roteia. O Jetson ou outro acelerador realiza a inferência. O NatureOS a exibe. O MINDEX armazena a proveniência. O NLM aprende padrões. O AVANI governa a ação.

O sistema se torna um loop:

1Living substrate → electrode → amplifier → ADC → MycoBrain → NLM → MYCA → AVANI → stimulus → living substrate

Esse loop é o início da E/S biológica.

Tokenização de sinais: além das palavras

Os modelos de linguagem tokenizam texto. O MycoBrain permite que o NLM tokenize sinais.

Um token de linguagem rudimentar pode ser:

1"wet"

Um token de sinal é diferente. Ele pode codificar uma pequena janela de dinâmicas físicas:

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

Onde ϕi extrai características de uma janela de tempo — contagem de picos, frequência, amplitude, inclinação, relação de fase, delta de resistência a gás, gradiente de temperatura, forma de onda de pressão ou correlação entre sensores — e Q quantiza ou incorpora essas características em uma representação utilizável pelo modelo.

Um token bioelétrico fúngico pode 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}

Isso não é uma palavra.

É um pequeno pedaço da realidade comprimido em forma de aprendizado de máquina.

Quando tokens suficientes se acumulam entre dispositivos, ambientes, organismos e tempo, a Mycosoft pode construir modelos que não apenas descrevem a natureza. Eles aprendem a partir dos próprios sinais da natureza.

Os seis sentidos do NLM

O MycoBrain é a camada de entrada do lado do dispositivo para uma arquitetura de modelo maior: o Modelo de Aprendizagem da Natureza.

O NLM é organizado em torno de seis sentidos físicos:

Sentido NLM

Domínio físico

Exemplos de entradas conectadas ao MycoBrain

Espectral

Luz, comprimento de onda, imagem

câmeras, sensores multiespectrais, LiDAR

Acústico

Formas de onda de pressão

microfones, hidrofones, vibração

Bioelétrico

Voltagens biológicas

sondas FCI, eletrodos miceliais

Térmico

Calor e gradientes

BME688/BME690, sensores IR

Químico

Assinaturas de gases e moléculas

sensores de COV, CO₂, pH, CE, partículas

Mecânico

Pressão, vibração, toque

IMU, deformação, sísmica, movimento adjacente a radar

Os documentos de capacidade definem o NLM como um modelo que aprende a partir da realidade física bruta e identificam esses seis sentidos como os domínios de sinal: espectral, acústico, bioelétrico, térmico, químico e mecânico.

É aqui que o MycoBrain se torna estrategicamente importante. Um modelo que aprende a partir da realidade física é tão bom quanto os instrumentos físicos que o alimentam. O MycoBrain é a boca, nariz, pele, ouvido, eletrorreceptor e conector do sistema nervoso padronizados para esse modelo.

Jetson, Orin, Blackwell e o caminho da IA de borda

O MycoBrain intencionalmente não tenta ser uma GPU gigante.

Ele é a camada de aquisição e coordenação de baixa potência. A inferência pesada pertence aos módulos de IA de borda. Hoje, isso significa NVIDIA Jetson Nano, Jetson Orin Nano, Jetson Orin e módulos relacionados, dependendo da classe do dispositivo. No portfólio de hardware, dispositivos maiores como Mushroom 1 e Hyphae 1 usam Jetson Orin Nano ou Jetson Nano para inferência completa de IA de borda, enquanto dispositivos menores podem usar o M5Stack LLM Module 8850 para inferência acelerada por GPU/NPU compacta.

Isso dá à Mycosoft uma divisão prática:

O MycoBrain lida com detecção de baixo nível, controle local, operação consciente de energia e comunicação mesh. O Jetson lida com inferência de IA, visão computacional, modelos maiores, classificação acústica, processamento NLM local e autonomia de nível superior. Em implantações marítimas, o MycoBrain pode se conectar a um Jetson Orin Nano no mesmo alojamento de bóia para permitir a classificação acústica NLM em tempo real na borda, sem depender de backhaul.

O roteiro estende isso ainda mais.

Versão 3 adiciona um caminho de expansão celular: um módulo SIM com capacidade 4G/5G, como uma placa classe SIM7000/SIM7600, posicionado como um chapéu sobre a região LoRa. Isso dá ao MycoBrain backhaul celular sem abandonar a rede mesh LoRa.

Versão 4 avança em direção à expansão direta de alto desempenho: PCIe, SSD inferior, armazenamento local de modelos e integração direta de módulos aceleradores de IA classe Blackwell ou futuros. O objetivo é ir além das placas de desenvolvimento e colocar aceleradores de IA, armazenamento e orquestração de sensores em hardware controlado pela Mycosoft.

Essa transição é importante. Kits de desenvolvimento são como você prototipa. Placas transportadoras de IA personalizadas são como você possui a plataforma.

Armazenamento local: memória para o campo

Um computador de campo não pode assumir conectividade constante.

Florestas perdem sinal. Bóias derivam para fora do alcance. Droides entram em zonas mortas. Sondas de solo podem ser enterradas em locais onde o rádio é intermitente. Implantações de defesa podem operar em ambientes negados.

É por isso que a estratégia de hardware da Mycosoft inclui armazenamento local em vários níveis: SSDs NVMe para dispositivos grandes equipados com Jetson, microSD para dispositivos médios, flash ESP32 para dispositivos menores e buffers locais para sondas enterradas.

Para o MycoBrain V4, o suporte a SSD se torna ainda mais importante. O armazenamento local significa que o dispositivo pode armazenar:

• janelas de sensores brutas
• características processadas
• histórico de calibração
• pesos de modelo
• embeddings NLM
• logs de eventos
• filas de entrega mesh
• proveniência criptográfica
• estado do experimento

Um MycoBrain futuro não deve apenas transmitir dados. Ele deve se lembrar.

Por que a placa tem tantos conectores

Um dispositivo de consumo normal pode decidir o que é antes de ser enviado.

O MycoBrain não pode.

Um MycoBrain pode se tornar uma estação de solo. Outro pode se tornar uma bóia. Outro pode se tornar um gateway de sensor industrial. Outro pode se tornar uma interface biológica. Outro pode se tornar uma carga útil de drone. Outro pode se tornar um dispositivo de IA ambiental portátil. Outro pode se tornar parte de um computador biológico de laboratório.

É por isso que a filosofia de conectores é agressiva: analógico, I²C, UART, USB-C, LoRa, header LTE, saídas de 5 V, NeoPixel, buzzers, sensores externos e trilhas de alimentação. O esquema V2 confirma a presença dessas famílias de conectores, incluindo USB-C duplo, entradas analógicas, headers I²C, headers UART, saídas de 5 V, interface de modem SIM7600G, entrada de 12 V e trilhas de 5 V / 3,3 V.

Na prática, isso permite que os desenvolvedores conectem quase qualquer coisa:

• Sensores ambientais BME688 / BME690
• Sensores de COV e gás
• Sensores de partículas
• Sondas de pH e condutividade
• Sondas de umidade do solo
• Hidrofones
• IMUs
• Magnetômetros
• Câmeras através de computação auxiliar
• Radar e LiDAR através de computação auxiliar
• Eletrodos FCI
• Atuadores
• Bombas
• Válvulas
• LEDs
• Buzzers
• Modems externos
• Monitores de bateria

Uma placa como essa não é construída em torno de um único caso de uso. Ela é construída sob a premissa de que o ambiente continuará nos surpreendendo.

O modelo operacional do droid

A Mycosoft chama seus robôs externos de droids porque eles não são apenas sensores em caixas. São máquinas autônomas projetadas para sobreviver e operar no mundo.

Um droid da Mycosoft precisa conhecer seu corpo. Precisa conhecer sua bateria. Precisa saber se seus sensores estão saudáveis. Precisa saber se deve amostrar mais rápido, dormir por mais tempo, retransmitir um pacote de um vizinho, ativar seu Jetson ou chamar a base. Precisa operar sob restrições solares, de rádio, térmicas, ambientais e ecológicas.

O MycoBrain fornece a inteligência corporal de baixo nível que torna isso possível.

O Mushroom 1 pode usá-lo para monitorar redes fúngicas subterrâneas e condições do solo. O SporeBase pode usá-lo para coordenar a coleta de bioaerossóis. O Hyphae 1 pode usá-lo como um controlador de E/S industrial modular. O MycoNode pode usar um formato menor para suportar sensoriamento bioelétrico subterrâneo. A Psathyrella pode usar a arquitetura para monitoramento acústico subaquático. Os materiais de capacidade descrevem o MycoBrain como a plataforma de computação de borda ESP32-S3 para implantações de hardware da Mycosoft e identificam Mushroom 1, SporeBase, Hyphae 1, MycoNode, ALARM e FCI como parte do portfólio de hardware.

O ponto não é que todo robô seja igual.

O ponto é que todo robô compartilha um tronco cerebral.

Redes em malha: a micorriza digital

A filosofia de rede do MycoBrain é inspirada no micélio.

Uma rede fúngica não depende de um único roteador central. Ela se ramifica, reconecta, rerroteia, explora e sobrevive a danos. As redes de dispositivos da Mycosoft devem se comportar da mesma forma.

Esse é o papel do Protocolo Mycorrhizae: um protocolo de mensagens pub/sub para rotear dados de sensores biológicos através de redes de campo distribuídas. O Protocolo Mycorrhizae é otimizado para dados biológicos, telemetria de séries temporais, formas de onda bioelétricas, medições ambientais, topologia de malha auto-recuperável e operação nativa de borda leve o suficiente para ESP32-S3, enquanto ainda suporta nós de inferência Jetson.

Uma malha MycoBrain não se trata apenas de enviar dados de volta para um painel. Trata-se de cooperação local.

Um droid pode detectar um sinal. Outro pode ter um backhaul mais forte. Um terceiro pode ter um melhor ângulo de sensor. Um quarto pode ter computação de IA local disponível. Um quinto pode estar dormindo, mas acordar com o evento de um vizinho.

Isso cria uma rede de inteligência de campo:

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

Quando implantado em escala, os MycoBrains se tornam mais do que dispositivos. Eles se tornam um sistema nervoso ambiental distribuído.

Interface do desenvolvedor: construa sobre o cérebro

O MycoBrain deve ser acessível para makers e sério o suficiente para engenheiros.

Um desenvolvedor trabalhando com ele deve ser capaz de pensar em funções:

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

Um sensor pode se expor através de um manifesto:

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}

Isso é o que torna a placa digna de uma comunidade. É uma plataforma física, mas também um ecossistema programável. Um maker pode conectar um sensor. Um pesquisador pode executar um experimento de sinal fúngico. Um desenvolvedor de robótica pode adicionar uma carga útil. Um integrador de defesa pode rotear telemetria criptografada. Um cientista ambiental pode enviar dados para o NatureOS. Um engenheiro de IA pode treinar um modelo nativo de sinal.

Por que investidores devem se importar

O MycoBrain não é uma placa única.

É um primitivo de plataforma.

O argumento para o investidor não é "fizemos uma PCB de cogumelo legal". O argumento para o investidor é que o MycoBrain pode se tornar o computador de borda comum para um ecossistema de hardware completo: estações ambientais, sondas biológicas, sistemas de bioaerossóis, nós de borda industrial, bóias subaquáticas, instrumentos de IA portáteis e futuros computadores biológicos.

O portfólio de hardware identifica a Mycosoft como construtora de um ecossistema de hardware abrangente para inteligência ambiental, computação biológica e interfaces de rede fúngica, abrangendo Mushroom 1, SporeBase, ALARM, MycoNode, Hyphae 1, Tricorder, Petraeus e Mushroom 2.

Isso cria várias formas de alavancagem.

Primeiro, alavancagem de fabricação. Um controlador compartilhado reduz a duplicação de engenharia. Em vez de redesenhar a aquisição de sensores e comunicações para cada produto, a Mycosoft melhora uma família central de placas.

Segundo, alavancagem de firmware. Cada dispositivo se beneficia das mesmas atualizações de protocolo, melhorias de segurança, bibliotecas de sensores, mecanismos OTA, melhorias de malha e trabalho de ponte NLM.

Terceiro, alavancagem de dados. Cada dispositivo produz dados de treinamento nativos de sinal que podem alimentar o NLM. Quanto mais dispositivos implantados, mais valioso se torna o substrato do modelo.

Quarto, alavancagem de plataforma. O MycoBrain conecta hardware ao NatureOS, MINDEX, MYCA, AVANI, FUSARIUM e Mycorrhizae. É a camada de borda de um sistema maior de software e inteligência.

Quinto, alavancagem de PI. A arquitetura de MCU duplo, pilha de firmware, Protocolo Mycorrhizae, enumeração de sensores I²C e integração de cadeia de custódia MINDEX fazem parte da pilha de tecnologia/PI do MycoBrain.

É assim que uma placa pequena se torna infraestrutura.

Por que isso é importante cientificamente

A importância científica do MycoBrain não é que ele mede temperatura ou umidade. Muitos dispositivos fazem isso.

A importância científica é que o MycoBrain está sendo projetado para coletar contexto causal multimodal em torno de sistemas vivos. Um pico de voltagem fúngico por si só é interessante. Um pico de voltagem fúngico sincronizado com umidade do solo, pH, temperatura, mudança de COV, nível de luz e evento de estímulo se torna evidência.

Essa evidência pode se tornar uma impressão digital.

Essa impressão digital pode se tornar um modelo.

Esse modelo pode se tornar previsão.

Essa previsão pode se tornar uma ação governada.

É por isso que o FCI é importante. O white paper do FCI descreve a pilha FCI como uma sonda fúngica, unidade de processamento de sinal e camada de integração em nuvem que pode detectar variações elétricas miceliais sutis, amplificar e filtrar sinais bioelétricos fracos e tornar esses sinais utilizáveis para análise de dados em tempo real.

O MycoBrain é o computador de campo prático que permite que essas ideias saiam do laboratório.

As versões futuras: V3 e V4

A Versão 2 prova a arquitetura expandida.

A Versão 3 torna a placa mais implantável.

A direção da V3 é a expansão celular: um hat de módulo SIM 4G/5G que pode ser conectado acima da região LoRa. O LoRa continua sendo a malha local de baixo consumo. O celular se torna o backhaul. Isso dá a um droid de campo a capacidade de operar em um enxame local e ainda assim chamar a base quando a infraestrutura existir.

A Versão 4 é a transição mais profunda.

A V4 avança em direção a PCIe, SSD e integração direta de acelerador. O objetivo é permitir que hardware da classe MycoBrain carregue pesos de modelo locais, armazene conjuntos de dados brutos e processados e integre módulos aceleradores de IA da classe Blackwell ou futuros diretamente no ecossistema de placas Mycosoft. O caminho M5Stack LLM 8850 já dá a dispositivos menores um nível de inferência compacto; a V4 estende essa filosofia em direção a uma arquitetura de carrier de IA personalizada mais profunda. O portfólio de hardware já define uma estratégia de computação de borda de dois níveis usando módulos da classe Jetson para dispositivos maiores e M5Stack LLM Module 8850 para dispositivos menores.

O caminho de longo prazo é claro:

1V1: controlador compacto dual-ESP32-S3 + LoRa
2V2: placa de sensor/comunicação expandida com USB-C, analógico/I²C/UART, header LTE
3V3: hat celular + malha LoRa + melhor gerenciamento remoto de frota
4V4: PCIe + SSD + integração direta de acelerador de IA
5V5+: MycoBrain como placa-mãe de IA de borda biológica/robótica completa

O destino não é outra placa de desenvolvimento.

O destino é a própria arquitetura de computador ambiental autônoma da Mycosoft.

A placa como uma ponte entre a computação biológica e digital

A parte de trás da placa carrega a marca do cogumelo porque o cogumelo não é decoração. É a filosofia de design.

Um cogumelo é o corpo de frutificação visível de uma rede oculta. O MycoBrain é semelhante. A placa é visível, mas o sistema real é a rede por trás dela: droids, sondas, sensores, modelos, agentes, painéis, conjuntos de dados e substratos vivos.

O FCI nos dá E/S biológica. O MycoBrain nos dá controle de borda. O Mycorrhizae nos dá roteamento em malha. O MINDEX nos dá memória e proveniência. O NLM nos dá aprendizado nativo de sinal. O MYCA nos dá raciocínio de agente. O AVANI nos dá governança.

Juntos, eles formam uma pilha híbrida biológico-digital.

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

Um computador que lê a Terra

A maioria dos computadores fica em mesas.

O MycoBrain é projetado para lama, chuva, fazendas, florestas, laboratórios, telhados, bóias, porões, invólucros, drones e sistemas biológicos experimentais. É projetado para ser reparado, iterado, impresso em 3D, empilhado, expandido, atualizado e reimplantado. A filosofia de fabricação de hardware da Mycosoft enfatiza a impressão 3D para iteração rápida e invólucros prontos para uso reaproveitados para dispositivos industriais, reduzindo a carga de ferramentas enquanto melhora a flexibilidade de produção.

Isso é importante porque a inteligência em escala planetária não pode ser construída apenas a partir de painéis em nuvem.

Precisamos de dispositivos no mundo.

Precisamos de controladores de baixo consumo.

Precisamos de redes em malha.

Precisamos de inferência local.

Precisamos de interfaces biológicas.

Precisamos de armazenamento.

Precisamos de governança.

Precisamos de uma maneira para as máquinas aprenderem com a natureza sem forçar a natureza a se tornar linguagem primeiro.

Esse é o MycoBrain.

FIM DO DOCUMENTO MUITO LONGO DO MYCOBRAIN

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

VÍDEO DO MYCOBRAIN NO YOUTUBE: https://www.youtube.com/watch?v=3WDneg9OHtU

O MycoBrain é o primeiro computador que estamos construindo para não humanos porque não assume que a inteligência começa com palavras.

Ele assume que a inteligência começa com sinal.

• Um fungo sinaliza.
• Uma floresta sinaliza.
• Um rio sinaliza.
• Um oceano sinaliza.
• Uma máquina sinaliza.
• Um agente de IA sinaliza.
• Um droid sinaliza.

O MycoBrain é a placa projetada para ouvir, traduzir, rotear, lembrar, inferir e responder.

A maior parte da IA continuará a ler a internet, especialmente seus próprios dados sintéticos.

O MycoBrain leu a terra, considerando seus trilhões e trilhões de formas de vida como usuários, transcendendo o teclado, o mouse e até mesmo os assistentes de agente operados por voz com vozes bonitas.

Não é tudo sobre você, mas você faz parte de todo o planeta da vida.

Não se esqueça disso.