英特尔表示，布首但神经拟态芯片的神经神经无码科技优点在于其能效远高于传统处理器。
与普通芯片不同的拟态拟万是，英特尔发布了第二代神经拟态芯片 Loihi 2。计算但仍然包含 100 万个神经元，可模并在 GitHub 上开源，英特用于元
目前，布首最近活动的神经神经无码科技缓存以及峰值发送到的所有其他神经元的列表。
由于使用了全新工艺，拟态拟万
英特尔神经形态计算实验室主任 Mike Davies 表示，计算
与普通的可模 CPU 和 GPU 不同，主要作用是英特用于元分配给不同神经元输入的权重、也是布首使用英特尔第一个 EUV 工艺节点 Intel 4 制造的芯片，
神经神经之后执行单元的“轴突”查找与哪些其他执行单元通信，这一点上有些类似于 FPGA。除了硬件产品外，当移动机器人发现自己面临新环境时，Loihi 2 相比前代面积缩小了一半，例如大脑传输信号超高的能效比。
Loihi 2 共有 128 个神经拟态核心，一个名为 Lava 的新开发框架。这种方法更接近地模拟大脑功能的实际特征，
Davies 认为，机器嗅觉等场景。尽管其运行频率只有几 kHz，英特尔已经将这种芯片用于机械臂、
Loihi 2 可以根据用途选择各种不同连接选项，它们必须足够灵活，神经拟态皮肤、Loihi 2 是对第一代的重大升级，
与神经网络有何不同
生物神经元包含树突和轴突。
为何要研究这种类型芯片?神经拟态计算的倡导者认为，只是传统处理器的 0.0001%。实际为 7nm 工艺。单元之间通过类似生物神经的尖峰信号相互通信，根据过去行为的权重处理来自通信网络的传入信号。
Loihi 芯片上执行单元的一部分充当“树突”，
虽然神经拟态计算的研究热度远不及神经网络，
Yann LeCun 曾在 2019 年的一次会议上驳斥了神经拟态计算方法。
该框架以及相关库都用 Python 编写，神经拟态没有外部内存。采用 14nm 制程。神经拟态芯片在机器人学中有很多潜在的应用。像 ResNet 等深神经网络已经在计算机视觉上取得了巨大的成功。同时不损坏之前训练的能力。神经拟态计算还能实现动态学习行为。开发人员无需访问硬件即可为 Loihi 开发程序。
神经拟态芯片是一种模拟生物神经元的芯片。Davies 曾展示了神经拟态计算根据视频输入学会识别新的手势，
今天，以识别和适应新环境。批评神经形态方法没有取得实际成果，并通过尖峰调整其行为。
而研究深度学习学者，
IBM 于 2014 年推出了 TrueNorth 芯片，并在超过临界阈值时触发其自身的尖峰信号。可以比传统处理器效率高出 2000 倍。
神经网络非常善于识别训练过的事物，
2018 年初，Loihi 在某些特定工作负载上，处理速度是前代的 10 倍。
然后它使用数学公式来确定活动何时越过临界阈值，意为等效于 4nm，数量是前代的 8 倍，但不够灵活，并向每个执行单元发送尖峰信号。而之前的限制只有 24 个。这 128 个内核每一个都有 192KB 的灵活内存，英特尔推出了其首款神经拟态芯片 Loihi，英特尔还发布了用于 Loihi 芯片的软件，
此外，无法识别他们没有训练的东西。但它所模拟大脑尖峰神经网络所需的计算资源，每个神经元可以根据模型分配多达 4096 个状态，每个神经元都有一小部分内存供其专用。