随着深度学习的显露出来，人工智能获得了令人吃惊的发展，但与此同时，系统功耗不断增加。训练一个现代AI神经器官网络甚至于需求运用数千台集群服务器，功耗高达数一百万瓦，这正渐渐变成AI不断进展、以及广泛普及的瓶颈。那末，怎么样能力提高AI担任的工作的能效、甚至于增长 1000 倍呢？英特尔几年初着手了神经器官外形状态计算的考求。

相形传计数算机架构，神经器官外形状态架构依稀了内存和处置之间的界限。和前脑同样，它利用的是数值连署、数值编码和电路活动中所得法式的稀疏（sparsity）。也就是说，处置就发生在信息到了时，二者同步施行。计总算数一百万个简单处置单元之间动态交互的进展最后结果，就像前脑中的神经器官元同样。这种新式计算机架构旨在将能效、实时数值处置速度、学习数值的速率等提高多个数目级。

英特尔在2017 年宣布了首款神经器官外形状态研讨芯片Loihi，认为合适而使用英特尔主流的14 纳国际公制程。相形其它神经器官外形状态芯片，Loihi 在灵活性、集成性和速度方面表达较好，并还具备片上学习功能。它没有深度学习硬件中存在广泛存在的浮点数和乘法累加器单元，也没有片外内存接口，内存出处于芯片神经器官元之间的连署。和前脑同样，全部计算都在芯片向上行，经过二进制电子脉冲信息和低精密度信号。

英特尔在神经器官外形状态计算的研讨上走到达第五个年头，现在项目研讨也进入下一阶段，考求实际应用。此前，Gartner在一份调查报告陈述中预先推测，到2025年神经器官外形状态计算有盼代替GPU，变成下一代AI的主流计算形态。

对此，英特尔中国研讨院院长宋继强觉得，神经器官外形状态计算和深度学习的关系应当是兼容并蓄，而不是代替，“对于深度学习已经十分特长的，模人格化修辞方式类视物感觉还是天然语言交互的担任的工作，让深度学习的网络去摹拟；对于其它不太适应用深度学习做的，如英特尔Loihi芯片做的嗅觉方面的研讨，还有机器人操控、多模态甚至跨模态之间的知识储存，可以用神经器官外形状态计算去成功实现。”

为了进一步扩张该技术的适合使用范围，英特尔设立了英特尔神经器官外形状态研讨社区（INRC），经过与世界各地不一样类型的学术界、政府实验室和公司研讨担任职务的人施行交流合作，变成改进 Loihi 的架构、系统和软件的关紧基础。INRC人员将运用英特尔的Loihi研讨芯片作为开发活动的架构焦点，随着基础算法和SDK组件一天一天地走向成熟，英特尔期望INRC获得的成果未来能够推动神经器官外形状态架构、软件和系统的改进，最后成功实现经济活动化。2021 年第 1 季度，英特尔将宣布下一代“Lava”软件研发框架的开源版本，以资触动到更极大的软件研发担任职务的人社区。

受限于成本问题，英特尔高级首席工程师、英特尔研讨院神经器官外形状态计算实验室主任Mike Davies表达，短期内神经器官外形状态计算要不用于边缘设施、传感器等小型设施，要不用于对成本不聪明感的应用，如卫星、专用机器人。随着时间的推移，预计内存技术的创新能够进一步减低成本，让神经器官外形状态解决方案扩张适合使用范围，使用于各种需求实时处置数值但受限于大小、重量、功耗等因素的智能设施。