神经形态计算（Neuromorphic Computing）是借鉴人脑结构和信息处理方式来设计芯片与算法的前沿方向。与传统数字计算机按指令逐步执行不同，它通过大量模拟神经元的单元以脉冲形式并行处理信息。
灵感来源
- 人脑约有数百亿个神经元通过突触连接，整体功耗却非常低
- 事件驱动：神经元只在收到足够强的信号时才“放电”，平时几乎不耗能
- “学习”体现在突触连接强度的调整上
代表性项目
- IBM TrueNorth：2014年发布的大规模神经形态芯片
- Intel Loihi：面向研究用途的神经形态芯片系列
- 清华“天机”芯片：同时支持人工神经网络与脉冲神经网络，相关成果2019年登上《自然》封面
优势与现状
- 极低功耗、事件驱动、适合实时传感处理
- 仍处于研究阶段，编程生态、精度与通用性远不及传统AI芯片
- 在脑机接口、机器人、传感器信号处理等场景有探索应用
意义
神经形态计算被视为通向“类脑智能”的可能路径之一，与当前大模型路线互补，短期内不会取代传统架构。