在大規(guī)模 Pohoiki Springs 系統(tǒng)上演示了類似的搜索操作，相比 CPU 實施方法，其功耗低 45 倍，運行速度快 100 多倍。Loihi 還可以解決較難的優(yōu)化問題，如約束滿足和圖形搜索，其速度比 CPU 快 100 倍，但功耗比 CPU 低 1000 多倍。

英特爾在 2015 年開始開始對神經(jīng)擬態(tài)的研究，以現(xiàn)代神經(jīng)科學理解作為靈感開發(fā)了一種新型計算機架構(gòu)，適合計算和處理大腦中各種智能工作負載。


Mike Davies 表示，相比傳統(tǒng)計算機架構(gòu)，神經(jīng)擬態(tài)架構(gòu)完全模糊了內(nèi)存和處理之間的界限。和大腦一樣，它利用的是數(shù)據(jù)連接、數(shù)據(jù)編碼和電路活動中所有形式的稀疏（sparsity）。處理就發(fā)生在信息到達時，二者同步進行。計算是數(shù)百萬個簡單處理單元之間動態(tài)交互的發(fā)展結(jié)果，就像大腦中的神經(jīng)元一樣。這種新型計算機架構(gòu)旨在將能效、實時數(shù)據(jù)處理速度、學習數(shù)據(jù)的效率等提升多個數(shù)量級。

以無人機為例，最新競速無人機的板載處理器要消耗大約 18 瓦的電力。對于這么一架小型無人機來說，電力消耗過高，限制了飛行時間，充電一次只能飛行 10-20 分鐘。利用最先進的 AI 技術(shù)，無人機也只能勉強以步行的速度通過預先的編程在幾扇門之間自主飛行。它們事先接受過集中訓練，才能專心完成識別門的任務。

相比之下，玄鳳鸚鵡是一種小型鳥類，大腦僅兩克重，能耗僅 50 毫瓦。玄鳳鸚鵡的體重比無人機處理器輕 20 倍，能耗低 350 倍。在這種微薄的能耗下，玄鳳鸚鵡的飛行速度可達每小時 22 英里，還能在飛行過程中尋找食物，與其他鸚鵡交流。

Mike Davies 說到：“自然界的表現(xiàn)要比當前的人工智能系統(tǒng)在所有維度都高出 1-3 個數(shù)量級，如速度、重量、功率、視覺敏銳度、識別的物體數(shù)量、學習效率以及智能的絕對廣度等?！?/span>

Loihi 的最新進展表明，未來的神經(jīng)擬態(tài)設備，比如無人機，將可以像玄鳳鸚鵡一樣實時解決規(guī)劃和導航問題。

短期內(nèi)，由于成本問題，該技術(shù)要么僅適用于邊緣設備、傳感器等小規(guī)模設備，要么僅適用于對成本不敏感的應用，如衛(wèi)星、專用機器人。隨著時間的推移，內(nèi)存技術(shù)的創(chuàng)新能夠降低成本，讓神經(jīng)擬態(tài)解決方案擴大適用范圍，運用于各種需要實時處理數(shù)據(jù)但受限于體積、重量、功耗等因素的智能設備，神經(jīng)擬態(tài)計算的前景非常廣闊。