在大规模 Pohoiki Springs 系统上演示了类似的搜索操作，相比 CPU 实施方法，其功耗低 45 倍，运行速度快 100 多倍。Loihi 还可以解决较难的优化问题，如约束满足和图形搜索，其速度比 CPU 快 100 倍，但功耗比 CPU 低 1000 多倍。

英特尔在 2015 年开始开始对神经拟态的研究，以现代神经科学理解作为灵感开发了一种新型计算机架构，适合计算和处理大脑中各种智能工作负载。


Mike Davies 表示，相比传统计算机架构，神经拟态架构完全模糊了内存和处理之间的界限。和大脑一样，它利用的是数据连接、数据编码和电路活动中所有形式的稀疏（sparsity）。处理就发生在信息到达时，二者同步进行。计算是数百万个简单处理单元之间动态交互的发展结果，就像大脑中的神经元一样。这种新型计算机架构旨在将能效、实时数据处理速度、学习数据的效率等提升多个数量级。

以无人机为例，最新竞速无人机的板载处理器要消耗大约 18 瓦的电力。对于这么一架小型无人机来说，电力消耗过高，限制了飞行时间，充电一次只能飞行 10-20 分钟。利用最先进的 AI 技术，无人机也只能勉强以步行的速度通过预先的编程在几扇门之间自主飞行。它们事先接受过集中训练，才能专心完成识别门的任务。

相比之下，玄凤鹦鹉是一种小型鸟类，大脑仅两克重，能耗仅 50 毫瓦。玄凤鹦鹉的体重比无人机处理器轻 20 倍，能耗低 350 倍。在这种微薄的能耗下，玄凤鹦鹉的飞行速度可达每小时 22 英里，还能在飞行过程中寻找食物，与其他鹦鹉交流。

Mike Davies 说到：“自然界的表现要比当前的人工智能系统在所有维度都高出 1-3 个数量级，如速度、重量、功率、视觉敏锐度、识别的物体数量、学习效率以及智能的绝对广度等。”

Loihi 的最新进展表明，未来的神经拟态设备，比如无人机，将可以像玄凤鹦鹉一样实时解决规划和导航问题。

短期内，由于成本问题，该技术要么仅适用于边缘设备、传感器等小规模设备，要么仅适用于对成本不敏感的应用，如卫星、专用机器人。随着时间的推移，内存技术的创新能够降低成本，让神经拟态解决方案扩大适用范围，运用于各种需要实时处理数据但受限于体积、重量、功耗等因素的智能设备，神经拟态计算的前景非常广阔。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。