乍一看，新型神经形态芯片与AI加速器的类似前沿领域有几处相同之处。两者均设计为处理人工神经网络，与CPU相比，它们均提供了性能上的改进，并且均声称具有更高的电源效率。
但是，相似性到此结束了：Neuromorphic芯片仅设计用于称为尖峰网络的特殊神经网络，并且它们的结构与传统计算中的任何事物都根本不同(没有乘累加单元那么传统)。随着新应用和新技术的不断涌现，现在说这些设备的市场情况还为时过早。
EE Times问领先的AI加速器公司的首席执行官这些技术是否真正互补或是否存在某些重叠。
最大的问题是：这些计算范式会不会最终彼此竞争?
不同的利基市场
英特尔并不这么认为。该芯片巨头是Loihi芯片在神经形态计算研究方面的领导者，在其数据中心CPU范围以及对AI加速器公司Habana Labs的收购方面，都是AI加速的领导者。
英特尔神经形态计算实验室主管Mike Davies认为神经形态计算不能直接与传统的AI加速器(如Habana Labs开发的加速器)相比。戴维斯说：“神经形态计算对于一种不同的机制，与大数据不同的利基计算很有用，它可以监督学习问题。”当今的AI加速器是为深度学习而设计的，它使用大量数据来训练大型网络。这需要巨大的I / O带宽和内存带宽。
大卫补充说：“神经形态模型与此完全不同。”“他们正在处理单个数据样本……真实世界的数据正在到达芯片，因此需要立即进行处理，并在那里以最低的延迟和最低的功耗进行处理。
“与边缘深度学习AI芯片相比，边缘端的不同之处在于，我们还在寻找能够适应并且可以基于深度学习范式不支持的到达的单个数据样本实时进行实时学习的模型。很好。”