IBM开发了一款名叫TrueNorth的芯片，它可以模拟人类大脑的功能。IBM正在测试芯片，借此证明它与现有计算机相比有多快、有多节能。
正面对决结果让人印象深刻。IBM表示，TrueNorth可以调用深度学习技术，通过关联分析和判断可能性做决策，像人类大脑一样。与拥有相同目的的其它计算机相比，新计算机消耗的能源更少。
IBM在博客中表示，TrueNorth芯片具备学习和计算能力，它创造了一种可能能，我们可以将智力嵌入所有的计算设备中，包括物联网、智能手机、机器人、汽车、云计算、超级计算。
今年早些时候，IBM曾经展示过芯片，当时芯片装进了一台名叫NS16e的计算机中，它是模仿人类大脑开发的。计算机可以识别图片、语音和模式，这些功能是通过处理单元的神经网络进行的。
人类大脑有1000亿个神经元，它们可以通过数万亿个神经节点（突触）彼此沟通。其中，视皮质可以识别视觉信息，其它部分负责运动机能。
和大脑一样，NS16e拥有“数字神经元”，只是数量少很多，系统中包括了16颗TrueNorth芯片。每一颗TrueNorth芯片拥有100万个神经元，2.56亿突触，它们通过电路彼此联系。NS16e安装了重新设计的内存、计算和通信子系统，可以进行数据处理，能耗低很多。
IBM曾经表示，TrueNorth处理器可以按每秒1200-2600帧的速度给图片数据分类，消耗的能源只有25-275毫瓦。处理器还可以识别图片模式，这些图片是用50-100个摄像头生成的，每秒24帧。如果将芯片安装到手机中，它也可以具备这种能力，几天不用充电。
和今天的服务器相比，新芯片能耗低很多，今天的服务器依赖于传统芯片，比如GPU、CPU、FPGA，企业用这些组件来识别图片和语音。Facebook、谷歌、微软、百度用深度学习技术进行学习，通过解析与图片、语音识别有关的答案来学习。这些深度学习系统一般是由GPU驱动的，功率超过150瓦。
TrueNorth拥有算法和深度学习模型，包括识别模式，可以将过去和现有数据关联起来。IBM为不同的深度学习模型开发了相对应的算法，但是芯片可以应用于现有系统，比如MatConvNet。从本质上讲，开发者可以用MatConvNet开发学习模型，TrueNorth负责后台处理工作。开发者没有必要直接接触TrueNorth。
IBM的策略和早期的游戏开发有点类似，最开始时程序员并不接触GPU，因为大多人并不知道如何利用芯片的功能。最近，Vulkan替换了OpenGL API，将GPU功能直接展示给程序员看，如此一来，他们就可以更好利用芯片的功能。
深度学习的潜力已经在无人驾驶汽车上得到体现，强大的计算机引导汽车安全行进，正确识别信号、车道、其它对象。和汽车、服务器中的芯片一样，TrueNorth会在每一个神经元上进行低级处理，然后将结果汇总，从而识别图像中的对象，或者识别一种声音。Nvidia、英特尔的芯片也采用了相同的技术，但是它们的芯片能耗比TrueNorth高了很多。
目前TrueNorth芯片仍然处在发展初期。IBM计划研发一台计算机，它安装TrueNorth芯片，规格跟人类大脑相当，但是IBM面临一定的挑战，主要是因为这台计算机太庞大，要开发算法和应用有些困难。
从2004年开始IBM就在研发大脑式芯片，2009年，计算机已经可以模拟猫的大脑。2011年IBM开发出原型芯片，它拥有256个数字神经元，具有模式识别能力。如果要真正开发一台计算机，让它模拟人类大脑，还要等很长的时间。
IBM还在开发量子计算机，它可以替代现有PC和服务器，现有设备采用的设计已经很老了，用了几十年。还有一些企业和机构也在开发可以模拟人脑的芯片，比如惠普企业（Hewlett Packard Enterprise）、斯坦福大学、德国海德堡大学、英国曼彻斯特大学。
