IBMTrueNorth芯片以模擬人腦的神經元與突觸為基礎，希望讓電腦也能擁有接近人腦的辨識能力。IBM的仿神經元芯片利用電力突波(spike)進行資料編碼，因此較其他深度學習(deeplearning)技術更為省電。IBM目前正積極與移動裝置業者接洽，試圖將TrueNorth芯片技術推向商業應用。

據MITTechnologyReview報導，IBM利用美國國防部先進研究計劃局(DARPA)資金研發的TrueNorth芯片，只有郵票般大小，并擁有100萬個矽“神經元”，與2.56億個連接神經元的突觸，功耗比相同大小的傳統處理技術少了1,000倍以上。

有了TrueNorth芯片技術，移動裝置在不需透過云端運算的情況下，也能用極低的電力運行影像或語音辨識等高階機器智能軟體。IBM資深副總裁JohnKelly表示，該公司已與電腦系統領導廠商展開接洽，針對TrueNorth芯片在移動市場與物聯網市場發展的各種可能性進行討論。

TrueNorth芯片架構不同于既有的運算芯片，需要全新的軟體編寫方式。此外，TrueNorth芯片利用電力開關，模擬生物神經元的突波訊號進行資料編碼，因此和Google、Facebook、微軟(Microsoft)等廠商利用軟體研發的深度學習神經網路也有所不同。

仿突波神經元芯片目前還未展露出能與深度學習匹敵的影像語音辨識能力，在Facebook研發深度學習的YannLeCun對IBM神經網路技術實用性感到質疑。負責IBM仿神經芯片技術研發的DharmendraModha則認為，若要提升神經網路在芯片上的功率效率，突波將是關鍵。

Modha的團隊已著手嘗試將訓練完成的深度學習神經網路移植到TrueNorth芯片上。Modha表示，TrueNorth芯片將作為一個基板，各種不同的神經網路都可繪制在TrueNorth芯片上，支援即時、超低功耗、超低容量的應用。

據加拿大蒙特婁大學(UniversityofMontreal)的研究結果顯示，要將深度學習的仿神經元網路移植到使用突波的仿神經元硬體上，比一般預期中更為容易，而影像處理的準確度也不會受到影響。

就在IBM尋找整合二種技術的最佳方法時，Google與高通(Qualcomm)都已開始嘗試將人工神經網路與深度學習技術，應用在移動裝置與車輛上。