未來對于高度動態和非結構化的自然數據的收集、分析和決策的需求越來越大，這種需求可能超過傳統的CPU和GPU架構。
Loihi模仿了大腦的運作方式，根據環境的不同反饋模式進行操作。同時，Loihi也是一款節能的芯片，可以利用數據來學習和推斷，不需要以傳統的方式進行訓練。它采用了一種新穎的方法，通過“異步激活”來計算。
Loihi研究測試芯片包括模擬大腦基本機制的數字電路，使機器學習更快更有效率，同時需要對計算力的需求更小。
這塊仿神經芯片的模型從神經元的交流和學習中汲取靈感，其中神經元的激活、新突觸的形成可以按時間調制，這可以幫助計算機自組織并根據模式和關聯做出決策。
Loihi測試芯片提供了高度靈活的芯片學習，可以在單個芯片上完成訓練和推理。這使得機器能夠自動地進行實時調整，而不是等待云的下一個更新。研究人員已經證明，與其他典型的尖脈沖神經網絡相比，在解決MNIST的數字識別問題時，他們的學習速度要快100萬倍。與卷積神經網絡和深度學習神經網絡等技術相比，Loihi測試芯片在同一任務上使用了更少的資源。
這個測試芯片的自我學習能力有巨大的潛力來改進汽車和工業應用以及個人機器人——任何在非結構化環境中自動操作和持續學習的應用程序。例如，識別汽車或自行車的運動。
雷鋒網了解到，它比一般訓練系統所需的通用計算效率高1000倍。在2018年上半年，Loihi測試芯片將與領先的大學和研究機構共享，重點是推進人工智能的發展。
Loihi測試芯片的特點包括：
完全的異步神經形態的多核網狀結構，它支持許多種不同的稀疏、層級、循環神經網絡拓撲結構，每個神經元都能與成千上萬的其他神經元進行通信。
每個神經形態核心包括一個學習引擎，可以在操作過程中對網絡參數進行編程，支持監督、無監督、強化和其他學習模式。
由英特爾的14納米工藝制造。
總共有13萬神經元和1.3億突觸。
開發和測試高效的算法，包括路徑規劃、約束滿足、稀疏編碼、詞典學習和動態模式學習和適應。
在計算機技術和算法創新的推動下，人工智能的變革力量預計將對社會產生巨大的影響。通用的計算和定制的硬件和軟件都可以在各個方面發揮作用，而英特爾目前在這方面也有所布局。
目前英特爾Xeon Phi處理器，應用于科學計算，產生了一些最大的模型來解釋大規模的科學問題，還有Movidius神經計算棒這樣以僅僅1瓦的功率運行訓練后的模型的產品。