神經模態芯片近幾年來的落地方向按照神經元規模可以分成兩類。

對于Intel和IBM這類在大規模神經元領域大量投資的公司，事實上也并不急著在幾年內讓神經模態芯片系統落地，而是希望在這幾年內把神經模態計算的研究、生態先做起來，等到神經模態計算研究取得突破（例如神經元跨過了某個閾值或者新的訓練算法出現，在一些關鍵領域能解決其他方法無法解決的問題）時就能獲得先機。在近幾年，大規模神經模態計算芯片的主要應用估計還是在研究上，包括作為腦科學研究（模擬大腦神經系統）系統平臺供各大高校和研究機構使用。另外，Intel和IBM估計也在積極尋找一些傳統圖靈機算法和馮諾伊曼架構難以高效處理但適合神經模態計算的問題（例如優化問題等），和其他有需求的行業公司合作，以此作為神經模態計算的初步落地嘗試。

另一方面，在中等規模神經元規模、主打低功耗的神經模態芯片方向上，最近興起的物聯網將會成為最佳的落地應用。物聯網配合人工智能將會給社會帶來巨大的變化，然而目前基于深度學習的芯片難以實現物聯網對于低功耗的需求（小于毫瓦級的功耗）。這時候就是神經模態芯片大展身手的地方。在這個方向上，技術和商業化都較領先的是位于瑞士初創公司的aiCTX，該公司的技術來自于前述蘇黎世理工大學Indiveri組的研究，其芯片平均功耗可以到達微瓦數量級，目前主打的場景就是超低功耗物聯網場景，包括邊緣視覺應用（安防、機器人等場景）、可穿戴設備等等。不久前aiCTX剛發布了含有一百萬神經元的芯片DynapCNN，并且獲得了CES Asia 2019頒發的創新獎。

在中國，神經模態芯片也得到了國家和業界的重視。在研究方面，清華類腦計算中心做出了卓越的貢獻，其工作發表在全球頂級期刊和會議上。上海也于今年建立了上海腦科學與類腦研究中心，神經模態計算是該中心的重點方向之一。在商業化方面，清華類腦計算中心孵化的初創公司靈汐科技在今年發布了自主研發的“天機二代”芯片系統，使用眾核存算一體架構，具有高速度、高性能、低功耗的特點。相比國外同行，我國的神經模態計算在最近幾年得到了來自國家非常高的重視，相信在未來幾年內將會有全球領先的成果誕生。