认知电脑是一种试图重现人脑行为，并且结合了人工智能及机器学习算法的芯片，一般采用神经形态工程（英语：Neuromorphic engineering）的方法，其中一例为IBM公司以神经网络（英语：Neural_network）和深度学习实现的华生。IBM公司后续还开发了TrueNorth微芯片架构，与传统电脑中使用的冯·诺依曼架构相比，其设计结构更加接近人脑。2017年，英特尔也公布了自家版本的认知芯片“Loihi”，于2018年提供给大学及研究实验室。英特尔、高通和其他公司也正逐步改进神经形态处理器，包括英特尔的Pohoiki Beach和Springs系统。
TrueNorth是IBM在2014年生产的神经形态（英语：Neuromorphic engineering）CMOS集成电路，是设计于单芯片上的多核处理器网络，有4096个核心，每个核心有256个可编程设计的模拟神经元，共约一百万个神经元。每个神经元有256个可编程设计、在彼此间互相传递讯号的“突触”。因此，可编程设计突触的总数稍多于2.68亿（228），其基本晶体管数量为54亿。由于记忆、计算和通讯是在4096个神经突触核心中处理，因此TrueNorth避开了冯-诺伊曼架构瓶颈，且非常节能，IBM声称其功耗为70毫瓦，功率密度是传统微处理器的万分之一。因为SyNAPSE（英语：SyNAPSE）芯片只会消耗计算所需的功率，因此运作时的功率及温度较低。Skyrmions已被提议作为芯片上的突触模型。
英特尔的自我学习神经形态芯片“Loihi”（于2017年生产），可能是以夏威夷海山Lō'ihi命名，它依人脑设计，提供了可观的功率效率。英特尔声称，比起训练与Loihi性能相匹的神经网络所需的通用计算功率，Loihi的功率效率高了约1000倍。理论上，这将同时支援在同一硅芯片上进行机器学习训练和推理，而不必受到云端连接的影响，比使用卷积神经网络（CNN）或深度学习神经网络更有效率。英特尔指出，人类心跳监测系统会在运动或进食等事件后读取数据，然后使用认知计算芯片将资料正规化并算出“正常”心跳，查看是否异常，也可以应对任何新的事件或状况。
第一版的Loihi芯片使用了英特尔的14奈米制程，有128个丛集，每个丛集有1024个人造神经元（英语：Artificial neuron），总共有131,072个模拟神经元。这提供了大约1.3亿个突触，与人脑的800万亿个突触相比仍有相当大的差距，并且落后于IBM的TrueNorth ，后者透过使用64乘以4,096个核心拥有大约2.56亿个突触。现在有40多个学术研究团体能够出于研究目的以USB的规格使用Loihi。 最近的进展包含一个名为Pohoiki Beach的64核芯片（以Isaac Hale海滩公园（英语：Isaac Hale Beach Park）命名，该公园又称为Pohoiki）。
2019年10月，罗格斯大学的研究人员发表了一篇研究论文，展示了英特尔的 Loihi 在解决同时定位与地图构建所具备的的能源效率。
2020 年 3 月，英特尔和康奈尔大学发表了一篇研究论文，证明英特尔的 Loihi 能够识别不同的危险物质，最终可以协助“诊断疾病、侦测武器和爆炸物、发现毒品，以及发现烟雾和一氧化碳的征兆”。
SpiNNaker（Spiking Neural Network Architecture，脉冲神经网络架构）是由曼彻斯特大学计算机科学系（英语：Department_of_Computer_Science,_University_of_Manchester）的高级处理器技术研究小组（APT）所设计的大规模平行处理的多核超级计算机架构。
认知电脑的方法和定义有很多，各方法的成效可能有所差异。
具体而言，有些批评者认为，像华生那样有一间房间大的电脑无法取代三磅重的人脑，也有一些人指出，单一系统很难将这么多的元素整合在一起，比如不同的资讯来源以及计算资源。在2018年世界经济论坛期间，有专家声称，认知系统可能会被开发者的偏见影响，这点在Google图像辨识或计算机视觉算法的案例中得到了证实，该算法在辨识非裔美国人时有所缺陷。
http://www.foxnews.com/tech/2018/01/09/ces-2018-intel-gives-glimpse-into-mind-blowing-future-computing.html （页面存档备份，存于互联网档案馆）
