lianzichen
個人分析如下：
1.CPU設計具有通用性。CPU的計算是基於高度抽象計算步驟，再結合計算機語言的邏輯控制實現多重多樣的功能，也可以實現神經網絡需要的計算。這樣的話，如果想提高CPU的算力，只要提升基本的計算元語的速度和能效即可。
2.神經網絡算法更適合解決專用問題。神經網絡算法模擬了人類大腦的認知的過程。在實際應用中，解決具體問題依然需要使用特殊的網絡結構，加上針對性的數據進行訓練。如果要將神經網絡做的非常通用，就必須抽象基礎單元（感知器），能適應各種網絡。抽象程度越高也就越像通用CPU，結構也會越簡單。
3.量子計算解決算力問題。當前開發大量針對具體問題或者特定數據結構的人工智能芯片，都是在儘量挖掘晶體管技術能力，通過將計算邏輯硬件化、專用化，來提高解決問題的速度。但同時犧牲了通用性。如果量子計算實現商用，基本算力出現多個數量級的提升，晶體管專用芯片將被替代。如果哪一年，量子計算又不能滿足了，可能又會出現專用計算單元。但也不一定是深度網絡結構的。
個人見解，接受指正。
零度AI
人腦子是啥？神經網絡唄！一層一層一共六、七層(根據人腦生理解剖得的數據)，140億個神經細胞(也叫神經元)。每一層都像沙發彈簧一樣，一個一個神經細胞(神經元)用神經細胞的突觸，鉤連在一起，就是用神經突觸互相傳遞電子、離子等電荷運動形成的，量子干涉信號，進行神經元之間的通信或叫信號變換；每一層之間其神經元也是這麼聯絡、通信的。抽象地說，人腦神經網絡就是一個信號變換器，或定義了一個信息空間，將輸入信號變換成經驗輸出信號。人腦這個信息空間實際上表達不成某個解析形式的、本質非線性信息空間，也就是說，人的智慧、情感根本就不能“線性化”，不能用某個函數系逼近表達。
人工神經網絡模擬人腦這樣一層一層的，電脈衝信號一層一層傳輸到輸出層，也就是，信號在人工神經網絡這個2階張量空間上的變換，或叫學習過程。目前的人工神經網絡，有十幾~幾十層，幾百萬個神經元的卷積張量神經網絡，採用深度學習算法(BP算法，誤差反向傳播學習算法)。
實際上，人工神經網絡一直以來都做不出像人腦這樣的硬件實體，都是運行在電腦中的、模擬神經網絡功能的計算機程序。
你所說的神經元CPU應該是模擬單個神經元功能的芯片。實際上，神經網絡程序中，用C語言編的話，神經元用類來代表。神經元的信號傳遞規律，或傳輸(傳遞)函數，神經元的連接順序，都可靈活地由類的函數、繼承等表示。那麼，神經元芯片，既可由硬件電路實現，又可編一個微程序，定義一個C語言類功能的執行程序，永久刻錄一段機器彙編程序，就可實現神經元功能。目前的神經元硬件應該是後者。這種神經元可以定義一個抽象的加法或乘法運算。神經元間的連接，在類的繼承上可靈活實現各種抽象的拓撲連接。目前，馬雲、比爾蓋茨的“手下”，沒這腦子！還沒創造出這種抽象、優美的神經元！
說太多你會糊塗。
譚宏21
科學，無限可能。
神經元CPU，鋼鐵俠電影中的電腦叫賈維斯(JARVIS)。個人理解你說的神經元CPU和它一樣能快速和人一樣的思考，能幫助主人處理複雜的程序，滿足超級助手但又是電腦處理器一樣的助力工具。但用AI機器人這個稱呼可能更合適一些。
CPU是中央處理器，GPU是圖像處理器，又加入AI(人工智能)才是我個人理解的你說的神經元CPU。AI是讓機器能夠模仿接近人的思考方式，做出一些處理。在一些地方或領域超越人類的一項計算機科學技術。AI的技術難度很大，但在圍棋領域的AI機器人阿爾法狗就超越了柯潔這樣世界冠軍級的圍棋選手。
人工智能是目前計算機科學的偉大技術，未來能發展到什麼地步是不可想象的。技術難題很多，但是有很大的發展空間。你說的神經元CPU也會創造出來。
承祥科技
現在有模擬神經元芯片。
小杰80164096
你想的太多了。😂
