神經形態晶片（Neuromorphic Chip）是以硬體模仿人腦神經迴路（神經元、突觸）結構與運作原理的創新積體電路，實現與傳統馮紐曼型電腦架構根本不同的資訊處理典範。它以脈衝神經網路（SNN）為基礎進行事件驅動型處理，目標是以極低功耗實現圖形辨識、時序處理與感測器融合。
神經形態晶片的代表性實作包括英特爾的Loihi 2（128核心，相當於100萬個神經元）、IBM的TrueNorth（4096核心，100萬個神經元）、史丹佛大學的Neurogrid、海德堡大學的BrainScaleS等。據報告，這些晶片在AI推論處理上相較傳統GPU可能展現10～1000倍的電源效率，但目前多數應用仍處於研究階段。
將電阻式記憶體（ReRAM）或相變化記憶體（PCM）用作突觸元件，是神經形態硬體的重要研究主題。這些類比記憶體元件可保持多個電阻值狀態（多值儲存），因此能以類比方式表示突觸連結權重，可望實現將神經網路權重實體儲存在記憶體中並進行臨場學習的「類比AI」。
神經形態與以GPU為基礎的深度學習架構之差異在於：GPU擅長專精於批次處理、矩陣運算的高產能運算，而神經形態則專精於事件驅動、稀疏運算，適合在邊緣裝置上進行極低功耗的常時推論。兩者為互補關係，在邊緣AI裝置上的組合運用也正在研究中。
2025年以後，神經形態市場預估將在2個領域成長：智慧感測器、穿戴式裝置、機器人用的邊緣AI推論，以及類腦運算研究用的高性能系統。英特爾將神經形態定位為長期藍圖的支柱，新思科技與益華電腦也正推動EDA工具支援神經形態設計。