Para obtener más información,  solicite una muestra gratuita 

¿Cómo influyen los parámetros de referencia biológicos y las limitaciones de potencia de la IA en la demanda del mercado de la computación neuromórfica?

El cerebro como modelo de eficiencia

El cerebro humano funciona con aproximadamente 20 vatios, lo que sigue siendo una referencia de ingeniería asombrosa. Equilibra la cognición, la percepción y la memoria con una extraordinaria disciplina energética. Este hito explica por qué la computación neuromórfica sigue atrayendo tanta atención. Promete silicio que se comporta de forma más similar a la biología y desperdicia menos energía.

La biología apunta a decisiones arquitectónicas

Los millones de neuronas y billones de sinapsis del cerebro demuestran la importancia del paralelismo. El hardware neuromórfico reproduce esta lección al ubicar la memoria y el procesamiento en el mismo lugar. Esto reduce el movimiento constante de datos y ayuda a ahorrar energía. Además, permite el procesamiento basado en eventos en lugar del procesamiento por fuerza bruta continuo.

Cifras biológicas dignas de mención

• El consumo energético continuo del cerebro es de tan solo unos 20 vatios. 
• Opera con aproximadamente 86 mil millones de neuronas en el mercado de la computación neuromórfica. 
• Utiliza alrededor de 100 billones de conexiones sinápticas. 
• Procesa la información temporal de forma mucho más eficiente que las supercomputadoras.

Las limitaciones de potencia de la IA aumentan la presión

La IA tradicional ha crecido rápidamente, pero su consumo energético también. Los modelos complejos y los centros de datos requieren una gran cantidad de electricidad, refrigeración e infraestructura en el mercado de la computación neuromórfica. Esto convierte la energía en una limitación estratégica, no solo en un detalle técnico. La computación neuromórfica resulta atractiva porque busca un menor consumo energético por tarea.

Por qué esto cambia el comportamiento del comprador

Las empresas ahora buscan inferencia más cercana al extremo de la red. Requieren sistemas que reaccionen rápidamente sin depender de servidores remotos. También buscan menores costos operativos y una menor huella de carbono. Estas necesidades impulsan la demanda de chips diseñados para inteligencia dispersa basada en eventos.

Puntos de datos de potencia-presión

• El entrenamiento de GPT-3 requirió aproximadamente 1.287 megavatios-hora de electricidad. 
• El entrenamiento de GPT-3 también produjo aproximadamente 552 toneladas métricas de CO2 equivalente. 
• Una sola consulta de ChatGPT puede consumir aproximadamente 0,42 vatios-hora. 
• Los centros de datos consumieron aproximadamente 460 teravatios-hora a nivel mundial en un año. 

¿Por qué la demanda del mercado allana el camino para los chips Loihi de alta densidad?

El avance de primera generación de Intel en el mercado de la computación neuromórfica

Loihi demostró que los chips neuromórficos podían ser prácticos, compactos y aptos para la investigación. El primer chip, fabricado con el proceso de 14 nm de Intel, integraba 128 núcleos neuromórficos. Contenía 130 000 neuronas artificiales y 130 millones de sinapsis. Su área de chip era de aproximadamente 60 mm², lo que reforzaba la importancia de la integración densa.

Loihi 2 impulsa el concepto hacia adelante

Loihi 2 dio un paso más allá al aumentar la escala y la eficiencia. Intel afirmó que el chip de segunda generación utilizó un proceso Intel 4 de preproducción y alcanzó un millón de neuronas. También mejoró la velocidad y la densidad de recursos en comparación con el dispositivo anterior. El resultado fue una plataforma más robusta para los investigadores que exploran la IA basada en eventos.

Datos de Loihi que importan

• Loihi 1 contaba con 128 núcleos integrados en el mercado de la computación neuromórfica. 
• Loihi 1 albergaba 130 millones de sinapsis. 
• Loihi 2 alcanzó el millón de neuronas. 
• El Loihi 2 podía funcionar con aproximadamente 1 vatio.

¿Por qué es importante el ecosistema a nivel de junta directiva?

La densidad de chips por sí sola no garantiza su adopción. Los investigadores también necesitan placas de evaluación y sistemas escalables. La placa Kapoho Point de Intel satisfizo esta necesidad al integrar varios chips Loihi 2. Esto facilitó la experimentación con fusión de sensores y cargas de trabajo neuronales más complejas. 

¿Qué permite la arquitectura de pila más grande?

En el mercado de la computación neuromórfica, una placa apilada puede brindar a los desarrolladores mucha más capacidad neuronal en una sola plataforma. Esto es crucial cuando los investigadores desean probar aplicaciones más amplias del mundo real. También demuestra cómo la demanda del mercado impulsa el hardware más allá de los límites de un solo chip. La escalabilidad se convierte en parte integral del producto, no solo en un detalle de ingeniería. 

Kapoho Point en Four Points

• Kapoho Point acumula 8 fichas Loihi 2. 
• La placa proporciona 8,4 millones de neuronas artificiales. 
• Proporciona 960 millones de sinapsis para la fusión de sensores. 
• Ayuda a los investigadores a probar cargas de trabajo más grandes, similares a las de uso comercial.

¿Cómo puede la emulación neuronal a gran escala satisfacer las futuras demandas de procesamiento de hardware de supercomputadoras en el mercado de la computación neuromórfica?

Una forma distribuida de pensar

SpiNNaker optó por un enfoque distinto al de los núcleos neuromórficos compactos. Conectó numerosos procesadores pequeños para simular sistemas neuronales en paralelo. El primer sistema utilizó un millón de procesadores de teléfonos móviles para modelar subsistemas cerebrales. Este enfoque favoreció la escalabilidad, la flexibilidad y la profundidad de la investigación.

SpiNNaker2 incorpora hardware más robusto

SpiNNaker2 impulsó este concepto con un proceso de fabricación FDSOI de 22 nm en el mercado de la computación neuromórfica. Cada chip contiene 152.000 neuronas artificiales y 152 millones de conexiones sinápticas. Además, integra 153 núcleos ARM y 19 megabytes de SRAM. Estas características contribuyen a reducir la latencia y mejorar la eficiencia de las simulaciones a gran escala. 

Escala SpiNNaker2 en cuatro puntos

• Cada chip contiene 152 mil neuronas. 
• Cada chip admite 152 millones de sinapsis. 
• Una máquina completa puede alcanzar los 10 millones de núcleos de procesamiento. 
• La plataforma puede simular hasta mil millones de neuronas.

¿Qué hace que IBM TrueNorth sea esencial para satisfacer las demandas de inferencia de bajo consumo en el borde de la red?

Hito de IBM en el sector del consumo ultrabajo de energía

TrueNorth sigue siendo uno de los ejemplos más claros de la eficiencia del mercado de la computación neuromórfica. IBM lo describió como un procesador neurosináptico en tiempo real de 65 mW. El chip incluye 4096 núcleos, 1 millón de neuronas digitales y 256 millones de sinapsis. Esta combinación lo convirtió en un hito para la inteligencia sensorial de bajo consumo.

Por qué sigue siendo importante para el mercado

TrueNorth se diseñó para la percepción en tiempo real, especialmente en cargas de trabajo visuales. Demostró que el hardware especializado podía superar a los sistemas convencionales en entornos con limitaciones de energía. El diseño asíncrono del chip contribuyó a reducir drásticamente el consumo energético de la comunicación. Este mensaje sigue vigente en el mercado actual de la IA en el borde de la red.

Cifras TrueNorth en cuatro puntos

• TrueNorth utilizó 4096 núcleos neurosinápticos. 
• Contenía 1 millón de neuronas digitales. 
• Contaba con 256 millones de sinapsis. 
• Según las descripciones publicadas en el mercado de la computación neuromórfica, su consumo oscila entre 65 y 73 milivatios.

¿Por qué las industrias de vanguardia modernas demandan la aceleración de BrainChip Akida de ultrabajo consumo?

Inteligencia artificial basada en eventos para productos cotidianos

BrainChip Akida se diseñó para un consumo energético extremo. La plataforma utiliza ejecución basada en eventos y compresión de modelos para reducir el desperdicio de recursos computacionales en el mercado de la computación neuromórfica. Esto la hace atractiva para dispositivos portátiles , dispositivos médicos y sensores de funcionamiento continuo . También es adecuada para aplicaciones donde la dependencia de la nube no es práctica.

¿Por qué es importante el consumo ultrabajo de energía desde el punto de vista comercial?

A medida que los dispositivos se miniaturizan, la duración de la batería se convierte en un factor decisivo para la venta. Akida ayuda a los fabricantes a mantener la IA funcionando con presupuestos de energía mínimos. Además, reduce la latencia procesando los datos localmente. Esto otorga a los productos de borde una ventaja práctica en el mercado. 

Akida se beneficia de cuatro puntos

• Akida Pico está diseñado para consumir menos de 1 milivatio. 
• Una demostración con Raspberry Pi puede alcanzar aproximadamente 100 fotogramas por segundo. 
• La visión en tiempo real puede funcionar con un consumo aproximado de 9 milivatios. 
• Los dispositivos que funcionan con baterías pueden permanecer activos durante largos períodos.

¿Cómo contribuyen las plataformas de emulación de señales mixtas aceleradas al crecimiento del mercado de la robótica ?

La velocidad se convierte en el factor diferenciador en el mercado de la computación neuromórfica

BrainScaleS se centra en la emulación acelerada de señales mixtas. Simula la dinámica neuronal biológica mucho más rápido que en tiempo real. Esta velocidad permite a los equipos de robótica probar rápidamente comportamientos y bucles de control. Además, permite a los ingenieros estudiar modelos neuronales sin tener que esperar al ritmo biológico. 

La demanda de robótica moldea la adopción

La robótica valora la baja latencia, la adaptabilidad y la creación rápida de prototipos. BrainScaleS satisface estas necesidades al transformar el comportamiento en actividad de microsegundos en el mercado de la computación neuromórfica. Además, la plataforma mantiene un consumo energético de alrededor de un vatio durante su funcionamiento. Este equilibrio la hace atractiva para la investigación avanzada en autonomía. 

Escalas cerebrales en cuatro puntos

• BrainScaleS-2 utiliza un ASIC de 65 nm. 
• Cada chip contiene 512 neuronas analógicas. 
• Cada chip proporciona 131.072 conexiones sinápticas. 
• El sistema acelera la dinámica en un factor de 1.000. 

¿Por qué las arquitecturas híbridas como Tianjic satisfarán las necesidades de hardware de procesamiento de borde de amplio espectro?

Un chip, dos estilos de computación

Tianjic destaca por fusionar enfoques de redes neuronales artificiales (ANN) y de impulsos (SNN) en el mercado de la computación neuromórfica. El chip se fabricó con un proceso CMOS de 28 nm. Integra 156 núcleos de computación unificados, 40 000 neuronas de impulsos y 10 millones de sinapsis sin impulsos. Esta estructura híbrida ofrece a los diseñadores una flexibilidad excepcional. 

Por qué el diseño híbrido es importante para la demanda

Los chips híbridos pueden gestionar más de un tipo de carga de trabajo en la misma plataforma. Esto resulta valioso en robots, dispositivos periféricosy sistemas multimodales. Tianjic también demostró una alta eficiencia energética tanto en modo de picos como en modo sin picos. Esto lo convierte en una solución atractiva para las necesidades de un amplio mercado. 

Las cifras clave de Tianjic en cuatro puntos

• Tianjic cuenta con 156 núcleos funcionales unificados. 
• Contiene 40.000 neuronas físicas que generan impulsos eléctricos. 
• Ofrece 10 millones de sinapsis no reactivas. 
• Admite 1,28 TOPS por vatio en modo ANN.

Análisis competitivo: Los 5 principales actores que dominan el mercado de la computación neuromórfica

1. Intel Corporation: Intel lidera el sector gracias a una importante inversión en I+D, y recientemente lanzó Hala Point, el sistema neuromórfico más grande del mundo. Ofrece una enorme capacidad neuronal y una alta eficiencia para la investigación avanzada en IA.
2. IBM Corporation: Pionera en la computación inspirada en el cerebro, IBM se centra en la creación de hardware de IA de próxima generación energéticamente eficiente, aprovechando marcos naturales para maximizar la eficiencia informática general.
3. Qualcomm Technologies: Qualcomm utiliza sus amplias inversiones en I+D para impulsar innovaciones en sistemas de procesamiento de datos de bajo consumo y en tiempo real, con el objetivo de desarrollar capacidades de IA inteligentes para dispositivos móviles y de borde.
4. Samsung Electronics: Samsung destaca por integrar características neuromórficas en sus diseños patentados de memoria y chips semiconductores, una posición respaldada por sólidas alianzas con empresas emergentes de IA y aprendizaje automático. 
5. BrainChip Holdings: BrainChip es un innovador destacado en computación de IA de borde. Ofrecen arquitecturas de hardware especializadas que mejoran la eficiencia energética y la velocidad de procesamiento para aplicaciones en tiempo real.

Análisis segmentado del mercado de la computación neuromórfica

Por tipo de procesamiento: el segmento de redes neuronales de impulsos representó la mayor parte

En 2025, el segmento de redes neuronales de impulsos (SNN, por sus siglas en inglés) acaparó la mayor cuota de mercado, representando más del 36 % de los ingresos del sector. De cara a 2026, las SNN seguirán marcando la pauta en el procesamiento de datos al imitar de forma inherente las funciones cerebrales biológicas mediante arquitecturas basadas en eventos. 

A diferencia de los modelos tradicionales, las redes neuronales de pulsos (SNN) procesan datos solo durante los picos de actividad neuronal, lo que reduce drásticamente el consumo de energía y acelera la ejecución en paralelo. Esta superioridad estructural responde a la perfección a la demanda global de IA de bajo consumo y diagnósticos autónomos en el borde de la red. Los principales actores del mercado están invirtiendo fuertemente en marcos de SNN para comercializar infraestructuras de computación similares al cerebro. Además, la sólida familiaridad del software en este segmento consolida su supremacía.

• Eficiencia excepcional: Ofrece una reducción de energía de hasta 10 veces para la detección de objetos en los bordes en comparación con las redes neuronales artificiales.
• Hardware avanzado: Impulsado por implementaciones revolucionarias para 2026, como la plataforma Hala Point de Intel y la supercomputadora SpiNNaker 2 de los Laboratorios Nacionales Sandia.
• Superioridad temporal: Destaca de forma natural en el procesamiento de datos complejos de sensores temporales y en la gestión asíncrona de patrones de enrutamiento de impulsos sin latencia.
• Madurez del ecosistema: Respaldado por marcos de programación altamente maduros, que simplifican la implementación de algoritmos de aprendizaje escalables y adaptativos.

Por aplicación: El segmento de imagen y visión acaparó la mayor cuota de mercado

El segmento de imagen y visión representó la mayor cuota de mercado en 2025 y mantendrá su dominio absoluto durante todo 2026. Esta prominencia se debe a un aumento sin precedentes en la demanda de análisis de datos visuales en tiempo real en dispositivos inteligentes de borde. Los sensores de visión neuromórfica replican a la perfección la visión biológica, lo que permite la detección de movimiento, el mapeo del entorno y el reconocimiento de objetos con latencias de microsegundos.

Al aprovechar el procesamiento basado en eventos, estos sistemas evitan el consumo redundante de datos de las cámaras tradicionales basadas en fotogramas en el mercado de la computación neuromórfica. En consecuencia, los sectores automotriz y de robótica inteligente dependen en gran medida de este segmento para lograr la navegación autónoma. La integración estratégica de la visión basada en eventos en hardware comercial valida aún más la indiscutible madurez comercial y la trayectoria de liderazgo de este segmento.

• Procesamiento basado en eventos: supera los cuellos de botella de latencia tradicionales al registrar únicamente los cambios dinámicos de píxeles, lo que garantiza una computación visual ultrarrápida.
• Navegación autónoma: Constituye la columna vertebral fundamental de los automóviles autónomos, la visión artificial industrial y los ecosistemas de percepción espacial de los drones.
• Integración comercial: Impulsada por importantes hitos en 2026, incluida la integración de sensores de visión neuromórficos avanzados de Qualcomm en las plataformas Snapdragon.
• Latencia ultrabaja: Proporciona un procesamiento de imágenes instantáneo, crucial para redes de vigilancia inteligentes de alta capacidad de respuesta y para la cartografía ambiental en tiempo real.

Por nodo tecnológico: El segmento de más de 28 nm concentra la mayor parte del mercado de computación neuromórfica

En 2025, la tecnología de 28 nm domina el mercado mundial de semiconductores neuromórficos. Esta tecnología se mantiene como líder indiscutible en la fabricación de semiconductores neuromórficos durante todo el año 2026. Mientras que los procesadores tradicionales buscan activamente reducir su tamaño a menos de 5 nm, los chips neuromórficos dependen de una infraestructura de tecnología madura. 

Estos chips se utilizan especialmente en dispositivos IoT y sensores periféricos que requieren un funcionamiento eficiente y de bajo consumo. El dominio de este segmento se debe a su excelente relación coste-beneficio por oblea y a la gran flexibilidad de sus procesos de fabricación. La computación analógica y las matrices de interconexión ReRAM se integran en arquitecturas superiores a 28 nm sin litografía EUV. Las fundiciones utilizan estos procesos consolidados para producir en masa motores de inferencia de IA fiables y de bajo consumo a gran escala.

• Eficiencia de costes inigualable: Ofrece una viabilidad económica muy superior utilizando litografía DUV estándar en comparación con los costosos nodos de vanguardia sub-10 nm.
• Sinergia entre IoT y sensores: Ideal para la fabricación de sensores periféricos conectados de alto volumen y bajo consumo, así como de chips neuromórficos de señal mixta.
• Integración analógica: Proporciona la infraestructura física ideal para integrar matrices de conmutación ReRAM maduras que almacenan pesos multibit completamente en memoria.
• Escalabilidad de fabricación: Evita los cuellos de botella de la cadena de suministro de vanguardia, lo que permite la rápida comercialización global de ecosistemas de hardware de vanguardia inspirados en el cerebro.

Por sector de uso final: el segmento de electrónica de consumo lideró el mercado

El sector de la electrónica de consumo lideró decisivamente el mercado de la computación neuromórfica en 2025 y marcará la pauta de los ingresos globales en 2026. La posición de liderazgo indiscutible de este segmento se ve impulsada por la creciente demanda de los consumidores de capacidades de IA localizadas y siempre activas. Las arquitecturas neuromórficas permiten que los ecosistemas de hogares inteligentes, los dispositivos portátiles de realidad aumentada y los teléfonos inteligentes modernos ejecuten procesos complejos de aprendizaje automático directamente en el dispositivo. 

Al prescindir de la conectividad continua en la nube, estos chips eliminan la latencia de la red y protegen la privacidad de los datos del usuario en el mercado de la computación neuromórfica. Además, la integración de procesadores neuromórficos de ultrabajo consumo en dispositivos compactos para el consumidor ha revolucionado el seguimiento biométrico en tiempo real, consolidando firmemente la posición de este segmento como el motor comercial más lucrativo.

• Ejecución de IA en el borde: Permite que los dispositivos personales ejecuten algoritmos de IA sofisticados de forma independiente, evitando por completo los retrasos del procesamiento en la nube.
• Duración masiva de la batería: Amplía el ciclo de vida operativo de los monitores de actividad física y los relojes inteligentes entre 10 y 100 veces en comparación con las arquitecturas de silicio tradicionales.
• Privacidad de datos: Procesa localmente los datos visuales y de audio confidenciales de los consumidores, eliminando fundamentalmente las vulnerabilidades de la transmisión de datos en la nube.
• Dispositivos portátiles de última generación: Permiten el funcionamiento de dispositivos electrónicos portátiles de consumo capaces de realizar diagnósticos de salud continuos y de alta precisión en tiempo real directamente en el dispositivo.

Análisis regional del mercado de la computación neuromórfica

América del Norte domina el mercado global gracias a ecosistemas de innovación sin igual

A partir de 2026, Norteamérica domina el mercado global con una cuota de ingresos del 38%. Este liderazgo se debe a la fuerte concentración de fabricantes de semiconductores como Intel, IBM y Qualcomm. Estas empresas están expandiendo agresivamente las arquitecturas de chips inspiradas en el cerebro para su uso comercial e industrial a nivel mundial. Por ejemplo, Intel implementó el sistema Hala Point, con 1150 millones de neuronas, en los Laboratorios Nacionales Sandia. Esta implementación pone de manifiesto la infraestructura de investigación de la región y su liderazgo en la innovación y el desarrollo de la computación neuromórfica. 

Además, la Ley CHIPS, con un presupuesto de 52.700 millones de dólares, fortalece la fabricación nacional de semiconductores y la resiliencia de la cadena de suministro en el mercado de la computación neuromórfica. Una importante financiación federal respalda las aplicaciones de defensa y aeroespaciales mediante las iniciativas de investigación y pruebas neuromórficas de DARPA. Un ecosistema de inteligencia artificial consolidado acelera la adopción de redes neuronales de impulsos en electrónica y vehículos. Más de 150 startups en Estados Unidos y Canadá impulsan soluciones de software y hardware neuromórficas. En consecuencia, la adopción empresarial y el capital de riesgo refuerzan la posición de Norteamérica como centro neurálgico de la computación neuromórfica.

Asia Pacífico emerge rápidamente como el mercado de computación neuromórfica de más rápido crecimiento

La región de Asia Pacífico registra la mayor tasa de crecimiento anual compuesto (CAGR) a nivel mundial, superando el 28 % en 2026. Este crecimiento se debe a las fuertes inversiones gubernamentales y a la expansión de la capacidad de fabricación de productos electrónicos en diversos países.

Porcelana

China lidera esta transformación a través de su iniciativa “Hecho en China 2025”, que busca la autosuficiencia en semiconductores. Importantes empresas e innovadores chinos, como SynSense, integran procesadores neuromórficos en la fabricación y los vehículos eléctricos. Estas integraciones mejoran significativamente autónoma y la automatización industrial en entornos de producción a gran escala.

Japón

Japón desempeña un papel fundamental en la aplicación de la computación neuromórfica en sistemas avanzados de robótica y asistencia al conductor. Los fabricantes de automóviles japoneses priorizan los sensores de visión neuromórfica de baja latencia y bajo consumo energético para mejorar la seguridad de los vehículos.

India

India está expandiendo rápidamente su capacidad en el sector de los semiconductores gracias al apoyo de estrategias nacionales de IA y programas de incentivos. El país muestra una fuerte demanda de chips neuromórficos de ultrabajo consumo que permitan implementaciones a gran escala de IoT en todo el territorio nacional.

Indonesia

Indonesia se está consolidando como un mercado lucrativo y de rápido crecimiento dentro de la región de Asia-Pacífico. La urbanización, de ciudades inteligentes y la creciente demanda de productos electrónicos impulsan la necesidad de soluciones de procesamiento de datos localizadas. Mediante la adopción de hardware de IA basado en eventos, Indonesia reduce su dependencia de la nube y acelera la adopción de tecnología regional. Estos avances combinados fortalecen la posición de Asia-Pacífico como un mercado dominante y en rápida expansión de la computación neuromórfica.

Los 4 principales avances recientes en el mercado de la computación neuromórfica

1. BrainChip + Neuromorphyx: El 5 de marzo de 2026, BrainChip anunció a Neuromorphyx como cliente estratégico y socio comercial para su procesador neuromórfico Akida AKD1500, dirigido a los sectores de defensa, robótica y detección industrial en entornos avanzados. 
2. BrainChip + ForwardEdge ASIC: El 17 de marzo de 2026, BrainChip anunció una colaboración estratégica con ForwardEdge ASIC, una filial de Lockheed Martin, para desarrollar soluciones de procesamiento neuromórfico en el borde de la red para los sectores aeroespacial y de defensa.
3. BrainChip + Klepsydra: El 12 de marzo de 2026, BrainChip y Klepsydra anunciaron una colaboración para crear un entorno de ejecución heterogéneo para Akida, con el objetivo de mejorar la eficiencia del software para la IA neuromórfica en el borde de la red.
4. Innatera anunció en el CES 2026 que presentaría neuromórfica de borde para aplicaciones reales a través de su plataforma Pulsar y sus iniciativas más amplias dentro del ecosistema.

Principales empresas del mercado de la computación neuromórfica

• Investigación cerebral aplicada
• Chip cerebral
• Visión general
• Hewlett Packard Enterprise
• Laboratorios HRL, LLC
• Corporación Intel
• Corporación Internacional de Máquinas de Negocios (IBM)
• Tecnologías Qualcomm
• Samsung Electronics
• SynSense
• Otros jugadores destacados

Descripción general de la segmentación de mercado

Ofreciendo

• Hardware/Chips
  • Cosa análoga
  • Digital
  • Señal mixta
• Software y herramientas
• Servicios

Por Despliegue

• Borde/Integrado
• Nube/Centro de datos

Por tipo de procesamiento

• Redes neuronales de impulsos
• Convolucional/Híbrida

Por aplicación

• Imagen y visión
• Audio y voz
• Fusión de sensores
• Robótica
• Detección de anomalías

Por Nodo Tecnológico

• Por encima de 28 nm
• 14–28 nm
• Por debajo de 14 nm

Por industria de uso final

• Electrónica de consumo
• Automotor
• Industrial
• Cuidado de la salud
• Aeroespacial y defensa
• TI y telecomunicaciones
• Otros

Por región

• América del norte
  • Estados Unidos.
  • Canadá
  • México
• Europa
  • Europa Occidental
    • El Reino Unido
    • Alemania
    • Francia
    • Italia
    • España
    • Resto de Europa Occidental
  • Europa Oriental
    • Polonia
    • Rusia
    • Resto de Europa del Este
• Asia Pacífico
  • Porcelana
  • India
  • Japón
  • Australia y Nueva Zelanda
  • Corea del Sur
  • ASEAN
  • Resto de Asia Pacífico
• Oriente Medio y África (MEA)
  • Arabia Saudita
  • Sudáfrica
  • Emiratos Árabes Unidos
  • Resto de MEA
• Sudamerica
  • Argentina
  • Brasil
  • Resto de Sudamérica