Pour en savoir plus,  demandez un échantillon gratuit 

Comment les benchmarks biologiques et les contraintes de puissance de l'IA stimulent-ils la demande du marché du calcul neuromorphique ?

Le cerveau comme modèle d'efficacité

Le cerveau humain consomme environ 20 watts, ce qui constitue une référence remarquable en ingénierie. Il assure l'équilibre entre cognition, perception et mémoire avec une maîtrise énergétique extraordinaire. Cette performance explique l'intérêt constant porté à l'informatique neuromorphique. Elle promet des semi-conducteurs fonctionnant comme le cerveau humain et consommant moins d'énergie.

La biologie met en lumière des choix architecturaux

Les millions de neurones et les milliards de synapses du cerveau illustrent l'importance du parallélisme. Le matériel neuromorphique s'inspire de ce principe en regroupant mémoire et calcul. Cela réduit les transferts de données constants et contribue à économiser l'énergie. Il favorise également un traitement événementiel plutôt qu'un calcul massif et continu.

Nombres biologiques dignes d'intérêt

• La consommation énergétique continue du cerveau n'est que d'environ 20 watts. 
• Fonctionne avec environ 86 milliards de neurones sur le marché du calcul neuromorphique. 
• Utilise environ 100 billions de connexions synaptiques. 
• Traite les informations temporelles bien plus efficacement que les superordinateurs.

Les contraintes de puissance de l'IA accentuent la pression

L'IA traditionnelle a connu une croissance rapide, mais sa consommation énergétique a également explosé. Les grands modèles et les centres de données nécessitent une consommation électrique, un refroidissement et une infrastructure considérables sur le marché du calcul neuromorphique. L'énergie devient ainsi une contrainte stratégique, et non plus un simple détail technique. Le calcul neuromorphique séduit par sa capacité à réduire la consommation d'énergie par tâche.

Pourquoi cela modifie-t-il le comportement des acheteurs ?

Les entreprises souhaitent désormais une inférence plus proche de la périphérie du réseau. Elles recherchent des systèmes réactifs, sans dépendre de serveurs distants. Elles aspirent également à des coûts d'exploitation réduits et à une empreinte carbone moindre. Ces exigences orientent la demande vers des puces conçues pour une intelligence événementielle parcimonieuse.

Points de données de puissance-pression

• L'entraînement de GPT-3 a nécessité environ 1 287 mégawattheures d'électricité. 
• L'entraînement de GPT-3 a également produit environ 552 tonnes métriques d'équivalent CO2. 
• Une seule requête ChatGPT peut consommer environ 0,42 wattheure. 
• Les centres de données ont consommé environ 460 térawattheures à l'échelle mondiale en un an. 

Pourquoi la demande du marché ouvre-t-elle la voie aux puces Loihi haute densité ?

La première percée d'Intel sur le marché du calcul neuromorphique

Loihi a démontré que les puces neuromorphiques pouvaient être pratiques, compactes et prêtes pour la recherche. La première puce, gravée en 14 nm par Intel, intégrait 128 cœurs neuromorphiques. Elle contenait 130 000 neurones artificiels et 130 millions de synapses. Sa surface était d'environ 60 mm², ce qui soulignait l'intérêt d'une intégration dense.

Loihi 2 fait progresser le concept

Loihi 2 a franchi une nouvelle étape en augmentant l'échelle et l'efficacité. Intel a indiqué que cette puce de deuxième génération utilisait un procédé Intel 4 de préproduction et atteignait un million de neurones. Elle offrait également une vitesse et une densité de ressources supérieures à celles du modèle précédent. Il en résultait une plateforme plus performante pour les chercheurs explorant l'IA événementielle.

Loihi Données qui comptent

• Loihi 1 disposait de 128 cœurs intégrés sur le marché du calcul neuromorphique. 
• Loihi 1 prenait en charge 130 millions de synapses. 
• Loihi 2 a atteint 1 million de neurones. 
• Loihi 2 pourrait fonctionner à environ 1 watt.

Pourquoi l'écosystème au niveau du conseil d'administration est-il important ?

La densité de puces à elle seule ne suffit pas à garantir l'adoption. Les chercheurs ont également besoin de cartes d'évaluation et de systèmes évolutifs. La carte Kapoho Point d'Intel répond à ce besoin en empilant plusieurs puces Loihi 2. Ceci facilite l'expérimentation pour la fusion de capteurs et les charges de travail neuronales plus importantes. 

Qu’est-ce qu’une pile plus grande permet ?

Sur le marché du calcul neuromorphique, une carte à architecture multicouche offre aux développeurs une capacité neuronale bien supérieure sur une seule plateforme. C'est un atout majeur pour les chercheurs souhaitant tester des applications concrètes à plus grande échelle. Cela illustre également comment la demande du marché repousse les limites du matériel au-delà des puces uniques. La mise à l'échelle devient alors un élément central du produit, et non plus un simple détail technique. 

Pointe Kapoho en quatre points

• Kapoho Point empile 8 jetons Loihi 2. 
• La carte fournit 8,4 millions de neurones artificiels. 
• Il fournit 960 millions de synapses pour la fusion des capteurs. 
• Cela permet aux chercheurs de tester des charges de travail plus importantes, de type commercial.

Comment l'émulation neuronale à grande échelle peut-elle répondre aux futurs besoins de traitement matériel des supercalculateurs sur le marché du calcul neuromorphique ?

Une façon distribuée de penser

SpiNNaker a opté pour une approche différente des cœurs neuromorphiques à forte densité. Il a connecté de nombreux petits processeurs pour simuler des systèmes neuronaux en parallèle. Le premier système utilisait un million de processeurs de téléphones mobiles pour modéliser des sous-systèmes cérébraux. Cette approche privilégiait l'évolutivité, la flexibilité et la profondeur de recherche.

SpiNNaker2 ajoute du matériel plus robuste

SpiNNaker2 a perfectionné ce concept grâce à un procédé de fabrication FDSOI de 22 nm sur le marché du calcul neuromorphique. Chaque puce contient 152 000 neurones artificiels et 152 millions de connexions synaptiques. Elle intègre également 153 cœurs ARM et 19 mégaoctets de SRAM. Ces caractéristiques contribuent à réduire la latence et à améliorer l'efficacité des simulations à grande échelle. 

Échelle SpiNNaker2 en quatre points

• Chaque puce contient 152 000 neurones. 
• Chaque puce prend en charge 152 millions de synapses. 
• Une machine complète peut atteindre 10 millions de cœurs de traitement. 
• La plateforme peut simuler jusqu'à 1 milliard de neurones.

Pourquoi IBM TrueNorth est-il essentiel pour répondre aux exigences d'inférence en périphérie à faible consommation ?

IBM franchit une étape importante en matière de très faible consommation d'énergie

TrueNorth demeure l'un des exemples les plus probants de l'efficacité du marché de l'informatique neuromorphique. IBM le décrivait comme un processeur neurosynaptique temps réel de 65 mW. La puce comprend 4 096 cœurs, 1 million de neurones numériques et 256 millions de synapses. Cette combinaison en a fait une référence en matière d'intelligence sensorielle basse consommation.

Pourquoi cela reste important pour le marché

TrueNorth a été conçu pour la perception en temps réel, notamment pour les applications visuelles. Il a démontré que du matériel spécialisé pouvait surpasser les systèmes conventionnels dans les environnements à faible consommation d'énergie. La conception asynchrone de la puce a permis de réduire considérablement la consommation d'énergie liée aux communications. Ce constat reste d'actualité sur le marché de l'IA embarquée.

Les chiffres TrueNorth en quatre points

• TrueNorth a utilisé 4096 noyaux neurosynaptiques. 
• Il contenait 1 million de neurones numériques. 
• Il supportait 256 millions de synapses. 
• Selon les descriptions publiées sur le marché de l'informatique neuromorphique, sa consommation était d'environ 65 à 73 milliwatts.

Pourquoi les industries de pointe modernes exigent-elles l'accélération Akida de BrainChip à très faible consommation ?

IA événementielle pour les produits du quotidien

La puce BrainChip Akida a été conçue pour une consommation énergétique extrêmement faible. La plateforme utilise l'exécution événementielle et la compression de modèles afin de réduire le gaspillage de calcul sur le marché de l'informatique neuromorphique. Cela la rend particulièrement intéressante pour les objets connectés, les dispositifs médicauxet les capteurs. Elle convient également aux applications où la dépendance au cloud est impossible. 

Pourquoi la très faible consommation d'énergie est-elle importante sur le plan commercial ?

Avec la miniaturisation des appareils, l'autonomie devient un argument de vente décisif. Akida aide les fabricants à maintenir l'IA opérationnelle avec une consommation d'énergie minimale. La solution réduit également la latence grâce au traitement local des données, ce qui confère aux produits périphériques un avantage concurrentiel indéniable. 

L'avantage d'Akida se traduit par quatre points

• Akida Pico est conçu pour consommer moins de 1 milliwatt. 
• Une démo Raspberry Pi peut atteindre environ 100 images par seconde. 
• La vision en temps réel peut fonctionner à environ 9 milliwatts. 
• Les appareils alimentés par batterie peuvent rester actifs pendant de longues périodes.

Comment les plateformes d'émulation de signaux mixtes accélérées répondent-elles à du marché de la robotique ?

La vitesse devient le facteur de différenciation sur le marché du calcul neuromorphique

BrainScaleS se concentre sur l'émulation accélérée de signaux mixtes. Il simule la dynamique neuronale biologique bien plus rapidement que le temps réel. Cette rapidité permet aux équipes de robotique de tester rapidement les comportements et les boucles de contrôle. Elle permet également aux ingénieurs d'étudier des modèles neuronaux sans attendre le temps biologique. 

La demande en robotique façonne l'adoption

La robotique privilégie la faible latence, l'adaptabilité et le prototypage rapide. BrainScaleS répond à ces exigences en transformant les comportements en activités à l'échelle de la microseconde sur le marché du calcul neuromorphique. La plateforme consomme également environ un watt en fonctionnement, un équilibre qui la rend particulièrement intéressante pour la recherche avancée en matière d'autonomie. 

BrainScaleS en quatre points

• BrainScaleS-2 utilise un ASIC de 65 nm. 
• Chaque puce contient 512 neurones analogiques. 
• Chaque puce fournit 131 072 connexions synaptiques. 
• Le système accélère la dynamique d'un facteur 1 000. 

Pourquoi les architectures hybrides comme Tianjic répondront-elles aux besoins matériels de traitement en périphérie de réseau ?

Une puce, deux styles informatiques

Tianjic se distingue par sa capacité à fusionner les approches ANN et SNN sur le marché du calcul neuromorphique. La puce, gravée en 28 nm CMOS, intègre 156 cœurs de calcul unifiés, 40 000 neurones à impulsions et 10 millions de synapses sans impulsions. Cette structure hybride offre aux concepteurs une flexibilité exceptionnelle. 

Pourquoi la conception hybride est importante pour la demande

Les puces hybrides peuvent gérer plusieurs types de charges de travail sur une même plateforme. C'est un atout précieux pour les robots, les dispositifs périphériqueset les systèmes multimodaux. Tianjic a également démontré une excellente efficacité énergétique, aussi bien en mode de fonctionnement normal qu'en mode de fonctionnement avec pics de tension. Cela en fait une solution pertinente pour répondre aux besoins d'un large marché. 

Les figures clés de Tianjic en quatre points

• Tianjic possède 156 cœurs fonctionnels unifiés. 
• Il contient 40 000 neurones à impulsions physiques. 
• Il offre 10 millions de synapses non-potentielles. 
• Il prend en charge 1,28 TOPS par watt en mode ANN.

Analyse concurrentielle : Les 5 principaux acteurs qui dominent le marché du calcul neuromorphique

1. Intel Corporation: Intel est à la pointe de la recherche et du développement, avec le récent lancement de Hala Point, le plus grand système neuromorphique au monde. Ce système offre une capacité neuronale massive et une efficacité élevée pour la recherche avancée en intelligence artificielle.
2. IBM Corporation: Pionnière dans le domaine de l'informatique inspirée du cerveau, IBM se concentre sur la création de matériel d'IA de nouvelle génération écoénergétique, en tirant parti des cadres naturels pour maximiser l'efficacité informatique globale.
3. Qualcomm Technologies: Qualcomm utilise ses importants investissements en R&D pour stimuler l'innovation dans les systèmes de traitement de données en temps réel à faible consommation, ciblant les capacités d'IA intelligentes pour les appareils mobiles et périphériques.
4. Samsung Electronics: Samsung excelle en intégrant des fonctionnalités neuromorphiques dans la conception de ses puces de mémoire et de semi-conducteurs propriétaires, une position soutenue par de solides partenariats avec des start-ups spécialisées dans l'IA et l'apprentissage automatique. 
5. BrainChip Holdings: BrainChip est un acteur majeur de l'innovation dans le domaine de l'informatique de périphérie basée sur l'IA. L'entreprise propose des architectures matérielles spécialisées qui optimisent l'efficacité énergétique et la vitesse de traitement pour les applications en temps réel.

Analyse segmentaire du marché du calcul neuromorphique

Par type de traitement : le segment des réseaux de neurones à impulsions représente la plus grande part

En 2025, le segment des réseaux de neurones à impulsions (SNN) a conquis la plus grande part de marché, représentant plus de 36 % des revenus du secteur. Tout au long de l'année 2026, les SNN ont continué de dominer le paysage du traitement de l'information en imitant intrinsèquement les fonctions cérébrales biologiques grâce à des architectures événementielles. 

Contrairement aux modèles traditionnels, les réseaux de neurones à impulsions (SNN) traitent les données uniquement lors des pics d'activité, réduisant drastiquement la consommation d'énergie tout en accélérant l'exécution parallèle. Cette supériorité structurelle répond parfaitement à la demande mondiale en intelligence artificielle embarquée à très faible consommation et en diagnostics autonomes. Les principaux acteurs du marché investissent massivement dans les frameworks SNN afin de commercialiser des infrastructures informatiques inspirées du cerveau. De plus, la maîtrise logicielle de ce segment consolide sa position dominante.

• Efficacité exceptionnelle : Permet une réduction de la consommation d'énergie jusqu'à 10 fois supérieure pour la détection d'objets en bordure par rapport aux réseaux neuronaux artificiels.
• Matériel de pointe : s’appuyant sur des déploiements révolutionnaires prévus pour 2026, tels que la plateforme Hala Point d’Intel et le supercalculateur SpiNNaker 2 des laboratoires nationaux Sandia.
• Supériorité temporelle : excelle naturellement dans le traitement natif et sans latence des données complexes de capteurs temporels et des réseaux de routage de pics asynchrones.
• Maturité de l'écosystème : s'appuie sur des frameworks de programmation très matures, simplifiant le déploiement d'algorithmes d'apprentissage évolutifs et adaptatifs.

Par application : le segment de l'image et de la vision détenait la plus grande part du marché

Le segment de l'image et de la vision détenait la plus grande part de marché en 2025 et conserve une domination absolue tout au long de 2026. Cette position prépondérante s'explique par une augmentation sans précédent de la demande d'analyse de données visuelles en temps réel sur les dispositifs intelligents en périphérie de réseau. Les capteurs de vision neuromorphiques reproduisent fidèlement la vision biologique, permettant la détection de mouvement, la cartographie environnementale et la reconnaissance d'objets avec une latence de l'ordre de la microseconde.

En exploitant le traitement événementiel, ces systèmes s'affranchissent de la consommation redondante de données des caméras traditionnelles à images fixes sur le marché du calcul neuromorphique. De ce fait, les secteurs automobile et de la robotique intelligente s'appuient fortement sur ce segment pour concrétiser la navigation autonome. L'intégration stratégique de la vision événementielle dans le matériel commercial confirme la maturité commerciale incontestable et le leadership de ce segment.

• Traitement événementiel : surmonte les goulots d’étranglement traditionnels liés à la latence en n’enregistrant que les changements dynamiques des pixels, garantissant ainsi un calcul visuel ultra-rapide.
• Navigation autonome : Elle constitue l’épine dorsale essentielle des systèmes de conduite autonome, de vision industrielle et de perception spatiale des drones.
• Intégration commerciale : propulsée par des étapes majeures en 2026, notamment l’intégration par Qualcomm de capteurs de vision neuromorphiques avancés dans les plateformes Snapdragon.
• Latence ultra-faible : assure un traitement d’image instantané, crucial pour les réseaux de surveillance intelligents hautement réactifs et la cartographie environnementale en temps réel.

Par nœud technologique : le segment supérieur à 28 nm détient la plus grande part du marché du calcul neuromorphique

En 2025, la technologie de gravure supérieure à 28 nm domine le marché mondial des semi-conducteurs neuromorphiques. Elle conserve cette position de leader incontesté dans la fabrication de ces semi-conducteurs tout au long de l'année 2026. Tandis que les processeurs traditionnels s'orientent résolument vers une miniaturisation inférieure à 5 nm, les puces neuromorphiques s'appuient sur une infrastructure de gravure éprouvée. 

Ces puces sont particulièrement utilisées dans les dispositifs IoT et les capteurs périphériques nécessitant un fonctionnement efficace et à faible consommation. La domination de ce segment s'explique par un coût par tranche particulièrement avantageux et une grande flexibilité des procédés de fabrication. Le calcul analogique et les matrices ReRAM sont intégrés sur des architectures supérieures à 28 nm sans lithographie EUV. Les fonderies exploitent ces procédés éprouvés pour produire en masse des moteurs d'inférence IA fiables et à faible consommation.

• Rentabilité inégalée : offre une viabilité économique largement supérieure grâce à l'utilisation de la lithographie DUV standard par rapport aux nœuds de pointe inférieurs à 10 nm, coûteux.
• Synergie IoT et capteurs : parfaitement adaptée à la fabrication en grande série de capteurs de périphérie connectés à faible consommation et de puces neuromorphiques à signaux mixtes.
• Intégration analogique : Fournit l’infrastructure physique idéale pour intégrer des matrices de commutation ReRAM éprouvées qui stockent des pondérations multibits entièrement en mémoire.
• Évolutivité de la production : Contourne les goulets d’étranglement de la chaîne d’approvisionnement de pointe, permettant une commercialisation mondiale rapide des écosystèmes matériels périphériques inspirés du cerveau.

Par secteur d'utilisation finale : le segment de l'électronique grand public a dominé le marché

Le secteur de l'électronique grand public a dominé le marché de l'informatique neuromorphique en 2025 et en déterminera les revenus mondiaux en 2026. Cette position incontestée s'explique par la demande exponentielle des consommateurs pour des capacités d'IA localisées et toujours actives. Les architectures neuromorphiques permettent aux écosystèmes de la maison connectée, aux dispositifs de réalité augmentée portables et aux smartphones modernes d'exécuter des opérations d'apprentissage automatique complexes directement en périphérie du réseau. 

En s'affranchissant de la dépendance à une connectivité cloud permanente, ces puces éliminent la latence réseau et préservent la confidentialité des données utilisateur sur le marché du calcul neuromorphique. De plus, l'intégration de processeurs neuromorphiques à très faible consommation dans des appareils grand public compacts a révolutionné le suivi biométrique en temps réel, confirmant ainsi la position de ce segment comme le moteur commercial le plus lucratif.

• Exécution de l'IA en périphérie : permet aux appareils personnels d'exécuter des algorithmes d'IA sophistiqués de manière indépendante, en contournant totalement les délais de traitement dans le cloud.
• Autonomie de batterie exceptionnelle : prolonge la durée de vie opérationnelle des traqueurs d’activité et des montres connectées de 10 à 100 fois par rapport aux architectures de silicium traditionnelles.
• Confidentialité des données : Traite localement les données sensibles visuelles et audio des consommateurs, éliminant ainsi fondamentalement les vulnérabilités liées à la transmission de données dans le cloud.
• Dispositifs portables de nouvelle génération : Alimentent les appareils électroniques portables grand public capables de réaliser des diagnostics de santé continus et de haute précision en temps réel directement sur l’appareil.

Analyse régionale du marché du calcul neuromorphique

L’Amérique du Nord domine le marché mondial grâce à des écosystèmes d’innovation sans égal

En 2026, l'Amérique du Nord dominera le marché mondial avec 38 % des revenus. Cette position dominante s'explique par la forte concentration d'acteurs majeurs du secteur des semi-conducteurs, tels qu'Intel, IBM et Qualcomm. Ces entreprises développent activement des architectures de puces inspirées du cerveau pour des déploiements commerciaux et industriels à l'échelle mondiale. Par exemple, Intel a déployé le système Hala Point, doté de 1,15 milliard de neurones, aux Laboratoires nationaux Sandia. Ce déploiement illustre l'infrastructure de recherche de la région et son leadership en matière d'innovation et de développement dans le domaine de l'informatique neuromorphique. 

De plus, la loi CHIPS, dotée d'un budget de 52,7 milliards de dollars, renforce la résilience de la production nationale de semi-conducteurs et de la chaîne d'approvisionnement sur le marché du calcul neuromorphique. D'importants financements fédéraux soutiennent les applications de défense et aérospatiales, notamment grâce aux initiatives de recherche et d'essais neuromorphiques de la DARPA. Un écosystème d'intelligence artificielle mature accélère l'adoption des réseaux neuronaux à impulsions dans l'électronique et les véhicules. Plus de 150 start-ups aux États-Unis et au Canada développent des solutions logicielles et matérielles neuromorphiques. Par conséquent, l'adoption par les entreprises et les investissements en capital-risque consolident la position de l'Amérique du Nord comme pôle central du calcul neuromorphique.

La région Asie-Pacifique s'impose rapidement comme le marché du calcul neuromorphique à la croissance la plus rapide

La région Asie-Pacifique enregistre le taux de croissance annuel composé (TCAC) le plus élevé au monde, dépassant les 28 % en 2026. Cette croissance est alimentée par d'importants investissements publics et par le développement des capacités de fabrication électronique dans tous les pays.

Chine

La Chine est à la pointe de cette transformation grâce à son initiative « Made in China 2025 », qui vise l’autosuffisance en semi-conducteurs. De grandes entreprises chinoises et des innovateurs comme SynSense intègrent des processeurs neuromorphiques dans la production industrielle et les véhicules électriques. Ces intégrations améliorent considérablement autonome et l’automatisation industrielle dans les environnements de production à grande échelle.

Japon

Le Japon joue un rôle crucial dans l'application du marché de l'informatique neuromorphique à la robotique avancée et aux systèmes d'aide à la conduite. Les constructeurs automobiles japonais privilégient les capteurs de vision neuromorphiques à faible latence et à faible consommation d'énergie pour améliorer la sécurité des véhicules.

Inde

L'Inde développe rapidement ses capacités de production de semi-conducteurs grâce au soutien de stratégies nationales en matière d'IA et de programmes d'incitation. Le pays affiche une forte demande en puces neuromorphiques à très faible consommation, indispensables au déploiement à grande échelle de l'Internet des objets (IoT) sur l'ensemble du territoire.

Indonésie

L'Indonésie s'impose comme un marché en forte croissance et très lucratif au sein de la région Asie-Pacifique. L'urbanisation, de villes intelligentes et la demande croissante en électronique alimentent le besoin de solutions de traitement de données localisées. En adoptant une intelligence artificielle événementielle, l'Indonésie réduit sa dépendance au cloud et accélère l'adoption des technologies à l'échelle régionale. Ces évolutions conjuguées renforcent la position de l'Asie-Pacifique en tant que marché dominant et en pleine expansion du calcul neuromorphique.

Les 4 principaux développements récents du marché de l'informatique neuromorphique

1. BrainChip + Neuromorphyx: Le 5 mars 2026, BrainChip a annoncé que Neuromorphyx était un client stratégique et un partenaire de commercialisation pour son processeur neuromorphique Akida AKD1500, ciblant la défense, la robotique et la détection industrielle en périphérie. 
2. BrainChip + ForwardEdge ASIC: Le 17 mars 2026, BrainChip a annoncé une collaboration stratégique avec ForwardEdge ASIC, une filiale de Lockheed Martin, pour développer des solutions de traitement neuromorphique en périphérie pour l'aérospatiale et la défense.
3. BrainChip + Klepsydra: Le 12 mars 2026, BrainChip et Klepsydra ont annoncé un partenariat visant à construire un environnement d'exécution hétérogène pour Akida, dans le but d'améliorer l'efficacité logicielle pour l'IA neuromorphique de périphérie.
4. Innatera a annoncé lors du CES 2026 qu'elle lançait neuromorphique embarquée concrète via sa plateforme Pulsar et des initiatives écosystémiques plus larges.

Principales entreprises du marché de l'informatique neuromorphique

• Recherche appliquée sur le cerveau
• Puce cérébrale
• Vision générale
• Hewlett Packard Enterprise
• Laboratoires HRL, LLC
• Intel Corporation
• International Business Machines Corporation (IBM)
• Technologies Qualcomm
• Samsung Electronics
• SynSense
• Autres joueurs importants

Aperçu de la segmentation du marché

En offrant

• Matériel/Puces
  • Analogique
  • Numérique
  • Signal mixte
• Logiciels et outils
• Services

Par déploiement

• Bordure/Intégré
• Centre de données/cloud

Par type de traitement

• Réseaux de neurones à impulsions
• Convolutionnel/Hybride

Sur demande

• Image et vision
• Audio et parole
• Fusion de capteurs
• Robotique
• Détection d'anomalies

Par nœud technologique

• Au-dessus de 28 nm
• 14–28 nm
• En dessous de 14 nm

Par secteur d'utilisation finale

• Électronique grand public
• Automobile
• Industriel
• Soins de santé
• Aérospatiale et défense
• Informatique et télécommunications
• Autres

Par région

• Amérique du Nord
  • Les États-Unis.
  • Canada
  • Mexique
• Europe
  • Europe occidentale
    • Le Royaume-Uni
    • Allemagne
    • France
    • Italie
    • Espagne
    • Le reste de l'Europe occidentale
  • Europe de l'Est
    • Pologne
    • Russie
    • Le reste de l'Europe de l'Est
• Asie-Pacifique
  • Chine
  • Inde
  • Japon
  • Australie et Nouvelle-Zélande
  • Corée du Sud
  • ASEAN
  • Reste de l'Asie-Pacifique
• Moyen-Orient et Afrique (MEA)
  • Arabie Saoudite
  • Afrique du Sud
  • Émirats arabes unis
  • Reste du Moyen-Orient
• Amérique du Sud
  • Argentine
  • Brésil
  • Le reste de l'Amérique du Sud