黄铁军认为，通过模仿生物神经网络实现机器智能是一条十分重要的研究路线，未来它甚至有可能突破生物智能的天花板。尽管生物神经网络是一个慢速系统，每秒钟能产生的神经脉冲数量只有十几个，生物获取和处理的信息量也处于较低水平，但一旦将生物神经网络电子化，其处理信息的能力将比被模拟的生物大脑高出多个数量级。

　　黄铁军说，当与人脑类似的“电脑”变为现实时，它对人脑的大幅度超越就发生了：速度上，“电脑”可以比人脑快多个数量级;规模上，没有颅骨限制，“电脑”可以根据需求扩容;寿命上，电子系统即使有损耗，也可以复制迁移到新系统而永生;精度上，生物大脑的很多缺陷和短板将被“电脑”避免和弥补。

　　目前缺乏应用于现实的模型

　　虽然神经拟态计算前景广阔，但要实际应用仍面临不小挑战。黄铁军认为，缺少应用于现实的模型是神经拟态计算最大的瓶颈。

　　目前不少研究人员正在寻觅突破瓶颈的方式。有两种主要的技术途径：第一种是照着生物的脑部结构，依葫芦画瓢设计神经拟态计算系统。但前提是搞清楚生物神经网络的细节，如神经元的功能、结构，神经突触连接的特性等。

　　当前，人脑神经元的工作模式大体上已被科学家们掌握，大脑中数百个脑区的功能分工也已探明，但是脑区内的神经元网络的细节依旧是个谜。如果把生物神经网络看成地球，单个神经元就是城市里的一户人家，目前城市之间的交通连接是比较清楚的，但这远远不够，还要搞清楚每户人家是如何连接起来的。人脑有近千亿个神经元和数百万亿个连接，要解析出精细蓝图，工程量可想而知。

　　黄铁军认为，20年内就很有可能弄清楚人脑神经网络的精细结构。他还提到，研究人脑结构是个长远目标，目前的工作重点是斑马鱼、果蝇等动物的脑结构。他预测，几年之内果蝇脑(包含约30万神经元)就能解析清楚，这个级别的脉冲神经网络模型就会出现，利用果蝇脑模型，无人机就能更好地实现飞行、避障、追逐等。

　　在生物神经网络蓝图完成之前，第二种技术路径是人工设计脉冲神经网络模型。这也是黄铁军团队的工作内容之一，如基于对生物视觉的初步了解，设计视觉脉冲神经网络模型;根据机器对于目标检测、跟踪和识别功能的需求，研发超速全时视网膜芯片等。

　　专家表示，一旦能解决实际问题，神经拟态计算将会改变人工智能的发展格局。不过，深度学习作为基本方法依然有存在价值，就像算法仍然会在其擅长的领域发挥作用一样。另外，仿生物神经网络是实现强人工智能的一条途径，多种多样的生物智能本身就是最好的证据，但这不等于说所有的智能问题都要用仿生方式去解决。