脑机百科消息(bciwiki.com)，据ITM Web of Conferences发布的论文，Wenxi Zhang于2026-10-15在《ITM Web of Conferences》发表系统性综述，梳理面向脑机接口的边缘AI加速器。论文讨论将计算从云端转移到设备端的片上系统，并强调硬件与软件协同设计，以应对设备严格的能量和内存限制。
在算法层面，综述讨论了包括卷积神经网络与Transformer混合模型在内的压缩技术，关注如何在维持准确性的同时减少计算负担。在芯片层面，论文梳理了定制数据流调度、存内计算和类脑计算架构。其中，存内计算将计算安排在存储位置或其附近，相关设计旨在缓解数据搬运和存储访问造成的瓶颈，即“存储墙”。
综述将能耗、延迟和准确性之间的三方取舍视为部署的核心挑战。作者认为，设备端自适应学习是应对不同使用时段神经信号变化的重要机制，并提出将隐私保护硬件框架与多模态传感器融合相结合，作为后续发展方向。
论文对技术路线的归纳与作者提出的方向，不等同于某一脑机接口系统已获得临床效果或安全性验证。其讨论重点是如何协调算法、数据流与芯片架构，而非报告一款设备的临床试验结果。