神经拟态计算（Neuromorphic Computing）又称类脑计算，是一种前沿的计算机工程方法，将硬件和软件元素仿照人脑与神经系统进行建模，是一种模仿人类大脑神经网络结构与运行机制的新型计算范式。与采用二进制架构的传统计算机不同，类脑系统采用脉冲神经网络和模拟信号，打破传统冯·诺依曼架构的计算瓶颈，实现“计算与存储”的深度融合，直接模拟生物大脑处理信息的物理机制，从而实现更高的效率和适应性。

不同于传统 AI 依赖高功耗的全局时钟和连续浮点运算，类脑计算以离散脉冲（Spikes）为信息载体，仅在有信号触发时产生瞬时功耗，实现了时空信息的原生并行处理。这种非匀速、非定量的计算方式，使系统能够像生物神经元一样直接解析事件相机的异步流数据，在极低能耗下获得近乎零延迟的感知响应，从架构层面完成了从“暴力计算”向“高效仿生”的跨越。