一个不为人知的问题是数字系统被迫将神经网络存储在 DRAM 中，这是一种昂贵、不方便且耗电的方法。DRAM 在活动使用期间和空闲期间都会消耗大量功率，因此系统架构师花费大量时间和精力来最大化处理器的利用率。

数字系统的另一个问题是，它们非常精确，这在性能和功率方面付出了巨大的代价，特别是在涉及到神经网络时。试想一下，一个系统必须从一大堆3D非易失性内存中读取数万亿的权重，以实现人工智能算法的即时计算。

在实践中，人工智能不需要那么高的精度。事实上，一些模拟处理器，在非常密集的非易失性存储器中执行模拟计算，已经比数字系统高 10 倍（有可能高 100 到 1000 倍）。它们的速度也快得多，可以将8倍多的信息装入内存。模拟技术更节能的一大优势是，它可以支持极高的处理密度，而不需要先进的冷却或供电基础设施，这对工业和企业应用程序尤其重要。