記憶體內運算／類比記憶體內運算

記憶體內運算（CIM）將神經解碼的主要運算——權重與輸入的乘積累加——直接在儲存權重的記憶體陣列中完成，而非把權重取到獨立的運算單元。在類比形式中，權重以元件電導的方式程式化於交叉陣列裡；施加輸入電壓後，依歐姆定律與克希荷夫定律得到一個累加電流，即在單一步驟中完成點積。這消弭了主導數位推論的資料搬運成本，對矩陣密集的工作負載可將能效提升數個數量級。

代價則是類比特有的：有限精度、元件間與週期間變異、電導漂移，以及陣列邊緣資料轉換器（類比數位／數位類比轉換器）的能量與面積——後者往往主導實際設計。對腦機介面而言，這些限制必須在植入體的尺度與可靠度下達成，因此多數展示仍是在神經基準上評估的桌上型晶片，而非長期植入裝置。