真正的束縛是熱，而非浮點運算量
人們很容易被吞吐量數字所誘惑，但一個全植入系統受限的並非它能做多少次運算——而是它可以向活體組織排放多少熱。長期升溫必須維持在約一度以內，這使得皮質植入裝置的總耗散上限僅為數毫瓦到數十毫瓦。放大器、運算與遙測全都得從這同一個共用的錢包中支取。
系統層級的預算：類比前端加運算加傳輸的功率，必須落在由最大可容忍升溫 \Delta T_{\max} 與對組織的熱阻 R_{ heta} 所設定的熱限之下。神經形態設計之所以有其價值，正在於它縮小 P_{\mathrm{comp}}，並透過壓縮縮小 P_{\mathrm{tx}}。
這重新框定了整個主題。植入體上運算之所以吸引人，並非因為它快；而是因為在本地運算能縮減遙測帳單，而遙測往往是最大的單一功耗來源。有時最便宜的那焦耳，正是你從未傳送的那個位元。參見 功率預算與組織升溫 以及 熱與功率預算的極限。
閉迴路的延遲
另一項預算是時間。一個閉迴路應用——游標控制、義肢、反應式刺激——需要端到端延遲低於使用者的控制或知覺開始劣化的那些閾值。把運算搬到裝置上可省去無線往返，但晶上推論本身此時便有其自己須遵守的延遲預算。參見 裝置端閉迴路延遲 以及 延遲與穩定性極限。
事件驅動、永遠在線的神經形態硬體在此天生契合：由於它是在脈衝抵達時就予以反應，而非等待某個取樣框或批次，它原則上能以極短、且更重要的是極為可預測的延遲交出一個決策——而對穩定的閉迴路控制而言，可預測性與平均值同等重要。
誠實的清單：已證實、正萌發、屬願景
求真要求我們把三欄分開。已證實：在真實植入系統中運行的晶上 尖峰偵測 與 壓縮，將遙測率削減達數倍以上；脈衝解碼器在體外神經形態板卡上以顯著更低的能量匹配簡單的傳統解碼器；憶阻器交叉陣列在實驗室中計算解碼規模的矩陣乘積。
正萌發：能對抗漂移而自我適應的晶上學習；具容錯能力的較大規模類比記憶體內解碼。屬願景：一個全植入、長期運行、位於人體內、且在裝置上對抗表徵漂移而學習的記憶體內類比脈衝解碼器。最後這種系統尚不存在，而把其各元件的展示與成品混為一談，正是本領域最常見的一種 誇大。
缺席的評測基準
一個較低調的開放問題是測量本身。每次推論能量的數字在不同論文間罕能相互比較：任務不同、訊號品質不同、對邊界之內究竟計入什麼的計算方式也不同。本領域缺乏標準化的、閉迴路的、在迴路中的評測基準——一種對應於其他地方正萌發的 少樣本解碼基準 的神經形態版本——而在 標準機構 對此收斂之前，進展仍將難以比較。
未來走向
一份誠實的解讀指向一條分階段的軌跡，而非單一次躍進。近期：壓縮與尖峰偵測 ASIC 成為高通道數植入體的標準配備——這是最不炫目的一根支柱，卻是真正解開擴展瓶頸的那根。中期：混合系統把神經形態前端與傳統或 邊緣 解碼器配對，將工作跨皮膚分擔。長期：對抗漂移的協同適應晶上學習，以及記憶體內類比解碼——前提是元件可靠度成熟到足以馴服非理想效應。
這一切都無法消解本冊最後一個主題將要面對的更深層天花板——放大器的雜訊底線、熱之牆、以及大腦本身無法削減的變異性。神經形態工程並不廢除這些極限；它讓腦機介面得以在顱骨那毫不寬容的預算之內，運行得更貼近這些極限。至於更寬廣的視野，參見 對未來二十年的誠實解讀。