神经处理是指模拟生物神经系统信息处理方式的计算技术，核心载体为人工神经网络。它通过大量互联的“神经元”层级结构，对输入数据进行加权求和与非线变换，从而学习特征与规律。与传统冯·诺依曼架构的顺序执行不同，神经处理强调并行分布式计算，擅长处理图像、语音、自然语言等非结构化数据。

现代神经处理主要依赖GPU、TPU及专用神经处理单元（NPU）等硬件加速器，通过深度学习框架实现训练与推理。其应用覆盖计算机视觉、语音识别、自动驾驶、药物发现等领域。神经处理的优势在于自动特征提取和强泛化能力，但高算力需求和“黑箱”特性仍是挑战。随着存内计算、脉冲神经网络等新技术发展，神经处理正朝着更低功耗、更高生物可信性方向演进，成为人工智能的核心驱动力。