La inteligencia artificial (AI) ha cambiado radicalmente el panorama de la ciencia, la industria, la defensa y la medicina en los últimos años. Con el apoyo de una potencia de cálculo y un almacenamiento en la nube considerablemente mejorados, el campo de la IA ha pasado de los estudios principalmente teóricos en la disciplina de la informática a diversas aplicaciones de la vida real, como el diseño de fármacos, el descubrimiento de materiales, el reconocimiento del habla, los coches autoconducidos, la publicidad, las finanzas, las imágenes médicas y la observación astronómica, en las que se ha demostrado que los resultados producidos por la IA son comparables o incluso superiores al rendimiento de los expertos humanos. En estas aplicaciones, lo que es esencialmente importante para el desarrollo de la IA son los datos necesarios para el aprendizaje automático. A pesar de su gran importancia, el primer proceso del desarrollo de la IA, es decir, la recopilación y preparación de los datos, suele ser la tarea más laboriosa y a menudo es un factor limitante de la construcción de algoritmos funcionales de IA. La tecnología Lab-on-a-chip, en particular la microfluídica, es una poderosa plataforma para la construcción e implementación de la IA a gran escala, rentable, de alto rendimiento, automatizada y multiplexada, superando así el cuello de botella mencionado. En esta plataforma, las imágenes de alto rendimiento son una herramienta fundamental, ya que pueden generar información de alto contenido (por ejemplo, tamaño, forma, estructura, composición, interacción) de los objetos a gran escala. Las imágenes de alto rendimiento también pueden emparejarse con la clasificación y la secuenciación de ADN/ARN para llevar a cabo un estudio masivo de las relaciones fenotipo-genotipo cuyos datos son demasiado complejos para analizarlos con las herramientas computacionales tradicionales, pero son analizables con el poder de la IA. Además de su función como proveedor de datos, la tecnología lab-on-a-chip también puede emplearse para implementar la IA desarrollada para la identificación, caracterización, clasificación y predicción precisas de objetos en muestras mixtas, heterogéneas o desconocidas. En este artículo de revisión, motivado por la excelente sinergia entre la IA y la tecnología lab-on-a-chip, describimos los elementos fundamentales, los avances recientes, los retos futuros y las oportunidades emergentes de la IA con tecnología lab-on-a-chip o «AI on a chip» para abreviar.