El clustering es una de las aplicaciones más significativas en el campo de big data. Sin embargo, utilizar la técnica de clustering con big data requiere una cantidad suficiente de potencia de procesamiento y recursos debido a la complejidad y al incremento resultante en el tiempo de agrupación. Por lo tanto, se han implementado muchas técnicas para mejorar el rendimiento de los algoritmos de clustering, especialmente para el clustering k-means. En este artículo, se propone la técnica de clustering k-means basada en un procesador neuronal para agrupar big data aprovechando la ventaja de los procesadores de aprendizaje automático dedicados de dispositivos móviles. La solución fue diseñada para ejecutarse con un procesador de máquina de una sola instrucción que existe en el procesador del dispositivo móvil. Ejecutar el clustering k-means de manera eficiente en un esquema distribuido basado en el aprendizaje automático móvil puede manejar el clustering de big data en la red. Los resultados mostraron que el uso de un procesador de motor neuronal en un dispositivo móvil inteligente puede maximizar la velocidad del algoritmo de clustering, lo que muestra una mejora en el rendimiento del clustering hasta dos veces más rápido en comparación con los procesadores tradicionales de computadoras portátiles/escritorio. Además, el número de iteraciones requeridas para obtener (k) clusters se mejoró hasta dos veces más rápido que k-means paralelo y distribuido.