AI PC迎面扑来，是划时代的生产工具还是噱头？

随着人工智能技术的飞速发展，AI PC（人工智能个人电脑）逐渐成为热门新品，自CES 2024消费展以来，AI PC成为芯片厂、设备制造商的宣传重点，是要将其打造成划时代的产品。消费类电子的AI时代是否已经真的到来？本文将从多个角度对AI PC进行深入分析，包括其定义、硬件厂商的推广动机、算力水平、市场现状以及行业与个人用户的应用前景。

什么是AI PC

AI PC是指集成了人工智能技术的个人电脑，能够直接在电脑端进行AI运算的设备，无需依赖云平台或计算中心。这类电脑出厂即支持生成式AI功能，能够执行如内容摘要、提炼观点等智能任务，并且随着使用时间的增长，会越来越了解用户的工作方式和偏好。这些服务包括但不限于语音识别、图像处理、自然语言处理、智能推荐等。

从芯片角度讲，就是在处理器里内置了专为AI设计的处理器核心，通常称之为 NPU（神经网络处理器）。之所以采用这种新型处理器来运行AI模型，是因为其运算效率远超CPU，即便是GPU也是难以匹敌。NPU算力通常以TOPS（万亿次每秒）来计，可见一斑。从整机设备来讲，AI PC就是指集成了NPU的个人电脑。

GPU也能运行AI模型，为什么不把带GPU的PC也成为AI PC呢？诚然，目前AI模型训练主要还是基于GPU显卡集群，并且占有绝对的市场份额优势。但是这种碾压式的市场份额是由于英伟达的先发优势，虽然GPU运行AI模型的效率不如NPU，但是其软件生态十分完善，目前主流的AI模型也都是基于GPU训练开发。但是这仅限于行业应用，对于PC来说，成本是绕不过去的话题。NPU的后发优势是可以高效运行AI模型，也可以理解为同等成本下，NPU的效率远高于GPU。用户可以选用一块高端的英伟达显卡来做模型推理应用，但是其成本将远高于采用NPU的推理应用。

似乎也是为了打破NVIDIA的霸主地位，英特尔、AMD、高通、苹果等芯片厂商将独立NPU集成到处理器中，这样，任何一台PC成品就具备了基本的AI算力，AI PC由此而来。

硬件厂商为什么强推AI PC

全球消费电子市场持续低迷，AI PC似乎成为了硬件厂商的救命稻草，期望将其打造成一个新的业务增长点。不可否认的是，近几年AI技术发展突飞猛进，也确实给人们带来不小的震撼。随着AI技术的发展，硬件厂商需要不断创新以保持竞争力。AI蓬勃发展，市场关注度日益增长，市场需求愈发旺盛，消费者对于智能化、个性化服务的需求日益增长。

AI走红，成为行业的焦点，任何厂商都希望搭上这个快车。AI技术在各行各业的应用越来越广泛，硬件厂商需要紧跟这一趋势。一时间，所有的终端设备开始宣传AI能力，芯片厂则是直接集成NPU来显示自己对AI产业的信心。

目前主推的AI PC算力大概在什么水平

目前PC芯片主要有X86和arm两种架构。X86阵营就是英特尔和AMD的主要阵地，arm架构则是苹果的M系列处理器和高通的桌面版处理器。从发布的新品处理起来看，其NPU算力大概在50TOPS左右的水平，40TOPS是微软Copilot指导算力需求，也就是说大家似乎都在卡着“及格线”操作。而RTX4090的等效算力大概是3000TOPS，由此可见，现阶段主流厂商推广的AI PC算力似乎有点诚意不够。

当然华为、联发科、龙芯、瑞芯微等处理器也在快速发展，不过在PC领域的份额相对较少。并且这些芯片的PC应用可能更偏向于行业市场，在此不作详细讨论。

目前“千模大战”，模型更新迭代很快，个人用户需谨慎

当前AI领域存在“千模大战”的现象，即市场上有大量的AI模型，且这些模型更新迭代速度非常快。这对于个人用户来说可能不太适合，因为技术门槛、成本问题、运营维护等问题十分突出。目前的AI模型应用还相对繁琐，并不能像应用程序那样方便稳定，即便是基于云端的AI服务，其产出也并不稳定。个人用户可能缺乏必要的技术知识来理解和运用这些模型。

成本问题也十分突出，频繁更新的模型可能导致个人用户在硬件和软件上的持续投入。而AI PC的算力更是难以升级，直接受限于处理器，这种情况下，AI模型迭代升级、或者更换其他模型，极有可能出现算力不够的情况。软件的维护难度也是一个难题，个人用户可能没有足够的资源来维护和更新这些复杂的AI模型。总的来说，目前大部分模型的使用门槛较高，还没有进入普适推广阶段。

AI怎么样，用一用才知道

AI的表现到底如何，不是听别人说，最好还是自己实际操作一下。对于AI PC来说，目前AI PC的产品定义是参考微软Copilot，以期用户基于本地的NPU实现类似Copilot的功能。微软Copilot实际是接入了ChatGPT大语言模型的应用，如果用户想知道AI PC能达到怎样的效果，直接测试GPT的应用即可。当然，除了GPT，一些文生图、图生视频、效果滤镜也是AI的热门应用方向。目前国内的Kimi、文心一言、天工等AI模型都是免费的，用户可以先尝试一下。看看现有的AI能力，在自己的实际操作下是否能够有效地提高生产力。

AI仅仅是工具，别指望它能自主完成工作

尽管AI技术在很多方面表现出色，AI模型在各种评测中的成绩越来越优秀，但它仍然只是一个工具。优秀的工具能大幅提高生产效率，前提是人们能够正确地使用工具。用户应该意识到AI仅仅是一个辅助工具，AI可以辅助用户完成工作，提高效率，但不能替代人类的创造力和决策能力。人机协作才是长远的发展模式，最有效的工作方式是人与AI的协作，而不是完全依赖AI。AI的训练数据源于网络，数据真实性堪忧，即便是精选过的数据，依然存在数据陷阱的问题，任何AI创作的内容，都需要人工确认，毕竟是人对输出内容负责。

时至今日，再聪明的AI也依然存在胡说八道和答非所问的问题。也许是交互方式的问题，也许是因为我们还无法弄清AI推理的内在逻辑。为了得到我们想要的内容，撰写提示词已然成为了一种技术，但即便是同样的提示词，得到的内容也会有很大的出入。想要得到专业、可靠的内容输出，用户本身就需要掌握这些专有技术。用户需要对AI输出内容进行判断、修改，来提高质量。用户需要不断学习和适应AI技术的发展，以充分利用其潜力。

你是仅仅需要AI服务，还是要在本地部署大模型

待你体验过AI工具，尤其是大模型，多模态模型的能力后，确定AI可以成为你的助力，作为用户你需要考虑是仅仅需要AI服务，还是在本地部署大模型。如果用户的需求较为简单，可能只需要云服务提供的AI功能，这种情况下，AI PC就没什么优势了。如果需要重点考虑数据隐私，那本地部署AI应用是不错的选择。对于重视数据隐私的用户或企业，本地部署大模型可能更为合适。当然，成本是绕不过去的话题，虽然云端服务可能部署成本更低，本地部署大模型可能需要更高的初始投资，但长期来看可能本地部署更具成本效益。

在行业应用中，AI产能爆表，对个人用户来说为时尚早

在行业应用中，AI技术已经展现出巨大的生产力，例如在数据分析、自动化流程、客户服务等领域。然而，对于个人用户来说，AI技术的普及和应用还处于早期阶段。目前AI PC的应用场景更多集中在企业级市场，个人用户的应用场景尚待开发。AI技术在个人应用领域的成熟度还不够高，产品表现不稳定，用户体验还需进一步改善。

对于个人用户来说，STT、TTS、智能翻译这些简单的AI应用已经十分普及，并且融入了现有的应用软件，无需对硬件升级。从AI技术来讲，机器视觉、AIGC是比较常用的两个方向。机器视觉大多应用行业市场，AIGC比较贴近个人用户需求。图文转化、视频生成、缩写、扩写这些功能都属于AIGC范畴。但是正如我们前面所提到的，对于个人用户来说，其需求可能是多变的，并且对接的AI模型可能也处于快速迭代的过程中，至少目前还没有办法提供一个稳定的多功能AI模型。因此对个人用户来说将AI PC作为一个基础的生产工具来使用还为时尚早。