笔者提出的这个观点可能与很多人的认知不一样，但它却是个不争的事实。横向对比，作为AI技术赋能下产品升级的代表，同赛道的别的产品类型包括了AI家电、AI手机等等。
仔细分析显而易见，前者的AI渗透率和感知度依然很低，后者虽然智能属性有所增强、应用生态也不错，但AI的名号却并不响亮，而且由于手机本身具备的智能属性，让厂商和用户都很少单独提及“AI手机”的概念。
纵向对比的线年内，市面上也涌现出很多“AI新物种”，像是Rabbit R1、Orion智能眼镜、Ola智能体耳机等等，而这些与AI PC相比，无论是市场规模、厂商投入的宣发力度、品类认知度等等，也都不在一个层级上。
所以站在用户层面，大家都很好奇AI技术能如何帮助我手中的PC变得更好用和高效，而站在厂商层面，它们也在力求为PC这个诞生已有53年历史的“老古董”寻找一个“新故事”，所以AI PC才被推上了风口浪尖。
关于AI PC的前世问题，此前笔者在《抢你饭碗的电脑真的要来了？写在AI PC爆发的前夜》一文中已经做了非常详细的梳理，其中解答的问题包括但不限于AI PC是不是2023年才诞生的？AI PC和“能运行AI的PC”之间的主要差异等等。
传统印象里，一个新品类的出现，当概念提出后，对品类的相关描述会迅速地被厂商通过产品、技术化的手段实现“具象化”，并快速推向市场。然而在AI PC上，这件事却并不是特别容易，进入2024年，“AI PC”的概念只是在大方向上逐渐清晰，但具体的定义却愈加模糊起来。
其中，关键点便来自于“生态位竞争优势的抢夺”，主要涉及三大势力：芯片厂商、终端厂商和软件厂商。最先提出AI PC概念的是英特尔，作为一家芯片厂商，其在提出AI PC概念的时候，自然就将重点放在了芯片层面，具体来说，英特尔认为AI PC应该基于拥有新架构和独立NPU单元的酷睿Ultra处理器。
相比前代处理器产品，其最大特点便是融合了CPU、GPU以及专用的人工智能加速器NPU。同时，英特尔还强调“融合算力”的概念，即CPU、GPU、NPU都是参与AI任务的，只是各司其职罢了。
从上面的定义中就显而易见，英特尔把PC包装为“AI PC”，核心目的只有一个：卖芯片。只要PC产品采用了搭载NPU单元的新版酷睿处理器，理论上说它就是AI PC，至于AI在上面运行的怎么样，有没有具体的应用来承接端侧算力，尽管英特尔官方宣称已经对主流模型进行了适配，但这并不是英特尔首先考虑的问题。
只要“换芯”就能进化为“AI PC”，作者觉得这是AI PC能够在1年内销量爆发的直接原因。甚至在笔者接触到的不少身边用户那里，即便换了所谓的“AI PC”，他们也没有用过AI功能，从网上下单电脑，到手以后还是该打字打字、该看剧看剧。
但从市场的出货量统计上，是不包括用户对AI应用的使用频率的，因此数据层面看AI PC的市场影响力，远比人们感知的要大得多。根据Canalys数据，2024年第三季度全世界AI PC出货量达1330万台，环比增长49%，占PC总出货量的1/5。同时，Canalys还预计到2027年AI PC出货量将超过1.7亿台。
对这个数据，笔者并不持怀疑态度，甚至现实出货量还会比这个增长的更快。其背后的原因很简单，未来的PC市场，非AI PC才是小众产品。或者说，未来你能买到的电脑，应该大多数都是AI PC的范畴。
像英特尔就已完成了笔记本和台式机主流处理器产品的“AI化”，现阶段只要你购买最新型号的笔记本或者是台式机，基本就等于买了一台“AI PC”回家，尽管很多人可能并不知道它是什么以及能做什么。
当用户还在努力理解何为AI PC的时候，今年年中微软又整了一个“大活儿”，作为软件大厂，微软旗下的PC产品线月迎来常规更新，Surface Pro 10商用版和Surface Laptop 6商用版均采用了英特尔酷睿Ultra处理器。
并且双方在发布产品的同时，还进一步细化了AI PC的定义，最主要的变化是在设计层面增加了一条：AI PC应该配备一个专门用于激活Microsoft Copilot的物理按键。
但在5月份，微软突然枪口一转，宣布推出“Copilot+PC”，这是一个跟AI PC类似，但又不完全相同的产品概念。而与微软站在一个舞台上的，则是PC领域耕耘7年有余却始终没取得好成绩的高通，后者希望凭借骁龙X Elite和X Plus芯片，进入PC领域分得一杯羹。
那微软眼中的AI PC是啥样子呢？首先肯定是系统要内置自家的Copilot，并借助它来实现更多AI应用的落地。但是就跟英特尔加入NPU计算单元的方式类似，微软也没有推出全新的“AI系统”而是把Copilot集成到最新的Windows 11系统和Edge浏览器当中。
另一方面，微软也提出了硬件层面的要求，像是算力门槛，Copilot+PC必须搭载性能达到40 TOPS的NPU单元。表面看起来，提升算力要求似乎是为实现Copilot的本地运行。
但实际上，微软并没有在Copilot+PC中内置本地运行的AI应用，Copilot的功能也不能离开云端算力。而端侧算力门槛，则更像是一张“门票”，因为前文提到的两颗高通PC芯片，正好都能满足这个要求（芯片NPU算力45TOPS）。
有正好能过门槛的，自然也就有被拒之门外的，像是英特尔和AMD，都被挡在了Copilot+PC的门外，高通之所以在算力部署上更加如鱼得水，笔者分析主要是由于手机芯片早在2018年就已经接入了NPU单元，因此在设计经验上更加丰富。
英特尔和微软，一个是CPU市占率78%（2023年Q4数据）的芯片厂商，一个是PC系统应用占比超7成的软件厂商，对AI PC的定义却不一样，两者都是为了卖货，却有不一样的考量，站在英特尔的角度，更加宽泛的概念，能快速将AI PC导入市场，刺激用户换新。
而微软，显然是希望与高通联手，一方面能够更好地与日渐起势的Mac OS抗衡，建立起自己的ARM应用生态，另一方面，则是希望能够通过包装Copilot+PC的概念，同时赚取软件+硬件的利润，让Surface系列更受市场重视。电影《让子弹飞》里有一句台词，笔者觉得非常贴切，“剿匪的胆子我们没，但是借着剿匪敛财的胆子，我们是大大的有。”
此外，以联想为代表的OEM厂商，也在不断细化AI PC的概念，像是需要搭载内置个人大模型与自然交互的智能体、具备本地异构算力等等。所以即便到了2024年末尾，对于“什么是AI PC”这个基本问题，依然没有一个准确的定义，市场中也没有一台能够像iPhone那样能够代表智能手机的AI PC产品。
在笔者看来，这也是现阶段AI PC虽然看似热度很高，实则并不被大众所关注的原因之一。
除了定义方面的模糊，AI PC相较于传统PC的应用落地速度也较为缓慢，现阶段的AI应用仍然以云端为主，这就导致AI PC的“端侧算力”特别难找到适配的场景，用户感知度自然也不高。
与此同时，端侧的有限算力相较于企业部署在云端的高算力服务器，其AI应用的实际体验也有不小的差距。根据笔者之前的测试，现阶段本地算力能够比较好驾驭的模型，其参数量通常只有7-13B，虽然也能完成日常的文稿总结、翻译等简单任务，但距离成熟的AI应用仍有很大差距。
再加上部署模型、训练模型、调整参数等步骤都存在一定的门槛，让本地大模型的存在变得有些尴尬。然而，像很多AI PC上的智能助理、智能体，其本身的基础沟通功能可能会调用本地算力，但到了较为高阶的功能，很多时候还要借助第三方的云端应用来实现。
所以站在实际应用的角度可以对发展至2024年末的AI PC下一个结论，它本质上还是常规迭代的PC产品，围绕AI能力带来的提升基本上没有。端侧不成熟的应用加上有限的算力，让AI PC相较传统PC多出来的“AI”有些名不副实，在云端AI应用可完全替代端侧AI应用并且在体验、能力上全面超越的当下环境，厂商们鼓吹的端侧算力真的有存在价值吗？作者觉得这是要画一个问号的。
那AI PC没有未来了吗？恰恰相反，作者觉得它是“当下鸡肋，未来可期”的产品。实际上，AI之于PC的革新，完全不亚于智能手机相较于功能机的革新，而且跟手机相比，因为PC与生产力的强绑定关系，让它有了更多的施展空间。
在笔者看来，生成式AI的最大优势，就是极大程度上消除了各类知识、应用的“基础门槛”，并让机器可以有明显效果地地替代低效率的重复劳动，而这些恰恰都是PC最需要的属性。
举个更加具体的案例，“编程”过去被认为是很高门槛的工作，对于普通用户来说，并不是没有想要开发一个小程序、撰写一个小脚本的需求，而是为实现这项能力付出的学习成本和最终的劳动产出不对等，而生成式AI，确实能够在一定程度上帮助对编程完全不了解，但对自己需求了解的用户，完成从构思到实现的过程。
类似的跨行业应用案例还很多，比如不了解电脑的小白，怎么去操作电脑里的高阶设置，不擅长制作表格、PPT的员工，怎么去更好地完成年度总结报告、数据汇总等等。尤其是相较于综合社交、娱乐、工作属性的手机，PC在生产力场景的高渗透度，就让它的AI应用可以直接转化为“效率提升”。
网站地图:伟德最新官网
