今天小编分享的互联网经验：AI PC噱头破碎，什么才是真·AI PC？，欢迎阅读。
文 | 半导体产业纵横
距离 AI PC 推出的概念炒作已经一年有余了，但似乎 " 雷声大，雨点小 "。市场和消费者似乎也并不买账。AI PC 真的 "AI" 吗？什么才是真 · AI PC？看看真正的 AI 大厂给的答案吧。
AI PC 概念的兴起
AI PC 是 Artificial Intelligence Personal Computer 的简称，最早由英特尔于 2023 年 9 月提出，短短时间内获得业内广泛青睐，尽管发展时间不长，但业内普遍认为，AI PC 将会是 PC 行业的轉捩點。而 Canalys 对 AI PC 的定义为配备专用 AI 芯片组或模块（如 NPU）的台式机和筆記型電腦，用于处理 AI 工作负载。
2024 年被业界公认为 AI PC 应用的元年，各大企业纷纷推出了自己的 AI 电腦。
3 月初，苹果发布 AI PC MacBook Air。3 月 18 日，荣耀发布公司首款 AI PC MagicBook Pro 16，紧接着，AMD 董事会主席及 CEO 苏姿丰宣布 AMD 锐龙 8040 系列 AI PC 处理器已经实现出货。3 月 22 日，微软宣布推出 Surface AI PC。4 月 11 日，华为发布新款 MateBook X Pro 筆記型電腦，首次应用华为盘古大模型。
某种程度上来说，强绑定 AI 概念的 PC 业确实有了起色。2024 年第四季度，AI PC 出货量达到 1540 万台，占季度 PC 总出货量的 23%。2024 年全年，AI PC 占 PC 总出货量的 17%。其中，苹果以 54% 的市场份额领跑，联想和惠普各占 12%。受 Windows 10 服务停止带来的换机潮，AI PC 的市场渗透率将在 2025 年继续提升。但这其中究竟有多少 AI 含量？
AI PC：雷声大雨点小
2024 年 2 月 23 日，联想 CEO 杨元庆在最新财报发布后表示，预计 2024 年全球 PC 出货量将同比增长约 5%。尽管面临一些挑战，但他坚信人工智能将是推动联想业务增长和重塑的关键因素。
然而，杨元庆也指出，目前 AI PC 市场还处于初级阶段，尽管 " 雷声大 "，但实际销售量和用户接受度还相对较低。他认为，这主要是由于技术成熟度、用户教育以及市场接受度等方面的原因。
对于已经发布的 AI PC 产品，不少人并不认可，核心在于这些 AI PC 中 "AI" 与 "PC"（硬體）基本是分离的。以目前 PC 上最大的 AI 用例——微软 Copilot 来说，在英特尔与微软对 AI PC 的联合定义中，强调必须配备混合架构芯片、Copilot 及其对应的物理按键。但事实是，所有更新到最新 Windows 11 版本的 PC 都能使用 Copilot，因为 Copilot 只依赖于微软 Azure 云端算力，与 PC 硬體本身无关。
而作为掌握核心科技的 AI 芯片老大，英伟达根本就不理微软的定义，试问又有谁能比英伟达更有 AI 的话语权？而英伟达很早就开始布局 AI 领網域的生态，自 1993 年成立以来，一直是加速计算领網域的先驱，拥有最广泛 CUDA 生态应用的 AI 生产力，带有 N 卡独显的高性能 PC，不那么依赖于 OEM 的适配，不但可以运行轻量极的 AI 工具，比如本地的大语言模型，简单的 Stable Diffusion 绘图，甚至可以玩中等规模的 AI 模型，实际使用的生成速度，也比普通核显玩 AI 快得多。
之所以现在 AI PC 受到市场冷遇，主要有以下几点原因：
1、现阶段 AI PC 搭载的 NPU 算力不足
Intel NPU 的 AI 性能最高为 48TOPS，Intel Xe 核显大约 28TOPS。搭载核显的 AI PC 算力目前在 10 - 45 TOPS 这个量级，而搭载 GeForce RTX 40 系列 GPU 的设备，涵盖了筆記型電腦和台式主机，能提供 200 - 1400 TOPS 不同级别的产品方案选择。
而今年发布的 RTX 5090 显卡采用了 NVIDIA 的 Blackwell 架构，这使得它在性能上有了质的飞跃。据 NVIDIA 官方介绍，RTX 5090 的 AI 算力达到了 4000 TOPS，是上一代 Ada Lovelace 架构的三倍。
NPU 的 AI 算力与 GPU 相比可谓是弟中弟。
事实上主流的那些常见 AI 应用方面，本地上哪怕单块 RTX 4080、4090 也不见得多充沛，可想而知 NPU 这点算力也确实没有太多作用。
2、NPU 不带 DRAM，无法单独支撑大模型运行
目前的 AI 大模型从硬體需求来说都是 "DRAM 的大模型 "。NPU 天生不带 DRAM，依赖系统 RAM。也就是运行大模型必须另配 64G 以上的 DRAM 以配合 NPU ——都加码到这份上了，这为啥不直接用 APU/GPU 跑呢，都要加钱了，让谁跑不是跑？
而且 APU 和 GPU 跑 AI 大模型是开源适配好的，可谓是开箱即用。
3、NPU 适配应用少，应用范围窄
理论上，现在 NPU 上已经能跑 LLM 大语言模型、stable diffusion 图片生成、常见 CV 神经网络的推理（包括 Resnet、yolo）、whisper 语音转文字。基本上所有的 AI 推理负载，本质上就是矩阵运算，都能够通过 NPU 来实现低功耗运行。
但实际上现在用户买到的 Windows 筆記型電腦，能够调用 NPU 的应用场景是 Windows Studio Effect 里面的背景虚化、剪映抠图。应用范围实在是太窄了。NPU 支持的本地程式截止目前非常少。
总体来说，目前 NPU 实际能用的功能都是一些花拳绣腿。这一轮 AI 真正火起来，还是因为大家看到 ChatGPT 这样的聊天机器人能够解决很多问题。所以如果真的要让 NPU 发挥作用，还是需要能运行 LLM 大语言模型，而显然当前 AI PC 上的 NPU 无法满足需求。
NPU 还是 GPU 不重要，但本地化的 AI 很需要。而目前来看，是不是 AI PC 并不重要，有没有搭载 NVIDIA GPU 比较重要。
三大厂的 " 真 · AI PC"
此前虽然一些厂商宣传推出了 AI PC 产品。但实际上却至少噱头居多，只是搭载了 NPU 芯片，而没有真正的本地大模型运行。既不能训练、也不能推理。
AI PC 的概念被广泛宣传在筆記型電腦上。然而，现在没有任何一台轻薄本，称得上是高算力的 AI 专用计算设备 PC，反倒是传统的高性能游戏本，搭载强大 GPU 显卡的台式机，可以真的去提供真正的 AI 生产力。
真 · AI PC 还是得看能开发高性能 GPU 的厂商，比如英伟达和 AMD。
而就在今年年初 CES 上，AMD 发布了 AI Max 300Strix Halo。黄仁勋也发布了 Project DIGITS。再加上此前苹果公司的 Mac Pro。这三个是本地部署大模型的利器。堪称 " 桌面 AI 超级电腦 "。
AMD发布的 Strix Halo 有两种：消费级的 Strix Halo--- 主要用于消费性能笔电（游戏本）和商用级的 Strix Halo Pro--- 主要用于移动工作站。曝光的 3DMark 测试数据显示，其旗舰型号 Ryzen AI MAX+ 395 有 16 个基于 Zen 5 架构的 CPU 核心，32 线程；40 个基于 RDNA 3.5 架构的 GPU 核心，即 Radeon 8060S 核显；最高 120W，是标准移动 APU 的 3 倍；支持四通道 LPDDR5X 内存，提供高达 256 GB/s 的带宽。值得注意的是，集成的 Radeon 8060S 核显性能竟达到前代 Radeon 890M 的三倍以上，甚至逼近 RTX 4060 独显水平。
英伟达将其发布的 Project DIGITS 称之为 " 目前体积最小的 AI 超算 "。Project DIGITS 使用了一颗定制的 "GB10" 超级芯片，它在一个核心里融合了基于 Blackwell 架构的 GPU，以及 NVIDIA 与联发科、ARM 三方合作研发的 Grace CPU。资料显示，其中的 Blackwell GPU 能够提供 1PFLOPS 的 FP4 算力，同时 Grace CPU 则包含了 10 个 Cortex-X925 核心和 10 个 Cortex-A725 核心。在 GPU 和 CPU 之间，则是通过大型超算同款的 NVLINK-C2C 芯片到芯片互联总线连接。
Project DIGITS 还配备了一颗独立的 NVIDIA ConnectX 互联芯片，它可以让 "GB10" 超级芯片内部的 GPU 兼容多种不同的互联技术标准，其中包括 NCCL、RDMA、GPUDirect 等，从而使得这颗 " 大核显 " 可以被各种开发軟體和 AI 应用直接访问。
而苹果则在 2023 年发布了 M3 系列芯片并配备了下一代 GPU，代表了苹果芯片图形架构史上最大的飞跃。不仅速度更快、能效更高，并且还引入了称之为 " 动态缓存 " 的新技术，同时首次为 Mac 带来了硬體加速光线追踪和网格着色等新渲染功能。渲染速度现在比 M1 系列芯片快 2.5 倍。值得注意的是，全新的 M3 系列芯片带来最高 128GB 的统一的内存架构。苹果称，对高达 128GB 内存的支持解锁了以前在筆記型電腦上无法实现的工作流程，例如人工智能开发人员使用具有数十亿参数的更大的 Transformer 模型。去年苹果有发布了 M4 Pro 芯片，性能号称超越 AI PC 芯片。
而这三者都采用了一种叫做统一内存架构的技术。统一架构的好处，就是把以前内存和显存（显卡的内存）做了统一，这样就减少了 CPU 和 GPU 通信时候，在内存和显存之间数据通信时候的拷贝。此外，这一技术也能使电腦显存更大，从而可以打破消费级显卡在运行大模型时候显存不足的困境。值得注意的是，统一内存设计不是英伟达首创，苹果 M1 才是第一例。
Deepseek 开启桌面 AI 超级电腦之战
近一段时间以来，DeepSeek 线上算力的严重不足，带火了大模型本地部署需求，三大厂的 " 真 · AI PC" 也都开始厂商部署 DeepSeek。
而 DeepSeek 作为一款 MoE 模型对显存要求高，对算力 / 内存带宽要求相对低。这也给了这些通过统一内存技术而拥有大显存的桌面 AI 超级电腦可乘之机。
之前有国外大佬用 8 台 M4 Pro Mac mini 跑 DeepSeek V3。同样的，预计可以利用四台 Project DIGITS 来部署 DeepSeek V3，而且生成速度应该也会快很多。根据 AMD 自己的公布，strix halo 架构 APU 可以部署 70B 的模型，比 4090 快 2.2 倍，功耗低 87%。
有网友表示，" 打算等 halo 笔记本上市之后把现在的笔记本换掉的，本地部署大模型确实有意思，再过几年也许就可以本地部署 671B 的 INT8 或者 FP8 大模型了。除了大模型，RAM 和 CPU 配置提高了，做其它事情也快。"
AI 赛道，或许是国产厂商切入 PC 芯片领網域的契机。当前许多厂商开始营销各类 AI 一体机产品。相信如果国产厂商能推出更大统一内存，比如 256G 版本的国产 "Project DIGITS"，也许会更受欢迎。
AI PC 的概念，是任人打扮的小姑娘。故事，其实各家有各家的讲法。OEM 各大厂百花齐放，砸钱砸工程师做本地化 AI 应用，軟體有些能本地也能云，云服务可以接入国产模型做商业，可能是一快很好的蛋糕。
低延迟 + 隐私保护，或许是拉动类似 GPT 一类大语言模型，SD 绘图，声音克隆，AI 补帧，抠图，重绘等本地化 AI 应用的一个点。
AI PC 的足够强的边缘算力 + 大内存（显存）+ 优化到足够高效的軟體，结合起来才能有望解决行业痛点，大批量落地 AI 终端。所以说，AI PC 其实也不完全是噱头炒作，不管是更普惠的 AI，更高能效的 AI，还是更强大算力的 AI，还是基于云和网络更简单好用的 AI，都是有在进一步发展技术，摸索市场。
