生成式AI的夏天来得太早，娱乐主义还来不及谢幕，各行各业就已经做好了生产力革命的先手。 百亿级别参数的大模型燃油被打包成一个个处理单元，置于“未来生产力”的版图两侧。科技巨头的焦点战，不断刺激着我们对新生事物落地有多快的想象力：AI PC，并不是一个被创造出来的共识性战略。本地化的AI应用场景不但大量存在，还有可能更早地投入工作和生产。 而在这个“硬件话语权”的时代，AI PC的合纵连横也不再只属于PC品牌和操作系统。作为近来风头正盛的处理器厂商，已经全面步入人工智能硬件时代的英特尔也不遑多让。 Canalys预测，2027年发货的PC中将有60%成为真正意义上的AI PC。即将到来的“换机潮”只是历史的脚程快慢，硬件厂商更关心的，则是技术浪潮下性能与应用的无缝融合。
生成式AI的繁荣，毫无疑问是整个现代生产力技术的分水岭时刻。而商用电脑，作为企业和终端用户处理商业场景和专业级需求的核心工具，也将被彻底迭代。 有史以来，PC对于变革性新兴技术无可取代的消化和承载能力，不仅体现在“更大的设备能做更多的事”。更重要的是，PC环境由于和原生应用开发具有天然的契合性，永远是最先将技术场景落地的。场景自上而下、从开发到应用、从工具属性到消费娱乐一层层突破，无论是硬件革新还是操作系统都在朝着这个方向去走，因此，企业生产力的升级也总是在PC端先完成。 毫无疑问，当下无论从技术端还是市场端出发，对AI的“狂热”都来自于未来的应用价值。而在商业领域，只要应用的价值仍是提高生产力，各行各业的AI PC化就会是一条必经之路。 在今年的AI PC产品发布会上，英特尔宣布与超过10家OEM和超过35家本土ISV伙伴合作，将其已经实现全面AI化的酷睿Ultra处理器用于商用AI PC领域。
如果说几十年前Office、Adobe这些软件生态的成功，来源于商用PC不断提升的性能倒逼着很多行业去定义“数字标准化”，那么，如今英特尔通过酷睿 Ultra在做的事，无异于是在用更细致可控的PC性能去倒逼行业、企业定义“生产力场景”。 毕竟，大模型再好，部分企业终端用户还是会觉得它在行业应用上“食之无味”。有这种观感，主要是大模型这技术对于硬件负载、成本和速度都有着“不切实际的贪婪”。 用户希望得到的结果自然是比人类自身能够创造的上限还要更快、更准确、更多元化。在这种期许下，AI PC不能去做一匹“有翅膀的马”，它应该是一辆能飞能跑的低空汽车：将工业制造的精粹与实际需求场景结合在一起，从而形成更低门槛的革新应用效益。 当开发者还在了解大模型训练是首选NPU还是GPU的时候，AI PC 已经为用户的主流应用场景验证了处理器的AI功能适配性。在英特尔对于AI PC的工作负载设计中，NPU、CPU、GPU在不同应用场景、同一个场景的不同任务中各司其职：NPU为图像音视频处理等低强度的应用指令提供比云端更快的算力，将CPU和GPU释放于更重的大模型任务。 业务重构，往往基于终端最后一公里。英特尔如今在处理器市场的主导地位，正是因为其在每一代PC革命的节点上，都更早地以架构创新的方式完成了自我定位。站在基础设施的成果上积极推动新的技术市场，才能站在技术应用的前沿。 商用AI PC需要面对比消费级AI PC更严峻的考验。毕竟商用群体更加理性，对稳定性的追逐也远远超过了尝鲜意识。企业自身不关心参数，也不像大模型厂商一样瞄准了算力和低功耗的推理引擎，更不会为多余的功能买单，业务效率上的体验大于其他一切。因此，无论是英特尔还是其他硬件厂商，处理器是参天大树的根基，而ISV、开发者、解决方案才是枝繁叶茂前的新芽。 应用生态做得好，表现在两个方面：一个是对业务深水区的探索要到位，另一个就是简化大量低门槛强交互的轻量级日常应用场景。但没有处理器架构的重新设计、释放算力等深度融合，很多定位于“优化”的场景都将不复存在。因此，AI PC时代的另一个趋势是，英特尔等核心硬件厂商也在全面加强对软件生态的投入，从而把酷睿Ultra处理器、vPro平台等产品转化为具有针对性的商业解决方案。
从近两年的用户操作习惯出发，AI PC代表的AI本地化思路，可能是“反常识的”。毕竟，数字化生产完成从本地到云端的主流迁移也不过几年时间。长期的云端化教育下，企业和用户反而会对本地化产生顾虑。 那么，为什么AI大模型从云端回归本地却成了大势所趋呢？ CES 2024大会上，英特尔CEO帕特基辛格总结了关于AI未来趋势的三大法则。 首先，根据经济法则，考虑到云服务高昂的费用，未来的AI数据应该在本地进行处理，从而降低AI的服务成本。 其次是物理法则。由于云端和本地之间传输AI数据时，响应速度可能会受影响，因此物理层数据传输效率的提升，对于AI服务的及时性和准确性至关重要。只有通过硬件、操作系统、应用技术的多方优化与融合，AI运行效率背后的瓶颈问题才能得到解决。一个最简单的例子，即使在没有网络的情况下，200亿参数的大模型也完全可以在英特尔的AI PC上运行。 三是数据保密法则进一步凸显了AI服务本地化的意义。基于很多大模型厂商自身的数据源就是“不可告人的”，在AI和大数据并行的时代，本地数据的安全性和隐私性会远高于云端服务。 此外，英特尔的全新架构也已经让我们意识到，处理器性能和功能的提升，能够直接反映为大模型的本地表现能力更好。在AI PC的本地化下，企业跟随技术的持续演进发展业务是相对自主可控的。反之，如果企业和终端用户的工作流需要大量依托于云端服务，对于硬件变革的直观感受也会受限于服务自身的定价和商业策略。 在一个漫长的SaaS黄金时代过后，企业对于生产力的量化结构也在被重塑。其中一个饱受争议的方向就是，2024年的AI PC，要如何规避奥卡姆剃刀问题？ 解构重构，看上去只是一道关于成本的减法，实际上需要再次唤醒市场。譬如，在如今已经开始被我们称之为“传统PC”的这一代商用电脑中，Siri、Cortana等语音数字助理被广泛植入，其真正能产生的商用价值却乏善可陈。这让很多人对于AI PC上的“AI助手”也望而生畏。 实际上，AI PC 的一大优势是：随着处理器等核心硬件性能提升，加上预装在本地的优化大模型，AI的能力也将避免“因通用而无用”，而是更加“量体裁衣“。它可以是复杂任务所想即所得的简化工具，可以是概念背后的基础设施和想象力，也可以是贯穿整个行业演绎推理创新的原生技术栈。 随着英特尔的Meteor lake实现了近四十年以来CPU架构的最大变革，同一时间“百模大战”的应用方向也在不断细化，AI在PC上的应用门槛已经被大幅降低了。商用AI PC中的第一批应用场景和行业应用已经稳稳着陆，可以说，拥抱全面AI化的生产方式，就是大多数行业和企业未来五年之内推进数字化转型的第一主题。 在这一进程中，英特尔对于AI PC应用场景的推动至关重要。因为在任何一家OEM、ISV研发的单点产品和行业应用都并不足以“定义”AI PC、整合AI生产力的情况下，AI PC的说服力基本来自于硬件厂商和操作系统。换句话说，大多数用户对PC的认知也已经进入了深水区，参数不再能“唬人”。在处理器等关键架构被颠覆且成本可负担之前，本地化AI实现行业级应用的“质变临界点”几乎不可能到来。
在AI PC的发布会上，英特尔锚定了六个关键场景的应用。其中包括面向特定行业和领域进行垂直优化的聊天机器人。除了场景本身之外，英特尔还特别强调了AI PC生态建设的重要性。本地化是一把数字资产的安全锁，而作为新生事物，与已经在企业服务领域深耕多年的开发商、技术合作伙伴们共同成长，才是AI PC能释放可持续价值的“钥匙”。
图源：视觉中国
在目前大模型最主流的聊天机器人场景下，基于酷睿Ultra的AI PC又面向特定行业和领域引入了更加专业的AI问答能力。在英特尔硬件支持下，可预先加载百川2-7B等本地化大模型的驱动人生AIGC助手，就是一个很好的生态实例。驱动人生既是传统PC时代的产物，又在如今的AI场景中通过集成大模型能力，在新一代的AI PC本地环境中迅速迭代转型，同时兼具本地硬件感知的专业性和AI时代的智能体验。 文档处理等办公场景是AI PC另一大主要阵地。AI Office助手能够通过第三方插件植入Office等软件，从单点生成或优化办公体验。其中，来自Office扩展应用厂商Extended Office的Kutools系列工具，也针对英特尔的AI Office助手环境进行了深度优化与AI能力的升级，包括数据处理、AI文档撰写等。在本地贯穿如一的数据环境下，不仅可以理解指令，还可以学习终端用户的办公习惯，从而提供定制化的支持。 值得一提的是，Kutools目前仅在英特尔的AI PC生态下实现了AI化迭代，尚未与其他平台展开合作。 针对金融、教育等知识密集型领域，AI PC的本地知识库是让电脑这一生产力硬件更具专业性的“功臣”。在英特尔的生态下，其已有大量的RAG（检索增强生成）类知识库应用，生态伙伴包括星环、神州数码等。在AI PC的硬件支持下，RAG如今已经能够做到理解多种专业文件格式，实现多轮对话和视频总结，能够帮助个人和企业共享信息内容，也使得AI PC可以从知识沉淀的角度为不同领域提供定制化解决方案。 除此之外，在不断迭代演进的AI视频图像处理、文生图、文生视频、文生3D模型等对于硬件性能要求更高的专业创意领域，英特尔也持续拥抱技术发展。毫无疑问，低功耗管理、独立显卡架构的集成、NPU，这三大创新架构的加持，已经使得酷睿Ultra在办公场景的表现非常亮眼。与三年前的PC相比，性能提升最高可以达到47%。 高性能处理器带来的场景变革是横坐标，各行各业的AI化则是纵坐标上的无限可能。尤其是在商业应用场景丰富的中国市场，每一台商用AI PC可能都代表了一个具体的生产环境。抓住行业生态，也就是把握住了AI PC的最大想象力。 这也就预示着，在商用电脑的深水区，即涉及到工业生产创新的场景中，AI PC也需要不断交出匹配其硬件性能价值的“答卷”。英矽智能在英特尔发布会上分享的AI制药领域的实践，就是一个典型的案例。 众所周知，AI在新药研发领域的降本增效能力已经得到了全球业界的高度重视。英矽智能作为国内AI制药的头部厂商，内部一直使用着覆盖从靶点发现、小分子生成到临床结果预测的一整套药物研发平台。在AI PC实现商用化以后，其将内部最重要的平台之一PandaOmics快速适配到了英特尔的AI PC上。该应用致力于为医院、高校教师、药企研发人员等不同专业人员提供更便利的靶点发现、药理病理机制研究方法。由于此类平台的使用会涉及到处理一些敏感的基因组学数据，因此以本地运行的方式来保护用户数据是不可或缺的。而这恰好是英特尔AI PC作为技术底座最擅长的价值点。 回归AI PC的三大法则，任何新兴技术的生态化周期，都不会脱离的轨道是：在一个单点技术突破与爆发的基础上，通过核心硬件筑基来提供沃土；再以关键性能融合进计算机、商用PC等生产设备与环境，突破场景瓶颈；随后在持续演进的过程中纳入更多经济模式，逐渐让技术创新成为主流生产方式。对于企业自身来说，AI PC是目前既普惠又安全的AI终端，拥抱AI PC就是拥抱效率创新的“迅驰时刻”。 AI强劲的上升轨迹，终究会一步步征服换机与创新周期稍显漫长的商用电脑领域。本地化AI服务显然会为PC领域带来下一条增长曲线，尽管当下一千个人可能对于“什么才是真正的AI PC”有一千种理解，但在这个问题上，已经把处理器技术架构做到位、正在生态与应用场景中持续探索的英特尔则认为：能够在本地端应用AI能力、产生应用价值的，就是AI PC。
夜雨聆风
