夜雨聆风5 月 29 日上午 9 点，太平洋时间。
NVIDIA 官方 X 账号发了一条帖子，只有一句话和一串数字："A new era of PC. 25.0528, 121.5990." 紧接着，微软 Windows 官方账号发了一模一样的话。然后是 Arm。三个巨头，同一时间，同一句话，同一串数字。
没人知道那串数字是什么意思，但所有人都知道——有大事要发生了。
没人知道那串数字是什么意思，但所有人都知道——有大事要发生了。
这不是暗示，这是明示。社交媒体上所有人都在猜：NVIDIA 要发新芯片了，一颗能塞进笔记本的 ARM 处理器。
但问题是：如果只是一颗新芯片，需要三个巨头同时发帖吗？
答案不会只是一颗芯片那么简单。
一、你的电脑正在被"接管"
我们一定能记起来，就在５个月前，一个叫 OpenClaw 的开源项目火遍全网。它不是一个聊天机器人，不是一个写作助手——它是一个能"住在"你电脑里的 AI 操作系统。
它能读你的文件、管你的日历、帮你发消息、操控浏览器、执行命令、记住你所有的偏好和习惯。它不是被动等你提问，而是主动巡检、定期汇报、自主决策。它有自己的"记忆"系统，跨会话保持连续性。图标是一只红色龙虾，国内网友直接叫它"小龙虾 AI"。
这个项目火了。 因为它第一次让普通人看到了一种可能：AI 不只是聊天框里的文字，它可以真正住进你的电脑，帮你干活。
然后大厂们开始跟进。
Anthropic 的 Claude Cowork：2026 年初推出，直接集成在 Claude Desktop 里。它能看到你的屏幕、移动鼠标、点击按钮、操作任何桌面应用。你给它一个文件夹，说"把下载目录里乱七八糟的文件按类型整理好"，它就真的去打开文件管理器、创建子文件夹、移动文件、重命名——全程不需要你动手。
OpenAI 的 Codex：2026 年 4 月 16 日，OpenAI 发布了 Codex "Background Computer Use"功能。Codex 在 macOS 上拥有了自己的光标，能看到你的屏幕、点击、打字、操作任何桌面应用——而且是在后台运行，你继续干你的事。5 月 29 日，OpenAI 又宣布 Codex 登陆 Windows 11，并且支持从 ChatGPT 手机端远程控制。一台电脑，多个 Agent 并行干活。
腾讯的 Marvis（马维斯）：2026 年 5 月 20 日正式发布，直接深入 Windows 操作系统层级。6 个专业 Agent 组成"AI 团队"——File Agent 管文件、Computer Agent 管系统、Browser Agent 操作浏览器、App Agent 调用 Excel/Photoshop/剪映、Search Agent 全网搜索。一句话"把下载目录里最近 7 天的发票整理出来按月份分类"，它就去执行了。手机可以直接远程操控电脑，还支持隐私模式，所有推理本地完成，数据不上云。值得注意的是，腾讯此前已经推出过 QClaw（同样是桌面 AI 助手），Marvis 可以看作是这个方向的升级版。
不只这些。 阿里推出了 QoderWork，阶跃星辰发布了 AI 桌面伙伴，MiniMax 也入局了。2026 年上半年，桌面 AI Agent 赛道突然拥挤起来。
这些不是科幻，是 2026 年 5 月已经发布、正在运行的产品。
它们有一个共同的方向：AI 操作系统。
传统的操作系统是"你告诉它做什么，它做什么"。AI 操作系统是"它理解你在做什么，预测你想做什么，主动帮你做事"。从"回答问题"到"直接执行任务"——这中间相差的是一个时代。
但所有人都撞上了同一堵墙——
二、50 TOPS 的 NPU，撑不起一个 AI 操作系统
现在市面上的"AI PC"是什么水平？
微软的定义：NPU 算力超过 40 TOPS，就是 Copilot+ PC。高通 Snapdragon X、Intel Lunar Lake、AMD Strix Point——基本都在 40-55 TOPS 这个区间。
能干什么？实时视频字幕、AI 降噪、图像超分、Windows Studio Effects。说白了，都是"锦上添花"的小功能。离一个真正的 AI 操作系统，差了十万八千里。
一个能操控电脑的 AI Agent 需要什么？
• 本地跑大模型：不是 7B 小模型，是 70B 级别的推理模型。Agent 需要"思考"——链式推理、多步规划、理解上下文 • 多模型协作：一个 Agent 可能同时调用语言模型、视觉模型、代码模型 • 长上下文记忆：记住整个任务链的上下文，token 消耗巨大 • 实时响应：操控电脑需要毫秒级延迟，不能等云端来回 • 隐私安全：Agent 要看你的屏幕、操作你的文件、处理企业数据——这些不能传到云端
50 TOPS 的 NPU 跑 7B 小模型都费劲，更别说 Agent 级别的推理了。
云端当然可以跑。 但云端 AI 操作系统有三个致命问题：延迟（操控电脑卡成 PPT）、隐私（你的屏幕内容实时上传）、成本（Agent 7×24 小时运行，按 token 计费的账单会非常感人）。
结论很清楚：现在的"AI PC"撑不起一个真正的 AI 操作系统。要让 AI OS 从云端搬到桌面，需要完全不同的硬件。
三、DGX Spark：黄仁勋的桌面实验
2025年3月，NVIDIA 发布了一台小盒子——DGX Spark。
参数很疯狂：GB10 Grace Blackwell Superchip，20 核 ARM CPU + Blackwell GPU，6144 个 CUDA 核心，128GB 统一内存，1 PetaFLOP 的 AI 算力。整机只有 1.2 公斤，功耗不超过 150W。售价 $3,999。
它跑 Ubuntu Linux，预装 NVIDIA 全套 AI 软件栈。装个 Ollama 就能直接跑 70B 大模型。开发者在桌面上就能做以前需要数据中心才能做的事。
DGX Spark 验证了一件事：ARM + Blackwell + 统一内存 = 能跑 AI 操作系统的硬件架构。
但它有两个问题：跑 Linux（普通用户用不了），面向开发者（不是消费级产品）。
黄仁勋需要的，是把这套架构塞进一台跑 Windows 的笔记本里——让每个人都能拥有一个本地 AI 操作系统的硬件基础。
四、N1X：给 AI 操作系统装上本地引擎
N1X 就是答案。
跟联发科联合开发，台积电 3nm 工艺，2.5D 双 chiplet 封装——CPU die 和 GPU die 通过 NVLink C2C 互联，双向带宽 300 GB/s。
CPU：20 核 ARM v9.2（10× Cortex-X925 性能核 + 10× Cortex-A725 效率核），主频最高 4.0GHz。
GPU：48 个 Blackwell 流式多处理器，6144 个 CUDA 核心——和桌面 RTX 5070 完全一致。192 个第五代 Tensor Core。
AI 算力：1000 TOPS（NVFP4 精度）。
当前最强的"AI PC"NPU 是 50 TOPS。N1X 是它的 20 倍。
内存：128GB LPDDR5X 统一内存，CPU 和 GPU 共享同一块内存池。70B 参数大模型（Q4 量化约 35GB）轻松装下。
更重要的是 CUDA 生态。高通不支持 CUDA，苹果不跑 Windows，AMD 的 ROCm 跟 CUDA 比是九牛一毛。N1X 原生支持 CUDA——PyTorch、llama.cpp、TensorRT-LLM、ComfyUI，全部直接跑，不用改代码。
这意味着什么？
OpenClaw 这样的 AI 操作系统框架，现在跑在云端服务器上。有了 N1X，它可以跑在你自己的笔记本上——本地推理、零延迟、完全隐私、无限使用。
Computer Use Agent 需要实时分析屏幕、理解界面、规划操作——这些对算力的需求，N1X 的 1000 TOPS 刚好能满足。
五、AI Agent 需要什么样的 PC？
2026 年是 AI Agent 爆发之年。
从 ChatGPT 的"一问一答"，到 Agent 的"自主规划、调用工具、执行任务"——AI 正在从"聊天"进化成"干活"。微软的 Copilot+、Google 的 Project Astra、各种开源 Agent 框架，都在往这个方向走。
但 Agent 对本地算力的要求，跟聊天完全不是一个量级。一个真正好用的本地 AI Agent 需要：
• 推理能力：链式推理、多步规划，不是简单的文本生成 • 多模型协作：同时调用语言模型、视觉模型、代码模型 • 长上下文记忆：记住整个任务链的上下文 • 隐私和安全：操作你的文件、浏览你的屏幕——不适合上传云端
N1X 的 1000 TOPS + 128GB 统一内存，第一次让"笔记本本地跑 Agent"这件事变得现实可行。
六、AI 操作系统：Windows 正在变成什么？
微软的野心不只是一个 Copilot 助手。NVIDIA的野心肯定也不会只是一块芯片。
Windows 11 已经在往"AI 操作系统"的方向走：Recall（屏幕记忆——AI 记住你做过的所有事）、Click-to-Do（看到什么就能做什么）、Studio Effects（AI 实时视频特效）。Copilot+ PC 的定位不是"有 AI 功能的电脑"，而是"AI 原生的电脑"。
但这些功能有一个共同的瓶颈：需要本地 AI 算力。 Recall 需要实时分析屏幕内容——每一帧都要推理。Click-to-Do 需要理解上下文——多模态模型本地运行。NPU 的算力根本不够，需要 GPU 级的推理能力。
这就是微软和 NVIDIA 同时发帖的原因。Windows 的 AI 野心需要 N1X 级别的算力来落地。
未来的操作系统本身就是一个 AI Agent：它理解你在做什么、预测你想做什么、主动帮你做事。但这需要的不是 50 TOPS，是 1000 TOPS。
七、短板：别急着吹爆
说完愿景，得泼点冷水。N1X 不是完美无缺，有几个硬伤需要正视。
内存带宽是最大的物理瓶颈。 统一内存只有 301 GB/s，而桌面 RTX 5070 的 GDDR7 显存带宽超过 500 GB/s。这意味着重度图形任务——4K 游戏、3D 渲染、高分辨率视频编辑——会明显受限。Tom's Hardware 评测 DGX Spark 时的原话是："可以玩游戏，但不是这平台最强的场景。"统一内存的优势是让 CPU/GPU 共享数据，但代价是带宽天花板比独显低了一大截。
功耗和散热是笔记本形态的噩梦。 N1X 的 TDP 高达 120-140W，作为对比，高通 Snapdragon X Elite 只要 23W，苹果 M4 Max 约 40W。为了给 N1X 供电，OEM 厂商不得不在主板上堆 8+6+2 相供电模块（简单说就是更粗的"电源管道"来喂饱这颗芯片）。结果就是：N1X 笔记本不可能做到轻薄本的厚度和重量，散热风扇会经常转起来，续航时间也会大幅缩水。这不是"轻薄 AI 本"，更接近"移动工作站"的定位。
Windows ARM 软件兼容性依然是"噩梦"。 这个词不是我说的，是接近 NVIDIA OEM 合作伙伴的消息源原话。x86 应用靠 Prism 翻译层运行，性能有损耗，而且很多应用压根跑不了——尤其是反作弊系统不兼容 ARM，意味着大量在线游戏直接出局。微软花了三年推 Windows on ARM，兼容性问题至今没有彻底解决。
时间线也不乐观。 首发设备预计 2026 年 Q4，大规模铺货要到 2027 年初。开发者工具链的适配——PyTorch、llama.cpp、TensorRT-LLM、ComfyUI——需要在上市前完成。NVIDIA 有第一天就交付 CUDA 支持的记录，但消费级 ARM 笔记本这个品类是全新的，验证流程从未走过。而且竞争对手不会等：高通 Snapdragon X2 预计 2027 年 Q3 出货，Intel Panther Lake 也在路上。
八、写在最后：从游戏显卡到 AI 帝国
要理解黄仁勋的野心，得看清楚 NVIDIA 这条路是怎么走过来的。
第一步：游戏显卡起家。 1999 年 GeForce 256 问世，NVIDIA 定义了"GPU"这个品类。此后二十年，它统治了 PC 游戏市场，GeForce 成为游戏玩家的标配。
第二步：CUDA 生态锁定开发者。 2006 年 CUDA 发布，让 GPU 可以跑通用计算。当时没人觉得这很重要，但黄仁勋赌对了——AI 研究者发现 GPU 跑神经网络比 CPU 快几十倍，CUDA 成了唯一的工具链。十几年积累下来，PyTorch、TensorFlow、llama.cpp、ComfyUI——整个 AI 开发生态都建立在 CUDA 之上。这不是技术优势，是生态壁垒。
第三步：数据中心称王。 H100、H200、B200——NVIDIA 的数据中心 GPU 成了 AI 训练和推理的"硬通货"。上个季度数据中心收入 512 亿美元，占总营收 90%。英伟达市值飙到 4.6 万亿美元。
第四步：从云端到终端。 DGX Spark 验证了桌面 AI 推理的可能性。N1X 则是把这套能力塞进笔记本——让每个人都能拥有一个本地 AI 操作系统的硬件基础。
从游戏显卡到数据中心算力帝国，再到消费级 AI PC——这不是三步棋，是一盘下了二十五年的大棋。N1X 是这盘棋的最新一手：把 AI 计算从云端拉到每个人的桌面上。
当 OpenClaw 们从云端搬到本地，当 AI 操作系统从概念变成日常，当每个人的笔记本都能跑一个 70B 的 AI Agent——
PC 这个四十年的老物种，可能真的要进化成一个新物种了。
6 月 1 日，黄仁勋将在台北音乐中心做 GTC Taipei 主题演讲——就是那串坐标 25.0528, 121.5990 指向的地方。北京时间上午 11 点，太平洋时间 5 月 31 日晚 8 点。N1X 的真身、OEM 阵容、定价——所有悬念即将揭晓。
三个巨头同时写下"A new era of PC"，不是在炒作一颗芯片，是在宣告一个时代。
PC 这个四十年的老物种，这次可能真的要进化成全新的形态了。
参考来源：Tom's Hardware、The Verge、PCMag、TechPowerUp、ChatForest、PCWorld、Forbes、Windows Central、Intel IEEE ICCE 2026 论文、Qualcomm 开发者博客
