夜雨聆风
端侧算力，
成为Agent时代的入场券。
在刚刚过去的GTC台北大会上，黄仁勋说，过去40年PC的使用方式是打开应用、点击、输入。现在，微软和英伟达要重新发明PC。
他展示了一台可以24小时运行个人Agent的电脑，让大众充分感知到，AI正在从大语言模型时代进入Agentic AI时代。
PC的角色也在变：从被动等待用户操作的工具，变成能够理解情境、推理规划、调用工具的个人计算中枢。这个变化，被黄仁勋称为自Windows 95以来最重要的一次PC底层重构。
几乎在同一时期，国产AI PC长城N90 Pro正式发布。这台AI PC和黄仁勋展示的Agent Computer定位相似，同样以Agent为设计原点，同样在轻薄机身内实现了端侧大模型的本地流畅运行。
两条技术路线同时推进，指向同一个结论：端侧算力，是Agent时代的入场券。
那么在具体解法上，国产方案的解法，在算力供给、经济账和安全边界这三个维度上，到底有何不同？
重新“发明”PC，
Agent原生需要什么？
黄仁勋将Agent Computer拆解为三个必要条件。
第一是足够的本地算力，因为Agent要同时处理多个模型调用和推理，参数规模直奔百亿级。第二是安全沙盒，确保Agent在受保护环境中运行，不能随意存取整机资源。第三是Agent运行时，也就是能够理解用户意图、拆解任务、调用工具的中间层软件。
这三个条件之所以必要，是因为Agent的工作方式与传统软件完全不同。传统软件的执行路径是线性的：用户点击一个按钮，软件执行一个功能，然后结束。
Agent的运作则是循环式的：它接收一个模糊的指令，自己拆解成多个步骤，调用不同工具，根据中间结果调整下一步行动，直到任务完成。这个过程中，每一次推理都需要算力支持，每一次工具调用都需要权限管控，每一个步骤的转换都需要在运行中调度。
三个条件中，行业最先考虑突破的还是算力。
2024年，微软提出Copilot+PC标准的时候只要求40 TOPS，当时业内普遍认为足够用了，但两年时间过去，这个判断已经被推翻。从OpenClaw的桌面自动化到智慧会议助手，AI大模型从聊天工具变成了实际的生产力工具。一次任务需要多次推理，参数小了根本不够用。行业现在普遍认为，35B及以上的参数模型才算入门。
算力需求的增长速度远超芯片迭代的速度：芯片更新一代大约需要两年，而现在的AI应用和多模态大模型，几个月就会迎来一次大的变化。
节奏差异带来的影响，已经反映在了产业链上，业界Top企业认为当前大约70%-80%的AI算力是用在训练上的，20%-30%用在推理上，但未来这个比例会倒过来。来自TrendForce的数据也显示，北美五大云服务商2026年的AI训练算力预计增长56%，而推理算力将暴增122%。
算力上去了，功耗就成了新问题。
传统方案在算力从几十TOPS提升到上百TOPS的时候，芯片的功耗和尺寸会线性增长，塞不进轻薄的笔记本。
长城N90 Pro AI PC
长城N90 Pro给出的答案是：从需求倒推，先想清楚笔记本需要什么，再去选芯片。
很多AI芯片原本为数据中心设计，功耗几百瓦，体积巨大，搬到终端设备之后，散热、续航、噪音都成了麻烦。而长城N90 Pro所采用的M50芯片，并不是从服务器方案下放过来的。
M50芯片来自后摩智能，这套方案的底层技术关键点是“存算一体”。传统芯片里，计算和存储是分开的，数据要不断在两者之间搬来搬去，搬动本身就要消耗大量能量。存算一体把计算和存储做了深度融合，数据不用再长途搬运，功耗大幅下降。
在满足35B模型本地运行的前提下，M50的芯片功耗控制在10W左右，整板不到15W。也就是说，它可以直接插在M.2接口上工作，和一块普通固态硬盘的安装方式一样。
可以看出，在Agent Computer时代，国产方案解决端侧算力问题的方式体现出了明显的“需求导向型”。没有从技术端出发把服务器芯片强行塞进笔记本，而是从终端的真实场景出发，设计一颗专门为笔记本服务的芯片。功耗控制、散热设计、续航平衡，这些工程难题从设计阶段就已经被考虑进去了。
长城选择与后摩智能合作、做深度协同优化，看中的也是他们将存算一体的概念实现量产化的能力。
一颗10W功耗的芯片，让一台1公斤出头的轻薄本能够本地流畅运行35B参数的大模型，过去需要一块500W以上的GPU和一个全尺寸塔式工作站，现在一台普通笔记本就够了。
算力和功耗一旦“够用了”，下一个必要条件就会聚焦到安全问题上。Agent的工作性质决定了它离不开数据，而本地算力有一个天然的好处：数据不出端。
Agent任务经常涉及会议纪要、个人知识库、办公文档这类敏感信息，一旦涉及云端处理，合规风险就会被放大。端侧运行，数据从输入到输出都在本地闭环，从物理层面实现数据的安全合规，是Agent Computer能拥有丰富落地场景的一个先决条件。
黄仁勋也反复强调安全的重要性。全球AI产业已经意识到，Agent要普及，安全是必选项。
2026年，AI PC的普及速度，已经可以用充分的市场数据来衡量。Gartner预测，2026年全球AI PC出货量将达到1.43亿台，占整个PC市场的55%，也代表着AI PC可能很快就会超越传统PC成为选购主流。
中国市场的节奏更快，已经成为拉动市场的核心引擎。IDC预测，2026年国内尽管整体PC出货量预计下滑0.8%，但AI PC出货量将同比激增146.5%，未来五年复合增长率达58.7%，到2029年有望占据整体PC市场36.5%的份额。
操作系统层面也在同步跟进支持本地算力。微软Windows 11的持续更新已经加入了大量AI功能，而国内操作系统厂商如麒麟也开始整合本地Agent能力。
从芯片、整机、操作系统，再到Agent应用，整条产业链都在为Agent原生PC做准备。
算一笔“Token账”，
端侧算力有多重要？
算力讨论的是能不能跑，而Token成本决定的是在哪里跑最划算。
这个问题，在Agent大规模落地的2026年，也开始重塑整个AI计算的商业逻辑。黄仁勋在3月的GTC 2026上提出了Token经济学，他把Token服务分成了五个层级：
免费层用来吸引用户；基础层每百万Token大约3美元，服务普通用户；进阶层每百万Token大约6美元，提供更大的模型和更快的速度；高速层每百万Token大约45美元，支持长上下文和深度推理；顶级层每百万Token大约150美元，面向超长研究任务和关键路径的实时响应。
他算了一笔账：一个研究员每天使用5000万Token，按每百万150美元计算，对一个研究团队来说是可以接受的。
Token不是一次性买卖，只要AI在运行，Token就在消耗。当Agent应用全面铺开时，一个企业级AI应用的月度Token账单很容易达到几十万美元。
2026年3月，阿里巴巴成立了Token Hub事业群，CEO吴泳铭亲自挂帅，可见Token管理确实已经从技术问题变成了商业战略问题。目前，国内多家云服务商也已经或正在调整API调用价格，部分模型的百万Token定价在短期内出现了多次上涨。
可以预见的是，Token在成为了一种计费单位以上，还能直接兑换稀缺的商业资源。
端侧算力的商业逻辑，在这里就变得清晰了起来：一次性投入买断AI PC硬件，之后的每一次基础推理都不再产生Token费用，这个承诺绝对是诱人的。
Agent会让Token的消耗量成倍增长，端侧的零边际成本优势也随之从理论变成了现实。一个经常被引用的对比是：一台高端AI PC的硬件成本大约在1万到2万元人民币，而一个团队如果每天高频调用云端API，几个月的Token费用可能就会超过这个数字。
行业里有人把本地和云端的推理边界，归纳为三条线。
第一条是模型大小，120B及以下参数的模型，本地已经能跑；第二条是安全保密，涉及隐私和敏感数据的场景，必须本地处理；第三条就是商业化，高频使用Token的Agent场景，本地推理可以彻底避开云端的按量计费。
基于这三条线，一个判断正在形成：未来，80%的推理场景会下沉到本地。
这一判断获得了越来越多的证据支持。Omdia数据显示，通过端、边、云动态调度工作负载的分布式架构，把80%的轻量任务放在本地处理，以每人每天50次AI请求和0.003美元的单次典型成本为基准，可以让1亿用户的年度云端成本从55亿美元降到12亿美元，节省超过43亿美元。
对企业和Agent应用开发者来说，这是一个忽略不了的数字；对于个人用户来说，端侧算力也进一步降低了使用AI的门槛。日常调用Agent能力去完成一些成熟的推理工作和稳定流程，不需要再去购买昂贵的云端算力配额，也不用担心月底会收到一张巨额账单。一台设备买回来，AI能力就已经在本地准备好了。
基于Token经济学的逻辑，端侧算力的热度开始得到广泛验证。
比如，英伟达发布了面向Windows的PC超级芯片RTX Spark，戴尔、联想、惠普、华硕、宏碁等整机厂商都参与了首批产品名单，这些产品的一个共同卖点就是：本地运行AI，不消耗云端Token配额。
国内厂商的动作同样迅速。在这一轮端侧算力的落地中，长城N90 Pro的发布是一个实实在在的市场动作。在M50这颗已经量产的存算一体芯片的支撑下，35B模型在本地流畅运行。这也代表着用户下达的高频Agent指令，Token的消耗完全发生在本地，不产生任何云端调用费用。
后摩漫界M50芯片、力擎LQ50 M.2卡
也就是说，在操作系统和AI应用支持的情况下，一台长城N90 Pro买回来，后续日常推理的成本几乎为零。
由此，端侧算力完成了一次Agent时代的价值重估。过去常被视为云计算的廉价替代品，如今已经成为Token消费水涨船高的算力结构中不可或缺的一层基础设施。
黄仁勋把Token比作数字世界的石油，那么端侧算力扮演的角色，就像是那些自带油田的分布式能源节点：不依赖输油管道，却能独立满足本地用户的全部需求。
在石油价格不断上涨的时候，拥有自备油田的价值就会凸显出来。
国产整机加速，
能抵达到什么高度？
当下，虽然全球AI PC的技术话语权仍然在被英伟达、微软等海外巨头主导，但几乎是同时出发的国产整机方案，也正在悄然完成一次从跟随到并行的转变。
长城N90 Pro的量产交付，意义不止于一款Agent Computer形态产品的上市，还有完整地输出了一次国产技术栈的全链路验证。
一直以来，中国市场的PC用户对于AI应用的拥抱度更高、日常工作与效率提升的需求更多、对于数据隐私和推理延迟的敏感度更直观，这些都是端侧算力的优势会在国内市场被放大的逻辑支撑。
本地AI带来的低延迟、零风险和个性化体验，激活了原本受到移动办公严重冲击的PC换机需求。因此，在这次AI PC升级浪潮中，国产整机厂商的竞争逻辑也发生了变化。
过去很长一段时间，国产PC的核心叙事围绕安全可控、或者是高性价比替代展开，AI PC的出现则改变了产品形态的定义方式。如今，安全不再是一个单独列出的卖点，而是作为端侧算力的天然属性打包销售。
转变的背后，国产端侧芯片也在用实际可落地的产品证明自己。以和长城N90 Pro同样搭载了M50芯片的产品为例：1L机身的AI迷你工作站，通过4颗M50实现了640TOPS/L的算力密度，开箱即可直接运行Qwen3.6等主流本地大模型；超迷你AI主机P7，重量仅有300g，整机最大功耗30W，却能支撑千亿参数模型的本地部署。
这些数字放在全球市场里，都是第一梯队的水平。
有用户在测试了长城N90 Pro之后也表示过，是“见过的运行速度最快的AI PC，比用大型台式机GPU跑的很多模型还要快。”
不需要用国产替代的修辞来证明自己，产品本身，就是最好的回答。
国产整机厂商在技术选型上也有自己的方法论。以长城为例，在选择端侧AI芯片时，看重的不是单纯的算力数字，而是三个更实际的指标：功耗是否适配笔记本场景、产品是否已经量产、芯片厂商是否愿意做深度的软硬协同优化。
这三点也直接回答了端侧AI芯片商业化的三个核心问题：能不能装进去、能不能稳定供货、能不能一起把体验调好。
据透露，长城和后摩智能的合作从产品规划到测试导入大约花了一年时间，真正的测试到量产又用了半年多。长时间的联合调试，才能换来产品的稳定性和性能释放。
作为国产芯片厂商，后摩智能的目标是助力国产电脑跻身全球AI PC的Top赛道。英伟达的RTX Spark预计2026年秋季上市，而搭载M50的国产Agent Computer已经早于这个时间节点之前实现了量产交付。
因此，在AI PC这个产业棋局上，国产技术栈没有再成为追赶者，而是从不曾缺席的主导者之一，稳扎稳打地从可用到好用、再到智能，三个阶段层层递进。
可用解决的是国产软硬件能不能适配的问题，好用是持续把体验优化到足够流畅；智能阶段，AI能力开始成为产品的核心定义，长城N90 Pro就处在了这个从“好用到智能”的跨越节点上。
2026年被很多人称为AI Agent元年。英伟达的RTX Spark为全球AI PC划定了性能上限，中国整机方案的量产交付则提供了另一条叙事线索：
在Agent Computer这个新赛道上，国产技术栈是一条独立、可行、并且正在加速的路径。从芯片到操作系统到整机，中国产业链已经具备了完整交付AI Agent计算机的能力。
两条路径服务于不同的市场，最终也必然交汇到同一个方向：让Agent真正成为每个人都能用、用得起、用得放心的基础设施。
