共计 1171 个字符，预计需要花费 3 分钟才能阅读完成。
AI PC 讲了三年, 真正的考验终于从“能不能跑”走向“能不能干活”。 在 Computex 期间, 英伟达公布面向个人智能体的 Windows PC 超级芯片 RTX Spark, 并将戴尔、惠普、联想、微软 Surface 等厂商列入首批合作名单。这一动作不一定立刻改写 PC 市场格局, 却给端侧 AI 释放了一个明确信号: 高复杂度 AI 任务正在被推向本地设备。
📌 AI PC 此前卡在“体验不够强”
过去几年,PC 厂商、手机厂商和车企都在强调端侧大模型 , 但落地体验并不总能跟上宣传。轻量推理、实时字幕、图片识别、语义搜索等功能已经可用, 却很难形成强烈换机理由。
问题并非只有应用创意不足, 更重要的是硬件底座受限 。随着 Agent 能力从问答扩展到规划、推理、调用工具和执行任务, 传统 NPU 应对固定流程任务尚可, 但面对多步骤智能体时显得吃力。CPU、GPU 内存割裂也会增加数据搬运成本, 限制大模型在本地流畅运行。
🔍 RTX Spark 的关键在统一内存与 CUDA 生态
这也是它与其他路线的差异。 高通在 Windows ARM 生态推进多年, 苹果 M 系列已证明统一内存架构的价值, 但英伟达拥有开发者熟悉的 CUDA 体系。对 Windows PC 阵营而言, 这种生态惯性可能比单一硬件参数更关键。
💡 联想为何成为重要观察对象
联想近年反复强调“混合式 AI”, 个人端有天禧 AI 智能体 , 企业端则布局擎天 AI 平台及行业智能体。若本地算力提升, 联想设想中的跨设备助手、任务自动规划和工具调用, 才有机会从演示走向日常使用。
- 机会: 硬件算力提升后,AI PC 可从“功能点”升级为“工作流”。
- 挑战: 用户是否愿意为 AI 能力换机, 仍需真实市场验证。
- 压力: 联想同时适配多家芯片平台, 软件栈和体验统一并不轻松。
📊 高端 PC 之外, 小模型仍是端侧 AI 主战场
RTX Spark 瞄准的是高端 PC 和本地 AI 重度用户, 但端侧 AI 远不止笔记本电脑 。手机、车机、可穿戴、智能家居等设备拥有更严苛的功耗和成本限制, 不可能都搭载类似级别的芯片。
因此, 小模型路线同样重要。 面壁智能 MiniCPM 系列主打资源受限设备 , 强调在更低参数量和更小算力预算下提供可用 AI 能力。高端芯片负责打开性能天花板, 小模型则决定 AI 能否进入更大规模终端。
🚀 行业影响: 端侧 AI 进入分层竞争
接下来, 端侧 AI 很可能形成两条并行路线: 一条是以 RTX Spark 为代表的高性能本地智能体 , 服务创作、开发和专业任务; 另一条是小模型与专用芯片结合, 覆盖海量低功耗设备。
短期看,RTX Spark 仍面临价格、出货节奏、Windows ARM 适配和应用生态等不确定性 。但它的意义在于重新抬高了行业想象力:AI PC 不再只比拼 NPU TOPS, 而要比拼谁能把本地算力转化为用户可感知的智能体体验。对联想等厂商来说, 真正的牌局才刚开始。
