2023年12月15日，英特爾正式釋出了第一代酷睿Ultra處理器，與此同時，“AI PC”這一PC品類新概念産品也随之正式落地，無論是對于英特爾自身來說，還是對于整個PC行業來說，AI PC都将是未來數年業界創新與發展的焦點。
不過從英特爾自身視角來看，AI PC究竟有何意義？我們第一時間采訪了特爾公司中國區技術部總經理高宇先生，從他的回答中，我們能夠深刻感覺到AI PC時代已經到來。
當下，AI PC生态剛剛開始建設，這個過程依然需要很長時間。而且AI行業的發展日新月異，明年看到的和今年看到的可能會有很大差異，各個領域都在不斷摸索和演化。對于英特爾來說，第一件要做的事情就是大模型适配。其中包括語言類模型、文生圖模型等等，這是AI PC重要的基礎性能力。高宇表示，“首先要讓大模型通過量化之後，可以順暢地、以最小精度損失跑在PC上，并且還要做到對記憶體占用盡量小，對GPU占用盡量小。解決完這些問題之後，行業會加速疊代，并催生出讓人想象不到的創新應用。”
AI PC最初面臨的是大模型适配問題，而後續則是應用場景的問題。
在高宇看來，AI PC的應用首先包含了基于NPU的場景應用，如在新版剪映中，通過NPU摳圖摳像，可以在保證低功耗的情況下快速完成相關任務。其次，類似Stable Diffusion的應用也會很快成為AI PC的标準功能，通過本地的LCM或者XL+LCM模型，AI PC的速度已經比肩雲端，甚至比雲端還要更快一些。
PC引入AI功能之後，除了算力之外，對于記憶體這樣的硬體性能需求越來越高。但是PC與雲端的做法并不能一概而論。目前雖然在用雲端大模型理念去做，但是未來則需要解決PC相應的問題，而不相關的則沒有必要繼續去做。
此外，高宇認為，“目前業界存在着‘唯NPU算力說’。動不動就說我這個是20T，那個說我30T，那個說我50T，數字聽起來驚悚。但是實際上NPU想堆大不難，但是用好它很難。是以我們要考察的是NPU的實際算力，通過程式設計之後，你還能用到的算力，這才是真正有效的算力；裝置優化之後，你能用到的算力，才是真正的算力。這才是核心點。”
就英特爾來說，可以為開發者提供強大的OpenVINO開發工具，它能夠把CPU、GPU、NPU全部調用起來，通過一次程式設計就可以調用不同的算力引擎，做适度優化、适度修改， 就可以完成算力的遷移，這是英特爾為什麼能把XPU那麼簡單就調用起來的核心原因。而且，酷睿Ultra平台的NPU支援FP16、Int8，相比一些競争對手來說更加全能。
底層技術問題之上，AI PC還面臨着OEM産品适配的問題。不同廠商、不同系統版本、不同驅動都可能會帶來适配問題，而一旦對齊就會減少很多問題的發生。同時，OEM之間的設計差異也會影響性能。但是這就回到PC設計的本身，其實就是一些設計層面的傳統要素，如散熱要到位，CPU、GPU能拉滿。
不過，大語言模型非常重要的一點是記憶體受限的應用，是以記憶體容量一定要夠大、記憶體帶寬要足夠高，如果兩條都做到位了，那麼剩下的第三個要素，就是酷睿Ultra去推動AI PC的關鍵性落地了。
此外對于英特爾來說，需要在适配方面進行協調，包括做好自身硬體的驅動，軟體的适配等等。
時下，AI PC最為核心的部件就是酷睿Ultra平台，這款采用全新子產品化設計的處理器平台，首次将AI計算的多樣性融入到一顆處理器中，它既包含AI算力常見的高性能GPU以及NPU，同時又包含支援特定AI計算的CPU，三種計算單元可以輕松應對當下複雜的、多元化的AI計算需求，并提供強有力的性能支援。
酷睿Ultra系列均支援28W-45W功耗，OEM廠商可以根據産品設計自由設定，以達到不同等級的性能釋放，并且在性能、散熱、功耗之間尋求适配自身産品的平衡點。
硬體之外，擺在AI PC面前最為棘手的問題還是如何引導使用者去應用。目前無論是AI軟體還是不同種類大模型的下載下傳，對于普通使用者來說都有一定的門檻，而推進軟體應用的最好辦法， 就是能夠開發一個類似“Steam”、“APP Store”這樣的平台，并成為AI PC的标配，這樣就能夠快速推進AI應用的發展。
英特爾目前雖然還未考慮到這一問題，但是對于推進相關應用市場的開發頗感興趣，相信以英特爾的執行力，未來AI PC上标配應用商店也并非是要等待很久的事情。
此外，與超極本或Evo不同，目前AI PC雖然有概念、有産品，但并未做相關認證規範，英特爾也并未排除未來制定AI PC認證規範的可能。
其實對于AI PC來說，能夠擁有一套标準的認證規範是很有必要的。畢竟各家OEM廠商的開發水準不同，AI PC也不僅僅是取一個AI PC的名字就行，而是需要實打實的AI應用去提升使用體驗和效率，是以如果有專門認證标準的話，AI PC的整體水準自然會有一個比較可靠的保障，這樣就可以避免一些渾水摸魚、濫竽充數的産品混入其中。
·結語
AI PC從某種程度上來說，一方面是創造了需求，另一方面是降低了開發門檻。AI應用的核心是模型，而非傳統的代碼，這給一些代碼能力不強的小型軟體商帶來了機會，是以AI PC不僅僅是硬體端的機會，也是軟體端的一個契機。
(8484252)