去年，AI PC 最常见的宣传话术，大概可以浓缩成三个词：NPU、TOPS、AI 控制台（海外则是 Copilot）。厂商们忙着告诉用户，这台电脑有多少 AI 算力，NPU 比上一代快了多少。问题是，对大多数消费者来说，这些参数带来的感知并不强。雷科技（ID：leitech）曾经和一些朋友聊过，不少人只有在开机时体验过 "AI 工作台 "，后续就几乎没有再打开过。

  图源：雷科技

是大家不用 AI 了吗？并不是，而是需求仍然停留在云端。DeepSeek、豆包、ChatGPT、Gemini 等 AI 产品的网页和客户端，不管下载量还是访问量都非常高，只是 AI 的流量并没有像 PC 厂商想的那样流向端侧。

今年，你会发现不少厂商开始转变 AI PC 的宣传口径，变成了：续航和 Claw，但是这样一来，其实等于又把大家都拉回到同一条起跑线上，难以与以前的产品形成差异。显然，PC 厂商们也意识到了这一点，所以到了今年你会发现，真正有意思的变化是 AI PC 正在转向。

一边，是英特尔与英伟达官宣合作，计划打造集成 RTX GPU chiplet 的 x86 SoC；另一边，则是 AMD 继续把更强的 NPU 塞进 Ryzen AI 处理器里，甚至不惜为此 " 牺牲 "GPU。

这意味着，AI PC 可能要告别 " 只拼 NPU 算力 " 的上半场，进入真正考验系统能力、软件生态和用户场景的下半场。

英特尔过去在 PC 市场有两个核心优势：x86 生态和 OEM 渠道。

但到了 AI PC 时代，光有 CPU 已经不够了。AI 应用越来越依赖 GPU，尤其是内容创作、游戏增强、图像 / 视频生成等场景，仅靠 NPU+CPU 的算力是严重不足的，所以在高强度的 AI 使用中，GPU 的重要性会变得更高。

而英伟达则是目前 AI 算力领域的绝对霸主，RTX 背后所代表的不只是显卡品牌，更是一整套 AI 加速、图形计算、CUDA 生态和开发者生态。对英特尔来说，把 RTX GPU chiplet 整合进 x86 SoC，等于是把自己在 AI PC 领域的最弱一环补齐。

 图源：雷科技

与此同时，此前在英特尔的 AI PC 宣传中经常 " 隐身 " 的 GPU 也再次回到 C 位，说明 AI PC 的硬件形态正在从 "CPU+NPU"，走向 "CPU+GPU+NPU" 的深度融合。

在这一套系统中，CPU 负责通用计算和系统调度，NPU 负责低功耗、常驻、本地轻量 AI，GPU 负责高并行、高负载、高性能 AI 任务，不难发现它们都有各自的优势区间，同时也无法被其他处理器取代，所以未来看一台 AI PC 强不强，不能再只看 NPU TOPS，而要看三个计算核心之间怎么配合。

这也是小雷觉得英特尔和英伟达合作最值得关注的地方：它可能让 AI PC 的概念得到进一步拓展，并且覆盖更多的使用场景，而不是仅限于办公、商务等需求。

看到这里或许有人会问：" 英伟达不是发布了 RTX Spark 吗？为什么还要与英特尔合作？"

如果你有看雷科技之前的文章，那么应该知道，RTX Spark 是基于 Arm 架构设计的计算平台。虽然在能效及性能方面都表现出色，但是与主流系统的兼容性却远不如 x86 架构。

换言之，想要快速推广 RTX Spark，最好的方法就是找个合作对象，这样就能先把部分生态培养起来，然后再反哺自己的完整版 RTX Spark。

作为对比，AMD 是在处理器里猛塞 NPU。类似的事情，英特尔去年也在做，但是和英特尔联手英伟达不同，AMD 做了一个令人惊讶的选择：在移动端进一步整合 CPU、NPU 和 GPU，而在桌面端则抛弃 GPU，拥抱 NPU。

此前我们已经在移动端体验过 AMD 的 AI Max 系列产品，说实话在 GPU 性能上确实让人印象深刻，并且还能借助统一内存的优势，部署大参数量的本地模型（效率如何是一回事，能不能跑又是另一回事）。

而在桌面端，AMD 其实也陆续推出过不少内置 NPU 的处理器，但是思路基本上都是在原有的架构中腾出地方塞进去，用部分性能换 AI 算力，其中 Ryzen AI 400 系列的 NPU 算力最高可达 50TOPS，也是目前仅有的、满足微软 Copilot+PC 要求的处理器系列。

但是 AMD 显然认为目前的进度还不够快，于是他们似乎打算在下一代 Zen6 桌面端处理器中，把前两年才加进去的核显重新剥离出去。取而代之的则是一块更大的 NPU，以及对 CUDIMM 的支持。

图源：AMD

对于这个决定，小雷还是看好的，因为从用户的角度来说，这类中高端处理器的核显用途就只有显卡故障时拿来暂时维持电脑的运行，拿来换更强的端侧算力和更大的内存支持并不是坏事。

只是放在这个时间节点来看，多少有种英特尔 x 英伟达向左，AMD 向右的意味。当然，这并不能解读为 AMD 不看重 GPU，反而 GPU 才是他们面对英特尔时的优势，AMD 的算力卡是少数性能上可以勉强追上英伟达的产品之一，仅这一点就足够让他们成为 AI 市场的核心玩家。

小雷推测，AMD 接下来可能会强化消费级显卡的 AI 性能，现如今的 RX 系列显卡在 AI 方面的唯一优势就是大显存，在算力性能上与英伟达有着明显差距（这点倒是和英伟达反着来），所以下一代 AMD 消费级显卡的核心大概率就是更高的 TOPS，正好也能配合处理器组成新的 "3A 套餐 "。

不过，如果把这些事件放在一起来看，就会发现无论是英特尔牵手英伟达，还是 AMD 重新调整 CPU、GPU、NPU 的资源分配，本质上都指向同一个结论：AI PC 已经不是单个处理器厂商靠一颗处理器就能讲完的故事了。

上半场的 AI PC，关键词是 " 有没有 "。有没有 NPU、有没有 40TOPS、有没有 AI 控制台，但是在接下来，问题会变成 " 好不好用 "。这就不是单靠英特尔、AMD、高通任何一家能独立解决的问题了。

因为 AI PC 的复杂性已经超出了单个厂商能够独立解决的范围。比如说，CPU 厂商确实懂平台和 OEM 渠道，但不一定掌握最强的 AI 开发者生态，而 GPU 厂商有算力和工具链，但要进入主流 PC 市场，仍然绕不开 x86 和 Windows 生态。

所以处理器厂商之间的关系也在发生微妙变化：他们当然还是竞争对手，但也越来越需要在某些环节上合作。

图源：雷科技

英特尔与英伟达的合作，就是最典型的例子。过去两家公司在 PC 市场其实存在不少微妙竞争，英特尔希望自己的核显和独显承担更多图形任务，英伟达则希望 RTX 成为高性能 PC 绕不开的选择。

但在 AI PC 时代，双方反而找到了新的共同利益：英特尔需要更强的 GPU 和 AI 生态，英伟达需要更大规模的 PC 入口。这不是谁 " 投靠 " 谁，而是 AI PC 的下半场已经大到任何一家都吃不下。

AMD 也是类似的逻辑，它不一定要走英特尔和英伟达这种外部合作路线，因为它自己就有 CPU、GPU 和 NPU 三条产品线。但这也意味着，AMD 接下来真正要证明的不是 " 我什么都有 "，而是 " 我能不能把这些东西整合得更好 "。

如果 Ryzen AI 处理器、Radeon 显卡、统一内存、大容量内存支持和本地 AI 软件栈能够形成合力，那么 AMD 的优势就不只是硬件参数，而会变成一套完整的平台体验。

这也是 AI PC 下半场最核心的变化：从参数竞争，转向系统生态竞争。

毕竟，消费者不会因为一台电脑多了几十个 TOPS 的算力就立刻换机，但他们可能会因为剪辑渲染更快、游戏画面更好、会议总结更快、更好，或 PC 能够主动帮自己干活等真实场景下的体验而买单。

在小雷看来，AI PC 要真正成为用户主动拥抱的产品，最终靠的不是 "AI" 两个字，而是这些具体体验能不能落到日常使用里，所以小雷同时也认为，未来一两年的 AI PC 市场会变得更有意思。

一方面，处理器厂商之间的路线差异会进一步放大。英特尔可能会借助英伟达补齐高性能 AI 与图形生态，AMD 会继续强化 "CPU+GPU+NPU" 的自有闭环，高通则会用 Arm 架构和长续航继续冲击轻薄本市场。

另一方面，合作也会越来越多，因为 AI PC 的最终形态，不可能只由一个厂商定义。说白了，AI PC 上半场大家都在抢着告诉用户 " 我有 AI"，下半场则要回答一个更残酷的问题：你的 AI 到底能帮我做什么？

最后小雷也想问大家一个问题：你们想要的 AI PC，到底是怎样的？