PC 长出了 " 数字员工 "

作者／   IT 时报    贾天荣

编辑／   王昕  

今年 4 月，英特尔第一次系统提出 " 智能体 PC（Agentic PC）" 概念时，不少人下意识将其与 AI PC 混为一谈，毕竟过去两年，AI PC 已经经历了太多概念更迭。从 Copilot PC，到本地大模型 PC，再到 NPU PC，行业一直在寻找 AI 时代个人计算的全新形态。

三个月后，答案开始变得具体。7 月 7 日，英特尔交出了一份百日成绩单：联合 Flowy、QClaw、remio、TRAE、DuMate、YOYO Claw、Marvis 等生态伙伴，落地了 20 多个真实场景应用，覆盖办公、娱乐、教育、游戏等多个领域。

从提出概念到应用落地，仅用了 100 天。在 PC 行业，这样的速度并不多见。"AI 正在推动个人计算从‘工具增强’迈入‘智能伙伴’的新阶段。" 英特尔中国区技术部总经理高宇表示。在他看来，智能体 PC 已经不再是一台拥有 AI 能力的电脑，而是一套由 " 思考、调度、执行、交互、记忆 " 组成的全新软件架构，它正在让电脑从工具变成伙伴。

PC 开始拥有 " 数字员工 "

AI PC 始终没能回答一个问题：为什么用户需要换机？消费者不会因为多了几十 TOPS 算力就购买一台新电脑。更不会因为电脑能本地运行大模型而支付溢价。他们真正关心的是：AI 究竟能不能帮自己干活。

而这正是智能体 PC 与传统 AI PC 最大的区别。过去 AI 更多是在回答问题，现在，AI 开始完成任务。《IT 时报》记者注意到，发布会上，英特尔和生态伙伴展示了 20 多个真实世界工作流。它们有一个共同特点：不是让 AI 对话，而是让 AI 行动。

早上开完两个小时的会议，过去最头疼的是整理纪要。现在，PC 用户只需要把录音拖进 remio（一款 AI 笔记助手），AI 会自动转录、提炼重点、生成待办事项，甚至能够从几个月前的会议记录中找到相关信息，并自动关联起来。过去需要半天完成的资料整理，现在只需要几分钟。对于记者、咨询顾问、律师等知识工作者来说，这几乎相当于拥有了一名 24 小时在线的助理。

出差回来，一堆发票摊在桌子上。很多人最怕的就是报销。Marvis（腾讯 AI 助手）展示的场景是：把发票拍下来，智能体自动识别金额、时间、项目，填写报销单，核对信息，甚至按照企业流程提交审批。整个过程都在本地完成，发票数据、消费信息无需上传云端。

对于内容创作者来说，一篇稿子往往意味着：找热点、查资料、写文案、配图片、排版发布。QClaw ( 腾讯 " 龙虾 "）把整个流程压缩成了一句话。" 帮我写一篇关于折叠屏手机市场的稿子。" 接下来：AI 自动抓取热点，自动生成文章框架，调用本地模型生成配图，完成排版，甚至直接发布到指定平台。过去需要一整天的工作，现在可能只需要几十分钟。

发布会现场，Flowy（智能体平台）展示了一款 " 爱看球 "AI 助手。用户只需要说一句：" 帮我关注今晚的足球比赛。" 剩下的事情，电脑自己完成。半夜自动观看比赛，识别进球、判罚等高光时刻，并在第二天将精彩片段推送到手机。" 它应该生存在这台电脑里，而不是只生存在一个聊天软件里。"Flowy 创始人祁国良说。

这种变化意味着，电脑第一次开始拥有 " 数字员工 " 的属性。

智能体 PC 会很贵吗？

如果问过去两年 AI PC 最大的争议是什么，" 成本 " 一定排在前列。消费者担心，AI 越来越强，是不是意味着电脑会越来越贵；而 PC 厂商则担心，Agent 带来的巨大 Token 消耗，会不会最终让用户 " 用不起 AI"。

对此，英特尔给出了一条颇有意思的 " 微笑曲线 "。在这条曲线中，横坐标是模型在端和云之间的部署方式，纵坐标则是系统的总体拥有成本。曲线的右端，是完全依赖云端大模型。这类方案最大的优势是硬件门槛低，用户甚至不需要一台性能特别强大的电脑，就能调用最先进的大模型能力。

但问题同样明显。随着 Agent 开始处理越来越复杂的任务，调用次数越来越多，Token 成本会迅速攀升。让 AI 帮忙写一篇文章、总结一次会议，或许并不昂贵；但如果让 AI 每天帮你盯股票、分析几十份文件、自动处理工作流，Token 费用很快就会变成一笔不小的开销。对于企业用户和重度用户来说，这意味着另一堵 " 高墙 " —— Token 费用墙。

另一端，则是完全本地化部署。一些重度玩家尝试在本地部署 100B 甚至 200B 参数的大模型，希望获得真正的 "Token 自由 "。但代价同样巨大。为了让超大模型流畅运行，往往需要更大的内存、更高端的处理器，甚至专门的独立显卡。这意味着动辄数万元的硬件成本，这堵墙，是 " 硬件成本墙 "。

" 哪怕部署 200B 模型作为主脑，也并不尽如人意。" 高宇坦言。原因在于，即便付出了高昂的硬件成本，很多复杂任务依旧需要联网获取实时信息、调用外部工具以及进行跨平台协同，纯本地路线并非最优解。因此英特尔认为，智能体 PC 真正的未来并不在曲线的两端，而是在中间。

简单任务放在本地执行，复杂任务交给云端完成。通过模型路由自动调度端侧和云侧资源。既避免高昂的 Token 消耗，也不需要用户购买价格高昂的 AI 工作站。这也是英特尔提出 " 混合 AI 部署 " 的根本原因。

某种程度上，这条 " 微笑曲线 " 回答了两个问题：消费者担心的 " 会不会越来越贵 "，以及厂商关心的 " 如何真正普及 "。英特尔给出的答案是：只有找到成本与能力之间的平衡点，智能体 PC 才可能被消费者广泛接受。

如何让消费者买得起

混合部署要真正落地，前提是端侧不能 " 偏科 "。如果本地只能跑一个通用大模型，而语音识别、图像理解、屏幕感知等能力全部依赖云端，那么 "Token 费用墙 " 依然会卷土重来。

英特尔提出了智能体 PC 必须具备的七种关键模型能力—— LLM、ASR、OCR、TTS、CV/VLM、Image Gen 和 Omni 七类本地 AI 关键能力，即：想、听、写、说、看、绘和全能，以此构建端侧的能力基座。

有了完整的模型能力矩阵，还需要解决端侧运行的资源瓶颈。英特尔展示的文档处理场景中，通过其 SuperClaw 模型路由方案，Token 消耗下降 69%，反应延迟降低 43%，而输出结果几乎完全一致。该方案通过自动拆解任务、智能调度端云算力，在上云前完成信息脱敏，结果不达标则自动重试，路由策略持续自进化，兼顾效率与安全。

除此之外，智能体 PC 除了 CPU 选择之外，还面临着另一个挑战——内存。AI 对内存容量的需求是巨大的，其巨大的参数量以及产生的 KV Cache 都需要更大的内存。

现实情况是，去年 9 月至今，部分型号内存条价格上涨超过 300%。AI 服务器对 HBM 和高容量 DRAM 的需求持续增长，正在向消费级存储市场传导，过去被认为是 " 白菜价 " 的内存和 SSD，重新进入快速上涨周期。

在当前 " 价格高墙 " 之下，英特尔联合江波龙、群联电子等 AI SSD 厂商，将部分数据和专家模块调度到存储侧，大幅降低模型对系统内存的占用。

现场数据显示，35B 模型运行时节省约 10GB 内存。过去在本地跑 35B 模型，即便是统一内存架构也至少需要 64GB；而现在，主流 32GB 配置不仅能流畅承载 35B 模型，还能为 Windows 和其他应用留足运行空间。英特尔方面认为，未来智能体 PC 搭配 AI SSD 将是成本与性能综合下的最优解之一。

事实上，英特尔一直在从多维度降低智能体 PC 的入门门槛和日常使用成本。处理器产品线上，第三代酷睿 Ultra 既有 358H 这样的高性价比次旗舰，也有 325 这样的 " 走量 " 型号，两者性能虽有明显差异，但 AI 能力差距被压缩在 30% 以内。也就是说，智能体 PC 并不一定意味着更昂贵的硬件。

通过端云协同和混合部署，智能体 PC 正在试图打破上述两堵 " 高墙 "。用户既不需要购买动辄数万元的 AI 工作站，也不必为频繁调用云端大模型承担高昂成本。从产业发展的角度看，这意味着未来真正普及的智能体 PC，很可能不会是一类昂贵的小众产品，而是价格仍然落在今天主流轻薄本和商务本区间的大众化终端。智能体 PC 的终极目标不是把电脑卖得更贵，而是让每一台电脑都拥有 " 数字员工 " 的能力。

人们购买下一台电脑，不再是为了获得更高的跑分、更快的处理器，而是为了获得一个真正能够协同工作的智能伙伴。

排版／ 孙妍

图片／ IT 时报   英特尔

来源／《IT 时报》公众号 vittimes

E   N   D

大家都在看

IT 时报

怕被 AI 替代？

不如先学会用好它

「挨踢妹 @AI 茶水间」每日投喂

扫码即可加入↓↓↓

请加「星标」不错过我们