AI PC的故事講了三年，終于有了一個“夠格”的硬件底座。

文｜孟雯

過去三年，端側AI始終處于一種尷尬狀態。

手機廠商在講端側大模型，PC廠商在講AI PC，汽車廠商在講智能座艙，幾乎所有人都在描繪同一個未來：AI不再住在云端，而是直接運行在用戶身邊的設備里。

但每次走到落地環節，故事總會卡住。模型能跑，卻跑不快；功能能做，卻做不深；演示看起來驚艷，真正交到用戶手里卻變成了閹割版體驗。

問題不在AI本身，大模型的能力突飛猛進，Agent開始具備規劃、推理和執行復雜任務的能力，但終端硬件的發展速度，遠遠跟不上AI的進化速度。

剛剛結束的Computex，黃仁勛發布了英偉達的PC處理器RTX Spark，號稱全球首款專為"個人智能體"打造的 Windows PC 超級芯片，戴爾、惠普、聯想、微軟Surface，首批合作名單幾乎是整個Windows PC行業的點名冊，預計今年秋天開始出貨。

這未必是一款立刻改變PC市場格局的產品，但卻是端側AI發展三年來重要的硬件信號，它意味著那些過去只能在云端完成的任務，有機會被搬到本地設備上運行。

AI PC的故事講了三年，終于等來一個像樣的底座。

端側AI的硬件天花板被打破

在談及RTX Spark之前，我們要先搞清楚，AI PC喊了三年，究竟走到了哪一步？

如果從供給側來看，這個行業其實已經完成了絕大部分準備工作。芯片廠商解決了本地推理的硬件問題，英特爾推出Core Ultra系列、AMD發布Ryzen AI平臺、高通憑借驍龍X Elite重返PC市場，NPU成為新一代處理器發布會上出現頻率最高的關鍵詞。

DeepSeek、通義千問等大模型也開始推出面向端側的輕量化版本，讓本地運行AI成為可能。

整機廠的投入更是幾乎不計成本。聯想先后發布YOGA AI元啟和小新AI PC系列，戴爾把整條產品線重新命名向AI靠攏，華碩、惠普、華為也都把AI PC列為核心戰略。

根據Canalys數據，2024年全球AI PC出貨量已達到約4800萬臺，占全年PC出貨量近20%；機構預測2025年這一比例將進一步提升至40%以上。

但供給側的整裝待發，并沒有在需求側激起相應的水花。行業回答的是“AI能否進入PC”，用戶關心的是AI進入PC之后，能幫我做什么？

大多數消費者不會因為電腦擁有45 TOPS還是60 TOPS的NPU算力而產生換機沖動。戴爾高管曾在采訪中提到：消費者并不是基于AI來購買的，事實上AI可能讓他們更困惑，而不是幫助他們理解一個具體的結果。

這句話戳中了AI PC的癥結，行業一直在強調算力，卻始終沒有創造出足夠強烈的換機理由。再往下追問，為什么行業始終沒能創造出有吸引力的AI應用？

癥結的根源，是算力底座本身就不夠用。

2024年微軟提出Copilot+ PC認證標準時，核心門檻是NPU算力不低于40 TOPS。這個標準在當時有其合理性，NPU功耗低、適合處理輕量的本地AI任務，比如實時字幕、圖像識別、語義搜索等。

但隨著智能體的繁榮，端側AI的發展目標已經改變，過去大家討論的是“如何讓AI在設備上跑起來”，現在大家討論的是“如何讓Agent在設備上干活”。

兩者對于硬件的要求完全不在一個量級。NPU本質上仍然是一種高度專用化的計算單元。它擅長規則明確、流程固定的任務。一旦遇到需要復雜推理和多步規劃的Agent任務，就顯得力不從心了。

傳統Windows PC的CPU和GPU各自獨占內存，數據在兩者之間搬運的成本極高。當AI模型的參數量動輒以十億計，這種割裂的內存設計成為了物理瓶頸，不是算力不夠，而是數據根本“喂不進去”。

而這個問題，英偉達想用RTX Spark一次性解決。

RTX Spark的核心創新是通過NVLink-C2C技術將CPU和GPU深度綁定，實現了600GB/s的雙向內存帶寬，這項技術原本只存在于數據中心級別的Grace Hopper超級芯片上。

統一內存架構帶來的最大改變，是CPU和GPU能夠共享同一塊內存池。這套架構此前在消費級市場只有一個玩家做到過，就是蘋果的M系列芯片。

但英偉達擁有蘋果沒有的東西：CUDA。

很多人把CUDA理解為一個開發工具，實際上，它更像是AI時代最重要的基礎設施。過去二十年，CUDA已經成為全球AI開發者最熟悉的開發環境。PyTorch、TensorRT、llama.cpp等主流AI開發工具的第一適配平臺都是CUDA，全球絕大多數AI模型的訓練和推理管線都建立在CUDA之上。

把原本屬于數據中心的能力，下放到消費級PC，才是RTX Spark的殺手锏。

高通的Snapdragon X2 Elite Extreme的NPU算力在紙面上更高（約80 TOPS對比RTX Spark的神經處理單元），但高通沒有CUDA，它的AI加速依賴QNN框架，與主流AI開發者生態之間存在一道不小的鴻溝。

蘋果的M5芯片在端側AI性能和能效上依然是基準，是行業標桿，但蘋果運行的是macOS，而非Windows生態。

對整個Windows生態而言，RTX Spark帶來的意義顯然不同。

而且英偉達選擇的入場時機也很巧妙。過去十年，高通幾乎承擔了Windows ARM生態的拓荒工作。Prism模擬層逐漸成熟，Windows ARM開始具備日常使用能力。

與此同時，蘋果M系列證明了ARM架構可以在性能和功耗上同時超越x86。英偉達等到路修好了，才開著CUDA這輛“重卡”駛來。

不過RTX Spark目前還未上市，價格未知，市場反應尚待驗證。天風國際分析師郭明錤根據供應鏈調查判斷，搭載N1X和N1芯片的設備未來兩年出貨量約1000萬臺，主要面向對本地端AI算力有需求的重度用戶，這是一個相當小眾的開始。

RTX Spark之所以會引發如此高的關注，在于它釋放出一個信號：在端側本地運行百億參數模型，不再是極客的專屬游戲，而是即將走入消費市場的“標配”。

英偉達下場，聯想等到“東風”

在RTX Spark的首發合作名單里，聯想的出現并不意外。

聯想是目前全球AI PC市場份額最大的整機廠，微軟披露的數據顯示其在Windows AI PC細分市場的全球份額達到31%。當英偉達需要第一批把RTX Spark推向消費者的合作伙伴時，聯想幾乎是最自然的選擇。

Computex 2026展臺上，聯想展示了Yoga Pro 9n：一臺15英寸的筆記本，搭載RTX Spark平臺，定位創作者、AI開發者和專業用戶。

對于英偉達來說，RTX Spark不是數據中心產品，而是面向消費者的新平臺。

再強的芯片，也需要整機廠把它送到用戶手里，而聯想是全球最大的PC廠商，也是目前AI PC布局最激進的玩家之一。

從2024年開始，楊元慶便不斷向外界強調“混合式AI”的概念。在個人端，聯想推出天禧AI智能體，希望成為用戶跨設備的個人助手；在企業端，推出擎天AI平臺以及覆蓋多個行業場景的智能體矩陣。

在聯想的構想中，未來用戶不再打開一個個應用完成工作，而是直接向智能體提出需求，由AI自主規劃任務、調用工具、協調資源并完成執行。

能看出，聯想想講述“下一代人機交互入口”的故事，這套邏輯成立的前提，便是端側算力足夠強大。RTX Spark的出現，第一次讓這個缺口有了被補上的可能。

這也是為什么聯想比其他PC廠商更值得關注，因為它并不是今天才開始布局AI，過去幾年積累的軟件能力和生態能力，決定了它有機會成為第一批把算力升級轉化為用戶體驗升級的廠商。

數據也支撐這個判斷：聯想上個財年AI相關業務收入同比增長105%，AI PC滲透率占其全部PC出貨量的30%。

聯想已經為AI PC投入了足夠長的時間和資源，當新的算力平臺出現時，自然會比大多數整機廠更容易吃到第一波紅利。

不過機會和挑戰往往同時出現。聯想擅長供應鏈管理、渠道能力和規模化制造，可AI時代競爭的重點，正在轉向智能體體驗、軟件生態和用戶留存。

此外，聯想同時是英偉達、AMD、高通、英特爾四家芯片巨頭的合作伙伴，楊元慶的說法是"不同芯片廠商有不同長項，AI云端是英偉達，PC終端是英特爾AMD，移動端是高通"。

這套多元化邏輯有其合理性，但也意味著聯想必須在所有方向上同步投入，在軟件層保持對每一代新芯片的快速適配。

英偉達的RTX Spark路線圖已經規劃了三代產品，每一代迭代都要求聯想的軟件棧跟上，這也是一個持續的工程壓力。

當RTX Spark帶來新一輪算力躍遷之后，聯想能否把這種硬件升級轉化為用戶真正能夠感知的體驗升級，是一大考驗。如果把視野再放大一些，這個難題其實也不僅僅屬于聯想。

高端之外，數十億終端的潛力戰場

RTX Spark能夠滿足有足夠購買力、有本地AI算力需求的高端PC用戶，但端側AI的戰場，遠比這寬廣。

全球有超400億臺智能終端設備，包括手機、汽車、可穿戴設備、智能家居等，這些設備不可能搭載RTX Spark級別的芯片，它們的算力預算以TOPS計，不以Petaflop計；它們的功耗窗口以毫瓦計，不以瓦計。

但它們同樣需要在本地運行AI，同樣需要在斷網、弱網環境下完成感知、理解和決策。

如何在極度受限的端側設備上，把AI能力做到極致？這是RTX Spark照不到的戰場，也是端側AI普及的關鍵。

這也是國產廠商面壁智能試圖回答的問題。面壁的核心產品MiniCPM系列端側小模型，專為資源受限設備設計，從AI手機、AI PC，到智能座艙、可穿戴設備都有落地。

面壁提出的"密度定律"認為，大模型的知識密度每3.3個月翻一番，模型會變得越來越小，但能力越來越強，這是一個關于小模型效率的長期押注。

今年5月，面壁發布的MiniCPM5-1B，在部分能力維度上已經超越了GPT-4o的早期版本，而參數量只有10億。

面壁和英偉達的RTX Spark也是一種互補。RTX Spark打開了高端PC端側AI的天花板，面壁做的是在資源受限條件下讓更多設備獲得AI能力。

RTX Spark打開了高端PC端側AI的天花板，讓復雜Agent能夠在本地跑起來；面壁則在資源受限終端上，讓更多設備獲得可用AI能力。

一個是“算力充足，如何釋放潛力”，一個是“算力受限，如何用好每一個TOPS”。

面壁CEO李大海曾說，2026年裝上面壁端側模型的設備數將達到2025年的10倍。這意味著端側AI的普及不會僅依賴高端PC，也需要在低算力設備上建立可持續的小模型生態。

誰能在更小的資源預算內提供更好的體驗，誰就有機會勝出。

英偉達的入場，像一聲發令槍，把開發者的注意力和資本的目光引向端側，推動更多應用開始針對本地AI能力進行優化。

這些勢能會漫過RTX Spark本身，擴散到整個端側AI生態。

當然，理想與現實之間還隔著幾道坎，Windows ARM的軟件適配率仍然不足30%，消費市場對AI PC的真實換機意愿還存在爭議。

但誰又能說今天的小眾，不會成為明天的主流，就像2020年蘋果發布M1的時候，沒人能預見五年后它在筆記本電腦處理器的市場份額幾乎與AMD持平。

從Tegra的移動芯片失敗，到收購ARM的折戟、Grace CPU在數據中心的試水，再到今天RTX Spark的正式入場，英偉達用二十年時間，把AI算力從數據中心搬到了個人電腦。

RTX Spark未必就是最終答案，其銷量、價格、軟件生態和市場接受度，都還有待驗證，但它改變了端側AI產業的起跑線。

這樣看來，英偉達更像搭臺者，聯想、面壁，以及所有試圖在端側AI重寫規則的人，才是主角。