2024年第一個四分之一還沒過完，PC市場的最熱關鍵詞，已是非「AI」莫屬。
最新消息，繼聯想、榮耀之後，微軟的首款AI PC馬上也要來了。
據Windows Central爆料，微軟將于3月21日發布新款Surface Pro和Surface Laptop。
兩款新品圍繞人工智能打造：
硬件方面，Intel版本搭載號稱“AI CPU”的全新Intel Core Ultra，arm版本則用上了能把130億參數大模型塞進PC的高通骁龍X Elite。
軟件方面，兩款新品均將首批支持Windows 11的“下一代”AI體驗，包括一個內部名爲“AI Explorer”的全新AI功能。
消息人士稱，AI Explorer將會“使AI PC與非AI PC完全區分開來”，依靠自然語言交互，用戶就能在PC上完成一切。
（賈維斯內味兒，這不就來了嗎doge）
這還不算完，各種老牌PC玩家也都坐不住了，紛紛放出自家首款AI PC的消息。
由大模型技術風暴掀起的「模力時代」中，我們日常使用的生産工具正在加速變革。
這樣的趨勢，現在越發明朗。而終端産品的變革，也意味著，對于人們的日常工作生活而言，新一代的辦公、學習姿勢已經在醞釀之中。
△ChatGPT4生成
那麽，問題來了——對于普通打工人而言，産品概念花裏胡哨，但究竟怎樣的PC，才算是真正的AI PC？
PC可以怎樣AI？
終端側AI趨勢開始後，終端、芯片、應用廠商正在用一個個面向生成式AI的芯片逐步補全關于AI PC的定義。
最先勾勒出想象的是微軟。
去年9月，Colpilot正式進入Windows 11，成爲電腦系統的AI助手。
這徹底掀開PC上自然語言交互的序幕，更改設置、整理桌面、打開軟件都能通過聊天的方式實現。
聯想緊隨其後，推出首款AI PC，展示了大模型運行在本地後，給用戶帶來更加專屬化的體驗。
基于用戶個性化信息創建本地知識庫，量身定制完成一系列新任務。
比如基于電腦上的家庭照片和視頻，創作一段“智能剪輯”。
再或者是成爲更本地化的工作助手，幫助寫文檔、總結知識點、提升生産力。
與此同時，最關鍵的底層芯片也重大更新。
高通發布骁龍X Elite，就從底層角度給出了關于AI PC的一系列思考。
這塊4nm制程的CPU支持130億參數大模型的本地運行，70億參數模型可每秒生成30個token。
AI引擎算力可達75TOPS，AI處理速度可達競品的4.5倍。
CPU、GPU性能均是競品的2倍，相同峰值性能功耗比競品低68%。
除此之外，剛落幕不久的MWC 2024上，高通還展示了多模態大模型在PC本地運行的示例。
它能理解音頻並進行推理，可實現語音輸入的多輪對話。
這意味著，AI PC趨勢和多模態趨勢正在交彙融合，傳統PC的交互方式將發生更加徹底的變革。
透過廠商們的實際動作，一些關于AI PC的初步共識已逐漸清晰。
即AI PC應該成爲一個用戶專屬的個人助理，它具備強大的AI能力和底層計算能力，將人類從日常生活中常規的、重複性的、看似瑣碎的工作中解放出來，轉而從事更加具有創造性、求變的工作。
但問題是，現在的傳統PC如何才能走到這一步？哪些地方已經悄然發生改變？
技術趨勢給出了一定答案。
AI如何重塑PC？
面向生成式AI，PC要經曆的是一場全新計算架構的變革。從底層硬件到上層應用，都正在發生變化。
因爲生成式AI浮現出的典型場景，給計算連接等都提出新要求。
高通最新公布的《通過NPU和異構計算開啓終端側生成式AI》白皮書中總結，生成式AI用例可分爲三類：
按需型：由用戶出發，需要立即響應。比如在PC上生成會議摘要、開車時用語音查詢最近的加油站。
持續型：運行時間較長。比如用手機進行實時對話翻譯，PC上玩遊戲時逐幀運行超級分辨率。
泛在型：在後天持續運行。比如始終開啓的預測性AI助手。
這些情況都面臨兩大關鍵挑戰。
第一，考慮到終端的功耗和散熱問題，通用CPU和GPU難以滿足這些AI任務的計算需求。
第二，生成式AI應用還在不斷豐富，不能在功能完全固定的硬件上進行部署。
硬件方面，NPU和異構計算成爲應對挑戰的關鍵。
在終端側AI趨勢興起後，原本更常出現在手機芯片上的NPU，也開始在電腦芯片上發揮更加重要的作用。
NPU（Neural Processing Unit）專門爲加速神經網絡和AI任務而生，可以快速處理AI推理任務。它不易于編程，但能實現更高的峰值性能、能效和面積效率，從而運行機器學習所需的標量、向量和張量數學運算。
隨著AI趨勢演變，NPU的設計也發生了一系列變化。比如2015年時，NPU主要面向音頻和語音AI設計，用于簡單CNN並主要需要標量和向量數學運算。
後面隨著AI在拍照和視頻中的使用增多，以及Transformer、RNN、LSTM和高維度CNN等模型相繼出現，NPU又增加了張量加速器和卷積加速，可以降低內存帶寬占用和能耗。
發展到大模型時期，低時延、續航、內存、等因素共同要求下，NPU往往比GPU表現出更好的能效和性能，也使得NPU成爲生成式AI終端上不可或缺的部分。
舉例來看，骁龍X Elite上集成的Hexagon NPU算力達到45TOPS。
在不損失太多精度的情況下，Fast Stable Diffusion能夠在0.6秒內生成一張512×512分辨率的圖像。
但隨著生成式AI終端逐漸發展，端側運行的模型可能規模還將繼續擴大，多模態趨勢已經顯現，還有可能會搭載多個大模型。
僅靠NPU來支撐生成式AI任務，可能還不是最佳方案。
目前廠商們已經開始通過異構計算，讓不同處理器分別處理擅長的任務，也就是讓全部處理器都來支持生成式AI任務。這一直是高通堅持且擅長的賽道。
GPU不僅用于處理圖像任務，也能用于以高精度格式進行AI並行處理，支持FP32、FP16、INT8運算。
CPU則能用于計算量低、要求低時延的AI任務上，如高通Oryon CPU性能達競品的2倍，功耗還降低了三分之二。
處理器之間的相互配合，可以進一步釋放AI引擎性能，超越單NPU效果。
與此同時，軟件層面也受到AI影響發生改變。
一方面，生成式AI終端需要軟硬結合才能更充分釋放性能；另一方面，開發者也需要適宜當下的工具，能夠更快速將大模型加入到應用中。
在MWC 2024上，高通宣布推出的AI Hub正是這樣一個平台。
它是一個全面的模型優化庫，爲開發者提供超過75個主流模型，如Stable Diffusion、ControlNet、Baichuan-7B等。這些模型全部經過優化，可以充分利用高通AI引擎內所有核心的硬件加速能力，實現4倍推理速度提升。開發者能快速將大模型無縫集成到應用程序中，縮短産品面市時間。
同時這些優化後的模型也同步上線到GitHub、Hugging Face。開發者可在搭載高通和骁龍平台的雲托管終端上自行運行模型。
更早推出的高通AI Stack可全棧支持主流AI框架（如TensorFlow、PyTorch、ONNX和Keras）和runtime。集成高通神經網絡SDK，面向Android、Linux和Windows不同版本。
此外還提供一系列量化、壓縮開發工具，能夠在盡量不降低模型精確度同時壓縮模型。一些生成式AI模型由此可以量化至INT4。
總之，從底層硬件到上層軟件，都在以生成式AI爲中心進行快速變革。
巨頭們腳步一致，紛紛加速All in AI，也讓生成式AI帶來的變革更加迷人。
AI變革究竟會如何影響每一個人的生活？
AI PC展現出的演進過程，已經給大家做了一些小劇透。
AI PC通往何處？
細數起來，AI PC從概念興起到初步産品落地，剛剛過去半年的時間。
高通産品管理高級副總裁兼AI負責人Ziad Asghar將其類比爲“人們剛剛能夠實現手機上網”的階段：數十億人都能夠通過手機連接到網絡，奠定了此後移動互聯網應用大爆發的格局。
我想如果我們能夠在終端側實現AI的發展，就可以把生成式AI的能力和優勢充分發揮出來，打破所有的界限，利用生成式AI的能力讓我們在生活、工作、娛樂、醫療等各個方面都獲得更好的體驗。
換言之，AI重構PC，現在正是打地基的階段。
從上述各大廠商的動作之中，可以梳理出幾個關鍵的環節：
雲端大模型能力向終端側的遷移
爲生成式AI打造的芯片+AI開發平台
基于AI+5G技術的設備互聯
前兩者不再做過多贅述，設備互聯，則關系到生成式AI的發展從第一階段走向第二階段的實質：
數據在哪裏，AI推理就在哪裏進行。
短期來看，終端生成式AI基礎能力的構建，能在手機、PC這樣的生産力終端上率先帶來應用的爆發，提高生産效率、帶來新的創新機會——
對于普通用戶，人機交互方式徹底變革，自然語言操作一切，帶來的是更高的終端使用效率。
對于開發者而言，新一輪的AI原生應用爆發機遇，已經是現在進行時。AI搜索應用Perplexity，剛剛被曝估值將破10億美元，跻身獨角獸行列。
而對于終端廠商而言，從底層芯片到操作系統的變革，也將帶來重塑市場格局的機會。
從更長期來看，更重大的影響則是，AI PC、AI手機的背後，真正的私人AI助理將會出現：用戶能夠在本地打造專屬的Agent，而通過終端設備互聯，AI Agent將可以滲透到生活的方方面面。
工業革命的核心，是生産力的突破和生産方式的變革。AI掀起的技術風暴，概莫能外。
而就像從紙質辦公到網絡辦公，處在當下的我們還無法窺見未來的全貌，但可以預見的是，以人爲中心，AI將自然流轉于手機、PC、智能車、AR/VR，乃至全新的AI硬件之上，構建起真正的萬物互聯。
身處這樣的時代，對于直面風暴的技術廠商們而言，如何跟上趨勢，已有高通這樣的先行者給出參考。
而對于我們每一個普通而言，更重要的是，認真思考如何擁抱新變革的時間點，已經到來。
畢竟先擁抱新趨勢的人，先享受世界。---[魚羊 明敏 發自 : 凹非寺*量子位 : 公衆號 QbitAI/來源: 量子位]
