<mark id="oztn4"></mark>
0
| 本文作者： 楊依婷 | 2026-07-10 11:58 |
2026年4月，英特爾首次提出“智能體PC”概念。彼時，這套關(guān)于AI PC未來形態(tài)的構(gòu)想，更多還停留在架構(gòu)圖與技術(shù)框架層面。
大約兩個半月后，七家合作伙伴帶著具體產(chǎn)品站到了臺前——QClaw、Flowy、remio、TRAE、DuMate、YOYO Claw、Marvis，覆蓋辦公、娛樂、教育、游戲四個場景，逐一完成現(xiàn)場演示。
從概念提出到應(yīng)用集中亮相用時兩個半月，也是AI落地速度的一個真實刻度。
但另一個問題隨之浮現(xiàn)——三個月拉來七家合作伙伴、跑通二十多項應(yīng)用，這種“落地”的重量究竟是多少？用戶真正用起來了，還是僅僅停留在Demo能跑的程度？那些應(yīng)用里，有多少經(jīng)得起日常消耗，又有多少只是秀肌肉的“樣板間”？
用英特爾中國區(qū)技術(shù)部總經(jīng)理高宇的話來說：“智能體PC依然是一個新生的概念，出現(xiàn)市場困惑是正常的。”
困惑在哪里？
在于一家普通企業(yè)的IT采購，面對五花八門的思路，依然分不清哪個適合自己；在于一個普通的知識工作者，面對一臺預(yù)裝了智能體能力的電腦，仍然不知道該從哪件事開始；在于行業(yè)熱鬧了三個月，但“落地”這個詞究竟意味著什么，還沒有一個足夠清晰的答案。
這次集中亮相提供了一組回答的起點，但起點和終點之間，還隔著不少需要被追問的問題。
2026年初，OpenClaw的爆火讓“桌面智能體”第一次進(jìn)入大眾視野，然而如果去問問身邊的朋友，他們大概率從來沒有親自部署過龍蝦。
交互方式是橫在普通用戶和智能體之間的一道門檻——幾乎所有AI產(chǎn)品給用戶的都是一個空白對話框。
QClaw產(chǎn)品經(jīng)理孫樺陽描述了一個很常見的場景：“多數(shù)的用戶面臨的問題是用不起來，一個簡單的對話框放在他們面前，更多的時候，用戶就是在上面問一下天氣，查一下科技資訊，使用就到此結(jié)束了。”
因此，怎么把AI變成生產(chǎn)力的工具，這道門檻比想象中更高——榮耀YOYO Claw發(fā)布兩個月、積累了約100萬用戶之后，聽到最多的聲音是"有很大一批人都不知道什么是龍蝦"。
一個連概念都不知道的用戶群體，指望他們主動探索空白對話框里的可能性，幾乎不現(xiàn)實。
于是，降低門檻成了ISV（獨立軟件開發(fā)商）們的第一要務(wù)。
Marvis選擇了一個最通俗的方式，其產(chǎn)品負(fù)責(zé)人王秋陽在分享會上說，他們在系統(tǒng)里出廠預(yù)置了六個“小牛馬”，每個人有自己的分工——有的管文件、有的管應(yīng)用、有的管系統(tǒng)設(shè)置。
“AI時代的概念太多了，MCP、專家、Skills等等這些東西，”王秋陽說，“如果說我想做一個普世意義的產(chǎn)品，就不會把這些概念都拿出來。”
所以他們把整套東西包裝成了一條故事線：“你雇傭你的'小牛馬'在辦公室給你干活”。用戶不需要理解任何技術(shù)術(shù)語，打開電腦就知道：這六個“人”是來幫我的。
實際使用中，這種設(shè)計確實在降低用戶的操作成本。有人電腦總熄屏，自己進(jìn)設(shè)置翻半天找不到對應(yīng)的開關(guān)，轉(zhuǎn)而用Marvis調(diào)整了相關(guān)選項；有人鍵盤打Shift+2出來的不是@而是引號，Marvis判斷出是鍵盤布局設(shè)置錯誤，幫用戶改回了正確配置。
“以前大家的方式就是查一下百度，給你8個步驟，可能的原因，你每一個都試一下，”王秋陽說，“現(xiàn)在對Marvis來說就是一下解決的問題了。”
這套邏輯的底層，其實是智能體交互方式的一個根本轉(zhuǎn)向——從“用戶學(xué)AI”走向“AI適應(yīng)用戶”。
高宇后來描述了這種轉(zhuǎn)向的終點形態(tài)：“不能老讓用戶做問答題，而是讓用戶可以做選擇題。未來的終極形態(tài)，是用戶一打開設(shè)備，面對的是極其熟悉、符合直覺的引導(dǎo)式界面，只需簡單點擊幾下，AI就能在后臺默默把復(fù)雜的任務(wù)閉環(huán)搞定。”
用戶愿意用，只是第一步；能不能持續(xù)用，取決于另一件事：錢。
當(dāng)前AI行業(yè)有一個奇怪的現(xiàn)象：絕大多數(shù)云端AI產(chǎn)品在“免費送Token”，用戶用完了這家送的額度，轉(zhuǎn)身就去注冊下一家。
核心矛盾在于，云端推理是有成本的，服務(wù)器、電費、帶寬、運維，每一項都是真金白銀。免費燒不出商業(yè)模式，收費又趕跑用戶，純云端這條路，供需雙方根本無法達(dá)成雙贏。
這就是智能體PC要回答的第二個問題：成本賬怎么算？
英特爾畫了一條“微笑曲線”：曲線的右端，是重度依賴云端API的方案——初期硬件門檻低，但長期來看將面臨一堵Token費用貴的“高墻”，隨著任務(wù)復(fù)雜度上升，API調(diào)用成本會快速走高，讓很多重度用戶以及企業(yè)用戶最終無法承擔(dān)。
曲線的左端，是試圖在本地部署大模型的方案，將面臨一堵硬件成本的“高墻”，動輒上萬甚至兩萬多的整機(jī)價格，會把大部分用戶擋在門外。
兩堵墻之間的唯一通路，就是端云混合——讓大部分簡單任務(wù)在本地完成，只有復(fù)雜任務(wù)才上云。這聽起來像是技術(shù)選擇，其實是商業(yè)邏輯上的必然。
ISV們給出的數(shù)據(jù)印證了這一點。
remio創(chuàng)始人汪源算了一筆很具體的賬：開會場景中，如果用全云端的方案，80%的成本是耗在語音變成文字這個環(huán)節(jié)，而通過本地的ASR模型，不僅保護(hù)了隱私，還能直接砍掉這80%的成本。
Token消耗降下來之后，服務(wù)商可以讓利給用戶——同樣的會員服務(wù)，云端方案可能只給你300分鐘的免費會議紀(jì)要，remio可以給到1500分鐘。
更系統(tǒng)的數(shù)據(jù)來自英特爾技術(shù)團(tuán)隊對SuperClaw路由機(jī)制的實測：在一個被拆解為五個子任務(wù)的復(fù)雜流程中，智能路由將其中四個分配給本地處理，結(jié)果節(jié)省了43%的推理時間和69%的推理成本。隨著路由機(jī)制的自進(jìn)化能力持續(xù)迭代，這一比例還會繼續(xù)上升。
這些數(shù)據(jù)指向一個結(jié)論：在端云混合架構(gòu)下，智能體PC的總擁有成本正在從“無法預(yù)估”變得“可以計算”。用戶買一臺設(shè)備是一次性投入，之后的日常使用中，大部分Token消耗在本地完成，邊際成本趨近于零。
要讓這個商業(yè)邏輯成立，硬件本身必須先跨過一道門檻：不能太貴。
如果為了跑本地模型，用戶需要購買一臺價格遠(yuǎn)高于普通PC的“專用設(shè)備”，那端云混合的“省錢”優(yōu)勢就被硬件溢價抵消了。
于是，降成本就成了整條產(chǎn)業(yè)鏈必須完成的課題。
英特爾的酷睿Ultra 325處理器，主打“平衡之選”——100 TOPS的平臺AI算力，性能達(dá)到旗艦級358H平臺的70%以上，但價格面向“更加主流的市場”。
除了處理器本身，英特爾還在用多種技術(shù)手段降低整機(jī)成本。
MoE專家卸載技術(shù)是其中最典型的一項，大語言模型的參數(shù)量巨大，全部加載到內(nèi)存里對硬件要求極高，但MoE模型的特性是，每一步推理只激活一小部分“專家”——大部分專家在大多數(shù)時候是閑置的。
英特爾利用這一特性，把“冷專家”放到AI SSD的高速分區(qū)，只把“熱專家”留在內(nèi)存里。實測數(shù)據(jù)顯示，在桌面智能體常見的32K超長窗口場景下，內(nèi)存節(jié)省超過30%，首Token性能損失小于10%，解碼階段TPS幾乎無損。
這意味著32GB內(nèi)存的機(jī)器就能流暢運行35B的MoE模型，而不需要升級到64GB甚至128GB。
高宇強(qiáng)調(diào)，這些技術(shù)的目標(biāo)很明確：“讓用戶在主流的24G或32G內(nèi)存配置上，就能跑得動35B的MoE模型，而且還能把上下文窗口開到128K到256K。”
然而，一套硬件的經(jīng)濟(jì)賬算清了，還需要有人在這套硬件上持續(xù)提供服務(wù)、持續(xù)迭代應(yīng)用、持續(xù)把能力交付到用戶手中。
成本決定了用戶買不買得起，生態(tài)決定了用戶買回來之后有沒有東西可用。當(dāng)硬件門檻被逐漸削平，真正的考驗才剛剛開始：誰來搭建那套讓智能體PC真正運轉(zhuǎn)起來的系統(tǒng)？
高宇用五個字概括了英特爾的生態(tài)哲學(xué)：“水利萬物而不爭。”
落到行動上，就是“種樹”——把根扎在芯片和底層技術(shù)上，讓樹冠上的枝葉自己長出來。七家智能體軟件廠商、四種場景，三個月內(nèi)集中亮相。
但“不爭”不等于“無為”，英特爾要證明的是：作為平臺方，它能給合作伙伴帶來不可替代的價值。
首先是技術(shù)底座的確定性。
今天七家ISV都在做端側(cè)AI，但端側(cè)AI要真正好用，芯片層必須有足夠的能力儲備。英特爾提出的“智能體PC必備的七種模型能力”——ASR、OCR、TTS、CV/VLM、LLM、Image Gen、Omni——已經(jīng)構(gòu)成一個完整的基座，ISV不需要從零摸索端側(cè)AI的能力邊界，各家只需要在自己的場景里調(diào)用和優(yōu)化即可。
其次是響應(yīng)速度，從4月21日提出概念到7月7日集中亮相，中間“幾乎都是在過去一個半月內(nèi)密集發(fā)生的”。
高宇用了一個很形象的描述：“大家常說'下午拍板，晚上開干'，這就是我們以中國互聯(lián)網(wǎng)速度、AI速度在全速推進(jìn)。”對于ISV來說，上游芯片廠商能以這種速度配合迭代，本身就是稀缺資源。
這些價值最終要落到一個更實在的層面——ISV能不能在英特爾平臺上做出比別處更好的產(chǎn)品、更低的成本。
這直接體現(xiàn)在具體的優(yōu)化成果上：remio通過英特爾算力平臺把OCR識別速度提升3倍、ASR轉(zhuǎn)寫做到“1小時音頻不到2分鐘”；百度DuMate在酷睿Ultra平臺上完成OCR和35B模型的端側(cè)部署；QClaw的本地模型推薦機(jī)制會根據(jù)用戶設(shè)備參數(shù)直接計算最優(yōu)方案。
技能廣場、模型路由框架、MoE卸載技術(shù)——英特爾正在把越來越多的底層能力標(biāo)準(zhǔn)化、產(chǎn)品化，降低ISV接入門檻的同時，也讓各家不必重復(fù)造輪子，可以把精力集中在自己的場景邏輯上。
這套協(xié)作模式的形成速度相當(dāng)驚人，但真正的考驗在于，當(dāng)最初的熱情退去之后，這套系統(tǒng)能否持續(xù)運轉(zhuǎn)下去。技術(shù)迭代的節(jié)奏能不能跟得上ISV不斷增長的需求，硬件成本能不能持續(xù)下探以覆蓋更廣的用戶群體，用戶能不能真正感知到價值并形成使用習(xí)慣。
當(dāng)前展示的應(yīng)用是一個不錯的起點，但距離一個真正繁榮的智能體PC生態(tài)，還需要更多的時間、更多的參與者、更多的真實用戶反饋來共同推動。
雷峰網(wǎng)(公眾號：雷峰網(wǎng))雷峰網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
