AI早已有之，但无论是深蓝在国际象棋上战胜卡斯帕罗夫，还是AlphaGo在围棋上击败柯洁，都没有像ChatGPT这样引发全民热潮。

正是这一波AIGC(生成式AI)，第一次让AI来到了每一个普通人的身边，真正改变了人们的日常生活、工作，而不再是一个高大上的科技概念。

如今无论是互联网厂商还是传统科技厂商，无论是手机厂商还是PC厂商，无论是芯片硬件厂商还是软件厂商，自家产品不搞点AI，都不好意思和人打招呼。

当然了，对于如今人们的生活和工作来说，最核心的设备一是智能手机，二是PC电脑，它们也都在AI的路上衔枚疾进，很多人也经常正路，PC AI和手机AI，究竟哪个才是王道？

AIGC风潮席卷手机：但在PC面前 还是个弟弟

首先公平地讲，PC AI和手机AI无所谓孰优孰劣，关键是谁更适合用在哪里。

另一方面，对于AI而言，最基础的前提一是算力是否够强大、模型和算法是否够丰富，二就是应用场景是否够广泛、灵活。

无需赘言，手机和PC相比无论CPU性能还是GPU性能，根本不在一个档次，即便加入独立的AI引擎，也是看不见尾灯的。

最新发布的高通骁龙8 Gen3已经升级为第九代AI引擎，甚至将Hexagon DSP数字信号处理器升级为专门的NPU神经网络单元，并结合整个平台不同模块的力量，AI性能比上代几乎翻番。

但即便如此，它也只能处理100亿参数的大语言模型，每秒执行Token的数量最多不过20个。

联发科天玑9300配备了第七代APU处理器，具备生成式AI引擎，但也只是实现了70亿参数大语言模型端侧落地、130亿参数大语言模型端侧运行，70亿参数的生成速度也只有每秒20 Tokens。

更关键的是，手机端硬件平台性能优先，尤其是运行大模型必须的内存容量捉襟见肘，即便是高端配置的16GB也过根本不够用。

为此，联发科不得不动用了各种优化手段，包括内存硬件压缩、LoRA融合、Fusion技能扩充等等，才勉强够用。

在PC端，16GB内存如今已经是最起码的配置，32GB都随处可见，再加上PC处理器的强大算力，这些限制根本就不是事儿。

比如Intel 13代酷睿处理器，尚没有独立的AI引擎，但凭借XPU的加速，再加上简单的低比特量化、软件优化，只需16GB内存，就可以通过BigDL-LLM框架，轻松运行160亿参数的大语言模型，还可以快速对接新兴模型，包括但不限于：LLAMA/LLAMA2、ChatGLM/ChatGLM2、MPT、Falcon、MOSS、Baichuan、QWen、Dolly、RedPajama、StarCoder、Whisper，等等。

这里说的BigDL-LLM，是专门针对Intel硬件的一个低比特量化设计开源框架，支持INT3、INT4、INT5、INT8等各种低比特数据精度，性能更好，内存占用更少。

基于这个框架，使用i9-12900K处理器，只开启4个核心来运行ChatGLM2 60亿参数模型，生成效果就相当迅速，打开全部8个P核、8个E核之后生成速度可达每秒22 Tokens，已经不弱于很多云侧计算。

换言之，无论是需要将全部算力投入AI模型的运算，还是兼顾其他任务，PC端都可以轻松完成。

可以看出，无论哪种情况，Intel PC侧都已经可以很好地完成相应的AI工作，提供令人满意的算力和效率。

当然，60亿参数对于PC处理器来说是小菜一碟，换成LLaMA2 130亿参数大语言模型、StarCoder 155亿参数代码大模型，Intel酷睿处理器也都能获得良好的运行速度。

再换成Arc锐炫显卡，速度就更快了，比如ChatGLM2模型中生成速度可以超过每秒50 Tokens。

正是得益于如此快速的大语言模型运行速度，即便是一台轻薄笔记本，也可以在日常工作中及时提供各种帮助。

比如包括但不限于：聊天助手、情感分析、中英文翻译、故事创作、生成大纲、信息提取、美食指南、旅游规划、代码生成等等。

除了基于大语言模型的工作和生活助手，AIGC最常使用的另一个场景就是Stable Diffusion文生图、文胜文，这一点如今无论手机还是PC都可以做到。

当然，还是受制于算力，最新的手机平台虽然号称可以在1秒钟之内完成Stable Diffusion文生图，但是无论生成中的迭代次数、引导系数、关键词数量，还是图片的尺寸、分辨率、质量，都不得不做出妥协，也导致图片的应用范围有限。

在PC上，无论使用CPU还是GPU，完全可以根据自己的需要，任意设定参数，花个几分钟，就能生成用于高级设计、创作的素材。

AI的较量从“芯”开始

无论是处在产业链上游的芯片供应商，还是OEM或者下游的开发者、应用及服务提供商，都在入局AI赛道。但作为AI算力的底层构建者，芯片决定了AI体验的“天花板”。

目前，高通、英特尔、AMD、苹果、英伟达、联发科都围绕AI在自家芯片上下了一番功夫。

具体到PC领域，英特尔推出了Meteor Lake处理器，首次集成NPU；高通发布的骁龙X Elite，凭借高通AI引擎的异构算力达到75TOPS；苹果最新的M3系列也配备了增强型神经网络引擎，可支持AI软件开发。

或许仅从性能角度来看，可配备显卡、加速卡的工作站、台式机更胜一筹，但是多数用户手中的笔记本，特别是轻薄本，在体验方面更有看点。

毕竟在PC端能够部署终端侧AI，而终端侧AI的优势可不仅是低时延、个性化、更安全，还包括在没有网络的环境下也能随时随地体验，更符合“贴身助理”的定位，与混合办公时代下笔记本的使用场景相辅相成。

不同于深耕PC行业许久的英特尔，以及拥有闭环生态的苹果，高通在PC市场释放AI潜力，既有优势也有挑战。

尽管是2016年才入局PC行业的“新人”，但高通在终端侧AI方面的积累相比其他厂商并不落后，甚至是处于领先。

自2017年推出高通AI引擎，高通便持续发力终端侧AI，在提升骁龙平台AI算力的同时，着力打造基于终端侧AI应用，比如手机中广泛应用的AI场景识别、AI智能助理、AI识图等功能。随着终端侧AI与生成式AI的融合，带来的体验也将有所提升。

在2023骁龙峰会期间，天极网对话高通技术公司高级副总裁兼手机、计算和XR业务总经理阿力克斯·卡图赞(Alex Katouzian)时，他提到：无论是普通消费者还是企业级用户，评价一款AI PC其中一个标准就是这款产品的AI应用如何在日常使用中发挥作用。

未来用户在进行PC购买决策时，除CPU和GPU之外，还会考虑AI的性能和应用，在这些方面高通一直处于领先位置且仍在不断进步。

在2023骁龙峰会上，高通打出的第一张王牌就是骁龙X Elite计算平台。这款全新设计的平台，首次集成高通在兼容ARM指令集的前提下完全重构的Oryon CPU，采用4nm制程工艺，拥有12个3.8GHz的高性能核心。

其单性能可以领先苹果M2 Max约14%，且功耗减少30%；对比采用x86架构的英特尔酷睿i9-13980HX性能领先约1%，功耗减少70%。

AI方面，骁龙X Elite凭借高通AI引擎提供的异构算力达到75TOPS，其中Hexagon NPU支持45TOPS算力。据高通介绍，骁龙X Elite的AI处理速度是竞品的4.5倍。

同时骁龙X Elite还具备高通传感器中枢，首次集成始终感知ISP，提升AI辅助降噪、AI助理等体验。在生成式AI方面，骁龙X Elite可支持终端侧运行130亿参数模型；运行70亿参数大预言模型每秒生成30个token。

PC厂商应该要有自己的大模型

当前时点AI PC仍处于产品早期阶段，但可预见的一个趋势是，随着终端设备AI算力的发展，复杂度较低的训练任务也将实现向终端的迁移，AI PC将成为行业的大势所趋。

原因在于，虽然AI推理对计算资源的要求较低，但在整体规模上远高于AI训练，并随应用端的规模化与日俱增，完全依赖云端资源将造成高昂的使用成本。AI大模型下游应用的规模化与商业化需要利用端侧的AI处理能力，终端设备神经网络计算总量的增加将促进硬件架构的针对性开发。

尽管当前AI PC的产品噱头大于实际用户体验，但是通过联想的终端展示，以及Intel的AI PC加速计划，和众多ISV深度绑定的合作生态，都表明终端侧的AI升级存在云端不具备的优势。

只是摆在英特尔和PC厂商甚至Wintel联盟面前的问题依旧棘手：

Arm架构下无论是高通还是英伟达，都是英特尔不可小觑的对手；微软在操作系统内置Copilot，而PC厂商也要自己的大模型，否则软件层面的价值增量就无从谈起。

到头来，最如履薄冰的还是万年组装厂，芯片和系统仍被捏在别人手里。