1773
鱼羊 明敏 发自 凹非寺，量子位 | 公众号 QbitAI
2024年第一个四分之一还没过完，PC市场的最热关键词，已是非「AI」莫属。
最新消息，继联想、荣耀之后，微软的首款AI PC马上也要来了。
据Windows Central爆料，微软将于3月21日发布新款Surface Pro和Surface Laptop。
两款新品围绕人工智能打造：
硬件方面，Intel版本搭载号称“AI CPU”的全新Intel Core Ultra，arm版本则用上了能把130亿参数大模型塞进PC的高通骁龙X Elite。
软件方面，两款新品均将首批支持Windows 11的“下一代”AI体验，包括一个内部名为“AI Explorer”的全新AI功能。
消息人士称，AI Explorer将会“使AI PC与非AI PC完全区分开来”，依靠自然语言交互，用户就能在PC上完成一切。
这还不算完，各种老牌PC玩家也都坐不住了，纷纷放出自家首款AI PC的消息。
由大模型技术风暴掀起的「模力时代」中，我们日常使用的生产工具正在加速变革。
这样的趋势，现在越发明朗。而终端产品的变革，也意味着，对于人们的日常工作生活而言，新一代的办公、学习姿势已经在酝酿之中。
那么，问题来了——对于普通打工人而言，产品概念花里胡哨，但究竟怎样的PC，才算是真正的AI PC？
PC可以怎样AI？
终端侧AI趋势开始后，终端、芯片、应用厂商正在用一个个面向生成式AI的芯片逐步补全关于AI PC的定义。
最先勾勒出想象的是微软。
去年9月，Colpilot正式进入Windows 11，成为电脑系统的AI助手。
这彻底掀开PC上自然语言交互的序幕，更改设置、整理桌面、打开软件都能通过聊天的方式实现。
联想紧随其后，推出首款AI PC，展示了大模型运行在本地后，给用户带来更加专属化的体验。
基于用户个性化信息创建本地知识库，量身定制完成一系列新任务。
比如基于电脑上的家庭照片和视频，创作一段“智能剪辑”。
再或者是成为更本地化的工作助手，帮助写文档、总结知识点、提升生产力。
与此同时，最关键的底层芯片也重大更新。
高通发布骁龙X Elite，就从底层角度给出了关于AI PC的一系列思考。
这块4nm制程的CPU支持130亿参数大模型的本地运行，70亿参数模型可每秒生成30个token。
AI引擎算力可达75TOPS，AI处理速度可达竞品的4.5倍。
CPU、GPU性能均是竞品的2倍，相同峰值性能功耗比竞品低68%。
除此之外，刚落幕不久的MWC 2024上，高通还展示了多模态大模型在PC本地运行的示例。
它能理解音频并进行推理，可实现语音输入的多轮对话。
这意味着，AI PC趋势和多模态趋势正在交汇融合，传统PC的交互方式将发生更加彻底的变革。
透过厂商们的实际动作，一些关于AI PC的初步共识已逐渐清晰。
即AI PC应该成为一个用户专属的个人助理，它具备强大的AI能力和底层计算能力，将人类从日常生活中常规的、重复性的、看似琐碎的工作中解放出来，转而从事更加具有创造性、求变的工作。
但问题是，现在的传统PC如何才能走到这一步？哪些地方已经悄然发生改变？
技术趋势给出了一定答案。
AI如何重塑PC？
面向生成式AI，PC要经历的是一场全新计算架构的变革。从底层硬件到上层应用，都正在发生变化。
因为生成式AI浮现出的典型场景，给计算连接等都提出新要求。
高通最新公布的《通过NPU和异构计算开启终端侧生成式AI》白皮书中总结，生成式AI用例可分为三类：
按需型：由用户出发，需要立即响应。比如在PC上生成会议摘要、开车时用语音查询最近的加油站。
持续型：运行时间较长。比如用手机进行实时对话翻译，PC上玩游戏时逐帧运行超级分辨率。
泛在型：在后天持续运行。比如始终开启的预测性AI助手。
这些情况都面临两大关键挑战。
第一，考虑到终端的功耗和散热问题，通用CPU和GPU难以满足这些AI任务的计算需求。
第二，生成式AI应用还在不断丰富，不能在功能完全固定的硬件上进行部署。
硬件方面，NPU和异构计算成为应对挑战的关键。
在终端侧AI趋势兴起后，原本更常出现在手机芯片上的NPU，也开始在电脑芯片上发挥更加重要的作用。
NPU（Neural Processing Unit）专门为加速神经网络和AI任务而生，可以快速处理AI推理任务。它不易于编程，但能实现更高的峰值性能、能效和面积效率，从而运行机器学习所需的标量、向量和张量数学运算。
随着AI趋势演变，NPU的设计也发生了一系列变化。比如2015年时，NPU主要面向音频和语音AI设计，用于简单CNN并主要需要标量和向量数学运算。
后面随着AI在拍照和视频中的使用增多，以及Transformer、RNN、LSTM和高维度CNN等模型相继出现，NPU又增加了张量加速器和卷积加速，可以降低内存带宽占用和能耗。
发展到大模型时期，低时延、续航、内存、等因素共同要求下，NPU往往比GPU表现出更好的能效和性能，也使得NPU成为生成式AI终端上不可或缺的部分。
举例来看，骁龙X Elite上集成的Hexagon NPU算力达到45TOPS。
在不损失太多精度的情况下，Fast Stable Diffusion能够在0.6秒内生成一张512×512分辨率的图像。
但随着生成式AI终端逐渐发展，端侧运行的模型可能规模还将继续扩大，多模态趋势已经显现，还有可能会搭载多个大模型。
仅靠NPU来支撑生成式AI任务，可能还不是最佳方案。
目前厂商们已经开始通过异构计算，让不同处理器分别处理擅长的任务，也就是让全部处理器都来支持生成式AI任务。这一直是高通坚持且擅长的赛道。
GPU不仅用于处理图像任务，也能用于以高精度格式进行AI并行处理，支持FP32、FP16、INT8运算。
CPU则能用于计算量低、要求低时延的AI任务上，如高通Oryon CPU性能达竞品的2倍，功耗还降低了三分之二。
处理器之间的相互配合，可以进一步释放AI引擎性能，超越单NPU效果。
与此同时，软件层面也受到AI影响发生改变。
一方面，生成式AI终端需要软硬结合才能更充分释放性能；另一方面，开发者也需要适宜当下的工具，能够更快速将大模型加入到应用中。
在MWC 2024上，高通宣布推出的AI Hub正是这样一个平台。
它是一个全面的模型优化库，为开发者提供超过75个主流模型，如Stable Diffusion、ControlNet、Baichuan-7B等。这些模型全部经过优化，可以充分利用高通AI引擎内所有核心的硬件加速能力，实现4倍推理速度提升。开发者能快速将大模型无缝集成到应用程序中，缩短产品面市时间。
同时这些优化后的模型也同步上线到GitHub、Hugging Face。开发者可在搭载高通和骁龙平台的云托管终端上自行运行模型。
更早推出的高通AI Stack可全栈支持主流AI框架（如TensorFlow、PyTorch、ONNX和Keras）和runtime。集成高通神经网络SDK，面向Android、Linux和Windows不同版本。
此外还提供一系列量化、压缩开发工具，能够在尽量不降低模型精确度同时压缩模型。一些生成式AI模型由此可以量化至INT4。
总之，从底层硬件到上层软件，都在以生成式AI为中心进行快速变革。
巨头们脚步一致，纷纷加速All in AI，也让生成式AI带来的变革更加迷人。
AI变革究竟会如何影响每一个人的生活？
AI PC展现出的演进过程，已经给大家做了一些小剧透。
AI PC通往何处？
细数起来，AI PC从概念兴起到初步产品落地，刚刚过去半年的时间。
高通产品管理高级副总裁兼AI负责人Ziad Asghar将其类比为“人们刚刚能够实现手机上网”的阶段：数十亿人都能够通过手机连接到网络，奠定了此后移动互联网应用大爆发的格局。
我想如果我们能够在终端侧实现AI的发展，就可以把生成式AI的能力和优势充分发挥出来，打破所有的界限，利用生成式AI的能力让我们在生活、工作、娱乐、医疗等各个方面都获得更好的体验。
换言之，AI重构PC，现在正是打地基的阶段。
从上述各大厂商的动作之中，可以梳理出几个关键的环节：
云端大模型能力向终端侧的迁移
为生成式AI打造的芯片+AI开发平台
基于AI+5G技术的设备互联
前两者不再做过多赘述，设备互联，则关系到生成式AI的发展从第一阶段走向第二阶段的实质：
数据在哪里，AI推理就在哪里进行。
短期来看，终端生成式AI基础能力的构建，能在手机、PC这样的生产力终端上率先带来应用的爆发，提高生产效率、带来新的创新机会——
对于普通用户，人机交互方式彻底变革，自然语言操作一切，带来的是更高的终端使用效率。
对于开发者而言，新一轮的AI原生应用爆发机遇，已经是现在进行时。AI搜索应用Perplexity，刚刚被曝估值将破10亿美元，跻身独角兽行列。
而对于终端厂商而言，从底层芯片到操作系统的变革，也将带来重塑市场格局的机会。
从更长期来看，更重大的影响则是，AI PC、AI手机的背后，真正的私人AI助理将会出现：用户能够在本地打造专属的Agent，而通过终端设备互联，AI Agent将可以渗透到生活的方方面面。
工业革命的核心，是生产力的突破和生产方式的变革。AI掀起的技术风暴，概莫能外。
而就像从纸质办公到网络办公，处在当下的我们还无法窥见未来的全貌，但可以预见的是，以人为中心，AI将自然流转于手机、PC、智能车、AR/VR，乃至全新的AI硬件之上，构建起真正的万物互联。
身处这样的时代，对于直面风暴的技术厂商们而言，如何跟上趋势，已有高通这样的先行者给出参考。
而对于我们每一个普通而言，更重要的是，认真思考如何拥抱新变革的时间点，已经到来。
毕竟先拥抱新趋势的人，先享受世界。
下载ECAD模型
