智能体PC不想卖更贵 32GB内存就能跑35B模型

PC长出了“数字员工”

作者／ IT时报 贾天荣

编辑／ 王昕

今年4月，英特尔第一次系统提出“智能体PC（Agentic PC）”概念时，不少人下意识将其与AI PC混为一谈，毕竟过去两年，AI PC已经经历了太多概念更迭。从Copilot PC，到本地大模型PC，再到NPU PC，行业一直在寻找AI时代个人计算的全新形态。

三个月后，答案开始变得具体。7月7日，英特尔交出了一份百日成绩单：联合Flowy、QClaw、remio、TRAE、DuMate、YOYO Claw、Marvis等生态伙伴，落地了20多个真实场景应用，覆盖办公、娱乐、教育、游戏等多个领域。

从提出概念到应用落地，仅用了100天。在PC行业，这样的速度并不多见。“AI正在推动个人计算从‘工具增强’迈入‘智能伙伴’的新阶段。”英特尔中国区技术部总经理高宇表示。在他看来，智能体PC已经不再是一台拥有AI能力的电脑，而是一套由“思考、调度、执行、交互、记忆”组成的全新软件架构，它正在让电脑从工具变成伙伴。

PC开始拥有“数字员工”

AI PC始终没能回答一个问题：为什么用户需要换机？消费者不会因为多了几十TOPS算力就购买一台新电脑。更不会因为电脑能本地运行大模型而支付溢价。他们真正关心的是：AI究竟能不能帮自己干活。

而这正是智能体PC与传统AI PC最大的区别。过去AI更多是在回答问题，现在，AI开始完成任务。《IT时报》记者注意到，发布会上，英特尔和生态伙伴展示了20多个真实世界工作流。它们有一个共同特点：不是让AI对话，而是让AI行动。

早上开完两个小时的会议，过去最头疼的是整理纪要。现在，PC用户只需要把录音拖进remio（一款AI笔记助手），AI会自动转录、提炼重点、生成待办事项，甚至能够从几个月前的会议记录中找到相关信息，并自动关联起来。过去需要半天完成的资料整理，现在只需要几分钟。对于记者、咨询顾问、律师等知识工作者来说，这几乎相当于拥有了一名24小时在线的助理。

出差回来，一堆发票摊在桌子上。很多人最怕的就是报销。Marvis（腾讯AI助手）展示的场景是：把发票拍下来，智能体自动识别金额、时间、项目，填写报销单，核对信息，甚至按照企业流程提交审批。整个过程都在本地完成，发票数据、消费信息无需上传云端。

对于内容创作者来说，一篇稿子往往意味着：找热点、查资料、写文案、配图片、排版发布。QClaw(腾讯“龙虾”）把整个流程压缩成了一句话。“帮我写一篇关于折叠屏手机市场的稿子。”接下来：AI自动抓取热点，自动生成文章框架，调用本地模型生成配图，完成排版，甚至直接发布到指定平台。过去需要一整天的工作，现在可能只需要几十分钟。

发布会现场，Flowy（智能体平台）展示了一款“爱看球”AI助手。用户只需要说一句：“帮我关注今晚的足球比赛。”剩下的事情，电脑自己完成。半夜自动观看比赛，识别进球、判罚等高光时刻，并在第二天将精彩片段推送到手机。“它应该生存在这台电脑里，而不是只生存在一个聊天软件里。”Flowy创始人祁国良说。

这种变化意味着，电脑第一次开始拥有“数字员工”的属性。

智能体PC会很贵吗？

如果问过去两年AI PC最大的争议是什么，“成本”一定排在前列。消费者担心，AI越来越强，是不是意味着电脑会越来越贵；而PC厂商则担心，Agent带来的巨大Token消耗，会不会最终让用户“用不起AI”。

对此，英特尔给出了一条颇有意思的“微笑曲线”。在这条曲线中，横坐标是模型在端和云之间的部署方式，纵坐标则是系统的总体拥有成本。曲线的右端，是完全依赖云端大模型。这类方案最大的优势是硬件门槛低，用户甚至不需要一台性能特别强大的电脑，就能调用最先进的大模型能力。

但问题同样明显。随着Agent开始处理越来越复杂的任务，调用次数越来越多，Token成本会迅速攀升。让AI帮忙写一篇文章、总结一次会议，或许并不昂贵；但如果让AI每天帮你盯股票、分析几十份文件、自动处理工作流，Token费用很快就会变成一笔不小的开销。对于企业用户和重度用户来说，这意味着另一堵“高墙”——Token费用墙。

另一端，则是完全本地化部署。一些重度玩家尝试在本地部署100B甚至200B参数的大模型，希望获得真正的“Token自由”。但代价同样巨大。为了让超大模型流畅运行，往往需要更大的内存、更高端的处理器，甚至专门的独立显卡。这意味着动辄数万元的硬件成本，这堵墙，是“硬件成本墙”。

“哪怕部署200B模型作为主脑，也并不尽如人意。”高宇坦言。原因在于，即便付出了高昂的硬件成本，很多复杂任务依旧需要联网获取实时信息、调用外部工具以及进行跨平台协同，纯本地路线并非最优解。因此英特尔认为，智能体PC真正的未来并不在曲线的两端，而是在中间。

简单任务放在本地执行，复杂任务交给云端完成。通过模型路由自动调度端侧和云侧资源。既避免高昂的Token消耗，也不需要用户购买价格高昂的AI工作站。这也是英特尔提出“混合AI部署”的根本原因。

某种程度上，这条“微笑曲线”回答了两个问题：消费者担心的“会不会越来越贵”，以及厂商关心的“如何真正普及”。英特尔给出的答案是：只有找到成本与能力之间的平衡点，智能体PC才可能被消费者广泛接受。

如何让消费者买得起

混合部署要真正落地，前提是端侧不能“偏科”。如果本地只能跑一个通用大模型，而语音识别、图像理解、屏幕感知等能力全部依赖云端，那么“Token费用墙”依然会卷土重来。

英特尔提出了智能体PC必须具备的七种关键模型能力——LLM、ASR、OCR、TTS、CV/VLM、Image Gen和Omni七类本地AI关键能力，即：想、听、写、说、看、绘和全能，以此构建端侧的能力基座。

有了完整的模型能力矩阵，还需要解决端侧运行的资源瓶颈。英特尔展示的文档处理场景中，通过其SuperClaw模型路由方案，Token消耗下降69%，反应延迟降低43%，而输出结果几乎完全一致。该方案通过自动拆解任务、智能调度端云算力，在上云前完成信息脱敏，结果不达标则自动重试，路由策略持续自进化，兼顾效率与安全。

除此之外，智能体PC除了CPU选择之外，还面临着另一个挑战——内存。AI对内存容量的需求是巨大的，其巨大的参数量以及产生的KV Cache都需要更大的内存。

现实情况是，去年9月至今，部分型号内存条价格上涨超过300%。AI服务器对HBM和高容量DRAM的需求持续增长，正在向消费级存储市场传导，过去被认为是“白菜价”的内存和SSD，重新进入快速上涨周期。

在当前“价格高墙”之下，英特尔联合江波龙、群联电子等AI SSD厂商，将部分数据和专家模块调度到存储侧，大幅降低模型对系统内存的占用。

现场数据显示，35B模型运行时节省约10GB内存。过去在本地跑35B模型，即便是统一内存架构也至少需要64GB；而现在，主流32GB配置不仅能流畅承载35B模型，还能为Windows和其他应用留足运行空间。英特尔方面认为，未来智能体PC搭配AI SSD将是成本与性能综合下的最优解之一。

事实上，英特尔一直在从多维度降低智能体PC的入门门槛和日常使用成本。处理器产品线上，第三代酷睿Ultra既有358H这样的高性价比次旗舰，也有325这样的“走量”型号，两者性能虽有明显差异，但AI能力差距被压缩在30%以内。也就是说，智能体PC并不一定意味着更昂贵的硬件。

通过端云协同和混合部署，智能体PC正在试图打破上述两堵“高墙”。用户既不需要购买动辄数万元的AI工作站，也不必为频繁调用云端大模型承担高昂成本。从产业发展的角度看，这意味着未来真正普及的智能体PC，很可能不会是一类昂贵的小众产品，而是价格仍然落在今天主流轻薄本和商务本区间的大众化终端。智能体PC的终极目标不是把电脑卖得更贵，而是让每一台电脑都拥有“数字员工”的能力。

人们购买下一台电脑，不再是为了获得更高的跑分、更快的处理器，而是为了获得一个真正能够协同工作的智能伙伴。

排版／ 孙妍

图片／ IT时报 英特尔

来源／《IT时报》公众号vittimes

E N D

IT时报

怕被AI替代？

不如先学会用好它「挨踢妹@AI茶水间」每日投喂

请加「星标」不错过我们