如果你关注了最近的pc市场，可能会注意到一些集成了专用npu组件的“ai处理器”以及搭载它们的“ai pc”成为了市场的焦点。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
平心而论，这些所谓“AI PC”最为突出的特点，在于它们普遍出厂就搭载了AI相关的软件和服务，能够实现许多基于本地硬件加速的AI功能，其中包括但不限于AI语音对话、AI抠图、AI视频增强、AI绘画、AI文章总结等等。
从普通消费者的角度来看，对于"AI PC"的功能，自然会觉得很新奇、有趣。因此，整个产业链对于这一概念也抱有希望。人们期望"AI PC"不仅能带动新产品的销量，还能推动人工智能相关技术在个人电脑领域的广泛应用。
然而，“推广PC领域AI技术运用”这种重责大任，仅凭当前的这些“AI PC”能做得到吗？至少在我们三易生活看来，是存在一些难度的。
为什么这么说？首先，“使用AI技术的应用程序”在PC上出现的时间，要远早于“AI PC”这个概念。换句话说，现在那些所谓的“AI PC”产品，并不是最早的、能跑AI代码的电脑。
例如大家熟悉的AI绘图程序、或是Photoshop里的各种AI处理滤镜功能，再或者游戏直播软件里的AI麦克风降噪和AI绿幕（人像抠图）功能，它们就都是基于AI代码来实现的。这些代码要么是使用CPU的DLBoost指令集、AVX512指令集来运行，要么则是基于NVIDIA显卡的Tensor Core核心，或者是基于AMD显卡的GPGPU通用计算能力来实现。
也就是说，在集成了NPU的AI处理器诞生之前很多年，过去的老电脑实际上已经具备了可以加速AI程序的硬件。而且一些开发者和用户也已经习惯了这些老硬件的AI环境，因此对于现在的AI PC并不一定会有很强的需求。
从另一个角度来看，将最新的、现代化的AI PC与那些能够运行AI程序的老式电脑进行对比，我们可能会发现新硬件甚至未必具有很大的优势。
举一个最简单的例子，在关键的AI算力方面，最新一代的Intel Core Ultra处理器全系均具备10TOPs的集成NPU，而与之竞争的AMD Ryzen 8000系列移动APU，集成的NPU算力则是16TOPs。
相比之下，发布于2019年、定位并不高的RTX2060移动版显卡，它的集成AI单元（Tensor Core）算力就已经可以达到36.9TOPs，而目前主流的RTX4060Ti 16GB版桌面版显卡，AI算力则高达353TOPs。而受到部分狂热发烧友追捧、被认为是“4090完全体”的RTX6000Ada工作站显卡，AI算力更是达到了恐怖的1457TOPs。
这是什么概念呢？简单来说，就是哪怕是最新“AI PC”的所谓NPU在老显卡面前，AI性能也不过只有后者的几分之一。
有的朋友可能会说，如今CPU中集成的NPU和显卡相比有着功耗上的巨大优势。的确，不能否认NPU的能效比确实相比GPU要高出数倍之多，但在双方巨大的性能差距面前，这点能效比优势顶多也就只能在轻薄型笔记本电脑上，可能才有那么点实用价值罢了。但问题在于，轻薄型笔记本电脑能够代表整个PC行业吗，它们可以算是“绝对主流的产品形态”吗？显然答案是要打个问号的。
正因如此，在我们三易生活看来，如果现在PC行业真的想要推广“AI PC”这个概念，或者说想要让AI驱动的应用程序生态在PC上得到良好发展，那么只盯着最新一批的处理器，只针对它们所配备的、孱弱的NPU去鼓励适配，其实是不太够的。真正要解决问题，还是得解放大量老款CPU、显卡的“存量算力”，让它们都能去跑AI代码、都能用上AI助手、AI绘图、AI写作等功能。
只有这样，“AI”之于PC才可能会真正变成一个全新技术的体验革命，而不仅仅只是为了卖新的硬件、为了给实际性能不一定占优的新电脑做宣传，而刻意营造出的噱头。
【本文图片部分来自网络】
