文｜奇点研究社，，，作者 | 孟雯

已往三年，，，端侧AI始终处于一种尴尬状态。。。。。

手机厂商在讲端侧大模子，，，PC厂商在讲AI PC，，，汽车厂商在讲智能座舱，，，险些所有人都在描绘统一个未来：AI不再住在云端，，，而是直接运行在用户身边的装备里。。。。。

但每次走到落地环节，，，故事总会卡住。。。。。模子能跑，，，却跑烦懑
；；；；；功效能做，，，却做不深
；；；；；演示看起来惊艳，，，真正交到用户手里却酿成了阉割版体验。。。。。

问题不在AI自己，，，大模子的能力突飞猛进，，，Agent最先具备妄想、推理和执行重大使命的能力，，，但终端硬件的生长速率，，，远远跟不上AI的进化速率。。。。。

刚刚竣事的Computex，，，黄仁勋宣布了英伟达的PC处理器RTX Spark，，，号称全球首款专为"个人智能体"打造的 Windows PC 超等芯片，，，戴尔、惠普、遐想、微软Surface，，，首批相助名单险些是整个Windows PC行业的点名册，，，预计今年秋天最先出货。。。。。

这未必是一款连忙改变PC市场名堂的产品，，，但却是端侧AI生长三年来主要的硬件信号，，，它意味着那些已往只能在云端完成的使命，，，有时机被搬到外地装备上运行。。。。。

AI PC的故事讲了三年，，，终于等来一个像样的底座。。。。。

01 端侧AI的硬件天花板被突破

在谈及RTX Spark之前，，，我们要先搞清晰，，，AI PC喊了三年，，，事实走到了哪一步？？？？？

若是从供应侧来看，，，这个行业着实已经完成了绝大部分准备事情。。。。。芯片厂商解决了外地推理的硬件问题，，，英特尔推出Core Ultra系列、AMD宣布Ryzen AI平台、高通依附骁龙X Elite重返PC市。。。。。，，NPU成为新一代处理器宣布会上泛起频率最高的要害词。。。。。

DeepSeek、通义千问等大模子也最先推出面向端侧的轻量化版本，，，让外地运行AI成为可能。。。。。

整机厂的投入更是险些不计本钱。。。。。遐想先后宣布YOGA AI元启和小新AI PC系列，，，戴尔把整条产品线重新命名向AI靠拢，，，华硕、惠普、华为也都把AI PC列为焦点战略。。。。。

凭证Canalys数据，，，2024年全球AI PC出货量已抵达约4800万台，，，占整年PC出货量近20%
；；；；；机构展望2025年这一比例将进一步提升至40%以上。。。。。

但供应侧的整装待发，，，并没有在需求侧激起响应的水花。。。。。行业回覆的是“AI能否进入PC”，，，用户体贴的是AI进入PC之后，，，能帮我做什么？？？？？

大大都消耗者不会由于电脑拥有45 TOPS照旧60 TOPS的NPU算力而爆发换机激动。。。。。戴尔高管曾在采访中提到：消耗者并不是基于AI来购置的，，，事实上AI可能让他们更疑心，，，而不是资助他们明确一个详细的效果。。。。。

这句话戳中了AI PC的症结，，，行业一直在强调算力，，，却始终没有创立出足够强烈的换机理由。。。。。再往下追问，，，为什么行业始终没能创立出有吸引力的AI应用？？？？？

症结的泉源，，，是算力底座自己就不敷用。。。。。

2024年微软提出Copilot+ PC认证标准时，，，焦点门槛是NPU算力不低于40 TOPS。。。。。这个标准在其时有其合理性，，，NPU功耗低、适合处理轻量的外地AI使命，，，好比实时字幕、图像识别、语义搜索等。。。。。

但随着智能体的昌盛，，，端侧AI的生长目的已经改变，，，已往各人讨论的是“怎样让AI在装备上跑起来”，，，现在各人讨论的是“怎样让Agent在装备上干活”。。。。。

两者关于硬件的要求完全不在一个量级。。。。。NPU实质上仍然是一种高度专用化的盘算单位。。。。。它善于规则明确、流程牢靠的使命。。。。。一旦遇到需要重大推理和多步妄想的Agent使命，，，就显得力不从心了。。。。。

古板Windows PC的CPU和GPU各自独吞内存，，，数据在两者之间搬运的本钱极高。。。。。当AI模子的参数目动辄以十亿计，，，这种割裂的内存设计成为了物理瓶颈，，，不是算力不敷，，，而是数据基础“喂不进去”。。。。。

而这个问题，，，英伟达想用RTX Spark一次性解决。。。。。

RTX Spark的焦点立异是通过NVLink-C2C手艺将CPU和GPU深度绑定，，，实现了600GB/s的双向内存带宽，，，这项手艺原本只保存于数据中心级别的Grace Hopper超等芯片上。。。。。

统一内存架构带来的最大改变，，，是CPU和GPU能够共享统一块内存池。。。。。这套架构此前在消耗级市场只有一个玩家做到过，，，就是苹果的M系列芯片。。。。。

但英伟达拥有苹果没有的工具：CUDA。。。。。

许多人把CUDA明确为一个开发工具，，，现实上，，，它更像是AI时代最主要的基础设施。。。。。已往二十年，，，CUDA已经成为全球AI开发者最熟悉的开发情形。。。。。PyTorch、TensorRT、llama.cpp等主流AI开发工具的第一适配平台都是CUDA，，，全球绝大大都AI模子的训练和推理管线都建设在CUDA之上。。。。。

把原本属于数据中心的能力，，，下放到消耗级PC，，，才是RTX Spark的杀手锏。。。。。

高通的Snapdragon X2 Elite Extreme的NPU算力在纸面上更高（约80 TOPS比照RTX Spark的神经处理单位），，，但高通没有CUDA，，，它的AI加速依赖QNN框架，，，与主流AI开发者生态之间保存一道不小的鸿沟。。。。。

苹果的M5芯片在端侧AI性能和能效上依然是基准，，，是行业标杆，，，但苹果运行的是macOS，，，而非Windows生态。。。。。

对整个Windows生态而言，，，RTX Spark带来的意义显然差别。。。。。

并且英伟达选择的入场时机也很巧妙。。。。。已往十年，，，高通险些肩负了Windows ARM生态的拓荒事情。。。。。Prism模拟层逐渐成熟，，，Windows ARM最先具备日常使用能力。。。。。

与此同时，，，苹果M系列证实晰ARM架构可以在性能和功耗上同时逾越x86。。。。。英伟达比及路修睦了，，，才开着CUDA这辆“重卡”驶来。。。。。

不过RTX Spark现在还未上市，，，价钱未知，，，市场反映尚待验证。。。。。天风国际剖析师郭明錤凭证供应链视察判断，，，搭载N1X和N1芯片的装备未来两年出货量约1000万台，，，主要面向对外地端AI算力有需求的重度用户，，，这是一个相当小众的最先。。。。。

RTX Spark之以是会引发云云高的关注，，，在于它释放出一个信号：在端侧外地运行百亿参数模子，，，不再是极客的专属游戏，，，而是即将走入消耗市场的“标配”。。。。。

02 英伟达下。。。。。，，遐想比及“春风”

在RTX Spark的首发相助名单里，，，遐想的泛起并不料外。。。。。

遐想是现在全球AI PC市场份额最大的整机厂，，，微软披露的数据显示其在Windows AI PC细分市场的全球份额抵达31%。。。。。当英伟达需要第一批把RTX Spark推向消耗者的相助同伴时，，，遐想险些是最自然的选择。。。。。

Computex 2026展台上，，，遐想展示了Yoga Pro 9n：一台15英寸的条记本，，，搭载RTX Spark平台，，，定位创作者、AI开发者和专业用户。。。。。

关于英伟达来说，，，RTX Spark不是数据中心产品，，，而是面向消耗者的新平台。。。。。

再强的芯片，，，也需要整机厂把它送到用户手里，，，而遐想是全球最大的PC厂商，，，也是现在AI PC结构最激进的玩家之一。。。。。

从2024年最先，，，杨元庆便一直向外界强调“混淆式AI”的看法。。。。。在个人端，，，遐想推出天禧AI智能体，，，希望成为用户跨装备的个人助手
；；；；；在企业端，，，推出擎天AI平台以及笼罩多个行业场景的智能体矩阵。。。。。

在遐想的构想中，，，未来用户不再翻开一个个应用完成事情，，，而是直接向智能体提出需求，，，由AI自主妄想使命、挪用工具、协调资源并完成执行。。。。。

能看出，，，遐想想讲述“下一代人机交互入口”的故事，，，这套逻辑建设的条件，，，即是端侧算力足够强盛。。。。。RTX Spark的泛起，，，第一次让这个缺口有了被补上的可能。。。。。

这也是为什么遐想比其他PC厂商更值得关注，，，由于它并不是今天才最先结构AI，，，已往几年积累的软件能力和生态能力，，，决议了它有时机成为第一批把算力升级转化为用户体验升级的厂商。。。。。

数据也支持这个判断：遐想上个财年AI相关营业收入同比增添105%，，，AI PC渗透率占其所有PC出货量的30%。。。。。

遐想已经为AI PC投入了足够长的时间和资源，，，当新的算力平台泛起时，，，自然会比大大都整机厂更容易吃到第一波盈利。。。。。

不过时机和挑战往往同时泛起。。。。。遐想善于供应链治理、渠道能力和规
；；；；；圃欤，，可AI时代竞争的重点，，，正在转向智能体体验、软件生态和用户留存。。。。。

别的，，，遐想同时是英伟达、AMD、高通、英特尔四家芯片巨头的相助同伴，，，杨元庆的说法是"差别芯片厂商有差别长项，，，AI云端是英伟达，，，PC终端是英特尔AMD，，，移动端是高通"。。。。。

这套多元化逻辑有其合理性，，，但也意味着遐想必需在所有偏向上同步投入，，，在软件层坚持对每一代新芯片的快速适配。。。。。

英伟达的RTX Spark蹊径图已经妄想了三代产品，，，每一代迭代都要求遐想的软件栈跟上，，，这也是一个一连的工程压力。。。。。

当RTX Spark带来新一轮算力跃迁之后，，，遐想能否把这种硬件升级转化为用户真正能够感知的体验升级，，，是一大磨练。。。。。若是把视野再放大一些，，，这个难题着实也不但仅属于遐想。。。。。

03 高端之外，，，数十亿终端的潜力战场

RTX Spark能够知足有足够购置力、有外地AI算力需求的高端PC用户，，，但端侧AI的战。。。。。，，远比这宽阔。。。。。

全球有超400亿台智能终端装备，，，包括手机、汽车、可衣着装备、智能家居等，，，这些装备不可能搭载RTX Spark级别的芯片，，，它们的算力预算以TOPS计，，，不以Petaflop计
；；；；；它们的功耗窗口以毫瓦计，，，不以瓦计。。。。。

但它们同样需要在外地运行AI，，，同样需要在断网、弱网情形下完成感知、明确和决议。。。。。

怎样在极端受限的端侧装备上，，，把AI能力做到极致？？？？？这是RTX Spark照不到的战。。。。。，，也是端侧AI普及的要害。。。。。

这也是国产厂商面壁智能试图回覆的问题。。。。。面壁的焦点产品MiniCPM系列端侧小模子，，，专为资源受限装备设计，，，从AI手机、AI PC，，，到智能座舱、可衣着装备都有落地。。。。。

面壁提出的"密度定律"以为，，，大模子的知识密度每3.3个月翻一番，，，模子会变得越来越。。。。。，，但能力越来越强，，，这是一个关于小模子效率的恒久押注。。。。。

今年5月，，，面壁宣布的MiniCPM5-1B，，，在部分能力维度上已经逾越了GPT-4o的早期版本，，，而参数目只有10亿。。。。。

面壁和英伟达的RTX Spark也是一种互补。。。。。RTX Spark翻开了高端PC端侧AI的天花板，，，面壁做的是在资源受限条件下让更多装备获得AI能力。。。。。

RTX Spark翻开了高端PC端侧AI的天花板，，，让重大Agent能够在外地跑起来
；；；；；面壁则在资源受限终端上，，，让更多装备获得可用AI能力。。。。。

一个是“算力富足，，，怎样释放潜力”，，，一个是“算力受限，，，怎样用好每一个TOPS”。。。。。

面壁CEO李大海曾说，，，2026年装上面壁端侧模子的装备数将抵达2025年的10倍。。。。。这意味着端侧AI的普及不会仅依赖高端PC，，，也需要在低算力装备上建设可一连的小模子生态。。。。。

谁能在更小的资源预算内提供更好的体验，，，谁就有时机胜出。。。。。

英伟达的入。。。。。，，像一声发令枪，，，把开发者的注重力和资源的眼光引向端侧，，，推动更多应用最先针对外地AI能力举行优化。。。。。

这些势能会漫过RTX Spark自己，，，扩散到整个端侧AI生态。。。。。

虽然，，，理想与现实之间还隔着几道坎，，，Windows ARM的软件适配率仍然缺乏30%，，，消耗市场对AI PC的真实换机意愿还保存争议。。。。。

但谁又能说今天的小众，，，不会成为明天的主流，，，就像2020年苹果宣布M1的时间，，，没人能预见五年后它在条记本电脑处理器的市场份额险些与AMD持平。。。。。

从Tegra的移动芯片失败，，，到收购ARM的折戟、Grace CPU在数据中心的试水，，，再到今天RTX Spark的正式入。。。。。，，英伟达用二十年时间，，，把AI算力从数据中心搬到了个人电脑。。。。。

RTX Spark未必就是最终谜底，，，其销量、价钱、软件生态和市场接受度，，，都尚有待验证，，，但它改变了端侧AI工业的起跑线。。。。。

这样看来，，，英伟达更像搭台者，，，遐想、面壁，，，以及所有试图在端侧AI重写规则的人，，，才是主角。。。。。

盘面上，，，半导体板块整体狂飙，，，工程机械、房地产股拉升，，，海运、口岸、贵金属板块跌幅居前。。。。。