解析“智能體PC”：是營銷噱頭，還是個人電腦未來？

此前電子工程專輯多番撰文提及，OpenClaw龍蝦乃是AI推理發展到一定程度后爆發的一大現象級應用——它實際上是生成式AI之后，經過多輪技術與市場累積，代理式或智能體AI（Agentic AI）的階段性發展成果。

即便我們先前就提過，至少現階段對個人用戶而言，龍蝦的實用價值還算不上很大，但它可能一定程度證明了智能體AI的發展路徑是正確的。

所以最近Intel提出的“智能體PC”概念也就很好理解：它是“進階版”AI PC，是具備“意圖理解、任務分拆、工具調用、反復迭代執行、記憶保持全鏈條執行”能力的AI PC。

高宇（英特爾中國區技術部總經理）在采訪中說，“2023年Intel首次提出AI PC概念時，大語言模型剛剛興起不到一年”；相對的，現在這個時間點，”智能體PC大規模普及還有一段路要走”，“技術和生態成熟還需要時間”——在龍蝦熱度稍稍退去、市場回歸冷靜之際（從搜索引擎關鍵詞搜索趨勢看，4月份OpenClaw熱度已從尖峰走向了平穩），“提出智能體PC的概念恰是最佳時機”。

那么本文就嘗試談談，所謂的“智能體PC”是營銷噱頭，還是智能體AI的未來載體？

“智能體PC”形態及構成

單純從設備形態來看，Intel在媒體會活動現場展示的“智能體PC”實際上也就是筆記本（更偏重輕薄本）、mini PC、AI NAS、邊緣AI盒子等設備。除了再宣傳一波酷睿Ultra處理器的AI性能，好像也沒什么特別；但其中更關鍵的部分，在軟件及其構成的全棧能力上。

下面這張圖給出了Intel眼中傳統PC和“智能體PC”之間的區別。高宇總結為“傳統PC是人類使用工具，需要人類學會操作”，“而智能體PC是人類數字分身，理解和學習人類”。我們自己總結這張表格表達的核心思路是，AI成為人機交互的主要入口，具體執行過程不再或更少需要人類關心。

比如其中提到記憶方式，傳統PC要求用戶記住文件在哪兒、系統設置怎么做，需要人類用戶去主動適應；而智能體PC能夠記住用戶偏好、操作習慣、說話風格、工作節奏，主動適應人類。再比如，應用呈現方式上，傳統PC有辦公軟件、瀏覽器等各類應用；而智能體PC不再需要用戶關注具體的應用，“只看‘任務流’和‘工作流’”即可...”

還有交互方式，傳統PC依賴固定指令輸入——無論是鍵盤還是鼠標操作，“用戶需要全程在線，一旦不操作，電腦就停了”；而智能體PC通過自然對話來理解用戶意圖，“用戶不在的時候，自己把活兒干了”，并給出結果......

這是個非常理想的PC交互與工作方式展望，它實際面臨著各種技術和商業模型上的挑戰；但它的確描摹了智能體AI時代，PC存在方式的另一種可能性；以及從Intel的角度來看，走向這一步，現在該做些什么。

上述這些+對AI的可靠性和安全性要求，Intel眼中的智能體PC需要有4個關鍵能力：本地智能體實現任務閉環的能力；端云結合的混合AI推理能力；具備記憶和自主進化能力；以及具備本地安全保護能力——主要是要解決OpenClaw此前面臨的數據隱私、高危操作等安全問題。

將這些能力落實到智能體PC之上，則其邏輯架構應該是下圖這樣的：

這張圖的大部分構成，實際上就是龍蝦或智能體AI的簡化版模型

中間有個Agent Runtime，為智能體提供運行環境，進行任務調度、維護上下文、監控狀態；其北側連接云上AI大模型（主腦）；南側末端連接執行器——無論是運行腳本、命令行CLI，還是藉由MCP服務或功能調用本地API等；與用戶交互（西側）則通過外部接入進行，可以是web端或即時通訊應用...

整個過程是用戶以自然語言提出需求，Agent Runtime經過處理后將其轉發給云上AI模型；主腦推理過后進行任務分解、下發；最終由執行器做任務執行；“執行結果再經過大模型分析處理，判斷任務完成度并規劃下一步工作...”，“循環往復”，“直到把任務完成”。

關鍵要素之一的Skill——即執行某一類工作的“說明書”，能夠給予大模型更明確的提示，令結果更符合預期；不同的Skill可用于完成不同的工作。

只不過“智能體PC”的完整形態，在此基礎上增加了幾筆。比如Agent Runtime的北側還有個輔腦——這個輔腦就是PC本地的AI模型——相對沒那么復雜的工作（如新聞搜集這類日常任務）可交由它處理；而“任務路由”機制會決策使用云上還是本地AI能力——Intel預期“30%以上的任務”可以在本地完成；

另外，南側的末端執行過程，也可以由不同的本地AI模型參與其中（如ASR、TTS、OCR等）；以及，Intel在這張圖右側增加了一些特性：為確保安全和隱私的“安全護欄”、可拓展的Skill技能池、自動化能力。這個思路和許多商業級類龍蝦方案是大致相似的。

那么為達成這樣的邏輯架構，Intel具體是怎么做的？

粗看幾個關鍵要素

一般芯片企業提出一個偏應用方向的指導框架，其自身能提供的主要還是芯片或所謂的“算力底座”。不過這件事在半導體發展的近現代真的不大一樣，尤其AI時代，芯片企業需要插手更多的技術棧上層工作。所以Intel說，“智能體PC不僅是算力平臺，更是一套全新的軟件架構”——其中涵蓋“AI模型加速支持、封裝好的API，抽象好的原子化基礎能力”等…

雖然Intel沒有在媒體活動上詳解智能體PC邏輯架構所有組件的全貌，不過我們還是能從中看到一些零散的信息。除了依托QwenPaw、QClaw、Workbuddy等現有智能體AI應用或服務的配合，這里根據在活動現場抓住的信息，略談有關智能體PC的幾個關鍵要素（1）硬件算力基礎；（2）上層模型支持；（3）端云協同；（4）本地安全保護能力；（5）Skill技能擴展...———這些也基本能對應前文提到智能體PC的4個關鍵能力。

Intel將mini PC、AI NAS、一體機、邊緣網關和“其他系統集成的AI Box”都定義為智能體PC的存在形態；輕薄本在其中被Intel寄予了作為“智能體PC”的厚望

（1）首先是底層硬件，除了我們已經熟知的這一代AI總算力最高180TOPS的Panther Lake（第三代酷睿Ultra處理器），Intel還特別談到了40TOPS INT8算力的Wildcat Lake（第三代酷睿處理器，CPU至多6核心、核顯2個Xe3核心、帶NPU5）——這是個面向入門市場的CPU產品；以及平臺可組合低至12GB/16GB容量的DRAM。這些應該是為了實踐和強調“智能體PC”的普惠，“人人可入手”、并非高端PC專屬這一思路。

不過這里強調的，應當并不只是當代酷睿/酷睿Ultra處理器的AI算力、平臺的統一內存架構（最高可將92%以上內存作為顯存，為iGPU所用），以及可以藉由AI SSD來實現MoE模型關鍵數據層offload以緩解內存壓力（將MoE的“冷專家”offload到SSD的技術）；更在于軟件層面的努力。

（2）而就軟件部分，Intel這次倒是沒怎么談AI技術棧及模塊，而是特別提及對于最新的Qwen3.6-35B-A3B模型和其他適用于智能體AI的模型的支持。高宇說Qwen3.6-35B-A3B模型在智能體和編程能力方面提升顯著，“我們認為目前端側運行模型的最優解就在35B上下”，“35B是個甜蜜點”。

Intel給出的數據是，在酷睿Ultra X7 358H + 32GB DRAM配置方案下，跑Qwen3.6-35B-A3B模型可達成>50 tokens/s的輸出速度，最大上下文窗口>128K（“龍蝦要求很長的上下文”，“滿足復雜和生產環境需求，就需要128K”），“目前可以勝任本地龍蝦的復雜任務需求。”

酷睿Ultra X7 358H + 32GB DRAM配置配置的其他參考數據還包括Z-image-turbo文生圖512x512可做到5秒出圖；跑Qwen3-Omni多模態模型——文本、圖片、聲音混合輸入，得到20+ tokens/s的文本輸出速率...

高宇表示，這些都是跑在功耗受限的輕薄本上的成績，“大眾最多接觸到的形態就是輕薄本”，如此才能體現智能體PC的“親民”；而不只是普遍認知中可作為智能體設備的mini PC或其他AI Box。

輕薄本承載的AI模型智商水平和推理效率達成曾經云上AI才有的高度，實際上是全產業鏈共同努力促成的，包括底層芯片。國際電子商情2025年4月刊的封面故事中，我們就說達到相同智商的AI模型token推理成本這幾年下降了1000多倍，是AI技術棧自上至下的高速發展所致。

基于第三代酷睿Ultra處理器平臺的不同配置，對于不同AI模型的支持情況；包括在上述邏輯架構中，作為本地輔腦的LLM，和執行器可能涉及到不同的多模態模型...

雖然這次Intel沒怎么談在中間件及模型適配上所做的努力，不過演示環節，Intel技術專家提到了這樣一句話：“利用（iGPU)高吞吐的XMX矩陣計算能力，對Transformer做針對性加速；結合OpenVINO混合精度量化，降低計算與帶寬壓力；通過KV cache與內存優化，減少自回歸過程中的重復計算”，“這套組合拳才有了這樣的效果。”

這句話本身只是比較泛的軟硬結合技術闡述：但讓這些模型高效地跑在酷睿Ultra處理器上，其中濃縮的Intel在軟件方面的工作量應該也是相當大的；所幸，自2023年的Meteor Lake（酷睿Ultra 1代）起，Intel就在軟件層面構建AI基礎設施（如OpenVINO），在后續的AI技術浪潮中越來越顯現出價值。

（3）第三，強調端-云混合AI。即除了端側本地要做涉及隱私安全、更具成本效益的AI推理，還需要云來做更復雜、涉及更長上下文的AI任務處理。今年的Intel人工智能創新應用大賽據說就特別新增了“混合AI賽道”。

就端側部分，大部分搞邊緣或端側AI技術的企業，普遍在談邊緣/端側AI推理的價值在于安全、隱私、延遲等；而在智能體AI時代，Intel還強調端側智能體AI的價值在于“成本”——即智能體AI對于token的巨量消耗及對應所需的成本投入，是端側推理可予以緩解的。

“邊緣”大概并不僅限于集成iGPU和NPU的酷睿Ultra PC，還可以是加入了Arc獨顯、Gaudi加速器，或者采用至強CPU的邊緣系統；比如圖中基于Arc Pro B60的方案；Intel給至強W+Gaudi 2E多卡AI推理系統的定位是>200B模型推理，10億token日產能；乃至還有基于至強6的多龍蝦（“龍蝦湖”）實例支持...

而云上部分則補充了端側AI智能水平受限的缺憾——這應該還是Intel第一次就AI PC概念范疇，特別去肯定云上AI的價值。這大概也表明了智能體AI時代的算力需求、token消耗的確是上了新的臺階；而這種混合AI，顯然是AI智能水平與成本投入的折中之選。

前面的邏輯架構圖就明確了，其中有個任務路由會決策使用云上還是本地AI能力。高宇在采訪中解釋說，對于這部分路由的實現，Intel會提供核心技術思路，應用的最終實現要交由開發者去完成。

其基本邏輯是由AI模型來判斷當前任務需求適合本地還是云上執行：除了可以遵循Skill指示來直接執行，還“可以用本地Qwen3.6-35B模型（輔腦）做判斷，或者我們內部也在考慮用更小參數量的4B模型，速度會更快”。

粗略計算活動現場演示的7個智能體AI演示demo——包括TTS、ASR、OCR、生圖、生視頻等，總token消耗量據說就將近1000萬了

（4）第四，本地安全保護能力。這一點理論上應該類似于企業級龍蝦方案的基于策略的隱私和安全guardrail，以及嘗試令智能體的行為更加可控。雖然我們不清楚這部分Intel具體是怎么做的，不過活動現場，Intel給出了兩個涉及安全與隱私的demo。

其一是讓智能體AI去對某個目錄做總結，其中部分PPT文檔標識“機密”字樣——在有安全護欄的情況下，AI就不會將這些數據外傳；其二是用戶要求龍蝦自身恢復到某個歷史狀態，LLM主腦可能將其理解為刪除數據，在沒有安全護欄的情況下，開啟自毀模式——而安全護欄則通過語義理解，防止此類操作發生。

“我們會將PoC成果分享給商業化軟件廠商。”高宇在談智能體PC的安全防護能力時說，“將Intel的設計思路和技術優勢，轉化為合作伙伴產品中具體有效的安全防護設置。”最終具體如何實施，也要看商業軟件廠商的決策。“現在的龍蝦通過Skill實現安全護欄”，而未來智能體AI的這類涉及隱私與安全的特性，有機會快速走向標準化。

技術專家甚至還提到，Intel正考慮硬件級安全實施方案，比如“對特定敏感數據或核心操作進行隔離保護”，乃至“對關鍵數據構建災難恢復機制”——只不過這些“前沿安全方法仍在內部研發階段”。

完善Skill和智能體PC生態

（5）第五，就是Skill技能擴展，是為智能體PC實現各種復雜操作的“說明書”；或者也可以理解為智能體PC之上的應用。媒體活動現場，Intel就Skill構建，給出了資料抓取與總結、文字轉語音TTS、本地視頻編輯、發票OCR與歸類整理、安全護欄、生圖生視頻、在線視頻內容ASR轉錄與總結等demo展示...

其中的部分Skill已經在開源社區上線：比如對在線課程視頻做結構化內容整理的Skill（流程是抓取在線視頻文件，將音頻轉為wav，經由ASR轉錄，再基于大模型做結構化內容生成——梳理學習要點）；再比如本地的文生圖Skill、OCR Skill、熱搜摘要Skill等...

Intel期望從3個層面來構建自有生態內的不同Skill，如上圖所示。這顯然屬于智能體PC生態完善的一環。如高宇所說“繁榮Skill生態是智能體PC發展的大前提，也是大模型能夠聰明地調度本地AI能力的關鍵路徑”。

最上層“甄選Skill”是Intel自己打造的——此前一直在宣傳的智能搜索（Helicon Search）、視頻粗剪、游戲輔助，以及前述安全護欄都在其中；其次是Intel工程師基于最佳實踐開發的“能夠調用本地AI原子化能力的Skill”，如ASR, OCR等——面向開發者，作為參考Skill存在；更大范圍還有社區Skill，基本形式就是構建生態的常見操作：社區競賽、校園計劃、技術培訓等。

大概是為了展示智能體AI的未來潛力，Intel在活動最后還給出了“家庭AI大腦”計劃及其概念展示：AI Box可作為滿足家庭場景的7x24服務中樞，核心思路是智能體PC的擴展；其中融入了諸多Skill，語音問答、信息查詢、智能家居操控都算是常規，還有像是OpenWRT Skill查看家用網絡流量與診斷信息；調用家中的攝像頭找貓；智能體理解并使用NAS中的數據剪輯短視頻、發朋友圈等…這總體上應該是個融合了Intel軟硬件解決方案的參考設計…

高宇說，基于現有Skill和vibe coding，Intel在此次活動上展示的Skill“最多1天時間都開發出來了”；如此，AI技術本身也就讓AI創新應用大賽、Skill大賽的門檻大幅降低，并有機會令AI應用創新更快速、頻繁地涌現；

這大概也是智能體PC有較大概率更快出現具備實用價值乃至殺手級應用的基礎。即便前文提到Intel眼中智能體PC的理想形態，在我們看來還存在著技術與商業模型的諸多現實問題——其實踐難度可能比2023年至今Intel打造的AI PC生態更高——或者其未來演進方式是否如Intel預期也是未知數；

但智能體PC概念和邏輯架構的提出，及生態構建已經是個出色的開端：且“以混合AI的部署方式讓智能體人人可及”的思路也清晰明確。

與此同時，這些還需要產業鏈上的諸多參與者聯動共建，如應用開發者、操作系統廠商、OEM廠商，及所有AI相關的服務供應商——尤其市場到現在仍然廣泛存在類龍蝦智能體AI應用的易用性問題——這些也都是Intel正嘗試牽頭商業化龍蝦落地方案、構建智能體PC生態的一部分。

“我們認為，這是一個正確的時間點——‘智能體PC’時代的大門才剛剛打開。”要讓智能體PC“從工程師的玩具變成大多數人可用的工具”，大概還需要一些時間。不過一旦智能體PC的市場價值與潛力成為行業共識；則從生成式AI爆發至今這短短幾年的歷史經驗來看，這個時間應當不會太久。