龍蝦本和AI Box的火熱都暗示著智能體PC快速發(fā)展成為既定事實。作為AI PC衍生形態(tài)的重要分支，智能體PC執(zhí)行效率更高，但配置和復(fù)雜度也同步升級，究竟如何調(diào)用本地AI和云端AI算力，智能體PC如何做到可靠、簡單、易用，都是整個行業(yè)需要探討的問題。在這個時間點，英特爾的進場也意味著整個剛剛建立起來的龍蝦生態(tài)進入高速發(fā)展階段。

那么英特爾打算如何造智能體PC？在發(fā)布會后，我們有幸通過英特爾中國區(qū)技術(shù)部總經(jīng)理高宇和在場的英特爾技術(shù)專家，對智能體PC進行了更深入的了解。

智能體PC的核心競爭力

安全護欄（Guardian）和任務(wù)路由（Hybrid AI Routing）被認為是智能體PC的核心競爭力之一，安全護欄是將防護從被動防御升級到主動防御，這不是傳統(tǒng)殺毒軟件或防火墻，而是嵌入AI推理流程中的實時決策層。它在大模型生成動作指令與實際執(zhí)行之間插入了一道判斷閘門。任務(wù)路由更好理解，任務(wù)如何歸屬本地算力和云端算力，主要是由任務(wù)路由完成。

龍蝦應(yīng)用場景目前面臨了兩種高危操作，一種是系統(tǒng)級危險操作，通過自然語言歧義，例如通過“恢復(fù)到以前狀態(tài)”直接對系統(tǒng)進行完全重置而直接崩潰。安全護欄（Guardian）就是要解決這樣的問題，在刪除動作執(zhí)行前，識別操作風(fēng)險等級并中止。

同時，安全護欄也能很好的解決數(shù)據(jù)泄露風(fēng)險，在數(shù)據(jù)出站網(wǎng)絡(luò)請求發(fā)起前，掃描文件元數(shù)據(jù)/內(nèi)容標(biāo)記，觸發(fā)攔截。

值得注意的是，安全護欄不是讓大模型重新理解提示詞，而是無論模型如何理解，只要輸出的是刪除或者上傳等危險動作，一律被攔截。這降低了依賴模型自身安全對齊的不確定性。目前安全護欄屬于Skill防護，屬于應(yīng)用層面，但數(shù)據(jù)安全已經(jīng)迫在眉睫，意味著這一套安全方式未來會給AI提供不同的訪問等級，例如通過可信執(zhí)行環(huán)境TEE，配合AI推理的融合架構(gòu)，敏感數(shù)據(jù)在硬件隔離區(qū)內(nèi)完成推理，即使系統(tǒng)層被攻破也無法提取。

任務(wù)路由（Hybrid AI Routing）解決的是AI算力的歸屬問題。想讓智能體PC開箱即用，讓用戶自行手動切換的體驗注定不會好。目前有兩種方式可以選擇，一種是大模型自路由，由云端大模型判斷任務(wù)的分配給云端還是本地，缺點是響應(yīng)延遲會變高，同時也會占用本地算力。另一種是外掛專門的路由模型，響應(yīng)速度快，但是會增加系統(tǒng)復(fù)雜度。目前兩種路由方式都在驗證和討論中。

雖然還沒有最終定論，但路由判斷決策已經(jīng)成型，它應(yīng)該具備文本總結(jié)和復(fù)雜推理的區(qū)分能力，并且能夠標(biāo)記數(shù)據(jù)敏感度，洞察本地算力資源狀態(tài)，判斷網(wǎng)絡(luò)質(zhì)量，以及對Token成本的自行判斷。

與安全護欄一樣，任務(wù)路由目前也處在Skill階段，英特爾在其中扮演了路由決策框架角色，而非最終路由產(chǎn)品的提供者。在此基礎(chǔ)上，OEM和ISV可以按照路由決策框架疊加自家商業(yè)邏輯，完成任務(wù)路由部署。

有意思的是，英特爾強調(diào)了發(fā)布會現(xiàn)場展示的文生圖、ASR、TTS、OCR等7個Skill開發(fā)周期不超過一天，相比傳統(tǒng)應(yīng)用數(shù)個月的開發(fā)周期，Skill的升級速度碾壓了后者至少兩個數(shù)量級。也可以遇見智能體PC Skill發(fā)展后續(xù)是非常猛的。

回答了核心的Skill問題的同時，如何在端側(cè)完成AI算力卸載也同樣是一個問題。AI SSD正是在這樣的需求下誕生的。AI SSD是英特爾與群聯(lián)合作的軟硬件協(xié)同的方案，在硬件層通過SLC+TLC混合分區(qū)組合，滿足KV Cache和靜態(tài)存放數(shù)據(jù)的需求。

AI SSD在軟件層面具備兩個核心機制。一個是MoE冷專家卸載，MiniMax和部分Qwen版本在推理時并非所有專家模塊都會被激活。通常只有5-10%的專家參與單次前向傳播。將當(dāng)前任務(wù)不需要的冷專家權(quán)重從內(nèi)存卸載到AI SSD的TLC分區(qū)，僅保留熱專家在DRAM中。這樣做可以顯著降低常駐內(nèi)存占用，使16GB設(shè)備能運行理論上需要32GB+的MoE模型。

與此同時，AI SSD也可以讓KV Cache實現(xiàn)復(fù)用。大模型生成文本時，已生成的Token的Key-Value狀態(tài)需要保留在顯存/內(nèi)存中，以便后續(xù)Token計算注意力。長文本生成的KV Cache膨脹極快，是模型權(quán)重的數(shù)倍。這時候后如果將已計算完成的KV Cache寫入AI SSD的SLC分區(qū)，下次生成時直接讀取復(fù)用，無需重新計算。當(dāng)KV Cache復(fù)用得以實現(xiàn)，多輪對話、長文檔續(xù)寫等場景將會被加速，并且還能進一步釋放DRAM壓力。

英特爾在現(xiàn)場就演示了一款16GB內(nèi)存的輕薄本實現(xiàn)了35B模型的運行自由。35B模型通常需要約70-80GB（FP16）或35-40GB（INT8）的內(nèi)存實現(xiàn)。通過AI SSD擴展，16GB物理內(nèi)存即可運行，并且可以完成多輪對話，不受內(nèi)存容量限制。當(dāng)然這也是在內(nèi)存與SSD日益昂貴的前提下，折中妥協(xié)的解決方案。

即便如此，這套方案能夠在DDR內(nèi)存降價之前，就能帶來顯著的降本增效收益，無論內(nèi)存和SSD是否降價，這樣的收益在任何時候都是難以拒絕的。目前為止，AI SSD還屬于英特爾與群聯(lián)的合作方案，英特爾有意將其推廣為行業(yè)通用標(biāo)準(zhǔn)，類似當(dāng)年傲騰的持久內(nèi)存概念，但用更成熟的NAND Flash實現(xiàn)。

構(gòu)建生態(tài)，不做全案

AI Box在發(fā)布后被廣泛關(guān)注，不同于早年的Intel NUC，AI Box提供的底層硬件平臺參考設(shè)計和下一層軟件解決方案，而非軟硬件的全面推廣，因此AI Box與此前的NUC有很大的不同。NUC主要提供了主板參考設(shè)計、散熱、機箱規(guī)范以及基本驅(qū)動支持，然后由華碩、技嘉、小米等廠商去制造整機、貼牌銷售。英特爾本質(zhì)上賣的是標(biāo)準(zhǔn)化積木，而非完整產(chǎn)品。

AI Box可以理解成進入智能體PC時代后的一個分支升級。英特爾提供的是AI Box等設(shè)備的底層算力平臺參考設(shè)計，在軟件層具備原子化的AI加速API、模型封裝、Guardian安全能力。最后在生態(tài)上，由硬件制造、軟件ISV、模組廠商以及系統(tǒng)集成商共同完成。

因此在分工上，英特爾負責(zé)AI Box的底層架構(gòu)，包括由酷睿Ultra構(gòu)建起來的算力平臺，AI SSD硬件規(guī)范和接口標(biāo)準(zhǔn)。同時提供底層驅(qū)動和系統(tǒng)級優(yōu)化，并將AI模型加速、API調(diào)用、安全防護等復(fù)雜功能深度優(yōu)化后抽象為標(biāo)準(zhǔn)化接口。

在硬件基礎(chǔ)之上，則是由英特爾與合作伙伴共同打造的標(biāo)準(zhǔn)，英特爾負責(zé)輸出概念驗證和技術(shù)思路，合作廠商打造具體的商業(yè)化方案，比如將安全護欄Guardian產(chǎn)品化，任務(wù)路由方案落地，以及AI SSD的標(biāo)準(zhǔn)最終由SSD廠商以及OEM共同實現(xiàn)。

有了硬件和標(biāo)準(zhǔn)托底，生態(tài)才有機會實現(xiàn)自由發(fā)揮。例如AI Box本體可以是由NUC合作伙伴制造，軟件層面則可以五花八門，比如QClaw、Molili、百度DuMate、騰訊WorkBuddy、TRAE等。

這套生態(tài)打法目的是突破各領(lǐng)域潛在的小白用戶，智能體PC的初衷是做到開箱即用。英特爾在其中扮演的橘色是牽頭定義技術(shù)方向，輸出標(biāo)準(zhǔn)，然后與合作伙伴共同創(chuàng)新，打造豐富的智能體PC生態(tài)。這樣做的好處是，可以最大化的提升各領(lǐng)域廠商的分工效率，英特爾的核心競爭力在半導(dǎo)體設(shè)計、制程、系統(tǒng)級優(yōu)化，而非硬件制造或者軟件消費，同時標(biāo)準(zhǔn)化接口可以避免過度零碎的千人千面方案，圍繞在合理的標(biāo)準(zhǔn)下構(gòu)建豐富的生態(tài)場景。

英特爾的目標(biāo)是讓智能體PC成為普適化設(shè)備，而非高端玩家的玩具。只有開放生態(tài)，才能讓不同價位的設(shè)備、不同偏好的軟件共存，最終讓AI算力成為處理器的評判標(biāo)準(zhǔn)，而非少數(shù)品牌的溢價工具。

讓門檻降低

構(gòu)建簡單易用的Skill生態(tài)被認為是降低智能體PC的關(guān)鍵?，F(xiàn)在本地部署AI門檻是地獄級的，在Skills出現(xiàn)之前，讓普通用戶在本地PC上跑起一個AI工作流，至少需要完成安裝Python、CUDA、PyTorch/TensorRT、依賴庫版本對齊，再從HuggingFace等站點下載幾十GB權(quán)重文件，選擇FP16、Q8等量化版本，然后再配置上下文長度、溫度系數(shù)、Top-P、系統(tǒng)提示詞，最后用代碼或YAML將多個模型工具串聯(lián)，非常復(fù)雜。

由此可見，Skill一鍵封裝成為關(guān)鍵。Skills的本質(zhì)是將上述所有步驟打包成一個可聲明式安裝的單元。用戶與Agent的交互簡化到一句話，比如“幫我安裝這個Skill"”即可完成。這意味著Skills的安裝過程是Agentic，大模型本身作為執(zhí)行者，自動完成下載、配置、注冊，而非用戶手動點擊安裝向?qū)А?/p>

英特爾嘗試構(gòu)建Skill生態(tài)，目的就是加速這個安裝和部署的過程，并幫助用戶重復(fù)試錯，短時間內(nèi)找到最優(yōu)解。用Skill作為容器，封裝模型選擇、量化配置、提示詞模板、工具調(diào)用鏈。對于開發(fā)者而言，合適的Skill生態(tài)可以形成可復(fù)用的知識沉淀，類似GitHub的代碼倉庫或Docker Hub的鏡像。

正如前面所說，發(fā)布會當(dāng)天展示的7個Skill實際上只用了一天就完成了開發(fā)，則是因為Skill本身依賴于Web Coding成熟表現(xiàn)，AI輔助編程已經(jīng)能讓代碼生成和調(diào)試效率倍增。與此同時，大模型作為執(zhí)行引擎，可以讓Skills的安裝和運行依賴Agent的自動執(zhí)行能力，開發(fā)者只需定義做什么，不必寫完整的安裝腳本。

同時，完善的Skill生態(tài)類似于各廠家官方APP Store，可以很好的避免危險的操作，構(gòu)建完整的功能封裝和安全護欄結(jié)合，確保本地信息安全。Skill可以被當(dāng)成優(yōu)選APP一樣，選擇和下載。

當(dāng)然Skill生態(tài)的商業(yè)模式細節(jié)還有待探討，在概念成型至今僅有數(shù)個月的時間內(nèi)，英特爾在做的是不斷降低開發(fā)門檻高，利用生態(tài)優(yōu)勢帶動業(yè)內(nèi)合作伙伴快速填充Skill生態(tài)中的內(nèi)容。

毋庸置疑的是，Skill生態(tài)配合智能體PC，可以讓端側(cè)AI體驗更進一步。特別是在弱網(wǎng)環(huán)境中實現(xiàn)高可用，以及零Token成本實現(xiàn)本地推理，確保本地圖像、語音和數(shù)據(jù)文檔不出本地設(shè)備，這些都是AI PC和智能體PC的優(yōu)勢。

在現(xiàn)階段，端側(cè)AI PC已經(jīng)可以做到同時部署35B本地大模型、OCR、Z-Image和ASR/TTS等多個模型。所有模型在一個任務(wù)流中，模型按步驟喚醒，而非同時駐留內(nèi)存，從而保持資源釋放，這個過程對于用戶而言是一步完成，類似于汽車的自動擋，檔位切換是無感知的。

面對逐步升級的存儲壓力，智能體PC的硬件成本也應(yīng)該控制在可接受范圍內(nèi)。這實際上是一場精度與成本的博弈，例如目前的最先進的KV Cache壓縮技術(shù)應(yīng)該持謹慎態(tài)度，因為極致的內(nèi)存壓縮是以犧牲顯著精度為代價的。這種精度損失的程度，對于行業(yè)是否可接受，目前仍是一個待討論的問題。

在現(xiàn)在的條件下，如何讓16GB內(nèi)存變得可用，精度如何平衡不同任務(wù)類型中的表現(xiàn)，有效的在壓縮方案、資源與質(zhì)量之間做出權(quán)衡，都是非常值得探討的問題。

在現(xiàn)在最前沿的消費端算力前提下，也應(yīng)該遵循夠用原則。比如端側(cè)運行35B模型，配合16G+AI SSD或32G內(nèi)存，CPU配置選擇酷睿Ultra X7 358或325即可提供優(yōu)秀的綜合體驗，更復(fù)雜的內(nèi)容應(yīng)該交給云端，構(gòu)成本地為主、云端為輔的混合架構(gòu)，在成本、延遲、隱私基礎(chǔ)上完成優(yōu)化，提升智能體PC的易用性和普適性，這才是英特爾推動整個智能體PC生態(tài)發(fā)展的重要目的。