现在大家谈论起AI PC，不是只关注能不能跑大模型，尤其党政、金融、企业办公等核心领域，真正决定AI PC能否进入日常工作的，是一系列更现实的问题——有限的终端算力能否承载越来越复杂的模型？敏感数据能否留在本地？AI能否从问答进一步走向自主执行，真正变成“数字员工”？当本地算力不足时，又如何调用云端能力，同时控制安全风险和Token成本？
9月17日，联想开天举行天禧AI Pro新版本上线暨AI PC品鉴会。伴随天禧AI Pro升级及AI PC智能化分级L3级认证落地，联想开天展示出的产品思路也逐渐清晰——以国产化为基础，通过端侧智能和端边云协同提升AI能力，再通过智能体与应用生态，让AI真正进入用户的工作流程。
这背后，国产AI PC的竞争也从硬件能不能跑AI，逐渐转向能不能用更少的硬件承载更强AI，还有这些AI能力又能否在真实的业务中“干好活”？
35B跑进本地，AI PC开始从“办事”到“办好事”
过去两年，端侧大模型的能力边界一直在向外扩展。联想开天科技有限公司总经理周浩强回忆，早期端侧尝试更多围绕7B、8B模型展开，当时能实现的主要还是问答型工具。随着智能体兴起，AI要理解用户意图、拆解任务、调用工具，并完成多步骤工作流，对模型能力和终端算力都提出了更高的要求。
天禧AI Pro此次升级的一个重要变化，就是将35B（350亿参数）大模型部署到本地，并提供从0.6B（6亿参数）到35B（350亿参数）的不同模型选择。
为什么既需要35B，也需要0.6B？
由于不同硬件条件和业务任务需要不同级别的AI能力。真正跑通35B模型的AI PC，核心优势在于充分释放35B的实际业务能力。单纯部署原生35B模型，只能实现基础对话，响应慢、无法完成任务闭环。
本次天禧 AI Pro的关键升级，是全新迭代的天禧Harness工程体系。团队围绕 35B模型的能力边界，通过提示词优化、专家范式、工程化调度，深度挖掘模型潜力，支持智能体形成一定程度的任务闭环。从实际测试来看，约30%—50%的常规任务能够在35B端侧跑通，并通过持续提升准确率。
不过，大量存量国产化设备并没有配置足够高的硬件，如果只有大模型才能获得AI体验，就意味着用户需要先完成一轮硬件升级。
0.6B等轻量模型承担的是另一种角色。比如会议速记、语音转录、图片文字识别、搜索等任务，较小模型对硬件要求更低，可以让存量设备首先获得一部分AI能力。
这实际上形成了一种从轻量应用到复杂智能体的分级思路，根据设备能力和实际任务选择合适的模型。
L3的意义，从“跑通”到“跑稳”
与天禧AI Pro新版本同时值得关注的，还有联想开天在《人工智能终端智能化分级》系列国标首批测评中，是唯一以国产化终端入围的企业。
从业务角度看，L3级能力的重要变化在于，AI能“办事”。但从能力验证走向规模应用，还有一道门槛——从“跑通”到“跑稳”。
L3级自主执行背后，需要芯片、操作系统、模型、应用之间形成更深的协同。问题也不再只是单颗NPU能够提供多少算力，还包括CPU、GPU、NPU等异构计算资源能否得到有效调度，国产操作系统与AI框架的兼容性，以及较长的任务链条能否稳定执行。
另一道门槛来自真实业务本身。当AI作为问答工具时，模型输出不理想，用户可以选择重新提问；但当AI获得调用应用、操作文件甚至自主执行工作流的能力后，用户关注的问题会进一步变成——能不能放心让AI去做？
这意味着稳定性、可控性、可审计性的重要性要进一步提高。尤其是在公文起草、报表生成、CAD设计等场景中，L3级自主执行能力还需要经过更多实际业务验证。
目前，联想开天终端已经在政务、金融、教育、工业等场景落地，但从AI PC产品进入这些行业，到L3级自主执行能力在更多业务流程中铺开，中间还要做更多真实场景的验证和积累。
端云协同的未来
35B模型能在本地运行，不意味着所有任务都应该放在AI PC端侧。恰恰相反，当端侧AI能力越来越强以后，企业还要考虑什么应该留在本地，什么应该交给云端？
此前在AI PC的发展判断中，联想开天就提出端云协同的思路——端侧更适合承担对安全、低时延响应以及数据预处理要求较高的任务，而更复杂的任务仍会由云端承接。
从实际业务来看，企业选择云、本地还是端云协同，首先取决于要解决什么问题。如果AI应用与企业原有业务系统深度耦合，通常更适合采用私有化或私有云部署。
如果是相对独立的新场景，主要目的是获得通用大模型能力，则可以考虑公有云。而对于面向员工和团队使用、同时存在数据隔离要求的场景，端侧模型则提供了另一种选择。
此外，模型参数量并不是判断端侧或上云的唯一依据。企业用户真正需要考虑的是模型能力能否满足业务要求、本地硬件能否承载，以及综合成本是否合适。
如果一个轻量模型就能完成业务任务，那就没有必要为了追求更大的参数量调用云端；而当复杂任务超出端侧模型能力边界时，再借助云端的大模型能力完成。
天禧AI Pro此次升级进一步延续了这一思路。按照联想开天的规划，未来将通过智能路由，把高频、轻量以及涉及私密数据的任务尽可能在本地形成闭环。少量复杂任务则通过必要的数据脱敏后调用云端能力。
这样做首先解决的是安全问题。对于党政等对数据安全和本地化要求较高的领域，如果业务能够在私有化环境中完成，就可以尽可能减少敏感数据向公有云流动。对于金融等场景，除了数据安全，对结果可靠性的要求同样突出。大模型存在幻觉问题，即使模型能够在本地运行，如果输出结果不能满足业务对准确性和确定性的要求，也很难进入关键业务流程。
其次是成本。大模型云端调用通常伴随着Token消耗。当企业拥有大量高频AI任务，或者需要处理的数据规模较大时，如果全部发送至云端，持续调用会带来相应成本。让终端承担能够完成的推理，再把少数复杂任务交给云端，可以减少不必要的云端调用。
这也意味着，端侧AI真正的边界，不是一个固定的模型参数量，而是任务能否在终端形成满足业务要求的闭环。端云协同不是简单地把更多计算搬到终端，也不是所有复杂任务都依赖云端，而是根据数据安全、模型能力、响应速度和使用成本，把不同任务放到更合适的位置。
AI PC最后一公里，是让智能体进入业务
联想开天认为生态是下一阶段“最难啃的一块骨头”。
传统PC生态更多围绕应用软件展开，而智能体正在改变这种关系。用户未来需要的可能是直接提出任务，由智能体调用不同工具和应用完成工作。因此，AI PC生态建设需要应用开发方式和业务流程的共同变化。
目前，联想开天正在与头部ISV合作建设智能体模板，让开发者基于国产算力底座，面向金融、政务、制造等行业开发智能体，将AI能力进一步嵌入具体工作场景。这与联想开天此前提出的“开放生态”方向形成了延续。
对于联想开天而言，这也意味着产品边界正在扩大——过去交付的主要是一台国产化PC，现在则需要把芯片、操作系统、模型、智能体和行业应用连接起来，让AI最终落到用户能够感知的业务价值上。
未来国产AI PC的竞争将聚焦端侧优化、端边云协同、行业生态的综合能力。期待联想开天通过持续打磨产品能力，平衡安全、性能、成本与业务价值，持续推动国产AI PC从“可用”全面走向“好用”，为政企数字化转型提供可靠的终端智能支撑。
本文来源于DOIT传媒，文章内容仅供参考，不构成投资建议。
评论列表