PC 正在「物種進(jìn)化」：英特爾如何用混合 AI 制造你的數(shù)字分身？

從ChatGPT引爆“頭腦競(jìng)爭(zhēng)”，到工具調(diào)用補(bǔ)齊“四肢能力”，再到智能體補(bǔ)全“身體”，AI正在完成一次從能力到形態(tài)的躍遷。

但真正的分水嶺，不在模型參數(shù)規(guī)模，而在計(jì)算范式的遷移——當(dāng)AI開始接管任務(wù)執(zhí)行、理解長(zhǎng)期記憶、主動(dòng)調(diào)用資源，傳統(tǒng)PC的角色也被迫改寫。

2026年，一個(gè)新的命題浮出水面：PC是否正在從“人使用的工具”，轉(zhuǎn)變?yōu)椤疤嫒诵袆?dòng)的智能體載體”？

英特爾給出的答案，是“智能體PC”，以及支撐這一形態(tài)的底層路徑——Hybrid AI（混合AI）。

這不僅是一次產(chǎn)品升級(jí)，更是一場(chǎng)從架構(gòu)到生態(tài)的系統(tǒng)性重構(gòu)。

從“工具”到“分身”——智能體PC重寫人機(jī)關(guān)系

在這場(chǎng)分享的一開始，英特爾中國(guó)區(qū)技術(shù)部總經(jīng)理高宇沒有談芯片，也沒有談性能，而是拋出了一個(gè)更基礎(chǔ)的問題：為什么我們需要重新定義PC？

“過去幾年，大模型解決的是‘會(huì)不會(huì)回答問題’，”高宇在現(xiàn)場(chǎng)回顧道，“但今天大家已經(jīng)不滿足于答案，而是希望AI直接把事情做完。”

當(dāng)AI開始具備調(diào)用工具、拆解步驟、持續(xù)運(yùn)行的能力，一種新的形態(tài)開始出現(xiàn)：它不只是對(duì)話對(duì)象，而是可以替你操作電腦的“執(zhí)行者”。

這意味著，PC的核心邏輯正在發(fā)生改變。

在傳統(tǒng)模式下，人始終處在流程的中心。你需要打開瀏覽器查資料，再切換到文檔整理內(nèi)容，必要時(shí)調(diào)用多個(gè)軟件拼接結(jié)果。每一步都依賴人工操作，PC的角色更像是一個(gè)響應(yīng)輸入的工具集合。

但在智能體PC中，“用戶不需要再一步步操作軟件，而是直接表達(dá)目標(biāo)，”高宇解釋道，“剩下的流程由Agent完成。”

從查找信息、整理內(nèi)容，到調(diào)用本地或云端能力生成結(jié)果，整個(gè)過程可以在后臺(tái)自動(dòng)推進(jìn)。用戶看到的，不再是多個(gè)應(yīng)用的切換，而是一個(gè)任務(wù)從開始到結(jié)束的連續(xù)過程。

這種變化帶來的，不只是效率提升，更是使用方式的根本轉(zhuǎn)移。

高宇在現(xiàn)場(chǎng)給出過一個(gè)很直觀的對(duì)比：過去我們使用PC，是在“學(xué)習(xí)工具”；而未來更多時(shí)候，是在“描述需求”。前者要求人適應(yīng)機(jī)器的邏輯，后者則要求機(jī)器理解人的意圖。

當(dāng)任務(wù)成為核心，另一個(gè)被重新定義的，是“記憶”。

傳統(tǒng)PC的記憶，停留在文件與路徑層面——你需要記住內(nèi)容存在哪里、如何打開。而在智能體PC中，系統(tǒng)開始記錄更高維的信息：你的使用習(xí)慣、偏好選擇、上下文關(guān)聯(lián)，甚至是尚未完成的任務(wù)狀態(tài)。

高宇解釋說，Agent最重要的能力之一，是它能記住你是誰，而不是只記住你剛剛說了什么。

這讓PC第一次具備了一種“連續(xù)性”。它不再是每次啟動(dòng)都從零開始的工具，而是一個(gè)可以逐漸理解用戶、不斷調(diào)整行為的系統(tǒng)。

進(jìn)一步看，這種能力正在改變PC的“工作方式”。

傳統(tǒng)交互是同步的——你操作一步，系統(tǒng)反饋一步。而在智能體PC中，越來越多的任務(wù)可以被異步執(zhí)行：你提出需求，系統(tǒng)在后臺(tái)持續(xù)運(yùn)行，在合適的時(shí)間交付結(jié)果。

“未來PC很可能是一直在工作的，”高宇在分享中提到，“即使你不在，它也在幫你處理事情。”

當(dāng)執(zhí)行能力、長(zhǎng)期記憶與持續(xù)運(yùn)行結(jié)合在一起，PC就不再只是被使用的設(shè)備，而是某種意義上的“代理”。

支撐這種轉(zhuǎn)變的，是一整套新的系統(tǒng)結(jié)構(gòu)。在英特爾的描述中，智能體PC包含了多個(gè)關(guān)鍵組件：負(fù)責(zé)理解與推理的大模型，負(fù)責(zé)任務(wù)調(diào)度的Agent Runtime，負(fù)責(zé)執(zhí)行的工具鏈，以及貫穿始終的記憶與多模態(tài)交互能力。

這不再是傳統(tǒng)軟件架構(gòu)的延伸，而更像是一個(gè)可以獨(dú)立運(yùn)轉(zhuǎn)的“數(shù)字個(gè)體”。

也正因如此，智能體PC帶來的改變，并不只是更智能的交互，而是人機(jī)關(guān)系的一次重寫。

當(dāng)用戶把越來越多的任務(wù)交給系統(tǒng)完成，當(dāng)機(jī)器逐漸理解個(gè)體差異并主動(dòng)優(yōu)化路徑，一個(gè)新的臨界點(diǎn)正在逼近：PC正在從工具，演化為一種能夠替人行動(dòng)的“數(shù)字分身”。

混合AI成為分水嶺——端與云的重新分工

這樣的智能體，靠什么跑起來？如果還用過去的計(jì)算方式，很明顯，Agent是跑不通的。

在過去的大模型時(shí)代，行業(yè)默認(rèn)的路徑是“盡可能上云”。模型越大、能力越強(qiáng)，計(jì)算越集中，終端設(shè)備更多承擔(dān)的是接入與展示的角色。這種模式在“問答式AI”階段是成立的——請(qǐng)求發(fā)出，云端返回答案，一次交互即結(jié)束。

但當(dāng)AI進(jìn)入智能體階段，這種模式開始出現(xiàn)系統(tǒng)性壓力。

“Agent不是問一個(gè)問題就結(jié)束，它是一個(gè)持續(xù)運(yùn)行的過程。”高宇在現(xiàn)場(chǎng)解釋，“一次任務(wù)可能涉及多輪推理、多次工具調(diào)用，如果全部走云端，成本和延遲都會(huì)迅速放大。”

換句話說，問題不再是“能不能算”，而是“算得起、等不等得及”。

一方面，是Token消耗帶來的成本失控；另一方面，是頻繁網(wǎng)絡(luò)往返造成的體驗(yàn)波動(dòng)。而當(dāng)任務(wù)涉及個(gè)人數(shù)據(jù)時(shí)，所有計(jì)算都必須經(jīng)過云端，也意味著隱私邊界被不斷外移。

高宇提到，很多用戶其實(shí)有顧慮，不是不愿意用AI，而是不確定數(shù)據(jù)會(huì)發(fā)生什么。

但另一條路徑同樣存在問題。如果把所有能力都?jí)旱奖镜兀m然可以緩解延遲與隱私問題，但模型能力、上下文長(zhǎng)度以及復(fù)雜推理能力，又會(huì)成為新的瓶頸。

純?cè)撇恍校兌艘膊恍校哂钫J(rèn)為，“正確解決之道就是端-云混合。”

在英特爾的定義中，混合AI并不是簡(jiǎn)單的“端云各做一部分”，而是一種動(dòng)態(tài)決策體系——系統(tǒng)會(huì)根據(jù)任務(wù)需求、數(shù)據(jù)屬性與資源狀態(tài)，實(shí)時(shí)決定計(jì)算應(yīng)該發(fā)生在哪里。

計(jì)算的位置不再是預(yù)設(shè)的，而是流動(dòng)的。

在具體實(shí)現(xiàn)上，高宇用一個(gè)更容易理解的比喻來描述這種結(jié)構(gòu)：“可以把它看成主腦和輔腦。”

云端模型負(fù)責(zé)復(fù)雜推理與全局理解，相當(dāng)于“主腦”；本地模型則負(fù)責(zé)高頻響應(yīng)、數(shù)據(jù)處理與即時(shí)執(zhí)行，更像是“貼身反應(yīng)系統(tǒng)”。兩者之間通過任務(wù)調(diào)度不斷協(xié)同，而不是簡(jiǎn)單的前后分工。

這種分工的意義，在于把不同計(jì)算資源的優(yōu)勢(shì)最大化，而不是相互替代。

從更宏觀的角度看，混合AI改變的，并不僅是性能或成本，而是計(jì)算的組織方式。

過去，開發(fā)者需要預(yù)先決定系統(tǒng)部署在哪；而現(xiàn)在，這種決策被交給運(yùn)行時(shí)系統(tǒng)，根據(jù)具體任務(wù)動(dòng)態(tài)調(diào)整。計(jì)算資源不再是固定配置，而成為可以調(diào)度的“流動(dòng)資產(chǎn)”。

這讓智能體具備了一種新的能力：在不同算力層之間遷移、組合，并始終保持任務(wù)連續(xù)性。

高宇在分享中總結(jié)道，他們其實(shí)是在做一件事情，就是讓AI在不同計(jì)算環(huán)境之間無縫工作。

也正是在這一點(diǎn)上，混合AI成為智能體PC成立的前提條件。

沒有它，智能體要么受制于云端的成本與延遲，要么困于本地的能力上限；有了它，端與云才第一次形成真正意義上的協(xié)同關(guān)系。

從技術(shù)到生態(tài)——智能體PC的真正戰(zhàn)場(chǎng)

分享會(huì)上，英特爾反復(fù)強(qiáng)調(diào)了一個(gè)關(guān)鍵詞——生態(tài)完整性。

相比硬件能力本身，英特爾更關(guān)注的是：當(dāng)智能體真正運(yùn)行起來之后，是否有一整套體系去承接它。

在現(xiàn)場(chǎng)展示中，一個(gè)反復(fù)被提及的概念是Skill。

與傳統(tǒng)軟件不同，Skill更接近被標(biāo)準(zhǔn)化封裝的能力單元，可以被智能體按需調(diào)用，而不是由用戶主動(dòng)打開。開發(fā)者不再必須構(gòu)建完整應(yīng)用，而是可以圍繞具體能力進(jìn)行拆分與提供，由系統(tǒng)在任務(wù)執(zhí)行過程中進(jìn)行組合與調(diào)度。

這種變化看似細(xì)微，本質(zhì)卻是在重寫軟件的存在方式——應(yīng)用的邊界被打散，取而代之的是圍繞任務(wù)動(dòng)態(tài)拼接的執(zhí)行鏈路。

但從英特爾的表達(dá)來看，僅有能力拆解，還不足以支撐一個(gè)完整生態(tài)。

在分享中被反復(fù)強(qiáng)調(diào)的另一個(gè)關(guān)鍵詞，是可控性。

當(dāng)AI開始直接參與數(shù)據(jù)處理與任務(wù)執(zhí)行，系統(tǒng)的能力邊界被顯著放大，隨之而來的，是對(duì)安全與信任的更高要求。而用戶對(duì)于數(shù)據(jù)隱私與使用邊界存在現(xiàn)實(shí)顧慮，成為智能體落地過程中必須解決的問題。

因此，在能力體系之外，英特爾同步強(qiáng)調(diào)了安全機(jī)制的前置，包括本地?cái)?shù)據(jù)處理、權(quán)限控制，以及基于語義理解的安全模型等路徑，其核心目的，是在能力提升的同時(shí)，確保系統(tǒng)行為始終處于可控范圍內(nèi)。

這使得安全不再是附加選項(xiàng)，而成為平臺(tái)的一部分。

與此同時(shí)，英特爾并沒有將智能體PC限定在單一設(shè)備形態(tài)上。

從展示內(nèi)容來看，其覆蓋范圍已經(jīng)從傳統(tǒng)筆記本延伸至Mini PC、AI Box等多種終端形態(tài)。這些設(shè)備的共同點(diǎn)，并不僅是算力提升，而在于都具備本地AI運(yùn)行能力，并能夠與云端形成協(xié)同。

在這種結(jié)構(gòu)下，生態(tài)的核心問題逐漸清晰：是否能夠形成持續(xù)運(yùn)轉(zhuǎn)的正向循環(huán)。

開發(fā)者提供能力模塊，智能體在任務(wù)中調(diào)用并優(yōu)化路徑，用戶在使用過程中產(chǎn)生反饋，再反過來推動(dòng)能力迭代與分發(fā)效率提升。一旦這一循環(huán)建立，生態(tài)就不再依賴單點(diǎn)推動(dòng)，而具備自我增長(zhǎng)的可能。

英特爾當(dāng)前的一系列布局——包括本地AI能力下沉、Skill體系構(gòu)建以及安全機(jī)制強(qiáng)化——本質(zhì)上都在為這一循環(huán)提供基礎(chǔ)條件。

也正是在這一層面上，智能體PC的競(jìng)爭(zhēng)開始轉(zhuǎn)向誰能夠更早建立起一套可持續(xù)運(yùn)轉(zhuǎn)的生態(tài)體系。

當(dāng)技術(shù)路徑逐漸收斂，真正的差異，往往來自這些更慢、更重、也更難復(fù)制的部分。

雷峰網(wǎng)