最近关注PC市场的朋友想必会注意到，“AI PC”已经成为了诸多厂商最新的宣传口号。
在更进一步的产品介绍里，这些厂商往往会宣称他们的新品使用了全新内置NPU（神经网络单元）的处理器，因此它可以运行老旧设备所不能支持的各种AI应用，提供从语音助手到用户感知、从生成式绘图到文本辅助编辑在内的众多新功能。
乍看之下这似乎有些诱人，而且按照手机行业的经验，最新的“生成式AI”功能往往仅限于最近的两代硬件平台可以适配。所以对于更早之前、被认为“AI算力不足”的机型，它们即便更新到了最新的系统或软件版本，往往也不能看到相关的AI功能和选项。
那么这是否意味着，如今各种各样的AI功能也都必须要使用这些内置NPU新款处理器的新电脑才能用到呢?毫无疑问，这是一个很微妙的问题。因为从最近的一些行业动向来看，答案似乎是否定的。
多款AI PC软件上新，但都不需要新硬件就能使用
比如在2024年2月23日，NVIDIA推出了最新的551.61版显卡驱动、以及与之搭配的“NVIDIA App”。在这个新的控制界面里，NVIDIA新增了多个基于显卡AI算力的游戏画面优化功能。理论上只要使用的是最近几代的RTX显卡就都可以启用，然后让AI来自动处理游戏画面，使得它看起来色彩更生动、纹理更清晰。
又比如说，差不多就在同一天，微软方面也更新了旗下“照片”软件的最新版本。其最大的改变就是新增了“AI擦除”功能。据称，这一功能类似于现在很多新款旗舰手机上的AI照片路人消除，也就是可以擦除照片背景上的小范围异物，同时使用AI算法来自动补全背景。
但问题在于，微软的新版“照片”软件完全没有限定电脑的硬件。换句话说，它所使用的这套“生成式绘图AI”，哪怕是使用最普通的x86CPU也能运行，并不需要用户非得换用“AI处理器”或“AI PC”。
为什么会这样?其实这背后涉及到了两个问题，一是AI计算的本质，二是PC相比智能手机在基本思路上的区别。
AI计算并不神秘，也不绝对非要NPU才行
首先，我们来说说AI计算的性质。大家都知道，如今PC有所谓的“位数”概念，比如8位、16位、32位和64位，而这个位数通常指的是每一次计算所使用的数据字长。字长越长就意味着计算的结果越精确，但与此同时也会占据更多的计算资源。
对于主流的通用CPU来说，它们的内部结构通常是为32位和64位计算而设计。同时为了应对一些特别高性能的计算任务（比如多媒体编解码、游戏渲染），如今CPU也会具备额外的256位、甚至512位浮点单元和指令集，以加速这部分任务的计算速度。
但是AI推理（注意我们的用词，它不是“计算”）并非如此，对于AI处理的场景来说，它其实更像是在做无数次的猜测，因此计算的次数要远比计算精度更重要。这就是为什么越是先进的AI处理单元(也就是NPU)，它们往往会支持越低精度、短字长(比如8bit、4bit)的计算格式。
这样一来，问题就出现了。假如现在有两颗处理器，一颗是32位的CPU、每秒可以完成2次运算，而另一颗是4位的NPU、每秒能完成10次运算。那么从总体的数据吞吐量来说，肯定是CPU更高（32*2>4*10），但因为CPU不能将自己的运行模式变成4位字长为最小单位进行运算，所以如果强行让它去进行AI推理，那么它实际上每秒还是只能算2次，而不是16次。这时候，CPU的“AI性能”自然就比NPU来得慢了。
没错，虽然这个例子举得相当粗浅，但它的关键在于，传统CPU并不是“彻底不能用来算AI”，它顶多只是速度低一点罢了。况且很多稍近代一点的CPU（比如10代酷睿-X，11代到14代移动和桌面酷睿），实际上也适配了专用于强化AI计算效率的指令集，也不会像这个例子里效率那么低。
更不要说就像我们前面所提到NVIDIA的情况那样，PC上的AI功能有时候也未必就适配了最新型的NPU硬件，它们反而可能是针对部分显卡优化得更好。毕竟在PC领域，显卡可是早就支持AI加速运算、相当于早就有内置“NPU”，而且是性能数十倍、数百倍于智能手机里的NPU了。
因此这实际上也就解释了，为什么没有NPU的电脑一样可以运行AI程序的原因。
AI PC的现有优势是能效，但性能还得看未来
可能有的朋友看到这里就会问，那是不是对于如今配备有NPU的“AI PC”来说，它们运行AI程序的速度还是会更快一些呢?
其实也不一定。这是因为NPU固然在架构上是专为AI推理而设计、计算效率会更高，但问题在于，“效率高”并不完全等于“速度快”。实际上对于现在的消费级NPU来说，它们更大的意义其实是在于降低设备进行AI推理、感知时的功耗，而并非追求更高的绝对AI性能。
这很好理解，毕竟消费级NPU的设计远本就最早源自智能手机这类、功耗敏感型的终端形态，而且目前的AI PC和PC的AI处理器，绝大多数还都是为笔记本电脑，甚至可以说是为轻薄本而生。
打个比方，就好比现在有一段AI代码，如果我们用台式PC里的“线程撕裂者”192核CPU、或者是RTX4090显卡去运行，那么它很有可能会比智能手机、比轻薄本里的NPU算得更快。但前者计算过程中的设备功耗会高达好几百、甚至上千W（瓦），后者则可能会只消耗10W、甚至不到1W就能完成运算。
很显然，对于前一种设备来说，是没法让这种AI代码一直处于运行状态的，但后者就可以做到。
所以在某种程度上，这也就引出了未来“AI PC”可能的两种发展方向。要么就是将来AI PC会继续强调能效比，主打AI计算的效率。在这种情况下，需要随时启动、感知型的AI功能就会成为主要的体验差异。
要么，如果真的可以迎来“高性能NPU”的进化，让NPU在AI推理速度上彻底压倒顶级CPU和GPU。那么诸如AI绘图甚至是视频生成这样的高算力AI使用场景，才有可能真正在端侧落地，并且深度地改变我们使用PC进行学习、工作的方式。