AI PC 就是超級 AI Agent

也許我們都想錯 AI PC 了。AI PC，AI、PC，看起來就是 AI 與 PC 的組合，最常見的理解是，是把大模型塞入電腦的產物，模型需縮小規模，且個人隱私更有保障。

AI PC是由聯想等龍頭2023年提出，並CES 2024就有展示將量產的新品，超快速反映PC產業鏈的超高效率，但也透露此行業供應鏈的焦慮──PC出貨量下降──大模型規模越大能力越強的共識，此輪AI熱潮模型與雲端互相成就的關係，以及人們對AI新硬體的熱切期待，都加深了印象。

但這一切其實都建立在似乎成型的「共識」之上：我們已進入大模型支配和決定一切的時代，模型決定所有軟體與互動。模型吞噬世界，一切不以模型為出發點的人工智慧都只是壓力反應。

但是，這共識真是未來方向嗎？

有些努力發揮模型能力的一線計畫正在呈現另一個圖景。例如最早一批做Agent嘗試的AutoAgent等，早期聚焦於圍繞模型開發一切功能，但問題卻越來越多，之後它開始增加使用工具等能力，才真正開始體現出智慧體的樣子。例如蘋果等硬體公司的研究重點，開始放到硬體和電腦架構層面，讓模型融入硬體、儲存、作業系統等現有特性。例如人們又重新開始關注RNN對模型複雜度的幫助，RAG這樣類似利用「過時了」的搜尋技術的「外掛」設計思路開始走紅。它們本質都是對「上一代」技術的利用，對模型的「共識」也開始鬆動。

這些都指向另一種路線：模型不是一切，模型是「組成」智慧的重要部分，它非常需要其他技術，而非取代一切技術。模型不等於智慧，Agent不是模型的一個分支應用，而是包含了模型的新智慧系統。

這是兩種對於AI未來的判斷。現在都還沒有達到這兩個理想狀態的產品出現，但如何思考這個問題，依然會決定一家公司和它的產品面向未來改造自己的路徑。

筆者認為對AI PC的理解更應該從第二種路線出發，它潛力巨大。CES筆者帶著這個思考有機會跟聯想的高層交流，試著定義下時代的AI PC究竟是什麼。

「我們不是短期追逐AI，這早已是我們的長期策略」，聯想集團董事長兼CEO楊元慶在今年CES期間對我們說。做為AI PC概念最早的提出者，聯想在這次的大會上發表了十多款AIPC雛形產品，包括提供AI創作工具Yoga Creator Zone的Yoga Pro 9i、無縫切換筆記型電腦和平板電腦模式的ThinkBook Plus Gen 5 Hybrid、商務AI PC ThinkPad X1 Carbon AI、新一代超小型ThinkCentre neo Ultra等。另外聯想也計劃之後在中國的一些產品裡推出AI now的大模型助理軟體。

▲ Lenovo Yoga Book 9i。

聯想稱這些產品目前是「AI ready」階段。從這些發表中可以看出，這個階段聯想其實做了幾件事：基於對硬體的理解來系統優化模型，設計出AI與軟體以及使用者互動的雛形，以及布置有更多可能性的介面。

「現在這個產品只能算做是AI ready，主要是利用顯示卡，不管是整合顯示卡還是獨立顯示卡來加強它的運算能力。現在看到的PC大概只能做到十個Tops的算力，我們覺得理想的情況是要到40個Tops才可算是AI PC第一代，它要到今年下半年才正式推出。」楊元慶說。

楊元慶把AI PC理想中的樣子用五個特點總結：首先它要有大模型，是一個大模型驅動的AI；第二它是有一個很強大高效的異構算力軟硬體平台支撐；第三它有自我更新和與時俱進的能力，可能會透過強大的儲存來實現；第四是有一個更像人與人互動方式的自然互動能力；第五是隱私保護能力很強。

「今天我們要走向智慧體，有三個能力要進步，一是有與外界互動和感知的能力，二要慢慢具備能理解和調用工具的能力，第三要有長期、短期記憶去做規劃。」聯想集團資深副總裁、技術長芮勇博士說。

這是很有意思的判斷。因為當你去對應電腦架構去思考這三個因素，會發現一個有趣的事情：PC具備所有「基礎」──完善硬體鏡頭感測器等可擴展工具，能感知物理世界；與其他智慧體比，環境自然有各種工具──豐富的應用尤其生產力工具就是Agent的現成工具箱；電腦記憶體已為大模型長短記憶設計提供參考。

（Source：Pixabay）

所以現在再回來想想，AI PC是什麼？是更強大的AI Agent，但也不是OpenAI引導下很多人理解的「模型應用形態」，而是超越模型的下代AI形態，更接近AGI。

「我理解世界模型所說的五層，第四層是單Agent，第五層可能就是多Agent，人類就是多Agent，到時可能就出現AGI了。」筆者告知這觀點時，芮勇說實現超級Agent，各參與者現在不是削足適履，而是發揮最了解的系統和軟硬體最佳化技術，利用一切已有技術方案和架構，以及將來會出現的新技術，補充Agent其他環節。

芮勇透露，聯想很努力最佳化KV Cache，透過硬體和系統層面最佳化增強端側模型上下文記憶能力，避免演算法增加上下文長度時會占用過多空間。需離線使用的模型，也必須是多模組能力。

「第一要對電腦體系架構非常了解，有時瓶頸不是計算而是記憶體頻寬。第二，要對GPT演算法非常了解，如是一個個token往外吐，吐出來再加進輸入，所以輸入越來越長，但計算時多數是乘法和加法，所以夠聰明的人就能意識到很多前者算過，找辦法判斷算過值哪些高機率會繼續用、哪些不會。」

而PC廠商的研究人員過去在做的事情就是對軟硬體、對演算法做優化，並形成產品方案，在這次發布的產品背後，聯想的LA系列AI晶片也在模型訓練和推理中應用到了CPU資源、儲存資源和效果的最佳化中。

「這些方面都是要下很大的功夫，少了任何一點都不行。」楊元慶說。體系完善的AI PC比單槍匹馬的大模型更接近智慧體形態，而PC廠商離AI PC更近，屬於他們的大機會來了。

（本文由 品玩 授權轉載；首圖來源：Pixabay）