海内外AIPC发展情况及趋势20240529

海内外AIPC发展情况及趋势 Q：首先，能否请您简要概述一下AIPC（AIPersonalComputer）与传统PC的主要区别？ A：当然，AIPC与传统PC的核心区别在于，传统PC侧重于基于操作系统提供的数据处理和软件功能，更强调计算服务。而 AIPC的主角是“个人智能体”（AIK），它更关注应用和模型的个性化。AIPC具备用 户画像能力，能够根据用户的特定习惯和偏好进行功能定制，实现更加个性化的体验。例如，它能学习并 预测用户的办公流程、偏好应用以及文档处理习惯，从而提供 更加贴合个人需求的服务。此外，AIPC还具有自然交互、内嵌个人大模型、混合算力调度、开放的AI应用生态以及保障隐私安全等特性，这些都是传统PC所不具备的。 Q：AIPC的自然交互能力具体体现在哪些方面？如何让用户体验更为直观和便捷？ A：AIPC的自然交互能力涵盖了文字、声音、图像乃至视频的实时感知，实现了与用户的全方位互动。例如，通过Record功能，AIPC能够捕捉用户的操作习惯和偏好，比如阅 读PDF时关注的页面和关键词，这些数据会用于优化后续的操作体验。这意味着，无论是通过语音指令、手势控制还是直接的眼神交 流，AIPC都能理解和响应，使用户界面更加人性化，操作过程更为流畅和直觉化。Q：内嵌的个人大模型是如何工作的？它如何提升用户的使用体验？ A：内嵌的个人大模型通过算法压缩技术放置于本地，使处理速度更快且更贴合用户特征。与通用模型不同，个人大模型能自动记录和学习用户的使用习惯，如工作流程、思维模式，从而提供更精准的辅助决策和个性化服务。例如，在办公场景下，AIPC可以根据用户的工作习惯，提前准备相关文档、图表或数据，大大提升工作效率。这不仅减少了用户手动搜索和整理信息的时间，也使得AI的辅助更加贴心和高效。 Q：混合算力调度是如何实现的？它对AIPC的性能和用户体验有何影响？ A：混合算力调度意味着AIPC能够灵活利用云端和本地的计算资源，包括但不限于PC 、手机、平板、电视乃至VR设备。通过智能识别任务需求，系统可以在端侧或云端间动态分配 计算任务，确保最优的处理效率和用户体验。例如，对于需要即时响应的任务，如语音识别或图像处理，可以由本地NPU快速处理；而对于复杂模型的推理，则可能调度至云端进行，这样既 保证了计算效率，又降低了本地硬件负担。此外，结合VR等新兴设备，AIPC能进一步拓宽应用场景，构建起无缝的多屏互动体验。 Q：AIPC在软件生态上有哪些创新？如何鼓励开发者参与？A：AIPC致力于构建一个开放的AI应用生态系统，通过提供简化 的SDK和API接口，让开发者可以轻松访问底层硬件和系统功能，促进行业应用的开发 。例如，我们对Windows系统API进行二次封装，为政府、电信、金融等行业提供 定制化的开发工具。这样不仅丰富了AIPC的应用场景，也为开发者开辟了新的市场机会。 我们设想通过低门槛的开发环境和会员订阅模式，激励开发者创造更多有价值的应用，从而吸引更多用户购买和使用AIPC，形成良性循环。 Q：在保护用户隐私和数据安全方面，AIPC有哪些措施？ A：数据隐私和安全是AIPC设计的重要考量。虽然用户画像的构建依赖于详尽的个人信息 ，但AIPC提供了选择性数据本地存储的方案，避免敏感信息上云，确保数据安全。企业级用 户可以选择将数据保存在企业机房，个人用户则可以存于家庭云，通过软硬件加密技术保障数据的绝对可靠性。这种设计既满足了个性化服务的需求，也充分尊重了用户的隐私权，确保信息的安全无忧。 Q：AIPSeed在生态建设上采取了怎样的策略？与云服务商的合作模式是怎样的？A：我们在生态构建上采取了多元化策略，一方面，我们自主研发本地模型及AIPClou d平台，确保了核心竞争力；另一方面，我们也积极与阿里、百度等领先的云服务商合作，通过API接口调用，实现通用大模型与本地模型的互补与交互。这不仅丰富了AIPSeed 的应用场景，也为用户提供更加强大和个性化的 服务。至于第二屏、第三屏产品，如手机和VR设备，我们正在积极布局，力求实现多屏之间的无缝连接与协同。 Q：AIPSeed的发展阶段是如何规划的？每个阶段的重点是什么？ A：AIPSeed的发展规划分为三个阶段。第一阶段（2020-2025年）是基础设 施建设期，我们专注于专测产品的硬件基础搭建，如CPU、内存、散热系统等，并初步构建AIPCloud平台，为后续发展打下坚实的基础。 第二阶段（2025-2027年）是生态成熟期，此阶段我们将看到底层API能力的显著 提升和丰富，封装API的功能更加全面，从而推动软件生态的繁荣。办公、游戏、视频等领域的AI应用将大量涌现，极大地提升用户体验，促进AIPSeed的普及。同时，多 屏互动成为常态，用户画像将在不同设备间实现同步，实现真正的跨设备协同工作与娱乐。第三阶段（2027-2030年）是未来愿景期，此时AIPSeed的端侧大模型应用 将高度成熟，不仅局限于PC，还广泛应用于手机、VR、Box、TV等多元设备。在AIPCloud平台的统一调度下，实现真正的多端一体化人机互动。调度平台将实现边、端、云的 深度协同，用户画像将具备自我映射能力，能够根据用户的实时学习和成长进行自我更新，实现用户画像的动态进化与自我修复，达到自洽、自愈的状态。 Q：如何看待AIPSeed的长远价值，尤其是在人机交互方面的贡献？ A：AIPSeed的长远价值在于推动人机交互进入一个全新的时代。随着技术的不断演进 ，我们正从单一设备的智能迈向多端协同的智慧生活，AIPSeed正是这一进程的关键推手 。它不仅使设备更加智能化、个性化，还能通过深度学习用户的习惯和需求，实现更加细腻、高效的互动。在未来的几年里，AIPSeed将逐步实现从被动响应到主动服务的转变，为用户提供 无处不在的智能化支持，真正让技术服务于人的全面发展，开启人机共生的新篇章。Q：国内外AIPSeed发展的差距体现在哪些方面？预计克服这些差距需要多久，难点有哪些？ A：国内外AIPSeed的发展差异主要集中在芯片技术和模型部署能力上。海外，特别 是美国，拥有如英特尔、AMD和高通等公司，它们在AIPC芯片设计和生产上占据领先地 位，提供强大的端侧算力和服务器级芯片。同时，美国的科技巨头如微软和亚马逊，在模型压缩、大模型部署以及算法优化方面亦有深厚积累，这使得他们在语音处理和云计算，尤其是GPU驱 动的训练任务中保持优势。英伟达的GPU技术，如B100，进一步拉开了与国内厂商的技术距离。 国内方面，虽然面临芯片自主化挑战，但在整机制造和特定行业解决方案上展现了创新。国内厂家致力于开发适合政府、金融、电信等领域的定制化本地模型，并注重数据隐私保护，通 过建立边缘计算平台，如企业私有云和个人家庭云，确保数据安全。通过优化网络带宽管理和端边云协同，实现实时的数据处理和模型调度，满足用户对隐私和效率的需求。虽然华为等新兴势力尚未正式宣布进入AIPC市场，但其在手机与PC间已有成熟的交互能力，预示着潜在的市 场冲击。 Q：为什么AIPC倾向于采用Windows操作系统和ARM架构，除了功耗因素外，还有什么战略意义？ A：Windows操作系统因其广泛的用户基础和成熟的数据处理能力成为首选。它不仅支持 用户行为追踪，还能在后台构建复杂的数据结构，通过索引算法实现快速信息检索，为用户提供意图预测和创作辅助等功能，增加了AIPC的吸引力。ARM架构的采用，如高通的芯片，不 仅利用了其在移动市场的高占有率，还为AIPC在不同行业应用场景中的灵活移植提供了可能。随着Windows对ARM架构的支持增强，以及相关软件生态的迅速跟进，ARM架 构的潜力巨大，有助于推动AIPC在性能和能效上的双重提升。 Q：高通在AIPC芯片领域的优势有哪些，与其他芯片相比有何不同？ A：高通凭借其在ARM架构的深厚积累，在AIPC市场展现出独特优势。首先，其手机芯片市场份额大，且在ARM架构上的拓展为AIPC提供了跨行业应用的广阔前景。其次，高通芯片在算力方面表现突出，最新的CPU算力可达40T以上，超越部分竞 品。此外，高通正从通信芯片公司向边缘计算芯片公司转型， 这种战略调整使其能更好地整合手机与PC间的生态系统，促进底层API的快速对接，提 升用户体验和市场竞争力。微软选择与高通合作，也是看中其在算力和AI应用支持上的强大实 力。Q：未来云测和端测的算力分配如何？端测模型性能提升是否意味着可以脱离云测？ A：未来算力分配将是云测和端测协同工作的模式，两者不可分割。云测将继续承担模型训练的重任，而推理则分散在端测和 边侧。端侧模型的强化旨在处理即时、隐私敏感的任务，如本地语言识别，而复杂的多语言或高级功能仍需借助云测或边缘计算的辅助。边测平台在保障数据安全性和提高响应速度的同时，还能实现模型的灵活调用，增强端侧应用效果。因此，未来的发展趋势是本地模型与通用模型的高效互动，共同构建更强大、更智能的AIPSeed生态系统。 Q：联想AIPC的定价策略是什么？市场上消费者能否接受？A：我们的AIPC定价策略分为三档，高端约为8000至1万元，中端约6000元，低端则为4000 至5000元。尽管硬件成本有所增加（约8%），但为了促进用户接受度，我们仅在报价上提升了约5%，余下的成本我们自行消化。我们的策略是先通过8000元左右的AIPC 吸引用户，让他们感受到与传统PC相近的价格和AIPC带来的新体验，避免因价格过高导致用户望而却步。同时，我们也会推出6000元左右的中端产品，以满足不同 消费群体。我们坚信AIPC的核心价值在于软件和AI生态应用，未来会通过软件服务费 来弥补硬件上的利润损失，建立持续的收入流。简而言之，我们预计硬件价格涨幅不会太大，旨在让市场逐步接受AIPC的附加价值。 Q：如何理解AIPC中的Record和Recall功能及其对隐私的影响？ A：Record功能涉及用户画像和用户轨迹跟踪，让PC转变为感知型产品。它不仅能 记录屏幕内容，还能捕捉用户交互中的自然语言、表情和操作，深入理解用户的真实意图。例如，它能识别出“今天天气好吗？”的反问句背后的情感变化，理解用户实际认为天气不佳。Recal l则依赖于复杂的数据结构和算法，有效索引用户产生的多样数据，如文档、图片、语音等，而对CPU资源消耗有限。此功能虽有隐私考量，但关键在于透明度和用户授权，确保数据的合法合规使用。 Q：OEM厂商在应用层面如何布局，如何扩展价值链，以及与外部生态合作？ OEM厂商在应用层面分为自研和合作两大方向。ToB市场，如政府、金融领域，会自建行业模型；ToC市场则与合作伙伴共创，如与微软Teams合作开发智能会议助手，能自 动整理群聊重点，生成会议摘要甚至PPT。合作形式多样，基于API共享，如与微软紧密协作，利用Windows底层API能力推动屏幕交互创新。我们期待与软硬件厂商的开 放合作，推动AI生态建设， 如英特尔加速计划，促进应用与硬件的深度融合。Q：微软为何未选择Intel作为AIPC的合作方？ A：微软选择高通主要考虑其AIPC芯片的算力优势，高达40多T，远超Inte l同类产品的10多T，能加载更多本地模型，提升用户体验。同时，微软积极布局arm架构的Windows，看中其在多个行业应用的广泛潜力，与高通合作能推动AIBox等产品线的革新。 Q：armWindows如何构建生态体系？ A：armWindows生态建设需时间积累，但微软和软硬件厂商正积极推动。微软通过开放API，鼓励软件厂商推出arm版本应用，如Adobe已推出Photosh op的ARM64位版本。随着时间推移，预计arm生态一两年内将与X86相当。 Q：arm与X86架构的主要差异及未来发展趋势？ arm与X86的差异主要体现在指令集和生态系统上，arm在某些应用上可能存在兼容性限制，但功耗控制较好，适合工业、 医疗等特定场景。若X86在工艺上追赶，性能对比接近