這兩年，AI 有多火，大家應該都感受到了。

從最初的聊天問答，到寫文案、做圖片、生成視訊，再到幫我們處理各種工作，AI 的能力一直在往前走。

去蘇州參加完「同芯 智遠」英特爾技術創新與產業生態大會後，老狐有一個很直觀的感受：AI 正在和傳統 PC 加速融合，而這場融合，可能會讓我們對電腦這件再熟悉不過的工具產生新的認知。

過去，PC 更多承擔的是資訊處理和生產力工具的角色，而隨著 AI 能力不斷融入，電腦也開始有了理解需求、輔助決策，甚至自主完成部分任務的能力。

為什麼是 PC？英特爾又準備怎麼把 AI 帶進千行百業？帶著這兩個問題，我逛了一圈現場，也看到了不少有意思的應用和嘗試。

過去我們使用 AI，基本上是一個問、一個答。

比如，讓 AI 寫一份報告，它生成一段文字；讓它做一張圖片，它給你一張圖片。至於後面的修改、排版、整理檔案、呼叫軟體，還是得我們自己一步步完成。

它不只是理解你的問題，還能根據目標拆解任務、制定計畫、呼叫不同的工具，最後儘可能把事情辦完。

舉個例子，你讓它幫忙整理一份招聘資料。傳統 AI 可能只是告訴你應該怎麼篩選簡歷，而智能體可以進一步讀取檔案、提取候選人資訊、進行分類比較，最後整理出候選人排名、推薦理由，甚至給出面試建議。

這中間涉及的，可不只是生成一段文字，而是檔案處理、資料分析、軟體呼叫等一系列操作。

AI 從“會回答”到“會做事”，人機互動的方式也就跟著變了。

以前，我們需要打開軟體、找到功能、輸入指令，再一步步完成工作。未來，我們可能只需要說清楚目標，剩下的步驟交給智能體去處理。

而這恰恰是 PC 重新獲得關注的原因。

手機適合隨時隨地溝通、查詢資訊，但當任務變得複雜，需要同時處理大量檔案、呼叫多個軟體、運行本地模型，還要兼顧多工協同的時候，PC 的優勢就顯現出來了。

它有更充足的計算資源、更大的記憶體空間、更成熟的軟體生態，也能在一個工作環境裡同時處理多種任務。對於需要本地處理的敏感資料，還可以減少資訊上傳帶來的隱私顧慮。

當然，這並不是說 PC 要取代手機，而是當 AI 開始真正參與工作，PC 又有了新的價值。

這次現場展示的端雲協同方案，就挺有代表性。

在招聘場景中，系統可以把一個任務拆解成 67 個子任務，再根據不同環節的需求，調度本地模型和雲端模型分別處理，最終彙總出結果。現場資料顯示，這套方案能夠節省約 50% 的 Token 消耗。

這背後的思路很值得關注：不是所有任務都必須交給雲端，也不是所有任務都要由同一個模型完成。簡單、敏感的工作可以在本地處理，需要更強能力的環節再呼叫雲端模型。

而英特爾 要做的，就是為這套工作方式提供底層計算能力，同時通過軟體工具和合作夥伴生態，讓智能體真正進入 PC 的日常使用場景。

其實，PC 重新受到關注，並不是大家突然開始懷舊，而是當 AI 要真正幫人幹活，離不開一個能運行各種軟體、呼叫硬體資源，並且能長時間處理複雜任務的平台，而 PC 恰好具備這樣的條件。

那麼，這種變化到底能帶來什麼？接下來，逛展區就能看到更具體的答案。

這次英特爾大會的展區規模不小，現場有約 1.5 萬平方米的展示空間、1400 多項演示，以及 60 多個合作夥伴展台，覆蓋企業 AI、工業 AI、個人 AI、家庭 AI和智能汽車等不同方向。

如果說發佈會上的技術介紹還比較抽象，那麼展區裡的演示，就更容易讓人理解智能體究竟能做什麼。

我在現場比較關注的，是 AIPC 智能體應用，以及它和智能汽車結合的展示。

現場展示了基於英特爾® 酷睿™ Ultra 移動處理器的AI應用方案，其中一個案例來自字節跳動的 TRAE。它展示了一套 AI 漫劇製作流程：先利用本地模型生成角色和場景參考圖，再對生成的視訊進行超解析度處理，把 480P 素材提升到 1080P。

現場資料顯示，這套方案有望節省 60% 以上的製作成本。就像老狐自己做 AI 視訊，為了省積分，每次都先出 720P，再超分成 1080P 甚至 4K，相比直接生成 4K 視訊，成本省了一大截。

而百度“搭子”，以及騰訊相關的 Marvis、WorkBuddy 等方案，也在嘗試整合本地 AI、雲端大模型和工具能力，讓使用者通過統一入口完成問答、檔案管理和內容處理等任務。

當然，這不代表所有創作都可以一鍵完成，但對於一些重複性高、流程相對固定的工作，智能體確實有機會減少操作成本，讓人把精力放到創意和判斷上。

不過，相比電腦上的智能體應用，我覺得現場更有意思的，是它開始走出電腦，進入汽車這樣的真實場景。

在理想汽車展區，英特爾展示了 AI 計算能力與車載體驗結合的應用。

其中一個演示，是將搭載 Intel®Arc™ G3 EXTREME 的掌上遊戲裝置，通過 Type-C 介面連接到理想的車載系統。現場還結合了車輛的主動懸架，讓遊戲中的體驗與車身的物理反饋產生聯絡。

簡單來說，遊戲不再只是螢幕裡的畫面，車輛本身也參與了體驗。

當然，這類互動體驗需要在車輛停放等安全條件下進行，但它提供了一個很直觀的想像：汽車裡的計算裝置，未來不一定只負責導航、娛樂和播放音樂，還可能成為承載更多 AI 應用的入口。

除了遊戲互動，現場還展示了 AI Box Ultra 相關方案。

它的思路也比較有意思：不必徹底改造汽車原有的車機系統，而是通過一個相對獨立的外部 AI 計算裝置，增加新的 AI 能力。這樣既能讓新功能擁有獨立的升級空間，也能儘量避免對原車系統和安全機製造成干擾。

結合本地 AI 計算、語音互動和多模態感知等能力，汽車未來可以擁有更自然的對話體驗，也有機會進一步理解使用者的需求，並主動提供服務。

這裡需要注意的是，能對話不等於真正的智能體。真正的智能體，還需要理解使用者的目標、呼叫相應工具，並完成具體任務。但從技術方向來看，汽車確實正在從一個單純的交通工具，變成可以承載更多智能服務的移動終端。

這也是我覺得智能體和汽車的結合值得關注的地方。

過去，我們談汽車智能化，重點往往是螢幕有多大、語音識別准不准、輔助駕駛功能有多少。現在，隨著 AI 能力不斷進入車內，新的問題開始出現：汽車能不能更好地理解人？能不能把不同的裝置、應用和服務連接起來？能不能根據使用者的真實需求，完成更多事情？

這些變化，才是智能汽車接下來值得探索的方向。

至於家庭 AI、企業 AI 和工業 AI 展區，現場也展示了不少應用。

例如家庭 AI 可以承擔家庭計算、記憶和任務執行等功能；醫療場景中的 AI 能夠整理醫患對話、提取關鍵資訊，並按照範本生成病歷；教育、零售、製造和法律等領域，也在嘗試利用 AI 處理重複性工作。

這些應用看似分散，但背後的邏輯其實相通：讓 AI 不再只是一個獨立工具，而是能夠連接具體場景、軟體和裝置，參與實際工作。

逛完展區再回頭看，我覺得這次大會想表達的，並不只是英特爾推出了多少處理器，或者現場有多少 AI 應用。

更重要的是，AI 正在從模型能力的競爭，逐步走向實際應用能力的競爭。

模型足夠聰明當然重要，但如果它只能回答問題，卻不能接入軟體、呼叫工具、處理資料，也很難真正改變我們的工作方式。

而要讓智能體落地，就需要計算平台、軟體生態、開發工具，以及大量面向具體場景的應用共同配合。

這也是英特爾在整個產業鏈中的一個重要角色。

從 PC 端的本地模型運行，到本地與雲端協同，再到汽車、家庭和工業場景中的AI應用，英特爾提供的不只是硬體算力，還包括 OpenVINO 等軟體工具，以及與合作夥伴共同推進的應用生態。

對企業來說，AI 能否真正落地，不只是看模型有多強，還要考慮部署成本、運行效率、資料安全，以及能不能融入現有的業務流程。

比如醫療機構希望減少醫生整理病歷的時間，製造企業希望提升生產管理效率，普通使用者希望電腦幫忙完成重複工作，汽車使用者希望車機更懂自己的需求。它們的具體目標不同，但都需要一套能夠穩定運行、方便呼叫、持續升級的技術基礎。

當然，智能體要真正普及，還有不少問題需要解決，包括執行的精準性、複雜任務的穩定性、資料安全，以及不同軟體和裝置之間的協同能力。

但至少從這次現場展示來看，AI 正在從一個需要我們主動打開、主動提問的工具，逐步變成可以嵌入工作流程、連接不同裝置的能力。

回到最初的問題：為什麼智能體時代，PC 重新站上了 C 位？

老狐的理解是，不是 PC 本身突然發生了多大的變化，而是 AI 開始從“生成內容”走向“執行任務”，讓 PC 原本具備的計算能力、軟體生態和多工處理能力，重新有了發揮空間。

而當這種能力進一步延伸到家庭、汽車和工業場景，AI 也就不再侷限於電腦螢幕裡的一問一答。

從個人創作，到理想汽車裡的智能體驗，再到醫療、製造等行業的實際應用，智能體正在嘗試把 AI 的能力變成具體的生產力。

這場變化才剛剛開始。未來真正值得關注的，可能不只是 AI 能回答多少問題，而是它究竟能幫我們完成多少事情。(科技狐)

彙整鉅亨號中所有使用「同芯智遠」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

AI 時代， PC 重新站上 C 位？英特爾現場給了我一個答案