是什麼
AI PC 指內建專用 AI 加速單元、能在本地執行神經網路推理的個人電腦。這個概念在市場上的具體落點，是微軟 2024 年 5 月提出的 Copilot+ PC 認證。
按微軟的定義，Copilot+ PC 是一類由高效能 NPU 驅動的 Windows 11 硬體，其 NPU 每秒能執行超過 40 萬億次運算（40 TOPS）。除算力門檻外，微軟還要求最低 16GB 記憶體、256GB 固態硬碟，以及 Windows 11 24H2 或更新的系統版本。符合條件的晶片包括高通驍龍 X 系列、AMD 銳龍 AI 300 系列、英特爾酷睿 Ultra 200V 系列等。
NPU 與 CPU、GPU 的分工值得說清楚。CPU 通用但跑矩陣運算效率低；GPU 並行能力強但功耗高，更適合訓練與大批次推理；NPU 則是為深度學習的特定運算元定製的，在低功耗下持續做推理最划算。Windows 11 會把任務分派到最合適的單元上，工作管理員現在也能單獨看到 NPU 佔用率。
為什麼重要
AI PC 的意義不在於「電腦變快了」，而在於它把一部分 AI 能力從雲端拉回本地，由此帶來三樣東西：不聯網也能用、資料不出裝置、按次呼叫不再產生費用。
這三點對應的場景其實很具體：會議中的即時字幕與翻譯不希望音訊上傳；本地檔案的語義檢索不希望索引外流；長時間開著的背景處理任務，用雲端 API 按 token 計費不現實。這些都是「小模型 + 低功耗 + 常駐」的活，恰好是 NPU 的舒適區。
但必須把預期校準。40 TOPS 聽起來很大，放在大模型語境裡並不算高——它足以流暢執行經過量化的幾十億引數模型，做摘要、分類、改寫、語音轉寫這類任務，但要跑引數量更大的模型，本地記憶體頻寬與容量會先成為瓶頸。想在本機跑較大的開放權重模型，一塊視訊記憶體充足的獨立顯示卡配合 Ollama 這類工具，仍然是更現實的方案。
對產業鏈而言，AI PC 最實際的影響是給 PC 行業提供了一個換機理由，也給晶片廠商開闢了新的差異化維度：NPU 的 TOPS 數字成了新的規格戰場，而 x86 與 Arm 陣營在 Windows 生態裡的競爭也因此重新活躍。
在 AI 產業鏈中的位置
AI PC 處在晶片層與應用層的交匯處，是端側 AI 在個人計算裝置上的形態。向下它拉動 NPU 設計、先進封裝與記憶體供應；向上它需要一套完整的軟體棧把算力交到開發者手裡——微軟的路徑是用 Windows ML 統一抽象，底層仍由 ONNX Runtime 執行，並根據硬體自動選擇執行提供程式（如高通的 QNN、英特爾的 OpenVINO），開發者不必自行打包這些元件。模型格式上，執行在 NPU 上的模型通常需要從 FP32 量化到 INT8 等低位元格式。
與AI 眼鏡相比，AI PC 的端側能力要強出幾個量級，因此它是目前唯一能把「完整的小模型 + 私有資料」真正放在本地閉環的消費級裝置類別。
怎麼判斷值不值得買
幾條實用的判斷標準：
看 NPU 而非 CPU 代號。廠商宣傳裡的「AI 處理器」說法混亂，真正決定能否獲得 Copilot+ 功能的是 NPU 標稱是否超過 40 TOPS。
看記憶體。16GB 是門檻而不是舒適線。本地跑模型時，記憶體容量與頻寬往往比 NPU 算力更早觸頂。
看實際用得上哪幾項功能。本地轉寫與翻譯、離線影像處理、本地檔案語義搜尋——如果這幾項都不在你的日常裡，NPU 大部分時間會閒置。
分清兩條技術路線。NPU 路線最佳化的是每瓦效能，適合輕薄本與長續航；獨顯路線最佳化的是絕對吞吐，適合真的要在本地跑大模型的人。兩者不是替代關係，買之前先想清楚自己屬於哪一類。