Intel作为个人电脑行业中占据主导地位的处理器巨头，英特尔在AI PC的定义上自然具有较强的话语权。英特尔对AI PC有三点比较核心的要求。 1、配备专门的神经处理单元（NPU）、中央处理器（CPU）和图形处理器（GPU），这样的硬件组合能够为AI应用提供必要的计算资源。 2、支持微软的Copilot功能，并且在键盘上设有专门的Copilot物理按键。 3、具备AI专用加速功能，这意味着CPU、GPU和NPU每一个部件都能针对AI任务进行优化，以提高效率和性能。 这里的关键在于集成了英特尔神经网络处理单元（NPU）。这是英特尔专门针对AI和机器学习场景进行优化设计的硬件加速器，可以大幅提升PC在语音交互、图像处理等人工智能任务上的计算能力，在本地提供快速的响应时间，同时相较于云计算服务更为节能，有助于延长设备的续航时间。 对于更复杂的AI任务，则可能需要用到GPU和CPU协同，因为NPU可能不足以处理这些高强度的工作负载。在某些情况下，CPU、NPU和GPU还能够协同工作，以运行大型的语言处理模型。 AI模型对内存容量和速度也有很高的要求，因为更大的内存容量能够让模型更加复杂和精确，而更快的内存速度则能提升整体的性能。尽管目前微软尚未设定具体的最低内存要求，但英特尔指出，某些工作负载可能需要至少16GB甚至32GB的内存。 英特尔抢先在笔记本电脑上推广AI PC概念，发布了具有NPU的全新一代酷睿Ultra处理器，并计划到2025年底交付超过1亿台带有AI加速器的PC，据报道Intel已经与100多家AI独立软件供应商（ISV）合作，预计到2024年底将推出300多款AI加速应用程序。
AMD对AI PC的定义体现在其对AI技术的整合和应用上，旨在将个人电脑转变成为最智能和最个性化的设备。AMD认为AI PC应具备以下特点： 1、内嵌基于个人大模型的自然交互个人智能体，这允许设备理解和响应用户的需求，提供更加个性化的用户体验。 2、内嵌个人知识库，使得AI PC能够存储和管理用户的数据和信息，以便提供更精准的服务。 3、具备CPU+GPU+NPU的本地异构算力，这种混合架构能够充分利用不同类型的处理核心，以实现高效的AI计算。 4、连接开放的AI应用系统生态，意味着AI PC应支持与各种AI应用和服务无缝对接，形成一个互联互通的环境。 5、保护个人隐私和数据安全，确保用户在享受AI带来的便利的同时，其数据和隐私得到妥善的保护。 从产品发布时间上看，AMD比Intel稍晚一些，除了针对笔记本电脑，集成NPU的锐龙8000系列处理器以外，首次将NPU芯片集成在台式机处理器中，其运算核心整合算力达到了39TOPS。 AMD同样提供三种计算引擎以满足AI PC的差异化需求，分别是Zen4架构CPU、RDNA 3架构GPU和XDNA架构的NPU。Zen4架构CPU主要用于通用处理和AI推理，RDNA 3架构GPU适用于游戏和基于AI的内容创建，而XDNA则专注于低功耗的AI应用，可自适应数据流架构，能够减少对外部内存的访问，从而提高性能和能效。 高通通过Snapdragon X Elite处理器正式开启了对PC市场的冲击。该款处理器搭载了高通自主研发的AI加速引擎，能够为笔记本电脑带来出色的机器学习运算性能。 从高通公开发布信息总结下来，高通认为AI PC 应该具备以下几个关键特点: 1. 搭载专门针对 AI 任务优化的异构计算架构,包括CPU、GPU和AI加速器等协同工作。 2. 支持业界领先的人工智能框架和模型,能够流畅运行各类智能应用程序。 3. 具有出色的能效表现,即使在密集的AI计算场景下也能保持长续航。 4. 拥有即时响应的用户交互体验,比如自然语音交互、智能辅助等。 虽然搭载高通Snapdragon X Elite处理器的笔记本还没有上市销售，但从高通官方披露的数据来看，其性能表现相当出色，它在多项基准测试中击败了Intel与AMD的产品，同时其功耗表现更优，特别是AI性能，据说可以提供高达75 TOPS的AI算力。这使得Snapdragon X Elite处理器能够在本地快速处理AI模型，如Stable Diffusion，该模型可以接收文本提示并生成图像。此外，Snapdragon X Elite处理器的NPU还可以在没有CPU或GPU辅助的情况下运行所有AI任务，或者在需要时与CPU或GPU协同工作。 不同厂商在定义AI PC概念上有所差异，但在几个关键点上已达成共识: 首先，AI PC 必须拥有强大的AI处理能力。这意味着它们需要搭载专用的神经处理单元（NPU），并能与CPU、GPU协同工作，共同支撑各类智能应用。 其次，AI PC 应该具备在本地直接运行复杂AI模型的能力，无需完全依赖云端计算资源，从而提供即时响应和流畅的交互体验。 此外，AI PC 还需要拥有足够大的内存和存储空间，以容纳和运行日益庞大的AI模型。同时，良好的软件生态也是必要条件，为AI应用的开发和部署提供支撑。 | 
