端侧AI还只是“小时代”，但电脑规格已被模型改写

2026年1月下旬，一个当时还叫Clawdbot、后来以“龙虾”之名为人所知的智能体走红，随即引发了一波Mac mini抢购潮。人们开始为一个随时能干活的AI，单独准备一台电脑。

苹果已经在传播层面刻意转向智能体。新款Mac mini不再只讲办公和创作，也开始强调全天候运行智能体；Mac Studio则继续向需要在本地运行大模型的人出售大内存。小米也在近期展示了AI Cube：三颗玄戒芯片装进一个铝合金方盒，配上80GB统一内存，在本地部署大模型。

更早入场的英伟达，已于2025年10月开始交付DGX Spark。联想、华硕、惠普、戴尔也围绕GB10推出整机。原本卖笔记本、工作站和小型电脑的公司，开始争夺一种新订单：用户希望把一部分AI算力留在自己手里。端侧AI即将迎来大时代？别急，现在还只是“小时代”。

模型正在改写电脑规格

不过是在两年之前，AI PC最典型的配置还只是一块NPU。微软给Copilot+ PC划出的门槛是40 TOPS NPU、16GB内存和256GB存储。厂商拿实时字幕、图像处理等功能介绍本地AI。这套标准可以放进原有的轻薄本，用户仍然按熟悉的方式使用电脑，只是多出几项由专用计算单元承担的功能。

但同时，由苹果的统一内存开始，用户们渐渐开始部署本地模型。2025年3月，苹果已把最高512GB统一内存放进M3 Ultra Mac Studio，并以本地运行数千亿参数模型为卖点。在这个时间，本地部署还只是专业工作者们的选择，因为动辄大几万的Mac Studio，还远没能下落到普通消费者的购买区间。

到了今年，端侧AI的产品继续生长。小米AI Cube原型机配备80GB统一内存，DGX Spark和一批GB10整机是128GB，AMD Ryzen AI Max 300系列最高支持128GB；新款Mac Studio继续提供最高512GB，内存带宽提高到1.2TB/s。

内存是重中之重，这已经不是什么秘密。模型权重、上下文缓存和运行时会迅速吞掉内存。以4比特量化粗算，70B模型仅权重就约需35GB，尚未计入量化元数据、缓存和系统开销。

速度与使用门槛接踵而至

部署完成之后，速度又成了下一道门槛。DGX Spark的128GB统一内存，搭配的是273GB/s带宽。前者关系到能装下多大的模型，后者影响计算时搬运数据的速度。真正生成回答时，模型精度、上下文长度和推理软件还会继续影响结果。增加内存，并不能包办后面的工作。

即使模型已经跑起来，用户也未必用得起来。模型怎样下载和更新，应用怎样调用，读取文件之前需要哪些权限，持续运行出了问题由谁维护，都要有人处理。用户买回去的是一台电脑，这些环节却未必由同一家公司完成。

联想、华硕、惠普可以采用英伟达的GB10平台，完成整机设计、销售和服务；苹果可以同时调整芯片、系统和开发工具。小米则把自己的芯片装进原型机，尝试参与决定一台个人AI设备应当怎样计算。

这几条路线，反映的是各家公司愿意承担多少研发投入，又希望掌握多少产品决定权。采用现成平台的厂商，可以把更多精力放在产品化和交付上；自己设计芯片，则要先承担研发和验证投入，换取对内存架构、计算单元和功耗分配更大的调整空间。后续还要靠足够的产品销量，摊薄持续迭代的成本。

自研芯片因而是一种选择，而非所有参与者的入场条件。同样使用GB10的两台机器，底层能力可能很接近，安装体验、维护服务和客户关系却可以由不同公司掌握。新的电脑订单由此带出了一个更大的问题：用户为本地AI多花的钱，最后会留给提供芯片的公司、提供系统的公司，还是把机器卖给他的公司？

苹果握住整套系统，小米向底层伸手

苹果可以同时改芯片、系统和开发工具，它不需要用户决策新买一台AI PC，就可以让模型部署在本地。统一内存是苹果的杀手锏：苹果的MLX框架让CPU和GPU使用共享内存里的数组，减少在不同计算单元之间搬运数据的需要；MLX-LM则提供模型运行、量化和微调工具。开发者下载第三方开放模型，也可以使用苹果为自己硬件优化的工具来运行。

这条路径主要使用CPU、GPU，并不只靠专用NPU。今年预览的Core AI框架又对统一内存和神经网络引擎进行优化。苹果能够围绕同一套硬件持续补软件，而不是每增加一项AI功能，就重新寻找一套计算平台。

8月的更新进一步拉开了产品梯度。M6 Mac mini 6999元起，内存最高32GB；M5 Pro版本最高64GB。需要更大模型、更重开发任务的人，可以继续向Mac Studio的128GB、512GB配置走。新机已于8月27日接受预购，官方计划9月22日开始发售。

用户本身是有分层的：普通用户需要的是已有应用里多几项好用功能；开发者在意能不能把自己的模型和代码放进去；研究团队、专业创作者才更可能为大内存和持续负载买单。但苹果可以用同一套系统承接不同预算，不必为每一层用户重建销售渠道。

掌握整套平台，也没有让苹果拒绝外部模型合作。6月公布的第三代基础模型与Google合作开发，其中既有3B端侧模型，也有采用稀疏结构、按请求调动部分参数的20B端侧模型。合作改变了模型的来源，系统和产品决策权仍然在苹果手里。哪些模型进入系统服务，开发者通过什么接口调用，应用读取文件之前如何获得许可，仍由它的平台安排。外部模型可以进入Mac，用户不必因此离开Mac。

因此，苹果的商业算盘并不只是在传统的Mac上卖内存。它也在给现有硬件增加使用理由，让开发者把新功能继续做在自己的系统里。模型和框架还在随系统版本、地区与测试进度逐步开放，但已有的产品线和用户关系，让苹果可以分批推进这件事。

小米的芯片分工与米家承接

小米想握住类似的主动权，但明显和苹果走的不是一条路。AI Cube里三颗芯片的分工很能说明问题：O3面向个人智能终端，O100面向端侧AI加速，D100面向智能驾驶。小米把几条芯片研发线放进同一台原型机，展示协同计算能力。按8月发布信息，O3已开启规模量产，O100和D100计划明年商用。AI Cube本身仍是工程原型，没有公布价格和开卖时间。

自研的意义，首先在于小米可以自己组织一颗芯片的设计，并不意味着每个组成部分都从零做起。此前的玄戒O1就使用了Arm的Cortex CPU、Immortalis GPU和CoreLink互连IP。对小米而言，投入芯片设计，是在通用技术的基础上，为自己的产品安排计算能力、内存和功耗，而后还要接受制造、封装与存储供应的约束。

硬件这一侧还在推进，小米已经在米家上寻找它将来可以承接的任务。6月发布的Miloco 2.0，把米家摄像头的音视频、MiMo模型与设备控制接在一起。它以OpenClaw插件的方式运行，尝试识别家人、记住习惯，再调动家里的设备。用户过去要预先设置“发生什么，就打开什么”，现在，小米尝试让AI参与理解和安排这些事情。

不过有个事儿挺有意思：小米自己的安装说明，推荐