AI主机：智能体会需要一台“专用电脑”吗？

如果AI要从聊天工具变成能长期工作的“数字员工”，它应该运行在哪里？

日前，联想与IDC在北京发布《AI主机》白皮书，提出了一种介于终端与云之间的设备：AI主机。白皮书将其定义为面向L3级及以上自主智能体的边缘算力设备，具备本地推理、任务执行、数据存储一体化能力，支持长流程复杂任务的连续自主运行。

按照这一定位，AI主机既不是AI PC的升级，也不是服务器的缩小版。它瞄准的是智能体持续运行带来的新需求。白皮书将其与PC、服务器并列，称为第三类算力品类。

这个判断能否成立，仍要看产品、软件生态和真实需求。但智能体确实正在给既有计算架构提出新问题。

当智能体开始“干活”

以ChatGPT为代表的大语言模型刚出现时，AI的使用方式很简单：提一个问题，得到一个答案。无论在手机、PC还是云端，这类任务处理再简单不过。

智能体不同。无论是国外的Claude Code、Codex，还是国内的WorkBuddy、豆包工作等产品，它们需要拆解任务、调用工具、读写文件，以及操作浏览器和业务系统。一项任务可能持续几小时，也可能需要长期在线。它还要保留上下文和记忆，处理本地数据，并在多个任务之间切换。

这会带来三个直接问题。

首先是成本。云端大模型按Token计费，偶尔使用时成本并不突出；但当智能体进入持续推理、验证、调用工具和循环执行的工作状态，Token消耗会迅速上升。白皮书把这类持续增加的API支出称为“算力税”。

其次是数据。个人文件、邮件、照片和账号信息，企业的客户资料、设计图纸、供应链数据和业务系统，都会成为智能体理解任务所需的上下文。若这些数据频繁上传至云端，安全、合规和数据主权就成为绕不开的问题。

还有使用体验。手机和PC首先服务于人，人的使用是间歇式的，智能体却可能需要全天运行。用户在前台办公、开会时，后台智能体也许正在推理、执行任务。多个智能体并发运行后，会与前台应用争夺CPU、内存和网络资源。

因此，适合人使用的设备，未必适合智能体长期工作。白皮书提出，市场需要一种专门为智能体设计、能够7×24小时稳定运行的边缘算力设备。

从“人机交互”到“机机交互”

把AI主机简单理解为高配PC，容易忽略它与传统终端的区别。

PC的首要服务对象是人。屏幕、键盘、鼠标、摄像头和操作系统，都是围绕人的输入、输出和交互设计。AI主机则把智能体放在第一优先级：它不一定需要屏幕和键鼠，却需要持续的计算能力、可靠的网络连接、本地数据存储以及适合智能体长期运行的软硬件环境。同时，随着多智能体协作的发展，它还需要支持智能体之间的任务调度、工具调用和协同执行。

这也是联想和IDC反复强调“机机交互”的原因。未来，用户仍会通过手机、PC和平板与AI交互；但智能体之间的协作、任务调度、数据处理和工具调用，可能更多发生在另一台长期在线的设备上。

这背后其实对应着一种新的计算分工：人和智能体对计算资源的使用方式正在分开。PC是人的计算终端，AI主机则可能成为智能体的计算终端。如果这一模式逐渐成熟，传统“端—云”之间或许还需要增加一个面向智能体的边缘计算层。

为什么是边缘，而不是全部交给云端？

这里还有一个现实问题：既然云端拥有更强的大模型和算力资源，为什么还需要一台AI主机？

白皮书提出的思路是“边缘优先，云端补能”。日常、高频、私密且需要持续在线的任务，可以优先在本地边缘侧完成；涉及超大模型、复杂推理或算力峰值的任务，再调用云端资源。

例如，企业智能体可以在本地完成知识检索、文件分析、内部流程调度等工作；遇到需要更大模型能力的任务时，再把部分请求发往云端。

这更像是重新划分计算任务，而不是重演“端云之争”。云提供规模和弹性，端负责人与AI的直接交互，边缘设备则承接持续运行、本地数据和低时延任务。

智能体普及后，计算或许会更依赖这种分层结构。

Token经济，让本地算力重新拥有了一笔经济账

如果说“机机交互”定义了AI主机的产品逻辑，那么Token经济则决定了它有没有商业成立的可能。这是这次《AI主机》白皮书中一个非常值得关注的部分。

企业购买服务器，获得的是相对确定的计算资源；调用云端AI服务，则是按使用量付费。AI使用得越多，账单通常也越高。而随着智能体深入业务，AI使用强度可能快速上升。

于是产生了一个新的经济学问题：AI越便宜，人们越愿意使用；越愿意使用，Token消耗越高。这就是白皮书所讨论的AI领域的“杰文斯悖论”。

白皮书测算显示，当前主流商用大模型API综合价格约为3至10元/百万Tokens。在月消耗6亿Token的场景中，AI主机约10个月可回本；月消耗达到18亿Token以上时，回本周期约为8个月；使用强度越高，长期节省越明显，五年TCO最高可降低67%。

当然，这些数据属于白皮书基于其测算模型得出的结果，具体回本周期仍然取决于模型价格、Token使用量、硬件采购成本、本地推理比例等变量。

但它揭示的商业逻辑是成立的：当AI从偶尔使用的工具变成持续运行的生产力，计算资源就可能从“按量购买”逐渐转向部分“资产化”。

AI主机提供的，因而不只是硬件算力，也是一种更可预测的成本结构。

“一人公司”或许是最早的应用场景

白皮书将AI OPC，即“One Person Company（一人公司）”列为AI主机的潜在核心客群。

原因很简单。过去，一个人想做一家公司的全部事情几乎不可能。客服、运营、内容、销售、数据分析、代码开发，每一个岗位都需要时间和人力。

但智能体开始把这些工作拆解成可以被机器持续执行的任务。于是，一个人+多个智能体，可能形成一种新的生产组织方式。

IDC认为，AI主机有望成为“一人公司”运行数字员工团队的一个基础设施载体。AI OPC和成长型中小企业可能成为前期较为重要的用户群体；大企业的高敏感业务场景则可能成为标杆应用，而AI先锋家庭则代表更长期的消费侧探索。

硬件只是开始，竞争在“Agent生态”

硬件是AI主机的起点，不是终点。

如果它只是把GPU、NPU、内存和存储装进一个新盒子，最终很可能沦为又一个参数竞争激烈的硬件品类。这其中，软件或者说平台的价值尤为关键。

传统操作系统调度的是线程、内存和设备。面向智能体的系统则还要处理任务、权限、记忆、工具调用、模型选择和多智能体协作。

这意味着AI主机真正的“操作系统”，未必只是一个传统意义上的Windows、Linux或者其他系统。它更像一个：智能体运行时+任务调度器+权限管理器+记忆系统+模型管理平台。

模型、应用、开发者、Agent、Skills以及各种工具能否形成完整生态，将直接决定AI主机能否从一台硬件设备，真正变成一个智能体平台。

AI主机会成为第三大算力品类吗？

回到最开始的问题：智能体应该运行在哪里？

如果AI仍只是一个聊天工具，它运行在哪里，并不重要。但当智能体开始处理文件、调用业务系统、保存上下文，并在用户离开后继续执行任务，计算设备的角色就会发生变化。

当智能体慢慢成为人与组织最亲密的伙伴、数字员工，一个为其而生的算力品类登上历史舞台，是逻辑的必然。

当然，这未必意味着AI主机会很快成为与PC、服务器并列的新算力品类。产品成本、本地模型能力、软件生态和安全机制，都还需要市场验证。

但从IDC的预测来看，这一市场已经具备了较大的想象空间。白皮书指出，中国AI主机市场将呈现“前慢后快、逐步爬坡”的S型增长轨迹：2026年处于品类导入阶段，预计出货量约40万台、市场规模约50亿元，以极客尝鲜与先锋企业轻量款试点为主；2027年至2028年进入渗透验证阶段，0.5万至4万元价格区间的主力产品逐步规模化，并在AI OPC、中小企业等场景中进一步验证ROI；2029年至2030年进入加速增长阶段，随着供应链成本下降、杀手级应用涌现、长流程智能体体验成熟，届时中国AI主机出货量达到约700万台，市场规模超过770亿元。

中国AI主机市场规模与出货量预测（2026-2030）

当智能体成为新的生产力，属于它的“主机时代”，或许已经开始了。