一张越用越贵的 AI 账单，一句几家大厂几乎同时喊出的 "the new era of PC"，一场没把 AI PC 挂在嘴边的 WWDC。三件事摆在一起，像三个方向，最后却撞到同一个地方：AI 的推理入口，正在从云端往设备侧回流。

过去两年，AI 默认活在云端。你打开 ChatGPT、Claude、Gemini，把 prompt 发给数据中心，模型跑完再把结果传回来。这套模式把用户、企业和开发者都带进了一个很粗的账本：用得越多，token 越多，账单越高，云端 GPU 越紧。

别被 AI PC 这个词骗了。PC 没有突然变伟大，账变了：一部分推理负载必须回到本地。

苹果在 WWDC 上没有喊 "AI PC"，却把这件事做进了系统。模型进设备，个人上下文留本地，OS 负责调度，端侧推理变成用户无感的默认路径。

PC 又热，是云端 AI 把它推回来了

这轮 AI PC 的味道，很像当年的多核 CPU 或 GPU 加速。硬件厂商要卖点，PC 市场要换机理由，微软要把 Windows 重新放回 AI 入口，芯片厂商也要给 NPU、GPU、统一内存和内存带宽找到新价格。

Copilot+ PC 的门槛一摆出来，信号就很直：40+ TOPS NPU、16GB 内存、256GB 存储。它看起来是规格表，实际上是微软在给 OEM 和芯片厂商划线：下一代 PC 的底线不再只是 CPU 跑分，本地 AI 推理能力也要上桌。

NVIDIA 嫌这个还太轻。Copilot+ PC 更偏 Recall、图片处理、字幕、语音、简单生成这些轻任务；NVIDIA 想把开发者、创作者、模型调试、代码生成、视频生成这些重活拉回桌面，RTX AI PC、RTX Spark、Project Solara 都从这里长出来。

苹果走得更像苹果。它不需要发明一个 "AI PC" 概念，因为它的设备从来不是孤岛：iPhone 是随身入口，Mac 是生产力入口，iPad 管轻创作，Watch 贴着身体，Vision Pro 管空间，AirPods 管语音。Apple Intelligence 串起来的是一组围绕个人上下文运转的 Apple Silicon 设备，单台电脑只是其中一个入口。

微软说 PC，NVIDIA 说 workstation，苹果说 ecosystem。词不一样，底下的方向一致：PC 正在从办公终端变成本地 AI 推理节点。

SaaS 的账，套不到 AI 上

把推理往本地拉，原因不玄：云端 AI 的账太难看。

传统 SaaS 最舒服的地方，是软件卖出去以后，多一个用户的边际成本很低。企业买一个 seat，按月付费，账单稳定，ROI 至少还能估。生成式 AI 不吃这套。

摘要一次、生成一次代码、跑一轮 agent loop、做一次多轮推理，背后都是 token、算力和 GPU 时间。企业把它跑进日常以后，账单会从订阅费一路叠到 token、向量库、检索、存储、模型调用、评估监控和人工兜底。

我在上一篇里讲过这个矛盾：AI 越有用，越会高频；越高频，越不能一直贵。Agentic Coding 已经把这件事打穿了。它能读 repo、改代码、跑测试、解释错误、做 migration、清技术债，大家当然会天天用。可它最烧钱的地方，往往不在最后那几行代码，而在前面的探索、读取、推理、试错和重试。

人类工程师也探索，也走弯路。区别是，人类的探索成本被工资打包了，Agent 的探索成本会逐次出现在 token 账单里。

AI PC 的热，绕来绕去还是一句话：能不能少交一部分 token 税？

TOPS 是门票，路由权才是利润池

TOPS 好讲，PPT 上也好看。但真要把 AI PC 放进工作流，问题很快会变细。

本地能跑多大的模型？上下文能放多长？KV Cache 怎么处理？内存带宽够不够？功耗和散热压不压得住？开发者有没有 API？OS 能不能统一调度？App 能不能接入工具调用？云端 fallback 怎么做？

没有系统级软件栈，NPU 再强也只是一个硬件卖点。AI PC 拼到最后，拼的是一整条栈：芯片、内存、存储、模型、runtime、OS、开发者框架、应用生态、隐私权限、云端 fallback。

把 WWDC 放进 AI PC 叙事里看，原因就在这里。Apple Silicon、统一内存、Neural Engine / GPU / CPU 协同、Foundation Models、App Intents、Siri、Personal Context、Private Cloud Compute，这些东西单看都像功能，合在一起就是平台。

短期卖规格，长期卖生态。硬件是入场券，路由权才是利润池。

别只盯着 Siri

外界看 WWDC，很容易盯着 Siri：它到底聪明了吗？盯 Siri 容易看窄。

更关键的动作，是苹果没有让每个 App 自己塞一个 LLM 进去。模型能力被放进 Foundation Models framework，开发者通过系统 API 调用。App 发请求，系统判断权限，选择上下文，调用端侧模型，必要时路由到 Private Cloud Compute，最后把结果交还给 App。

App 不持有模型，也不持有你的完整上下文。它只是发起方。模型、上下文、权限、路由、fallback，全都收回到操作系统这一层。

AI PC 的分水岭就在这里：设备能跑模型还不够，操作系统必须把模型变成默认能力。

Windows 在做这件事，macOS 和 iOS 也在做。微软从企业 Copilot 切，苹果从个人上下文切。个人上下文天然偏本地，因为它知道你是谁，知道你在看什么，知道你的 App 里有什么，也知道哪些东西不该离开设备。

iPhone 跑 LLM，先算 DRAM 账

讲端侧 LLM，最常见的误解是：模型量化了，所以能跑。这句话只说了半截。

模型上设备，文件大小只是静态账，运行时 DRAM 才是现金流。LLM 跑起来主要吃四块内存：模型权重、KV Cache、激活值和 runtime buffer，再加上 embedding、tokenizer、adapter 这些系统框架。

传统 dense 20B 模型，FP16 权重就是 40GB，INT4 也还有 10GB。这个账放到手机上，没法看。

苹果这条路换了问题：先别硬塞 20B dense，先改内存模型：

1
2
3
4
5
20B 是 sparse 总容量，不是一次要装进 DRAM 的量
每次推理只激活 1B-4B 参数
完整权重躺在 NAND 里
当前任务需要的专家加载进 DRAM
活跃权重再用低 bit 量化压一道

内存账一下子变了：

1
2
3
4
5
6
7
4B FP16 ≈ 8GB
4B INT8 ≈ 4GB
4B INT4 ≈ 2GB
4B INT2 ≈ 1GB

1B INT4 ≈ 0.5GB
1B INT2 ≈ 0.25GB

几十 GB 的问题，掉到几百 MB 到几 GB。苹果压的不是参数名义规模，而是 DRAM footprint。

这道题不只属于 iPhone。MacBook、Windows AI PC、RTX workstation，最后都会卡在同几件事上：权重怎么放，KV Cache 怎么控，上下文怎么选，带宽够不够，功耗压不压得住。

NAND 是仓库，DRAM 是工作台

别把 NAND 想成模型一边读一边跑的硬盘。苹果不是直接从 NAND 上跑模型。

NAND 的带宽和延迟扛不住 token-by-token 推理。生成 token 的热路径必须在 DRAM 里，由 Neural Engine、GPU、CPU 协同执行。更准确地说，NAND 是完整模型仓库，DRAM 是当前任务工作台，NPU/GPU/CPU 是执行单元，OS 是调度和路由层。

换专家不是免费的。苹果更适合 prompt-level routing：先判断这个 prompt 需要什么能力，挑一组 experts 加载进 DRAM，整段生成期间尽量复用，必要时再周期性调整。服务器可以靠 HBM 和大显存硬扛 token-level MoE，手机和轻薄本不行。

端侧 AI 工程没有太多花活：减少活跃工作集，提高缓存复用，压住内存抖动和功耗。苹果只是先把这套账摊开了，其他人迟早也要算。

本地是第一道过滤器

本地先挡一刀，云继续接重活。云端模型会继续存在，也会继续变强。

改变的是派单方式。短文本摘要、改写、翻译、OCR 后结构化、语音转写、本地搜索、通知排序、屏幕内容理解、轻量补全，没必要每次都上云。复杂 reasoning、长上下文、大型代码生成、多步 agent、深度研究、大型多模态生成，继续交给云端。

未来更像两层系统：本地模型先接一遍，云端模型接重活，OS、App 和 Agent 在中间做任务路由。

Private Cloud Compute 卡在中间：小任务本地解决，重任务上云，隐私数据尽量不出设备，必要时让用户确认。端侧站在第一道过滤器的位置。

这里有个反常识：AI 越深入个人场景，云端未必越强势。训练大模型、通用超大模型、企业集中推理当然偏云端；但个人 AI 要知道我是谁、我刚做过什么、我在看什么，最好还能低延迟响应、持续待命、保护隐私。这些能力天然偏本地。

云端不会退场，但它也不会再独占 AI。

抢默认入口，就是抢派单权

把镜头拉远，微软、NVIDIA、苹果表面在讲不同产品，手伸向的是同一个地方。

微软急着推 Copilot+ PC，是不想让 AI 入口完全被浏览器和 ChatGPT 拿走。NVIDIA 进个人市场，是不想只卖数据中心 GPU。苹果把 Foundation Models、Siri、App Intents、PCC 全塞进系统，是不想让个人 AI 入口被第三方聊天机器人截胡。

谁拿到默认入口，谁就拿到派单权：这个任务本地跑还是云端跑，用哪个模型，调哪个 App，拿哪些上下文，用户最后看到哪个结果。

AI PC 和 WWDC 的共同主线，核心不在 TOPS，在入口归谁。

苹果的位置很特殊。单个模型不占最强，但它同时握着 Apple Silicon、统一内存、端侧模型、系统权限、个人上下文、App Intents、跨设备生态和 PCC。这一整套天然适合端侧 AI，尤其是 Mac。

如果 iPhone 是个人 AI 的随身入口，Mac 就是本地 AI 的生产力入口。到那时，内存不再只是“开几个 Chrome tab”的事，而是模型权重、KV Cache、本地上下文、多模态 buffer 和 agent 工作区的空间。

8GB 在过去还能糊弄普通用户，AI PC 时代会越来越尴尬。统一内存的价值，会被重新定价。

机会在瓶颈，不在口号

看投资，不要看到 "AI PC" 三个字就上头。终端品牌当然重要，但瓶颈更上游：内存容量、内存带宽、NPU/GPU 推理能力、统一内存架构、先进封装、电源管理、散热、本地模型 runtime、OS 级 AI API 和开发者生态。

这条链会同时牵动 Apple、Microsoft、NVIDIA、Qualcomm、AMD、Intel、ARM、存储和内存供应链、PC OEM、软件开发工具链。热闹归热闹，不代表所有 AI PC 概念都会赢。

几个问号还悬着：消费者愿不愿意为本地 AI 付费，本地 AI 功能是否足够刚需，企业是否愿意更新设备，NPU 是否真的成为必须，GPU 本地推理会不会绕过 NPU，开发者是否会大规模适配。

微软一开始强调 Copilot+ PC 的 NPU 门槛，后面 Windows 本地模型能力又开始向 GPU 设备扩展。市场还没把答案写死：AI PC 的核心到底是 NPU、GPU、统一内存，还是 OS 调度层？

我的判断很简单：短期硬件规格会拉动换机，长期利润会流向 OS、runtime 和 developer ecosystem。能把本地、私有、云端模型做成可治理成本路由系统的公司，比单纯卖概念的公司更值得看。

PC 新时代，是入口回到设备

AI PC 这个词最容易把人带偏，让人以为 PC 行业要回到过去那个增长黄金年代。回不去了。

旧 PC 靠浏览器、Office、本地文件、键鼠和 CPU 性能支撑价值；新 PC 靠本地模型、个人上下文、低延迟推理、多模态输入、agent workflow、云端协同和隐私边界。重新有价值的，是个人计算设备那点不可替代的本地能力。

过去十年，文档、照片、软件、模型都被云端拿走了。AI 给了一股反向的力：数据太私密，延迟不能太高，token 太贵，云端成本太重，个人上下文太分散，于是计算被重新拉回设备侧。

这就是 WWDC 值得看的地方。苹果没把自己包装成一家 AI PC 公司，却把 AI 从云端应用做成了设备和操作系统的默认能力。

PC 新时代谈不上 PC 复兴。更直白一点：AI PC 的尽头，是少交 token 税。

谁先把本地推理、个人上下文和模型路由做成默认，谁就拿走下一个十年的入口。