最近，TechPowerUp進行的一項民意調查顯示，絕大多數PC使用者不願為具備AI能力的硬件支付額外費用。
這份調查共收集了超過2萬6千份有效回復，其中高達84%的參與者表明，他們不會為AI增強的特性多掏腰包，僅有7%的受訪者表示願意，還有9%的人保持不確定態度。
盡管PC行業正積極擁抱AI技術，但這一結果表明，核心使用者群體，即那些熱衷於科技並對新功能有深刻見解的發燒友們，絕大多數對AI的實際價值仍抱有疑慮。
對於這些使用者來說，當前的AI功能顯然並沒有達到讓他們願意為此多花錢的程度。對於硬件制造商而言，這一結果或許也意味著，在開發新產品時需要避免盲目追求AI技術的整合。
1.策略調整：巨頭各顯神通，後續影響未知
意識到PC使用者對AI增強硬件的冷淡態度，多家企業正在調整策略，重點在筆記電腦領域引入AI技術，這一舉措旨在吸引更廣泛而非僅限於發燒友的使用者群體。
以AMD為例，其為筆記本設計的「Strix Point」架構將整合全新的XDNA2 AI加速器，並且，AMD已經將其產品系列重新命名為Ryzen AI 9 HX 370等，直接在名稱中體現AI元素。不過，AMD計劃中的Ryzen 9000系列處理器似乎並未規劃整合專門的XDNA AI處理器。
與此同時，英特爾采取了不同的路徑。在其即將釋出的系列中，無論是面向筆記本使用者的Core Ultra 200V 「Lunar Lake」，還是針對桌上型電腦市場的Core Ultra 200 「Arrow Lake-S」，都將配備專用於AI計算的NPU單元。
然而，初步評估顯示，當前的桌面級NPU單元可能無法顯著提升效能，其架構預計與Meteor Lake相似。更大的效能飛躍預計會在後續的Arrow Lake-Refresh等叠代中實作。值得一提的是，Lunar Lake系列將搭載效能更為強勁的NPU處理器。
至於是否因新增的AI功能導致筆記電腦售價上漲，目前還不得而知，因為至今公布的含有AI特性的機型數量有限。
2.使用者吐槽：「當我只想要開啟一個PDF時，它只是拖慢了程式的速度！」
Reddit論壇的討論帖中，不少網友表達了對於TechPowerUp這一調查結果的認同。
高贊回答裏，有人直言不諱：「我會為效能更強大的硬件買單——我不在乎他們是如何實作這種效能的。但是，我不會僅僅為了人工智能的存在而單純地支付費用。」
顯然，對使用者而言，無論制造商采用何種技術手段來提升效能，都無關緊要。然而，多數人不願意無理由地為人工智能技術付費，除非它能帶來實質性的功能和效益。對於純粹由概念驅動的消費，他們往往持保留態度。
還有人提到，加入AI助手功能後反而可能弄巧成拙。
「就像是Adobe在其閱讀器套用中加入了一個AI助手？我不知道他們為什麽會認為這是必要的。它所做的只是在我想開啟一個PDF檔時拖慢了程式的速度。」
不少人在這一評論下表達了同感：有的時候，AI功能不僅沒有增加實用性，反而降低了軟件的執行效率。站在使用者的立場，更多地是希望軟件能夠快速響應其基本需求，而不是添加可能不必要且影響效能的額外功能。
3.「幻滅的低谷」：GenAI的早期期望與現實相距甚遠
事實上，不僅是PC使用者對於AI PC並不買賬，放眼整個市場，隨著最初的興奮消退，GenAI面臨著越來越多的懷疑。
Omdia的首席分析師Brad Shimmin指出，許多人在2023年初認為GenAI將徹底改變商業格局。然而，GenAI的早期期望與現實情況存在巨大差距。
GenAI之所以在初期受到追捧和炒作，部份原因在於其相比預測型AI更容易獲取，且能夠使用同一模型適應多種套用場景。Shimmin提到，GenAI不需要專門的自然語言處理專業知識。
但如今，GenAI似乎正在進入「幻滅的低谷」階段——這是Gartner炒作周期中的一個時期，當技術未能達到預期時，人們的興趣逐漸減弱。在這個階段，技術往往面臨批評，並且其期望值會下降，直到它成熟並展現出實用價值。
Gartner副總裁分析師Bern Elliot曾明確指出，由於許多企業處於AI實施旅程的不同階段，因此很難將AI定位在炒作周期的特定位置。
Elliot在接受公開采訪時提到：AI是一個極其龐大的主題，其某些部份總是處於炒作之中，而另一些部份已經過了炒作階段，進入了「生產力的高原期」，在Gartner定義的炒作周期中，位於這個階段的技術被廣泛理解，其好處被廣泛接受，進而產生了穩定和持續的套用。
其他技術也曾陷入過「幻滅的低谷」，例如5G，它意外地落入了這一階段，導致了所謂的「5G寒冬」，影響了整個電信行業。
已經有例項表明，對AI的高度期望可能導致失望，比如Devin AI的失敗，這款聲稱可以自動化構建軟件應用程式的AI工具，最終未能兌現其雄心勃勃的承諾。
盡管GenAI有著巨大的潛力，但在其發展過程中，企業和開發者應當保持謹慎，避免過度炒作，確保技術的實際效益能夠匹配公眾和市場的期望。
4.如今的AI PC之爭，昔日GHz大戰的重演？
我們相信，隨著技術的不斷成熟，AI終將逐步證明其在各行業中的實用性和價值。畢竟AI的普及是不可回避的必然趨勢。
但是回到AI PC領域，當前的輿論中，除了炒作的成分外，還有什麽是令人不安的因素？或許對於TOPS的單一追逐也讓人難以對其產生足夠的信任。
過去，硬件制造商曾陷入所謂的「GHz戰爭」，即單純追求處理器頻率的提升，以此作為衡量效能的標準，而忽視了其他重要的因素，如能效、發熱控制以及實際套用場景中的效能表現。
現在，隨著AI的興起，TOPS成為了新的效能指標，制造商競相推出高TOPS的硬件，但這種追求是否會導致類似的歷史問題重現，即過分強調單一指標而忽略了使用者體驗和實際需求，仍然值得探討。
在比拼自家產品的AI處理能力，大家都在用一個叫「TOPS」的指標來衡量這個能力。簡單地說，TOPS就是芯片每秒鐘能做多少次特定的小計算，數值越大，說明芯片處理AI任務的速度越快。
據悉，AMD的最新款Ryzen 300系列處理器可以做到每秒50萬億次這樣的小計算，而英特爾的新品Lunar Lake則可以做到48萬億次。高通和蘋果也不甘落後，它們的產品分別可以達到45萬億次和38萬億次。
在銷售策略上，廠商們喜歡用大數碼吸引顧客，因為這樣看起來產品更強。但是，數碼背後的含義往往比表面復雜，就像汽車的馬力數大不等於駕駛體驗一定好一樣，TOPS大也不一定代表AI效能就一定強。
因為這裏缺失了一個重要的概念——「精度」。簡單來說，在16位元精度下的50 TOPS與在8位元或4位元精度下的50 TOPS並不相同。50 TOPS如果只在粗略的計算（比如只有8位元的精度）下成立，那它可能不如在更精細的計算（比如16位元的精度）下同樣為50 TOPS的處理器。
通常大家說的TOPS都預設是指INT8，即8位元精度的，但現在有些處理器可以用更低的精度（比如6位或4位元）來工作，這就讓事情變得復雜了。幸好，像英特爾和AMD這樣的大公司已經開始明確說明他們的產品在什麽精度下能達到多少TOPS了。
但是，就算是兩款芯片在相同的精度下測出來的TOPS差不多，也不能說明它們在實際使用中的AI表現就一樣。在AI PC的設計和最佳化中，單純的TOPS指標並不能全面反映真實世界中的效能表現。
以語言模型為例，推斷過程分為啟動響應和持續生成兩個階段。啟動響應受限於計算能力，高TOPS加速初始理解；持續生成則直接受制於記憶體頻寬，決定了單詞的輸出速度，使用者體驗差異明顯。
所以，一款芯片的TOPS高並不代表它在所有情況下都能發揮出應有的實力。這就好比一輛車的發動機很強勁，但如果輪胎不行或者油路有問題，那車子還是跑不快。
5.結語：走向星火燎原的未來
綜上所述，當GenAI真正走出「幻滅的低谷」，進入「生產力的高原」，同時行業主導者們都明確摒棄唯TOPS論，綜合考量TOPS、記憶體頻寬、功耗管理等全域因素時，AI PC和AI套用才會真正走入大眾，以星星之火，啟燎原之勢。
