从年初到现在，桌面智能体成为AI应用落地热度最高的方向之一。
OpenClaw带动的桌面智能体用户活跃度与Token调用量正以惊人速度增长，海外微软Copilot深度嵌入Windows生态、苹果以Apple 英特尔ligence重新定义端侧AI体验，国内字节跳动、百度、荣耀等厂商密集推出各自的Agent框架，”超级个体”（OPC）概念拉动新一轮硬件换机需求。与此同时，端侧模型能力快速跃升——35B级MoE模型已能在主流PC上流畅运行，AI SSD、模型路由、Skills生态等底层创新密集涌现，桌面智能体正从概念验证迈向商业闭环的关键拐点。
然而，热闹背后，一个根本性的产业问题尚未被充分回答：当智能体从对话框走向操作系统，从云端下沉到本地，什么样的硬件底座才能真正承载这一产业变革？日前，我在英特尔的智能体PC应用分享会上找到了一些答案。
为什么PC是智能体不可替代的硬件载体？
智能体PC概念诞生不过短短几个月，却迅速掀起巨大波澜。一个首先要问的问题就是：为什么PC？它如何能成为智能体不可替代的硬件载体？
英特尔中国区技术部总经理高宇给出了他的判断：“PC代表着广大的知识密集型工作者，是大家不可替代的重度生产力工具，这是PC最硬核的底气。”
其次从整个AI产业的商业模式来看，走端云混合部署路线的智能体PC具有不可替代性。
高宇指出，当前行业普遍面临一个问题——纯靠云端不赚钱。云端Token基本都在免费赠送，如果送的Token用完了，用户可能马上就换另外一家，坚持纯云端模式会导致Token经济学彻底失效。在这条路线上，要么是免费赠送的服务商在亏损，要么是买单的用户承担高昂成本，供需双方无法达成双赢。
而英特尔极力倡导“端云混合”，正是为了解决这个痛点。因为用户的端侧设备明明蕴藏着如此强大的算力，如果弃之不用、凡事皆上云，商业逻辑是无法自洽的。高宇举例说：一句最日常的“Hi”，可能需要消耗1KB左右的Token，如果连这种微小的交互都要上云，服务器成本根本支撑不起盈利。这就好比大家早已习惯的CPU计算——虽然也可以在云端开一个云桌面实例来运行日常程序，但为什么放着本地强大的算力不用，却多此一举地消耗云端资源？
“对于传统计算，大家天然接受端云结合的模式，而在刚刚起步的AI时代，端云混合同样是唯一的正解”，他强调，“智能体PC必须要走混合部署路线,把端侧AI能力发挥出来——我越来越笃定这一点。英特尔智能体PC有‘三个聚焦’：一是通过混合AI部署方式解决Token费用和敏感信息保护的问题；二是通过模型路由的方式让端云切换更加智能和丝滑；三是通过不断繁荣的Skills生态创造更加场景化的工作流，来解决用户的实际问题。”
智能体PC落地有没有最优解？
一直以来，PC是英特尔坚守的基本盘。英特尔正在快速行动，让广大用户认识到——大家熟悉的PC，在英特尔全新平台和技术的赋能下，照样可以拥抱Agent时代。而要让普通消费者都能用上智能体PC，必须要解决“买不起”和“用不起”两大难题。英特尔的做法是什么？
一条“微笑曲线”展现了英特尔在成本和能力平衡点上的思考：
随着AI技术的快速迭代，智能体PC不仅是算力平台，同时也是包含“思考、调度、执行、交互、记忆”五大模块的全新的软件架构。
正如前文所说，完全依赖云端API的方式会带来昂贵的Token费用消耗，而执着于纯本地大模型路线则会推高硬件采购成本。为此，英特尔的解法是通过端云协同的混合AI部署，结合智能模型路由调度，充分发挥本地与云端算力的各自优势，在降低云端Token费用的同时减小本地硬件成本压力，为用户找到成本与能力的平衡点，绘就智能体PC的“微笑曲线”。
这条曲线所处的横坐标是模型在端云之间的部署方式，纵坐标是系统的总体拥有成本。
微笑曲线的右侧，是用户普遍重度依赖的云端API，对硬件近乎没有要求，这类方案初期硬件门槛低，但长期来看将面临一堵“Token费用墙”。特别是随着任务复杂度上升，API调用成本会快速走高，这让很多重度用户以及企业用户最终无法承担。当然云端QoS和敏感信息保护上也较难满足全场景的要求。
再看曲线的左侧，是纯本地的解决方案，一些用户尝试在本地部署100B以上的模型，认为可以实现Token自由和信息闭环。但是这将面临一堵硬件成本的“高墙”，动辄上万元的成本会把大部分用户挡在门外。
英特尔认为，最好的做法就是在微笑曲线的中央，通过混合AI部署方式实现成本和性能之间的最佳平衡。
高宇强调了这其中的实现要点：一是，主脑继续采用云端大脑，保证任务的完成质量；二是，采用端侧友好的大语言模型以及各种多模态模型，把更多简单的任务、高可靠的任务留放在本地执行；三是，通过模型路由降低用户使用门槛；四是，通过硬件配置优化，打造主流用户可负担的系统。
他表示，“英特尔希望通过这套组合，最终实现成本友好、准确率高、可靠性高、体验丝滑的目标。如此，才能够推进智能体PC的普及；如此，才是智能体PC落地的最优解。”
“微笑曲线”的工程实现——三大技术支柱
高效的混合AI部署，离不开底层算力的关键能力、路由机制与内存成本优化的深度协同。为此，英特尔提出了实现“微笑曲线”的三大重要路径：
第一，七大本地AI关键能力，重塑“听、说、看、写、想、绘、全模态”体验：混合AI部署需要具备LLM（任务推理与执行）、ASR（语音识别）、OCR（文字识别）、TTS（语音合成）、CV/VLM（视觉理解）、Image Gen（图像生成）、Omni（全模态交互）七种本地AI关键能力。这七大能力覆盖了AI交互的全流程，通过在本地稳定流畅运行，兼顾性能与数据可靠性，实现效率与成本的双重平衡。
第二，英特尔SuperClaw模型路由方案，构建灵活、智能的路由调度机制：该方案能够实现自动完成任务拆解，智能调度本地与云端算力，上云前完成信息脱敏，结果不达标则自动重做，路由策略持续自进化，提供端云协同效率与安全的双重保障。
第三，通过MoE专家卸载技术突破“内存墙”，32GB主流内存能够跑35B大模型：英特尔联合江波龙、群联电子等行业领先的AI SSD厂商，通过MoE专家卸载技术，成功实现了内存墙的突破——将35B模型的运行内存占用节省约10GB。这一突破意味着，在主流的32GB系统上，用户不仅能在本地流畅运行大模型、承接更长上下文，还能保留充足的系统空间，轻松支持多任务并行处理。
在平台层面，第三代英特尔酷睿 Ultra 358H处理器和酷睿Ultra 325处理器，支持上述三大路径，以灵活的算力选择覆盖差异化市场需求：
酷睿Ultra 358H处理器最高可提供180 TOPS的平台算力，凭借高吞吐、低时延的硬核表现，可在本地流畅运行35B大模型和其他六种多模态模型。
酷睿Ultra 325处理器具备100 TOPS平台算力，与酷睿Ultra 358H能力对等，性能满足混合AI部署要求。它的成本结构更优，覆盖日常办公、内容创作及AI辅助等主流场景，目前已涵盖众多OEM厂商的多款主流机型及AI迷你主机形态。
芯片、存储、算法三层协同：让35B模型跑进主流内存
智能体PC的普及离不开成本的逐步降低，如何通过技术手段实现这一目标？
高宇认为多种路径都有助于实现，包括AI SSD减少内存，或者用TurboQuant做更极致的KV Cache量化，以及更高阶的参数量化方法。
在这一思路下，英特尔其实已经在芯片层、存储层、算法层同时发力了。芯片层，酷睿Ultra的UMA（Uniform Memory Access）统一内存架构允许将主内存极高比例划拨给iGPU，优先承载模型参数与KV Cache；存储层，联合群联、江波龙推出的AI SSD方案，利用MoE模型的冷热专家特性，将低频激活的冷专家卸载至SSD高速分区，可节省30%以上内存、省出10GB以上空间，且通过预判机制将首Token性能损失控制在10%以内；算法层，35B MoE模型本身通过稀疏化架构降低单次激活计算量。三层协同的目标，主要是让主流24G或32G内存配置流畅运行35B模型，并将上下文窗口拉长至128K-256K。
高宇表示，英特尔的核心技术公约数是”七大能力+模型路由+极简Skill”，所有降成本手段都围绕这一框架展开。
“只有达到这样的效果，才是一台大家能负担得起的机器，英特尔希望让绝大多数的主流用户都可以用得起智能体PC”，高宇补充，“大家买的时候不心疼，用的时候很顺手。让智能体PC真正走向人人可用、人人负担得起，这就是我们正在做的事。”
生态落地，智能体PC的中国实践
智能体PC从架构到商业普及的跨越，离不开生态的合力推动。
英特尔正携手国内的桌面智能体软件开发商以及全球PC OEM厂商，共同打磨真正符合市场需求的智能体PC解决方案。
软件生态方面，英特尔联合Flowy、QClaw、remio、TRAE、DuMate、YOYO Claw、Marvis等七家ISV，围绕端侧推理加速、本地AI能力整合、隐私数据不出端、Token成本优化等维度，构建Skills生态与真实场景落地能力。
英特尔希望推动智能体PC软硬一体优化和产品化，解决跨端兼容与运行可靠性问题；以丰富“英特尔Skills专区建设”，搭建一个面向开发者、ISV的平台，共同繁荣端侧AI生态；通过最终面向消费、企业及行业等多元场景，进一步加速智能体应用在各行各业的落地。
智能体PC究竟如何高效重塑办公生产力？从现场的应用演示来看，目前已经覆盖了知识工作、智慧报销、内容创作、体育娱乐、游戏电竞、智慧教育、学前启蒙等七大领域，核心目标是将智能体PC从概念验证推进到日常可用的”人人可用”阶段。
高宇现场发出“邀约”，希望携手国内桌面智能体软件开发商以及全球PC OEM厂商，共同打磨真正符合市场需求的智能体PC解决方案。
