AI早已有之，但无论是深蓝在国际象棋上战胜卡斯帕罗夫，还是AlphaGo在围棋上击败柯洁，都没有像ChatGPT这样引发全民热潮。
正是这一波AIGC(生成式AI)，第一次让AI来到了每一个普通人的身边，真正改变了人们的日常生活、工作，而不再是一个高大上的科技概念。
如今无论是互联网厂商还是传统科技厂商，无论是手机厂商还是PC厂商，无论是芯片硬件厂商还是软件厂商，自家产品不搞点AI，都不好意思和人打招呼。
当然了，对于如今人们的生活和工作来说，最核心的设备一是智能手机，二是PC电脑，它们也都在AI的路上衔枚疾进，很多人也经常正路，PC AI和手机AI，究竟哪个才是王道？
首先公平地讲，PC AI和手机AI无所谓孰优孰劣，关键是谁更适合用在哪里。
另一方面，对于AI而言，最基础的前提一是算力是否够强大、模型和算法是否够丰富，二就是应用场景是否够广泛、灵活。
无需赘言，手机和PC相比无论CPU性能还是GPU性能，根本不在一个档次，即便加入独立的AI引擎，也是看不见尾灯的。
最新发布的高通骁龙8 Gen3已经升级为第九代AI引擎，甚至将Hexagon DSP数字信号处理器升级为专门的NPU神经网络单元，并结合整个平台不同模块的力量，AI性能比上代几乎翻番。
但即便如此，它也只能处理100亿参数的大语言模型，每秒执行Token的数量最多不过20个。
联发科天玑9300配备了第七代APU处理器，具备生成式AI引擎，但也只是实现了70亿参数大语言模型端侧落地、130亿参数大语言模型端侧运行，70亿参数的生成速度也只有每秒20 Tokens。
更关键的是，手机端硬件平台性能优先，尤其是运行大模型必须的内存容量捉襟见肘，即便是高端配置的16GB也过根本不够用。
为此，联发科不得不动用了各种优化手段，包括内存硬件压缩、LoRA融合、Fusion技能扩充等等，才勉强够用。
在PC端，16GB内存如今已经是最起码的配置，32GB都随处可见，再加上PC处理器的强大算力，这些限制根本就不是事儿。
比如Intel 13代酷睿处理器，尚没有独立的AI引擎，但凭借XPU的加速，再加上简单的低比特量化、软件优化，只需16GB内存，就可以通过BigDL-LLM框架，轻松运行160亿参数的大语言模型，还可以快速对接新兴模型，包括但不限于：LLAMA/LLAMA2、ChatGLM/ChatGLM2、MPT、Falcon、MOSS、Baichuan、QWen、Dolly、RedPajama、StarCoder、Whisper，等等。
这里说的BigDL-LLM，是专门针对Intel硬件的一个低比特量化设计开源框架，支持INT3、INT4、INT5、INT8等各种低比特数据精度，性能更好，内存占用更少。
基于这个框架，使用i9-12900K处理器，只开启4个核心来运行ChatGLM2 60亿参数模型，生成效果就相当迅速，打开全部8个P核、8个E核之后生成速度可达每秒22 Tokens，已经不弱于很多云侧计算。
换言之，无论是需要将全部算力投入AI模型的运算，还是兼顾其他任务，PC端都可以轻松完成。
可以看出，无论哪种情况，Intel PC侧都已经可以很好地完成相应的AI工作，提供令人满意的算力和效率。
当然，60亿参数对于PC处理器来说是小菜一碟，换成LLaMA2 130亿参数大语言模型、StarCoder 155亿参数代码大模型，Intel酷睿处理器也都能获得良好的运行速度。
再换成Arc锐炫显卡，速度就更快了，比如ChatGLM2模型中生成速度可以超过每秒50 Tokens。
正是得益于如此快速的大语言模型运行速度，即便是一台轻薄笔记本，也可以在日常工作中及时提供各种帮助。
比如包括但不限于：聊天助手、情感分析、中英文翻译、故事创作、生成大纲、信息提取、美食指南、旅游规划、代码生成等等。
除了基于大语言模型的工作和生活助手，AIGC最常使用的另一个场景就是Stable Diffusion文生图、文胜文，这一点如今无论手机还是PC都可以做到。
当然，还是受制于算力，最新的手机平台虽然号称可以在1秒钟之内完成Stable Diffusion文生图，但是无论生成中的迭代次数、引导系数、关键词数量，还是图片的尺寸、分辨率、质量，都不得不做出妥协，也导致图片的应用范围有限。
在PC上，无论使用CPU还是GPU，完全可以根据自己的需要，任意设定参数，花个几分钟，就能生成用于高级设计、创作的素材。
尤其是在Intel平台上，通过与AI社区积极合作，基于OpenVINO PyTorch后端的方案，可以通过Pytorch API让社区开源模型很好地运行在Intel客户端处理器、集成显卡、独立显卡、专用AI引擎之上。
Stable Diffusion中更是实现了Automatic1111 WebUI，以及FP16的高精度，无论文生图、图生图还是局部修复，都可以获得更好的体验。
事实上，如今已经有很多设计师、UP主开始在PC和工作站上使用Stable Diffusion生成所需要的高质量素材，得到精美的CG动画、模型等等，从而节省大量的精力和时间，将更多头脑投入在创作阶段。
接下来的酷睿Ultra，更是将引入全新升级的CPU/GPU架构，以及全新的NPU AI独立引擎。
它通过单独设置的神经计算引擎、推理流水线，彻底接手端侧的AI推理负载，其中MAC阵列可以高效执行矩阵算法和卷积运算，每周期效率多达2048。
这样的性能更是手机端望尘莫及的，速度超快的同时功耗更是极低，有利于延长笔记本续航时间。
更进一步，酷睿Ultra AI引擎还可以联合CPU、GPU，共同分担AI负载中的不同工作，各自以最高效率执行，达到整体平台效能的最优化。
总之，无论是手机端还是PC端，AI都是大势所趋，性能会越来越好，模型和算法会越来越精妙，应用场景也会越来越丰富。
对于手机端而言，AIGC可以随时随地应用，也可以实现很好的个性化，有着极佳的灵活性。
但同时也不得不受制于手机平台的性能、算力，也限制了应用场景，尤其是大模型不可能完整地从云端搬到本地，导致能实现的应用和生成速度存在天然局限，即便是在应用最直接、最广泛的AI助手中也是如此，需要更多地走端云合作的路子。
对于PC端而言，性能、算力可以几乎无限制地扩展，能够轻松、完整地运行各种大模型，无论你需要生成的图片多么精致、文字多么复杂，给予一定的时间都可以完成，而且这个时间正在快速缩短，因此在内容生产力的AIGC创作方面，PC仍旧是不二之选。
虽然PC的便捷性不如手机，但如今的笔记本也在快速进化，推动着AIGC的快速演进和普及。
一方面，笔记本做得越来越轻薄、精致，性能却越来越好，比如在Intel Evo严苛认证的多年推动之下，笔记本的综合性能、扩展能力、续航水平都达到了空前的高度，可以长时间、轻负担地随时随地完成工作。
另一方面，笔记本开始有了自己的AI引擎，正快速开启AI PC新时代，尤其是Intel最近启动了声势浩大的AI PC加速计划，鼓励AI创新应用，很快就吸引了100多家ISV软件合作伙伴，开发了300多项AI加速功能，预计到2025年将惠及上亿台PC。
