“小时代”开场Mac mini 抢购潮“小时代”的开场是一阵 Mac mini 抢购潮。2026 年 1 月下旬一个当时还叫 Clawdbot、后来以“龙虾”之名为人所知的 agent 走红随后便引发了 Mac Mini 的抢购潮。人们开始为一个随时能干活的 AI单独准备一台电脑。厂商布局端侧 AI随后苹果在传播层面刻意转向 agent。新款 Mac mini 不再只强调办公和创作也开始强调全天候运行智能体Mac Studio 则继续向需要在本地运行大模型的人出售大内存。小米近期展示了 AI Cube三颗玄戒芯片装进一个铝合金方盒配上 80GB 统一内存可在本地部署大模型。更早入场的英伟达已于 2025 年 10 月开始交付 DGX Spark。联想、华硕、惠普、戴尔也围绕 GB10 推出整机。原本卖笔记本、工作站和小型电脑的公司开始争夺一种新订单用户希望把一部分 AI 算力留在自己手里。模型改写电脑规格端侧 AI 即将迎来大时代别急现在还只是“小时代”。模型正在改写电脑规格。不过在两年之前AI PC 最典型的配置还只是一块 NPU。微软给 Copilot PC 划出的门槛是 40 TOPS NPU、16GB 内存和 256GB 存储。厂商拿实时字幕、图像处理等功能介绍本地 AI。这套标准可以放进原有的轻薄本用户仍然按熟悉的方式使用电脑只是多出几项由专用计算单元承担的功能。但同时从苹果的统一内存开始用户们渐渐开始部署本地模型。2025 年 3 月苹果已把最高 512GB 统一内存放进 M3 Ultra Mac Studio并以本地运行数千亿参数模型为卖点。在这个时间本地部署还只是专业工作者们的选择因为动辄大几万的 Mac Studio还远没能下落到普通消费者的购买区间。到了今年端侧 AI 的产品继续发展。小米 AI Cube 原型机配备 80GB 统一内存DGX Spark 和一批 GB10 整机是 128GBAMD Ryzen AI Max 300 系列最高支持 128GB新款 Mac Studio 继续提供最高 512GB内存带宽提高到 1.2TB/s。内存与速度门槛内存是重中之重这已不是秘密。模型权重、上下文缓存和运行时会迅速吞掉内存。以 4 比特量化粗算70B 模型仅权重就约需 35GB尚未计入量化元数据、缓存和系统开销。部署完成之后速度又成了下一道门槛。DGX Spark 的 128GB 统一内存搭配的是 273GB/s 带宽。前者关系到能装下多大的模型后者影响计算时搬运数据的速度。真正生成回答时模型精度、上下文长度和推理软件还会继续影响结果。增加内存并不能包办后面的工作。使用与服务难题即使模型已经跑起来用户也未必用得起来。模型怎样下载和更新应用怎样调用读取文件之前需要哪些权限持续运行出了问题由谁维护都要有人处理。用户买回去的是一台电脑这些环节却未必由同一家公司完成。联想、华硕、惠普可以采用英伟达的 GB10 平台完成整机设计、销售和服务苹果可以同时调整芯片、系统和开发工具。小米则把自己的芯片装进原型机尝试参与决定一台个人 AI 设备应当怎样计算。自研芯片与产品决策这几条路线反映的是各家公司愿意承担多少研发投入又希望掌握多少产品决定权。采用现成平台的厂商可以把更多精力放在产品化和交付上自己设计芯片则要先承担研发和验证投入换取对内存架构、计算单元和功耗分配更大的调整空间。后续还要靠足够的产品销量摊薄持续迭代的成本。自研芯片因而是一种选择而非所有参与者的入场条件。同样使用 GB10 的两台机器底层能力可能很接近安装体验、维护服务和客户关系却可以由不同公司掌握。钱流向何方新的电脑订单由此带出了一个更大的问题用户为本地 AI 多花的钱最后会留给提供芯片的公司、提供系统的公司还是把机器卖给他的公司苹果与小米的不同路径苹果和小米都在尝试让更多环节留在自己手里。只是它们手里已有的东西以及还要花钱补上的东西很不一样。苹果可以同时改芯片、系统和开发工具它不需要用户决策新买一台 AIPC就可以让模型部署在本地。统一内存是苹果的杀手锏苹果的 MLX 框架让 CPU 和 GPU 使用共享内存里的数组减少在不同计算单元之间搬运数据的需要MLX - LM 则提供模型运行、量化和微调工具。开发者下载第三方开放模型也可以使用苹果为自己硬件优化的工具来运行。这条路径主要使用 CPU、GPU并不只靠专用 NPU。今年预览的 Core AI 框架又对统一内存和神经网络引擎进行优化。苹果能够围绕同一套硬件持续补软件而不是每增加一项 AI 功能就重新寻找一套计算平台。8 月的更新进一步拉开了产品梯度。M6 Mac mini 6999 元起内存最高 32GBM5 Pro 版本最高 64GB。需要更大模型、更重开发任务的人可以继续向 Mac Studio 的 128GB、512GB 配置走。新机已于 8 月 27 日接受预购官方计划 9 月 22 日开始发售。用户本身是有分层的普通用户需要的是已有应用里多几项好用功能开发者在意能不能把自己的模型和代码放进去研究团队、专业创作者才更可能为大内存和持续负载买单。但苹果可以用同一套系统承接不同预算不必为每一层用户重建销售渠道。掌握整套平台也没有让苹果拒绝外部模型合作。6 月公布的第三代基础模型与 Google 合作开发其中既有 3B 端侧模型也有采用稀疏结构、按请求调动部分参数的 20B 端侧模型。合作改变了模型的来源系统和产品决策权仍然在苹果手里。哪些模型进入系统服务开发者通过什么接口调用应用读取文件之前如何获得许可仍由它的平台安排。外部模型可以进入 Mac用户不必因此离开 Mac。因此苹果的商业算盘并不只是在传统的 Mac 上卖内存。它也在给现有硬件增加使用理由让开发者把新功能继续做在自己的系统里。模型和框架还在随系统版本、地区与测试进度逐步开放但已有的产品线和用户关系让苹果可以分批推进这件事。小米想握住类似的主动权但明显和苹果走的不是一条路。AI Cube 里三颗芯片的分工很能说明问题O3 面向个人智能终端O100 面向端侧 AI 加速D100 面向智能驾驶。小米把几条芯片研发线放进同一台原型机展示协同计算能力。按 8 月发布信息O3 已开启规模量产O100 和 D100 计划明年商用。AI Cube 本身仍是工程原型没有公布价格和开卖时间。自研的意义首先在于小米可以自己组织一颗芯片的设计并不意味着每个组成部分都从零做起。此前的玄戒 O1 就使用了 Arm 的 Cortex CPU、Immortalis GPU 和 CoreLink 互连 IP。对小米而言投入芯片设计是在通用技术的基础上为自己的产品安排计算能力、内存和功耗而后还要接受制造、封装与存储供应的约束。硬件这一侧还在推进小米已经在米家上寻找它将来可以承接的任务。6 月发布的 Miloco 2.0把米家摄像头的音视频、MiMo 模型与设备控制接在一起。它以 OpenClaw 插件的方式运行尝试识别家人、记住习惯再调动家里的设备。用户过去要预先设置“发生什么就打开什么”现在小米尝试让 AI 参与理解和安排这些事情。不过有个事儿挺有意思小米自己的安装说明推荐准备一台全天运行的 Mac mini。小米可以先在别人的硬件上把家庭 AI 软件做起来。Miloco 2.0 当前主要调用云端大模型AI Cube 则展示本地计算能力两者还不是一款完成整合的产品。从能控制家电的软件到值得单独买一台主机来运行的服务小米还要把这段路走通。截至 2026 年 6 月底小米 AIoT 平台连接设备达到 11.608 亿台口径不含手机和平板拥有五台及以上连接设备的用户达到 2460 万。这些人已经在使用米家小米有机会把新的服务送到他们面前。如果 AI 开始代替用户理解家庭状况、安排持续任务负责作出判断的软件就会影响下一台设备如何被选择和使用。小米希望继续掌握这个入口而不仅是向别人的智能体提供可控制的硬件。芯片设计为它增加了根据自家场景安排计算的可能。但米家用户并不天然等于 AI 主机的买家。AI Cube 还需要证明与既有设备和云服务相比它能完成哪些值得用户额外付钱的工作。目前这台原型机与澎湃、米家、Miloco 的完整协作方式以及第三方模型和开发工具的支持情况都还没有充分展开。华为的参与把芯片与系统一同放进个人电脑的还有华为。MateBook Pro 已搭载麒麟 X90 Plus鸿蒙电脑的小艺本地 AI 可离线完成部分文档问答、摘要和改写。HarmonyOS 6 的“本地 AI 模型管理”还允许用户在系统设置中下载模型再让 Chatbox、Cherry Studio 等应用调用。这让系统厂商进一步参与了模型分发。华为可以把本地 AI 放进办公用户熟悉的系统操作但当前模型管理仍以单台设备为边界不支持跨设备共享。产品已经落地应用覆盖与跨设备体验仍有继续补齐的空间。苹果与小米分野回到苹果与小米两家公司的方向在此分野。苹果可以先让已经卖出的 Mac 多做一些事再向重度用户出售更高配置小米已经拥有家庭设备和用户却还要证明把专用计算硬件与家庭服务接起来值得再发生一次购买。传统 PC 厂商做法传统 PC 厂商已经有了另一种做法共用上游平台再把部署和服务做进整机。几家公司的 GB10 设备虽然挂着不同品牌芯片和主要开发工具却来自同一套供应体系。共用平台省去了从头开发芯片和基础软件的投入也把一部分产品决定权留给了上游。英伟达提供 CUDA 和模型工具开发者先在桌面验证模型再把更重的任务移到 NVIDIA 加速的数据中心时可以沿用这套环境。桌面设备卖得越多英伟达就越有机会影响后续计算任务的选择。Windows AI PC 延续的也是类似分工。整机厂可以从 AMD、英特尔、高通采购芯片微软则提供支持不同硬件的本地 AI 接口和模型管理工具。面壁、阿里、Google 等模型供应方又让整机厂不必各自训练基础模型。面壁已与英特尔合作适配 AI PC也提供可在苹果芯片上运行的版本开放模型可以跨品牌部署具体商业使用许可仍需分别确认。这让卖电脑的公司面对一个熟悉的问题当竞争对手也能拿到相近的芯片和模型客户为什么向自己下单一部分答案在模型运行之前。以惠普的部署工具为例开发者在 VS Code 里就能找到局域网设备、配置远程连接再装好 Ollama 等环境。整机厂替客户省下的是配置和维护的时间。过去的散热设计、售后支持仍然重要如今还要有人处理模型安装、运行环境和持续更新。小团队买电脑时也得考虑机器多久能用、出了问题谁来管。部署之后联想还想争取用户日常使用 AI 的入口。在国际市场Qira 正在部分 PC、手机和平板上扩展优先本地处理也调用云服务。工作站可以卖给开发者这个个人助手则试图让更多用户在下一次调用 AI 时继续通过联想的服务完成任务。在中国市场联想通过与芯片企业的定制合作开发 P7参与需求定义和联合优化。这台主机可以本地运行天禧 Claw也能向其他应用提供模型服务。联想创投同时是相关芯片企业的投资方。对联想而言这种合作可以围绕自己的软件提出产品要求对芯片企业而言整机厂带来了进入个人设备的机会。它不等于联想独立造芯P7 也只是已发布并预告众筹规模交付仍待落地。端侧 AI“小时代”现状与展望共用平台可以让产品更快出现整机厂也开始为用户提供更多软件和服务但这些投入能换来多少新增购买还要看具体用途。对反复调试模型的开发者、需要在本地处理文件的团队这笔支出已有具体用途。偶尔聊天、总结文档的普通用户则未必愿意多买、多维护一台机器。这就是端侧 AI 眼下的“小时代”厂商已经开始为更大的市场准备芯片、模型和软件大众用户为什么需要它还需要根据真实的使用环境来做决策。真正的大时代来临可能就在眼前。