过去两年，AI PC几乎成为PC产业最热闹的概念之一。从处理器厂商到PC厂商，一轮围绕NPU、TOPS、本地大模型和AI应用的竞赛迅速展开。但对于企业用户来说，一个最基本的问题始终没有完全得到回答：如果各类生成式AI以及越来越多的企业级AI应用都可以运行在云端，企业为什么还需要为AI重新购买一批PC？
这个问题看起来简单，但是却决定了AI PC最终只是一轮由芯片和操作系统升级推动的换机周期，还是会真正改变PC在企业IT体系中的位置。
在2026戴尔科技峰会期间，与戴尔科技集团大中华区商用客户端解决方案事业部总监喻智娟的一场交流，让这个问题呈现出另一个观察角度。戴尔科技当然在谈AI PC，此次峰会上也明确提出从“传统个人终端”走向“AI PC规模化普及”，并将智能终端定义为“智能能力触达每位员工的关键入口”。但如果把这些市场语言暂时放在一边，会发现戴尔科技真正面对的问题其实更复杂：当AI从云端向本地延伸，从生成内容走向执行任务，PC究竟应该在新的企业计算体系中承担什么角色？
过去几十年，PC始终围绕一个基本逻辑演进：人使用电脑，人打开软件，人完成任务。但现在，它开始同时面对人、模型、企业数据以及正在出现的AI智能体。因此真正值得讨论的，不是PC增加了多少AI算力，而是这些算力最终是否会改变PC与人、软件和企业IT系统之间的关系。
AI PC的问题，从来不只是算力
今天谈AI PC，很容易陷入硬件参数。NPU有多少TOPS，CPU采用什么架构，能够运行多大的模型……这些当然重要。但站在企业采购者的角度，问题要现实得多：这些新增的计算能力，究竟能够解决哪些传统PC解决不了的问题？
喻智娟并没有把企业AI PC描述成一个已经全面爆发的市场。相反，她反复强调，“不同产业的进展差异很大，不能一概而论。”在她看来：从戴尔科技接触到的客户来看，互联网企业更多把AI用于客服和内部运营，而真正投入较多研发资源的行业，则主要集中在汽车等研发密集型领域。过去半年，戴尔科技接触了不少处于快速发展阶段的新兴技术企业，这些企业需要快速提升研发能力，也需要稳定可靠的终端产品支撑研发和产品落地。
汽车行业同样如此。过去一年，戴尔科技看到多家汽车企业持续增加工作站的使用；但在一些传统工控行业，AI的认知和采用速度仍然较慢，设备和技术更新周期甚至可能长达三至五年。这种差异恰恰反映了当前企业AI市场最真实的一面：AI已经进入企业，但由AI产生的计算需求并不是均匀分布的。
因此，所谓AI PC并不存在一条统一的升级路径。戴尔科技现在的做法，是把算力分层。在普通商用PC一端，Dell Pro 3、Dell Pro 5、Dell Pro 7以及Dell Pro Premium等不同产品同时存在；暂时没有较高本地AI算力需求的客户，可以继续选择相对基础的配置，需要更强本地AI能力的用户，则可以选择搭载新一代处理器和NPU的产品。
喻智娟以Dell Pro 7为例，其NPU算力可达到50 TOPS，可以在本地支持Windows 11中的部分AI功能以及常用AI应用。再往上，Dell Pro Precision 7、Dell Pro Precision 9以及Dell Pro Max with GB10等设备，面对的则是大语言模型开发、推理、数据分析乃至其他更加复杂的工作负载。
这样一来，一条比较清晰的逻辑出现了：并不是所有人都需要一台拥有最大AI算力的电脑，而是不同角色、不同任务需要不同级别的本地计算能力。普通员工可能只是使用AI辅助办公，研发人员可能需要运行小规模模型，工程设计人员需要GPU和专业工作站，AI研发团队则需要更强的本地计算环境。
企业过去购买PC，更多按照职位、预算和产品档次进行配置；AI进入之后，“工作负载”开始成为另一个越来越重要的维度。先判断一个人需要完成什么工作，再决定给他配置什么样的本地算力，这已经越来越接近服务器的配置逻辑。
AI PC真正带来的变化，或许并不是让所有PC都拥有更高的TOPS，而是让过去相对标准化的企业终端，第一次出现更加明显的算力分层。
AI为什么又从云端回到了桌面
戴尔科技集团大中华区商用客户端解决方案事业部总监 喻智娟
过去十几年，企业IT有一条非常清晰的技术路线：计算不断走向云端。SaaS取代越来越多的本地软件，公有云承载越来越多的IT资源，应用逐渐从安装在电脑里变成通过浏览器访问。按照这条路径发展，PC本来应该越来越接近一个访问云端服务的终端。
大模型最初似乎也延续了同样的逻辑。巨大的模型规模和昂贵的GPU资源决定了前沿的生成式AI不可能运行在普通PC中，企业只需要通过网络调用云端模型，本地设备究竟有多少AI算力，看起来并没有那么重要。
但当AI真正进入企业生产环境，情况开始发生变化。首先是成本，如果一家企业有成千上万名员工，如果越来越多业务流程开始调用模型，如果未来还有大量智能体在后台持续执行任务，每一次调用背后都是Token，每一个持续运行的智能体背后都是计算资源。到了这个阶段，“什么都放在云端”就不再只是一个技术选择，而会成为现实的成本问题。
其次是数据。喻智娟在谈到汽车行业时提到，过去一年，多家汽车企业持续增加工作站的使用，一方面是因为需要在本地开展模型推理和研发，“避免完全依赖云端带来的成本压力”；另一方面，汽车研发对数据安全要求很高，因此会把部分小规模模型的开发和推理留在本地，由研发团队配合工作站完成。
一旦AI开始接触研发数据、产品数据、客户信息以及企业内部知识，模型究竟在哪里运行，就不再只是性能问题。企业AI未来大概率既不会“全部上云”，也不会简单回到“全部本地”。喻智娟的判断很直接：“选择云端还是本地，首先要看员工在企业中的角色和具体工作。”
真正的问题，因此不再是“上云还是下云”这样简单的判断题，而是一个AI工作负载究竟放在哪里运行最合适。有些任务需要云端大模型，有些适合NPU，有些需要GPU，有些应该放在工作站，还有一些必须进入数据中心。性能、成本、数据、安全和延迟……众多的因素共同决定了这些工作负载最终被放在哪里。
这也可以被理解为：AI正在把过去已经相对稳定的企业计算体系重新拆开，再按照新的逻辑组合起来，而PC恰恰处在这个体系最靠近员工的位置。此次峰会上，喻智娟在主题演讲当中反复强调的一句话是：“越来越多的创新能力正从云端延伸到终端设备，在本地与云端协同运行，真正抵达每一位员工的桌面。”
所谓“抵达桌面”，就意味着一旦AI真正来到桌面，问题就不再只是模型能不能运行，而是模型如何访问企业数据，如何调用现有应用，谁拥有权限，结果如何管理，数据如何保护……
Agent来了，PC还是过去的PC吗
如果说生成式AI改变的是人与软件交互的方式，那么Agent改变的可能是软件完成工作的方式。过去，员工打开电脑、启动软件，通过鼠标和键盘输入指令，然后由软件完成任务。无论Word、Excel、CAD还是ERP，本质上都是人在操作软件。
Agent正在改变这种关系。智能体可以读取信息、分析数据、调用工具、连接多个应用，甚至连续执行多个步骤。人在一些工作中不再需要亲自完成每一步操作，而是提出目标、授权智能体执行，再检查和确认结果。
喻智娟认为，目前最容易理解、应用也相对普遍的智能体场景是客服和内部知识支持。第二类则是数据分析和客户洞察，企业可以把已有数据与语言模型结合，通过智能体分析用户画像和需求。例如，一些零售企业正在探索利用现场交互数据，让智能体帮助销售人员更快判断顾客的产品需求、预算和使用目的。
真正值得注意的变化，发生在智能体开始直接执行任务之后。喻智娟对此有一个非常明确的判断：“随着智能体从提供答案走向执行任务，PC不再只是执行任务的工具，也会成为员工与智能体协作的平台：既要支持本地数据处理和企业应用连接，也要便于员工查看和监督任务结果。”
这句话可能比“AI PC”本身更重要。因为一旦PC成为员工与智能体协作的平台，它承担的角色也就发生了变化：过去，PC主要处理人的计算需求；未来，它可能同时需要处理人的交互、智能体的运行，以及人与智能体之间的管理。
智能体需要调用数据，需要连接企业应用，需要获得计算资源，也需要接受权限控制。对于IT部门来说，未来需要管理的也不再只是设备、操作系统和应用软件，还可能包括本地模型、Agent以及数据访问权限。PC因此开始从一台“终端”，逐渐变成一个小型的企业AI运行环境。
这也解释了为什么戴尔科技此次峰会没有把全部重点放在AI PC，而是提出“Dell桌面端现代化智能解决方案”。按照戴尔科技的思路，企业可以通过塔式工作站、Dell Pro Max with GB10以及NVIDIA软件栈，在员工身边部署和验证智能体AI，而不必一开始就建设规模庞大的机房环境。
这也是此次峰会所强调的“升级”和“进化”。在喻智娟看来，所谓升级，是处理器平台和整机能力的提升；所谓进化，则意味着“企业开始改变原有的AI部署和工作方式”。如果只是升级，那么AI PC仍然遵循过去几十年的PC产业逻辑；但如果工作方式发生变化，PC在企业IT架构中的位置也会随之变化，它不再只是员工访问企业应用的一扇窗口，而可能成为企业AI体系中最接近人的一层计算基础设施。
真正的AI PC竞争，才刚刚开始
当然，现在就断言PC已经成为企业AI基础设施的一部分，仍然为时尚早。喻智娟在采访中多次强调，不同行业之间的差异非常大，一些智能体应用和桌面端AI部署“目前仍处于推广和落地阶段”。对于需要持续采集和处理大量现场数据的场景，她同样保持谨慎，现阶段产线检测和生产作业已经是相对清晰的应用场景，而更广泛的消费级应用，仍然“需要时间验证”。
这种谨慎其实很有必要。过去几年，AI产业一个明显的特点，是技术能力的发展速度远远超过商业价值验证的速度。模型越来越强，算力越来越昂贵，但企业真正愿意为什么付钱、哪些工作能够稳定交给AI、投资回报究竟需要多久，并没有因为模型能力提升而自动得到答案。
AI PC面临的是同一个问题。NPU已经进入PC，50 TOPS甚至更高的本地AI算力正在成为新一代产品的重要能力，但企业不会因为多了一颗NPU，就自动进行大规模采购。真正决定AI PC能不能形成一个独立市场周期的，最终还是应用。只有当越来越多AI任务必须或者更适合在本地运行，当企业开始把智能体真正部署到员工工作流程中，当本地计算能够明显降低云端成本、保护企业数据或者改善响应速度，AI PC的价值才会真正从一个硬件参数变成商业价值。
所以，现在看到的更像是两轮周期的叠加：一轮是传统的PC更新周期，Windows 10停止支持之后，Windows 11对硬件提出更高要求，企业本身就存在现实的设备更新需求；另一轮则是尚未完全成熟、但已经开始影响企业采购决策的AI计算周期。
戴尔科技现在的策略，并不是要求所有企业一次性完成AI升级，而是让不同代际、不同性能层级的产品同时存在。正如喻智娟所说：“我们不会用一套方案覆盖所有客户，而是根据不同行业、不同岗位和具体使用需求进行匹配。”
这其实是一个很现实的选择。因为企业AI真正进入规模化应用以后，终端市场很可能变得更加分化。过去，一家公司可以为大量员工采购规格相近的商用笔记本；未来，销售、研发、设计、数据分析、AI开发以及管理人员的本地计算需求可能越来越不同，PC产业的竞争逻辑也可能因此从过去强调产品档次，逐渐转向强调工作负载。
从这个角度再看戴尔科技此次峰会，会发现它并没有把AI PC孤立出来，而是试图把它放进从客户端、数据中心、边缘到云的整个企业IT体系中。因此戴尔科技真正想做的，不只是销售更多带有NPU的PC，而是希望在企业AI从数据中心一路延伸到员工桌面的过程中，占据最靠近用户的那一层计算入口。
这条路最终能走多远，仍然取决于AI应用的发展速度，也取决于企业是否真的能够从本地AI和智能体中获得可以计算的生产力回报。但至少有一点正在变得越来越清楚：AI时代的PC竞争，最终不会停留在谁拥有更高的TOPS，也不会停留在谁最早把“AI”写进产品名称。真正的竞争，是当智能体开始进入企业之后，谁能够回答几个越来越现实的问题——AI在哪里运行最经济，企业数据在哪里处理最安全，人与智能体在哪里协作最自然。
过去十几年，这些问题的答案越来越多地指向云端；AI的出现，却让计算重新开始向终端流动。云不会因此消失，本地计算也不会重新取代云，真正发生的变化，是企业需要重新决定每一种计算应该发生在哪里。
这一轮AI真正重新定义的，也许并不只是PC，而是企业计算的边界。当模型、数据和智能体同时向员工身边移动，PC也就不再只是那台用来打开应用、完成工作的电脑，而正在成为云、企业数据、智能体与人发生连接的一个新的计算节点。戴尔科技今天所说的“AI PC”和“桌面端现代化”，最终能否成为下一轮商业增长的动力，还需要时间验证；但PC重新回到企业AI架构的中心议题之中，这件事已经开始发生了。
京公网安备 11010202008829号