随着生成式AI爆红，PC产业三巨头英特尔、超微与微软，都将支援生成式AI作为下一代产品的主要卖点，并希望藉此带动新一波PC换机潮。
自OpenAI正式发表ChatGPT，为AI技术发展再掀一波新热潮以来，生成式AI就一直是科技业内的热门关键字。伺服器与高效能运算无疑是生成式AI风潮的第一波受益者，从晶片供应商到伺服器OEM、ODM，都已经享受到生成式AI所带来的股价跟营收红利。
但如果从过去AI技术的发展历程来看，从云端往边缘及终端装置扩散是必然的方向。生成式AI也不例外。毕竟，基於租赁模式的云端服务虽让使用者省下了硬体投资跟维护的费用，但生成式AI服务的订阅费用其实并不便宜，且部分应用场景对本地推论的需求是强制性的，例如用生成式AI来处理涉及营业秘密或敏感商业资讯的文件，就很不容易说服企业采用云端服务模式。
因此，继伺服器与高效能运算之後，在PC、工作站等终端装置上直接进行生成式AI推论，甚至进行微调，打造出更客制化的应用服务，成为必然的发展趋势。也因为如此，PC产业三巨头英特尔(Intel)、超微(AMD)与微软(Microsoft)无不卯足全力，催生出AI PC这个新的产品类别。
内建NPU为AI PC标准配备
综观目前英特尔与超微目前针对AI PC所端出的方案，可以发现针对AI PC应用，两家CPU业者除了将CPU与GPU整合起来之外，又再额外整合了NPU，以进一步实现对AI应用的加速。藉由添加NPU，超微与英特尔最新的AI PC处理器，都可为笔记型电脑提供超过30TOPS的最大运算能力，以满足未来使用者在笔记型电脑上执行AI应用的需求；某些整合了AI功能的商用套装软体，也可因为处理器平台提供的额外硬体加速资源支援而受益。
换言之，依据当下x86处理器业者的产品定义，AI PC跟传统PC的关键差异，在於NPU的有无，而不是PC是否具备AI运算加速的能力。事实上，以NB为例，即便处理器并未内建NPU，也能透过整合式GPU来实现AI运算加速；若是在高阶电竞NB、桌上型跟工作站这类产品，透过独立GPU来实现AI加速，更是行之有年的作法。
但内建NPU最大的好处，在於能显着提高处理器执行AI应用时的能源效率。英特尔在近期举办的Core Ultra产品发表会上就指出，以Core Ultra 7 165H跟前一代Core i7 1370P相比，透过NPU加速，165H平台在执行Zoom时，功耗可降低38%；执行INT8测试时，在UL Procyon测试软件上的能源效率，则可提高2.5倍。能源效率的大幅改善，不仅让笔记型电脑执行AI运算时，能有更好的电池续航力，同时也对处理器因过热而降频运作，造成性能下降的问题，带来一定程度上的缓解。
因此，AI PC处理器内建NPU的效能，会是处理器厂商之间的重点竞争项目。在这方面，英特尔跟超微所采取的技术路线，就有相当明显的差异。英特尔处理器平台内建的AI Boost是从Movidius演化而来，可视为专为某些运算任务而特化的处理器；超微Ryzen 9 8000系列中所内建的XDNA 2 NPU，则是从赛灵思(Xilinx)的FPGA架构衍生而来。
超微执行长苏姿丰(图1)在日前发表自家新一代AI PC处理器平台时，就很自豪地表示，超微之所以能领先业界，在2023年就将AI PC处理器推向量产，让PC OEM夥伴能卖出数百万台AI PC，关键就在於其处理器内建的NPU技术根源来自於赛灵思。由於赛灵思的技术已相当成熟并广获验证，因此超微的研发团队只花了不到一年时间，就能将其整合到自家的处理器产品中。
图1 超微执行长苏姿丰表示，XDNA技术源自赛灵思的FPGA，不仅久经验证，而且具有优秀的扩展性跟适应性。
也因为超微NPU的技术根源来自赛灵思的FPGA，因此超微的NPU具有跟FPGA非常类似的特性跟优势，例如易於扩展，并且能针对不同运算任务进行调整跟资源分配，具有更好的适应性。事实上，目前的XNDA加速器，可同时为四个AI运算任务进行加速。这也是其他处理器业者的NPU所不具备特殊优势。
PC生态系龙头火力全开 AI PC来势汹汹(1)
PC生态系龙头火力全开 AI PC来势汹汹(2)
PC生态系龙头火力全开 AI PC来势汹汹(3)
