能自己写文案、做PPT、安排工作的智能体AI正加速普及，但企业和个人用户很快发现：算力账单越滚越大、核心数据不敢上云、AI还会“一本正经地胡说八道”——三大难题正在倒逼人工智能产业寻找新路径。目前芯片厂商和联想、华为等整机厂商迅速跟进，推出内置智能体的AI主机。5月27日，每经记者在联想百应AI主机发布会采访业内人士了解到，AI产业的下半场已从比拼技术参数，转向比拼谁能真正帮用户解决实际问题。用户省钱、省心、保安全，这成为边缘主机被看好的原因。
成本高、怕泄密、爱犯错，他们为什么担心AI？过去一年，能自己“干活”的AI（业内称为智能体）迅速走红，从写文案、做PPT到安排日常工作，越来越多企业和个人开始使用。但随之而来的，是三个现实难题：算力成本水涨船高、按使用量付费的支出居高不下，以及数据安全和AI“胡说八道”带来的麻烦。
苏州的画宗人工智能公司，是一家成立不到一年、估值已达1亿元的AIGC视频小企业。创始人秦文山算了一笔账：公司从剧本创作、人物设定到素材处理，以前全在云端调用AI大模型，每用一次都要付一次费。随着产量增大，这笔费用越来越重。他的解决办法是：把最频繁、最基础的活儿——比如写剧本、处理场景素材——全部转移到公司自己的电脑上运行，只有最后的“视频生成”环节才上云。据测算，这种“本地+云端”混合模式，能把调用大模型的成本降低约30%，人工审核工作量减少80%，整体制作周期缩短约20%。更重要的是，所有原创素材和创意资产都保存在本地，不用担心被云端泄露。
北京云迹科技创始人李全印从安全角度指出，对制造企业来说，生产图纸、工艺参数等核心数据一旦上传云端，就存在泄露风险。把模型部署在本地，能从物理上切断这种隐患。另外，工厂里经常遇到临时插单、紧急调产等需要快速决策的场景，本地算力响应更快，还能通过一个统一的智能体来调度，员工不用同时操作多个AI工具，效率更高。
一位资深IT从业者向记者吐槽，为了提高办公效率，他每月花钱在系统里“养”了三只AI智能体。其中一只是总管，另一只专门负责督促和检查剩下那只干活。即便是这样层层制约，单只智能体每月花费仍超过300元，三只加起来上千元，系统还是常常漏掉重要内容，需要人工反复核对。这暴露了两个隐性成本：AI大模型有时会“一本正经地胡说八道”，而且多智能体的分工设计本身就很冗余。省下来的时间，又花在了改错上。
正是这些来自中小企业和个人用户的真实痛点，推动芯片和电脑厂商开始调整方向。英特尔、AMD等芯片公司已经推出了专门支持智能体的新一代电脑架构，让本地电脑和云端AI可以协同工作。联想、惠普、戴尔、华为等整机厂商也迅速跟进，发布了内置AI处理单元或智能管理系统的算力主机。
业内人士：边缘主机可理解为放在家里、办公室的“AI大脑”5月27日，在成都举行的联想百应AI主机发布会上，记者看到了这样一台主机。轻点鼠标，内置的“AI总管”就能自动梳理一次客户拜访任务：提取对方的核心需求，从本地知识库中调出过往案例，甚至还能模拟销售对练。整个过程不需要人工反复操作。这套系统背后是本地知识库检索，响应快、数据不出门。
内置“龙虾”正在工作 图片来源：每经记者 胥帅 摄
联想集团中国区中小企业方案服务事业部总经理、联想百应总经理魏东对记者打了个比方：“现在这类新产品，解决了普通人自己折腾部署AI的麻烦。它已经不是传统意义上的AI电脑，而是一个‘边缘计算节点’——你可以理解为一个小型化的、放在公司或家里的‘AI大脑’。”他进一步解释：在企业仓库里部署这样一台设备，它就能成为整个仓库的管理中枢。员工通过微信或钉钉发个指令，它就能自动完成入库、出库、破损处理等一系列操作。在家里，它也能统一接收指令，控制窗帘、空调、电视等各种设备。
更关键的是算力和数据安全。这种AI主机不需要堆最贵、最猛的芯片，因为大规模的复杂计算仍然放在云端；主机只负责跑一些轻量级的、可以在本地完成的小模型。两者分工合作，既快又省钱。魏东表示，所有数据都在本地计算，即便是卖硬件的厂商也看不到用户的具体数据，系统只会通过分析用户的使用习惯来优化性能，机密内容在物理上就不会被泄露。
尽管前景广阔，但AI主机在当下的实际落地中仍面临不少技术与体验层面的挑战。每经记者发现，在实际测试部署任务时，用户也会面临智能体运行缓慢甚至卡顿的问题，比如“龙虾”运行要跑一会儿时间。这种延迟不仅受制于初始需求的复杂度，还在于云端与边缘侧的协同调配能力。边缘主机的智能化程度依赖后期的生态规模与数据喂养。魏东表示，在部署初期或使用量较小的情况下，系统的学习能力和响应速度均会表现得较为弱。只有随着用户生态的扩大、本地数据的不断沉淀，系统的迭代速度与处理能力才会逐渐强化。
多位业内人士认为，随着各大电脑厂商纷纷推出内置智能体的AI主机，人工智能产业的竞争逻辑正在转变——从比拼技术参数，到比拼谁能真正帮企业解决成本、安全和效率问题。“本地+云端”协同的模式能否真正跑通，还要看本地小模型的能力、硬件性价比以及行业标准的进一步成熟。
每日经济新闻
道正网提示：文章来自网络，不代表本站观点。
