說到AI，當今的消費電子用戶們肯定不會感到陌生，且不論幾年前那場讓眾多吃瓜群眾認知到AI威能的圍棋大戰，就光是現在每個人手中拿著的智能手機，就多多少少都會宣稱自己有各種各樣的AI技術加持。譬如號稱能讓隨便一個小白都變成“拍照大師”的AI攝影，譬如據說能讓程序打開更快、手機運行更省電的“AI調度”，又譬如“AI語音”、“AI識屏”、“AI翻譯”等等。可以說對于智能手機來說，AI幾乎已經成為了市場競爭的剛需，就連如今新登場的智能手機芯片，也普遍會宣稱自己有著強大的AI計算能力云云。

很顯然，看到AI技術在手機上如此強大而普及，這自然會引發我們的一些好奇甚至是思考。比如明明在性能更低的手機上AI可以大行其道，可為什么在硬件規格更強的PC（個人電腦）領域，我們卻很少聽說有哪個廠商會以AI作為重要賣點呢？難道是個人電腦不承認AI嗎？

某種程度上來說，個人電腦還真的不承認AI，或者說AI技術在手機上的種種妙用，對于絕大多數的電腦來說不僅不是剛需，甚至都不構成需求。

舉例而言，AI拍照在手機上之所以大行其道，這其實是因為手機CMOS面積太小，ISP性能（相對電腦CPU來說）太弱，所以要想拍出噪點少、色彩好看、感光足夠的畫面，不依靠點“后期計算”是基本上不可能的。但是首先誰也不會舉著筆記本或者臺式機來拍照（想象一下那個畫面？），其次用PC聊天、直播所使用的攝像頭本身，對畫質的需求就沒有手機拍攝視頻那么高，而且靠傳統CPU驅動的算法就已經可以有很好的表現，基本就不需要AI來幫忙。

頂級的PC平臺既不需要考慮省電，更不可能擔心過熱降頻

如果說AI拍照在手機上的流行，是反映出其本身計算能力的不足，那么所謂的“AI底層調度”其本質上就是一個更大的笑話了。這是因為不管是怎樣的智能手機，它們實際上都不可能真正做到CPU、GPU、ISP等所有計算單元長期和滿頻率的運行。說白了，對于旗艦智能手機來說，規格表上面的性能只是用來好看的，而降頻才是日常的真實表現。

因此在這樣的前提下，所謂AI調度，無非就是通過預加載、行為猜測等等機制，在用戶即將拍照、玩游戲、打開某個常用APP的時候更迅速地提升一下性能，同時控制功耗，帶來稍微更長一點的“滿血時間”而已。相比之下，只要是一臺設計沒有問題的PC（特別是臺式電腦），基本上都能做到在標稱的最高頻率下長時間穩定運作，不需要考慮省電，也不會因為散熱跟不上而降頻，自然無需AI在后臺來提供所謂的“調度優化”。

當然，我們并不是說PC上完全沒有AI的身影，也不是說AI在PC里就無法發揮作用了。畢竟在PC里實際上也是有一些知名的AI硬件和AI應用的，只不過與手機里CPU、GPU、ISP、DSP、NPU都能參與AI計算，或者就算沒有AI硬件一樣也能實現輕量化的AI體驗不同。PC里的AI功能雖然不很普及，但卻往往呈現出專用AI硬件和特定AI功能嚴格“一對一”的狀況。這就意味著，如果你想要在PC上體驗AI，就必須要購買特定的硬件。

比如說，游戲玩家們可能都知道NVIDIA的GeForce RTX系列顯卡和GTX系列相比多了“光線追蹤”的功能。但實際上除了光追之外，RTX系列還比GTX系列多出了專門用于AI計算的幾百個Tensor核心，正因為有了它們，RTX系列顯卡就獨占了包擴AI降噪、AI抗鋸齒、AI超分辨率等一系列圖形特性，進而可以在支持的游戲中實現基于AI的DLSS（深度學校抗鋸齒）功能。簡單來說，它可以讓原本只支持2K分辨率的中高端顯卡暢玩4K大作，而且幀率不降反升，這就是AI在PC上的一個典型用例。但反過來說，如果你沒有RTX顯卡，沒有相應的硬件AI單元，那么是無論如何也不可能通過其他的方式來實現DLSS的。

可用于PC的“視覺計算棒”

又比如說，你是一個視覺計算開發者，想要為智能汽車訓練一個自動識別路上行人和車輛的AI模型。這種時候就會發現，普通的“高性能電腦”執行機器學習的效率十分低下，因此要么需要購買昂貴的計算加速卡，要么就得依賴“外掛”的AI視覺處理器。當然，除此之外你可也以選擇諸如AWS的云端機器學習服務，但它們實際上也是依賴于專門的AI加速芯片，所以換句話說，普通的家用PC首先從硬件上和計算能力上，就已經決定了與AI無緣。

是的，大家沒有看錯，盡管當前就算是千元級的手機都基本具備了AI加速計算的能力，但對于PC來說，硬件級的AI運算性能卻依然還是局限于極少數的高端型號上。這倒不是說PC的技術發展就一定比手機慢，而是源自兩者完全不同的消費習慣所致。試想一下，千元級的入門級手機一年換一臺，可能很多人都會覺得自然而然，但不管是多便宜的入門級PC，相信大多數用戶可能還是會把它視作一個“大件物品”，不太可能一年一換代。

這意味著什么呢？意味著對于PC上的軟硬件設計者來說，哪怕他們懂得AI的“好處”，也必須顧慮到許多老設備對于AI支持的匱乏，不能輕易地把AI應用在PC上推而廣之。舉個例子來說，三星在今年9月底發布了用于企業級服務器的PM1735 SSD，它除了高達12.8TB的容量以及可怕的壽命（每天寫入38.4TB，能寫至少五年）之外，最大的一個特性就是加入了用AI算法自動檢測閃存單元狀態，提高性能的“V-NAND機器學習”功能。

很顯然，對于服務器上本身就自帶了AI加速指令集（DLBoost）的CPU來說，這種來自硬盤的AI需求當然能夠輕松Hold住。但如果說把這樣的SSD裝到普通的、沒有AI加速功能的家用電腦里呢？只怕CPU每時每刻都會被AI計算的需求所拖累，可能到頭來性能不升反降了吧！

【本文圖片來自網絡】