AI PC战役中Intel胜算几何？写在Lunar Lake发布后

Intel在今年IFA媒体会上谈过一个很有趣的观点：AI PC虽然此前受到诸多质疑，但其实在iGPU——也就是集显/核显刚刚发布时，也被当时的人们嘲讽了很久，说它根本不可能用来玩像样的游戏。

Josh Newman（英特尔产品营销与管理总经理、计算机事业部副总裁）在主题演讲中甚至说，他当年还曾写过文章谈集显不堪大用，连GPU都算不上。“但现在我要承认当时的我错了。集显驱动了网页合成、UI渲染，是图形体验不可或缺的组成部分。”

而且现在的集显也的确能用来玩游戏，甚至在中低画质下畅玩3A游戏。“从这个角度来看，AI是一样的。”OEM厂商也普遍认为，如果说年初的CES展会上，大家还在问为什么要买AI PC，那么起码到了现在，AI PC的发展之路已日趋明朗。

即便最近的Lunar Lake处理器发布会上，酷睿Ultra第2代处理器的诸多亮点都给我们留下了深刻印象——尤其CPU, GPU能效大幅跃升、多场景功耗显著下降，Windows笔记本续航也终于能达到20小时，依稀让我们看到当年Pentium M的影子；但占据发布会最大篇幅的，依旧是AI PC这个近两年不得不谈的主题。

市场上正在推行AI PC概念的参与者不少——AMD、高通、英伟达、苹果，还有操作系统、OEM厂商都在发力。以现在的市场格局，Intel要在AI PC市场上胜出已经不那么容易了。

Intel在今年IFA上宣导了一个重要主题：出色的AI PC，首先是一台出色的PC。上篇文章已经详谈了Lunar Lake在达成“出色的PC”这件事情上具体做了什么；本篇将注意力放在所谓“出色的AI PC”上：Intel局内战况如何，以及接下来一段时间内AI PC会如何发展。

Lunar Lake的AI硬件与软件基础

先花少许笔墨回顾一下Lunar Lake处理器，也就是酷睿Ultra V200系列芯片，有关AI加速的硬件堆料——即便这在去年的架构解析文章里已经做了具体的探讨。

首先是CPU部分的VNNI, AVX扩展指令集支持。这一点尤其体现在Lunar Lake的E-core实现了2倍AI吞吐提升——架构层面主要表现为后端浮点和矢量运算资源大幅提升。CPU的AI算力为5 TOPS。

iGPU核显此前就作为酷睿Ultra处理器的中坚，这次的Xe2核显本身增加了XMX引擎——相当于隔壁的Tensor core；加上整体规模增大，核显的AI算力达到了67 TOPS——被Intel称为移动处理器中最快的AI加速器。

NPU作为更专用的AI加速单元，规模是上代的4倍，AI算力48 TOPS。最终Lunar Lake的xPU总AI算力为120 TOPS，较上代提升3-4倍。发布会上Intel还特别强调说虽然也有其他NPU有着相似的纸面数据（骁龙X Elite：？？？）但Intel的NPU有着更出色的实际性能。

不过AI算力基础并不是这次Intel宣传的重点。重点仍然是AI算力能用来做什么：包括开发者如何使用这些算力，用户有哪些真正用得上的AI应用，以及Intel的AI软件基础设施，包括各类框架、中间件、加速库、上层应用等。

这次发布会上，有关AI软件的关键发布至少包括：

（1）一款名为AI Play的应用——这是一款开源的生成式AI应用，在酷睿Ultra处理器及Arc显卡的硬件基础上，跑在Windows操作系统中。

Intel在发布会上介绍说，用户可以在AI Play中选择适用于本地硬件设备的AI模型。比如说可以用Stable Diffusion来做文生图、图生图；让AI来写代码；也可以基于现在相当流行的RAG（retrieval augmented generation）关联用户的特定内容，与SLM模型进行更有针对性的人机对话。

这应该是Intel为数不多亲自下场做的生成式AI应用。不知道在部署上是不是像隔壁英伟达ChatRTX那样，是一键完成环境搭建和应用安装的——现在的芯片企业还真是普遍一边做着芯片，一边操着最上层应用的心。

我们认为AI Playground作为一个开源项目，更像是基于Intel AI软硬件生态的应用参考，当然也是展示其生态构建水平更直观的方式。

（2）基于Lunar Lake的Copilot+PC体验，预计将于今年11月进行Windows Update推送。Copilot+PC是此前微软定义的AI PC，或者说其中涵盖了一些Windows操作系统层面的AI特性：如系统级的内容创作辅助，实时语言翻译，第三方app的AI体验加成等。

最初Copilot+PC概念是今年5月微软和高通（骁龙X Elite/Plus）一起推的。当时微软明确Copilot+PC需要至少45TOPS AI算力。于是后续Copilot+PC推向Lunar Lake平台也顺理成章。

各OEM厂商这次展示新机标称25+小时续航的本子，还真是不在少数；虽然这个数字和实际使用还是会有差异，但相较以往的9-12小时，大约是能够达成续航显著提升的

虽说Meteor Lake未能赶上Copilot+PC班车，但看起来微软多芯片架构并行推进的策略，以及“脚踩两只船”的传统还是在延续的。

不知道Intel在发布会上反复强调Lunar Lake在功耗和续航表现上实现对骁龙X Elite的超越，打破x86指令集做不了低功耗、高能效处理器的迷思，会不会对微软的未来决策产生些许影响。不过全民AI PC的时代，即将因为Windows和Intel的同时下场，很快到来了。

再谈Lunar Lake的AI性能

120TOPS只是理论峰值算力，Intel还在媒体会上给出了不少AI系统性能测试的对比数据。

比如说Lunar Lake总体AI性能是上代Meteor Lake的3倍；核显（酷睿Ultra 9 288V）部分的AI性能，是AMD HX 370的2倍多（基于UL Procyon AI图片生成测试）；NPU的AI性能，则比骁龙X Elite高出约20%（基于Geekbench AI测试）。

微软在为Intel站台时也顺嘴提了句，Lunar Lake的NPU AI性能是苹果MacBook Air M3的2.5倍。

Intel工作人员在展示用Lunar Lake跑UL Procyon AI测试，并记录测试全程的功耗变化，与上代Meteor Lake的显著差异

媒体会上，Intel分享了更多第一方AI跑分与实际工作负载性能比较。总结一句话是，抛开独显之类的加速器不谈，Lunar Lake在AI性能方面强于市面上现存所有PC处理器。而且这次，Intel是自信到专门准备了个屋子，可现场进行各种AI跑分，与竞品直观比较。

对比关键数据有几则。首先是UL Procyon AI测试——这个测试目前分成两大类：计算机视觉与图像生成。跑分结果如下图：

似乎Intel不仅着眼于强调自家NPU比高通强，GPU比AMD强；也顺便在谈Lunar Lake处理器的适用性更广，包括NPU能跑FP16数据精度的推理，而AMD和高通都不行；以及高通骁龙X Elite的核显尚无法进行特定AI负载的加速。

冯大为（英特尔客户端计算事业部副总裁兼客户端细分市场部总经理）在会后接收采访时说，Intel工程师尝试用高通GPU去跑AI应用，发现大部分情况下都不可行；而AMD的NPU应用则几乎还看不到。想必这与AI生态培养，还是有莫大关联的。

Geekbench AI测试的情况也类似，无论CPU, GPU还是NPU的AI推理性能测试，都优于另外两家——也算是在Meteor Lake先发，AMD和高通连续出招以后，Intel在AI性能上的扬眉吐气了。

另外，Blender、Lightroom、Premiere Pro等既有生产力软件逐步开始加入更多的AI特性，比如照片的AI降噪、超分、场景编辑检测、语义分割、内容生成、自动加字幕等。Intel也给出了主流存量生产力应用的部分AI特性，Lunar Lake与骁龙X Elite的执行速度比较。

比如说，用Premiere Pro自动给视频加字幕和标题。酷睿Ultra 9 288V相比骁龙X1E-78-100快了86%，相较酷睿Ultra 7 155H快76%。；还有Lightroom的AI降噪特性，Lunar Lake比骁龙X Elite快145%，比Meteor Lake快79%；After Effect的ROTO笔刷特性实现上，Lunar Lake比Meteor Lake快54%，骁龙X Elite则尚不适配该特性的加速...

兼容性可能仍是Intel的王牌

值得一提的是，上述这三项AI特性，主要是借助Lunar Lake的GPU核显加速达成的，而且从Intel发言人的演讲来看，通过和Adobe的合作，这些特性还充分利用了核显新增的XMX矩阵扩展单元。而当这些AI功能跑在骁龙X Elite平台时，依赖的就只有NPU。

这一例大概至少能体现三件事：

首先是xPU加速AI的灵活性——这也是自Meteor Lake起，Intel就在反复强调的，AI加速应当是不同处理器针对不同场景，灵活发挥作用的体现。

Lunar Lake的CPU扩展指令集实现的AI加速，主要针对轻度AI负载，和实时响应要求更高的AI应用。GPU面向游戏和创作AI，也是相比CPU和GPU性能更强的AI加速器。NPU则面向追求高能效和长时间运行的AI负载。

Intel提到现有ISV合作伙伴中，1/3选择了用GPU做AI加速。据说在面向合作伙伴的的调查中，Intel发现合作伙伴采用CPU, GPU和NPU作为AI引擎的比例差不多。这可能也让Intel更加坚定了XPU做AI加速的策略，而非很多人理解的AI单纯就依赖于NPU加速。

冯大为也提到ISV（独立软件供应商）选择GPU用作AI加速的比例不小。这大概与面向GPU开发更友好有关。“我们不希望用我们的主观想象去指导ISV写软件。”“要给他们提供选择，这是大前提；也是和另外两个竞争对手不一样的地方。”

其次反映的，是Intel长期以来积累的合作伙伴与生态资源。此例表现的是Adobe作为开发者，与Intel的合作。

Intel给出的数据是，基于Intel芯片及开放生态，其AI软件生态系统，已经有100+ ISV，支持超过500种AI模型，可用的AI特性超过300个。

第三，AI软件兼容性。在媒体会上，Intel不止一次地嘲讽过，但凡涉及GPU, NPU相关测试，高通就有很多应用和测试是完全跑不了的：比如测50款游戏，就有近一半无法运行在骁龙平台上，还有前述Adobe全家桶的某些AI特性骁龙X Elite/Plus处理器也跑不了。

Intel在发布会开场就援引了第三方测试数据，在110款AI应用中，x86支持其中的99%，而Arm阵营整体为84%。“这种兼容性差距不因为指令集，而是多年对生态的投入和积累带来的。”冯大为在采访中说。

虽说现在嘲讽高通和Arm的PC生态兼容性略有些欺负后生，但这不得不说就是Intel的优势之一。从生态的角度来看，Intel大概的确是现阶段PC市场上，除了英伟达之外，从AI开发、优化到部署，全栈生态最为完整和健全的竞争者。

所以Intel才在发布会期间反复说自己是AI PC市场上唯一能够做到跨操作系统，达成这么多ISV、AI特性、AI模型覆盖的企业。

走向PC的新10年

近两年的Intel发布会普遍有个特点，不仅限于客户端计算业务，还包括其数据中心、网络与边缘业务，在发布会上谈“软件”的篇幅显著提升。这其实和Intel开始推行XPU策略，将更多注意力放在加速器上是有关的。

因为加速芯片、加速器需要对不同应用场景、行业做针对性加速。基于这些应用场景的差异，针对性的加速技术大量体现在软件加速库、框架、中间件上。软件就是开发者是否会采用对应芯片的关键。英伟达现在的开发者大会就几乎都是在谈软件。

现在酷睿Ultra的发布会和媒体会也开始将诸多篇幅给到了软件。Intel回顾过去45年做软件生态系统的历史，头二三十年专注在操作系统相关的优化、工具、库、框架构建；

而过去10年，OpenVINO, oneAPI等相关加速计算和AI基础设施的软件，以及诸多AI框架、开发者云等工具就成为了工作重点。前文提到Lunar Lake的AI性优势，软件就在其中发挥着举足轻重的作用。

Intel这次还找了几家不同领域的AI软件企业上台做开发分享：无论是基于AI做在线演示和内容分享的技术，用AI辅助做视频编辑，还是将AI应用到信息安全领域——借助NPU来做本地安全扫描、异常检测…

可见Intel在AI软件生态方面的投入是巨大且长期的。这大约都是在为后续AI应用的全面爆发做准备。单说AI模型，前不久Intel中国国内技术人员和我们聊起，在模型支持合作广度与深度上，Intel还鲜有竞争对手。

冯大为在采访中也说，“我们现在无法预测未来哪些AI应用会立刻成为主流。”“我自己的观点是，大大小小的AI模型跑起来，让所有应用都有选择——让他们知道需要多大程度的AI化。”让开发者不需要将过多精力放在模型和硬件上。

过去一年多我们也能看到，AI应用场景正逐渐变得多样化，且深入到了行业应用。不管是视频工作者借助AI工具做语义分割，划分画面深度；还有音乐人会将一首曲子用AI工具切分不同的音轨；

办公资料整理、视频会议记录、不同语言翻译，乃至将生成式AI应用到工业制造领域的机械臂上、教育领域的教师备课和智慧课堂上…AI PC已经在其中发挥作用。这些都是生态长期投入的成果。

今年的IFA展会上，微星、华硕、联想等OEM企业都相继发布了自家AI PC工具——如此一来，AI PC已经真正成为芯片、操作系统、OEM、ISV等诸多产业链市场角色的狂欢。就像惠普发言人在Lunar Lake发布会上说的，AI正对工作和生活产生变革，让“PC走向崭新的10年。”