2026年1月下旬，一款名为Clawdbot、后来以“龙虾”之名为人所知的AI agent走红，随即引发Mac mini抢购潮。用户开始为一个随时干活的AI单独准备一台电脑，端侧AI算力需求正从专业领域向消费市场渗透。苹果、小米、英伟达等厂商相继推出面向本地大模型部署的新品，电脑市场的产品逻辑正在被改写。
苹果在传播层面已刻意转向agent定位。新款Mac mini不再只强调办公和创作场景，也开始突出全天候运行智能体的能力；Mac Studio则继续面向需要在本地运行大模型的用户提供大内存配置。小米在近期展示了AI Cube原型机，将三颗玄戒芯片装入铝合金方盒，配备80GB统一内存以实现本地大模型部署。更早入场的英伟达已于2025年10月开始交付DGX Spark，联想、华硕、惠普、戴尔也围绕GB10平台推出整机产品。原本销售笔记本、工作站和小型电脑的公司，开始争夺一种新订单：用户希望把一部分AI算力留在自己手里。
两年前，AI PC最典型的配置还只是一块NPU。微软为Copilot+ PC划定的门槛是40 TOPS NPU、16GB内存和256GB存储，厂商以实时字幕、图像处理等功能介绍本地AI。这套标准可以放进原有轻薄本，用户仍按熟悉方式使用电脑。但自苹果统一内存方案开始，用户逐渐转向本地模型部署。2025年3月，苹果将最高512GB统一内存放入M3 Ultra Mac Studio，并以本地运行数千亿参数模型为卖点。彼时本地部署仍是专业工作者的选择，动辄数万元的Mac Studio尚未进入普通消费者购买区间。
进入今年，端侧AI产品持续演进。小米AI Cube原型机配备80GB统一内存，DGX Spark和一批GB10整机为128GB，AMD Ryzen AI Max 300系列最高支持128GB；新款Mac Studio继续提供最高512GB配置，内存带宽提升至1.2TB/s。内存容量成为核心竞争要素——模型权重、上下文缓存和运行时会迅速消耗内存资源。以4比特量化粗算，70B模型仅权重就需约35GB，尚未计入量化元数据、缓存和系统开销。
部署完成后，速度成为下一道门槛。DGX Spark的128GB统一内存搭配273GB/s带宽，前者决定能装下多大模型，后者影响计算时数据搬运速度。实际生成回答时，模型精度、上下文长度和推理软件仍会影响结果，单纯增加内存并不能解决全部问题。即便模型成功运行，用户也未必能直接使用——模型下载更新、应用调用方式、文件访问权限、持续运行维护等环节都需要有人处理。
用户购买一台电脑，但这些环节未必由同一家公司完成。联想、华硕、惠普可采用英伟达GB10平台，完成整机设计、销售和服务；苹果可同时调整芯片、系统和开发工具；小米则将自己的芯片装入原型机，尝试参与决定个人AI设备应当怎样计算。这几条路线反映各家公司愿意承担的研发投入，以及希望掌握的产品决定权。采用现成平台的厂商可将更多精力放在产品化和交付上；自研芯片则需先承担研发和验证投入，换取对内存架构、计算单元和功耗分配更大的调整空间，后续还要靠足够产品销量摊薄持续迭代成本。
苹果可以同时修改芯片、系统和开发工具，无需用户新购AI PC即可让模型部署在本地。统一内存是苹果的核心优势：MLX框架让CPU和GPU使用共享内存中的数组，减少不同计算单元间的数据搬运需求；MLX-LM提供模型运行、量化和微调工具。开发者下载第三方开放模型，也可使用苹果为自有硬件优化的工具运行。今年预览的Core AI框架进一步优化统一内存和神经网络引擎性能。苹果能够围绕同一套硬件持续补充软件，而非每增加一项AI功能就重新寻找计算平台。
8月的更新进一步拉开产品梯度。M6 Mac mini售价6999元起，内存最高32GB；M5 Pro版本最高64GB。需要更大模型和更重开发任务的用户可继续选择Mac Studio的128GB、512GB配置。新机已于8月27日接受预购，官方计划9月22日开始发售。用户群体本身存在分层：普通用户需要已有应用中多几项实用功能；开发者关注能否放入自己的模型和代码；研究团队、专业创作者才更可能为大内存和持续负载买单。苹果用同一套系统承接不同预算，不必为每层用户重建销售渠道。
掌握整套平台并未让苹果拒绝外部模型合作。6月公布的第三代基础模型与Google合作开发，包含3B端侧模型和采用稀疏结构、按请求调动部分参数的20B端侧模型。合作改变了模型来源，但系统和产品决策权仍在苹果手中。哪些模型进入系统服务、开发者通过什么接口调用、应用读取文件前如何获得许可，仍由平台安排。外部模型可以进入Mac，用户无需因此离开Mac生态。
小米试图握住类似主动权，但路径与苹果不同。AI Cube中三颗芯片分工明确：O3面向个人智能终端，O100面向端侧AI加速，D100面向智能驾驶。小米将多条芯片研发线放入同一台原型机，展示协同计算能力。按8月发布信息，O3已开启规模量产，O100和D100计划明年商用。AI Cube本身仍是工程原型，未公布价格和开卖时间。自研的意义首先在于小米可以自行组织芯片设计，并不意味着每个组成部分都从零做起——此前的玄戒O1就使用了Arm的Cortex CPU、Immortalis GPU和CoreLink互连IP。投入芯片设计，是在通用技术基础上为自己的产品安排计算能力、内存和功耗，而后还要接受制造和量产的考验。
端侧AI正从概念走向实际产品落地，但距离大规模普及仍有距离。当前各厂商的产品策略反映出行业共识：本地大模型部署需要大内存、高带宽和持续优化的软件栈。苹果依靠完整平台闭环承接不同层级用户需求，小米通过自研芯片探索差异化路径，英伟达则以GB10平台联合多家整机厂商扩大覆盖面。用户为本地AI多付出的成本最终流向芯片公司、系统公司还是整机厂商，将取决于各条路线在性能、价格和生态上的综合表现。端侧AI的“小时代”刚刚开场，产品形态和商业模式仍在演化之中。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
