智東西
作者 畢偉豪
編輯 漠影一、1000倍算力缺口，AI主機的硬門檻為什么在CPU二、三大場景開箱即用，千元級主機讓Agent走進生活三、超長上下文硬扛金融場景，一顆芯片給Agent兜底四、端側(cè)低成本推理，Token不再花錢如流水，Agent常駐后臺五、家庭共享零門檻，藍牙配網(wǎng)、無需鍵鼠結(jié)語：為Agent推理而生的芯片，正在重寫AI硬件的規(guī)則

智東西6月12日報道，這兩年，隨著Claude Code、Codex越來越能打，龍蝦（OpenClaw）、愛馬仕（Hermes）這類開源AI助手接連爆火，“智能體”熱度飆升，Agent時代就此到來。

現(xiàn)在，越來越多的人從聊天機器人轉(zhuǎn)到Agent，開始使用各種工具來完成日常生活中的任務(wù)，相比于簡單對話，Agent的Token的消耗量是巨大的。

因為現(xiàn)在的Agent可以真正幫人干活，比如寫軟件、盯股市、做PPT、剪視頻等等，以前聊天機器人回答問題，通常僅需一兩步推理，而現(xiàn)在一個金融Agent，要同時跑行情分析、財報解讀、交易決策等多項任務(wù)，一項任務(wù)就需要幾十步甚至上百步連續(xù)推理，算力需求根本不在一個量級。

不久前，英偉達CEO黃仁勛在訪談中做出了這樣的判斷：Agent時代，算力需求將暴漲到生成式AI的1000倍，整個行業(yè)會被推著進入全新的競爭階段。

算力需求指數(shù)級的增長帶來了兩個問題：第一是普通人該如何部署Agent、配置和使用前沿AI工具，第二則是黃仁勛所說的1000倍的算力缺口由誰來填補。

前沿Agent安裝部署難度高、配置復(fù)雜，而云端模型調(diào)用的延遲、Token消耗量、數(shù)據(jù)隱私安全等問題，正在推高端側(cè)推理需求，人們需要一臺真正能降低Agent使用門檻、并且可以在端側(cè)執(zhí)行更多、更復(fù)雜任務(wù)的主機。

黃仁勛所說的1000倍算力缺口不可能全由云端填補，AIPC走進市場，將推理更多轉(zhuǎn)移到端側(cè)，正是重要的解法。但以前的AIPC只是把機器當(dāng)成了能跑大模型的PC，而不是為Agent推理專門設(shè)計的計算機。

一臺從內(nèi)到外均為Agent推理而生的AIPC，在這個時代的優(yōu)勢逐漸凸顯，能在本地使用Agent執(zhí)行任務(wù)，也可以憑借軟硬件優(yōu)化提高計算效率，節(jié)省Token開支。

而一款好的主機，核心在于芯片，對于芯片而言，不論是端側(cè)、邊緣還是云端，CPU的重要性都不言而喻。AMD CEO蘇姿豐曾在采訪中直言，每個Agent運行過程里都在持續(xù)調(diào)度CPU，GPU只在調(diào)用模型那一步起作用，其余分配任務(wù)、搬運數(shù)據(jù)、調(diào)工具都走CPU。

因此，未來Agent執(zhí)行的任務(wù)越復(fù)雜，CPU的分量就越重，只有為Agent專門設(shè)計的芯片，才能更好滿足Agent爆發(fā)帶來的需求。

此芯P1就是這樣一顆芯片，在架構(gòu)層面，它為Agent推理做了定向優(yōu)化：12核Arm v9.2 CPU，主頻可達3.2GHz，集成10核Arm Immortalis-G720 GPU以及專用NPU，異構(gòu)總算力達45TOPS，可以為大模型的本地化部署提供開箱即用的算力支撐。

作為專為Agent而生的AI主機，聯(lián)想AI主機mini搭載此芯P1，這也是此芯和聯(lián)想在共同定義“Agentic Compute”新標(biāo)準(zhǔn)過程中的產(chǎn)品，要讓更多人享受到Agent時代的前沿成果。

這臺千元級別的主機，體積只有Mac mini的一半，平均功耗僅15W，運行噪音低于30分貝，卻能釋放此芯P1的45TOPS綜合算力，在多個Agent使用場景中表現(xiàn)穩(wěn)定。

這臺搭載此芯P1的聯(lián)想AI主機mini，預(yù)裝了天禧Claw，開箱即用，支持多成員共享，數(shù)據(jù)隔離、記憶獨立，一個僅有巴掌大小的千元級主機，將使用Agent的門檻直接砍到了底。

Agent確實好用，但部署Agent、接模型API，配置以及使用那些前沿工具，本身就存在門檻，對大多數(shù)人來說，“開箱即用”才是接觸Agent最現(xiàn)實的路徑。如何讓Agent走進每個人、每個家庭的生活，是無數(shù)廠商思考的問題。

聯(lián)想AI主機mini依靠天禧Claw，可以實現(xiàn)7×24小時無人值守，全天候服務(wù)，并且無需部署和配置，真正實現(xiàn)了Agent開箱即用，門檻接近于零，同時設(shè)備支持手機、平板等多端互聯(lián)以及多成員獨立使用，隨時隨地都能調(diào)用Agent完成任務(wù)。

在炒股、自媒體創(chuàng)作、家庭共享這些需要Agent需要持續(xù)運行、多步推理、同時處理海量信息的場景中，這臺搭載此芯P1的主機表現(xiàn)很穩(wěn)。

金融場景中，數(shù)據(jù)源又雜又多，實時行情流和靜態(tài)財報混在一起，還不能丟失信息，這讓Agent的工作負載壓力變得非常大。

比如一個散戶通過配置，讓Agent同時盯著股市、財經(jīng)媒體、大公司官網(wǎng)和社交平臺，說一句“盯著新能源板塊，有變動立刻彈窗發(fā)給我”，Agent就得同時消化好幾種不同格式的信息，做深度推理。

如果上下文窗口不夠長，Agent在處理半路上很可能自動丟掉前面的關(guān)鍵數(shù)據(jù)，給出建立在殘缺信息上的判斷，這在金融場景中，是相當(dāng)致命的。

搭載此芯P1的聯(lián)想AI主機mini，最高支持200K超長上下文，對需要Agent持續(xù)盯盤的用戶來說，上下文長度直接等于安全底線，這種超長的上下文窗口，讓聯(lián)想AI主機mini在金融場景中非常能打。

能滿足金融場景的使用需求，對其他需要長上下文推理的日常場景自然如魚得水。

很多自媒體創(chuàng)作者已然成為Agent的重度用戶，搜熱點、列大綱、寫文案、配圖排版等等，每一步背后都有Agent的身影。

聊天機器人一次對話通常僅有一到兩輪推理，而Agent完成一個創(chuàng)作任務(wù)可能是十幾輪甚至幾十輪連續(xù)推理，全程走云端大模型API的話，一天Token費輕松超過一頓外賣，一個月的賬單可能會非常驚人，放在端側(cè)推理支出就更加可控。

聯(lián)想AI主機mini就是這個思路，盡可能把工作搬到本地，從而大幅度降低Token的消耗。

搭載此芯P1的聯(lián)想AI主機mini支持運行本地輕量模型，可穩(wěn)定承載13B–35B生產(chǎn)級Agent部署，外加拓展卡可支持7B-122B模型運行，遠超主流7B離線部署邊界，簡單任務(wù)可以在本地實現(xiàn)閉環(huán)。

同時，此芯P1針對Agent場景做了定向優(yōu)化，首發(fā)搭載Ubuntu 26.04和Linux 7.0 kernel，P1的異構(gòu)算力驅(qū)動、NPU調(diào)度、內(nèi)存管理都在這些系統(tǒng)上做了深度適配。

其12核Armv9.2 CPU設(shè)計可以實現(xiàn)Agent執(zhí)行任務(wù)時的精細化調(diào)度，在多任務(wù)并行時具有優(yōu)秀的能效表現(xiàn)，NPU設(shè)計也能提高模型的計算效率。

在實際測試中，搭載此芯P1的聯(lián)想AI主機mini將執(zhí)行復(fù)雜任務(wù)的Token消耗量降低了60%，速度提升50%-70%。

低成本推理是Agent普及的經(jīng)濟前提，當(dāng)推理成本降下來，Agent才可能從偶爾用一下變成日常跑在后臺。

AI硬件翻車最多的地方不是跑分低，是買回家只有一個人會用，空有強大算力，卻不能共享。傳統(tǒng)mini主機的開箱流程是：翻鍵鼠、找網(wǎng)線、插顯示器、進BIOS調(diào)試，這種操作過程本身就是一堵墻。

而聯(lián)想AI主機mini繞開了這堵墻：手機藍牙靠近自動配網(wǎng)，微信小程序掃碼綁定，不用接鍵鼠，不用插網(wǎng)線，并且可以實現(xiàn)多設(shè)備連接與多人共享。

老人查菜譜、小孩問作業(yè)，一臺主機放在電視柜上，全家人各用各的Agent，對著手機說話就行。

這個體驗?zāi)芰⒆。?strong>靠芯片在底層撐起三條線：多用戶、多任務(wù)并行處理靠12核CPU的設(shè)計；一個人折騰崩了系統(tǒng)，獨立Recovery分區(qū)配合一鍵恢復(fù)，全家不受影響；64GB LPDDR5內(nèi)存低功耗運行，帶寬高達100GB/s，能夠?qū)崿F(xiàn)24小時待機，兼顧功耗與性能平衡。

面向家庭和中小團隊的AI主機，安全信任是另一個硬需求。此芯P1在芯片層充分利用了Arm v9.2的安全特性，包括PACBTI指針認證、MTE內(nèi)存標(biāo)簽擴展和Secure EL2硬件虛擬化，多人共用一臺機器跑各自的Agent，數(shù)據(jù)不串區(qū)，保證安全性。

P1還過了Arm SystemReady L6認證，這是數(shù)據(jù)中心級的硬件合規(guī)標(biāo)準(zhǔn)，主流Linux發(fā)行版可以開箱直裝。而OTA在線升級，可以讓芯片算力釋放能力隨系統(tǒng)迭代持續(xù)提升，買回家的硬件能夠越用越好用。

AI主機這個概念喊了兩年，但真正能讓Agent從聊天框里走出來的硬件，不是塞個大模型進機箱，也不是給PC換個殼貼個AI標(biāo)簽。

芯片得在底層回答這些問題：Agent推理能不能一次處理足夠長的上下文，端側(cè)推理能否執(zhí)行更多更復(fù)雜的任務(wù)，多任務(wù)并發(fā)時系統(tǒng)能不能穩(wěn)住。

此芯P1選了Agentic Compute這條路，從芯片架構(gòu)的第一行代碼開始，就為Agent推理做定向設(shè)計，通過“端云協(xié)同，端側(cè)常駐”的模式，打造為Agent而生的計算能力。

未來，評判一臺AI主機優(yōu)劣的標(biāo)準(zhǔn)，將從跑分多高，逐漸變成Agent跑得省不省、穩(wěn)不穩(wěn)，Agentic Compute時代，AI主機的規(guī)則正在重寫。