今年4月，英特尔联合行业力量，首次提出了智能体PC的概念，何为智能体PC？简单来说就是基于针对性的硬件算力平台，结合强大的本地智能体，可同时利用本地端侧、云侧的AI推理能力，不仅能自主完成复杂任务的闭环处理，更具备记忆、自主学习、迭代进化的多重能力。
概念很完整，但概念到落地之间，还需要解决生态应用，以及如何让大家用得上的问题，如今接近三个月过去了，智能体PC的发展落地如何？
7月7日，英特尔以“加速智能体PC的普及”为题，围绕混合AI部署、本地AI关键能力、模型路由机制、内存成本优化及Skills生态建设，系统展示了推动智能体PC落地的最新合作进展与落地成果。同时还拉上Flowy、QClaw、remio、TRAE、DuMate、YOYO Claw、Marvis等一众合作伙伴，现场展示了20余项落地应用。
智能体PC微笑曲线：不走极端 找平衡
英特尔认为，每台智能体PC都是AI时代的新入口，不再只是运行大模型的容器，而是包含“思考、调度、执行、交互、记忆”五大模块的全新软件架构，即能自主完成复杂任务闭环并自我迭代，从被动响应的工具跃升为主动协助的数字分身。
但在这个过程中无法绕开的就是费用问题，本地运行的问题在于硬件成本，想要跑200B以上的模型至少需要数万元级别的硬件投入，特别是在存储价格暴涨的当下，成本更是节节攀升。
那纯云端路线？虽然初期硬件成本降了下来，但API费用会随任务复杂度指数级上升，Token烧的人直心疼，且云端QoS无法保证，隐私与数据安全同样存在隐患。两端都有破绽，而“成本和能力的最佳平衡点”就在中间，即端云协同的混合AI部署。
这就是英特尔所提出的“微笑曲线”，本地处理敏感、高频任务，云端负责复杂推理，中间由智能模型路由调度。这样既避开了纯本地的硬件墙，又压住了云端Token开销和隐私风险。
微笑曲线三大重要路径
微笑曲线在逻辑上完全没有问题，关键是如何实现，为此英特尔给出了三条实际路径：
第一，七大本地AI关键能力。LLM（想）负责意图理解与任务分解执行，ASR（听）实现本地语音转文字，OCR（写）处理图片与PDF识别，TTS（说）支持本地声音合成与声纹提取，CV/VLM（看）实现视频与界面理解，Image Gen（绘）提供零成本图片生成，Omni（全模态）实现图像、音频、文字的全模态交互。
这七种模型的组合就构成了智能体PC的能力基座，让智能体PC不仅具备“大脑”和“五官”，还有着动手能力。比如要是没有本地ASR，语音转文字就得上云，隐私和成本都掌控不住；没有本地OCR，票据识别就得上传图片，敏感数据出端。
第二，SuperClaw模型路由方案。七大能力解决的是本地能干什么，模型路由解决的则是什么任务该谁干。用户发出提示词，LLM先进行任务拆解，每个子任务单独判断该本地还是云端。本地能搞定的就地解决，搞不定的先做信息脱敏再上云。云端返回结果后，还有结果检查机制，必要时云端重做。整个过程还会基于失败案例持续优化，形成个性化路由。
现场展示的一个PDF文档分析任务中，本地优先的策略让云端Token消耗最高降低70%，这对用户来说就是真金白银。
第三，内存成本优化。大模型本地运行，内存是最大瓶颈，以Qwen3.6 35B-A3B为例，其有256个专家，全量加载到内存需要超20GB，但每次激活比例只有1/32，大量专家在固定场景下极少调用，资源浪费严重。
英特尔的解法是MoE专家卸载技术：把30-40%的“热”专家层留在内存中，剩下的“冷”专家层卸载到AI SSD，按需加载、智能预取，内存占用从20GB+降到12GB以下。这意味着32GB内存的系统就能跑35B MoE模型，不用疯狂堆内存。目前英特尔已经联合江波龙、群联电子等AI SSD厂商共同推进这套方案。
现场展示的江波龙AI SSD方案显示，搭载HLCache高级缓存技术和ISA存储智能体推理框架，最高节省30%内存占用，64GB 内存机型可流畅承载122B大模型本地推理。
两档硬件：全能、平衡之选
硬件层面，英特尔给了两个选项，定位“全能之选”的第三代英特尔酷睿Ultra X7 358H处理器，基于Intel 18A制程（1.8nm）打造，16核16线程设计，最高加速频率4.8GHz，18MB L3缓存。GPU方面搭载了锐炫B390，12个Xe3核心，动态频率最高2500MHz。NPU为第五代NPU5，50 TOPS INT8算力，CPU+GPU+NPU合计平台AI算力180 TOPS。
定位“平衡之选”的第三代英特尔酷睿Ultra 5 325处理器同样基于Intel 18A制程，但核心规模有所缩减，当然价格也更低，采用8核8线程，最高加速频率4.5GHz，12MB L3缓存。GPU为4个Xe3核心的Intel Graphics，最高2450MHz。NPU同样是NPU5的50 TOPS，平台AI算力约100 TOPS。
两颗芯片的差异主要在CPU核心数和GPU规模上，但NPU算力完全相同，都是50 TOPS。这意味着在NPU主导的本地AI任务（如ASR语音转写、OCR文字识别）上，两个平台的表现一致，差距体现在需要GPU大规模算力的场景（如本地跑大模型、多模态推理）。
现场展示的对比数据显示，358H平台跑LLM的TPS达到43，1k输入0.73秒；325平台能达到358H平台70%以上的速度。但ASR方面，两个平台速度相同，约61秒处理1小时音频（NPU加速），OCR同样两档一致。
说白了，325不是“缩水版”，而是针对主流场景的合理选择，毕竟不是所有人都需要本地极快跑模型，但所有人都应该能享受到智能体PC的体验，两档产品的存在，意味着智能体PC不是高端专属，而是可以走量的主流产品。
目前的Ultra 325产品矩阵也很能证明这一点，华硕无畏14/16、戴尔14、荣耀MagicBook 14/16、惠普战66、ThinkPad T14p、ThinkBook 14+、Redmi Book Pro 16/14、华硕NUC16 Pro等20余款机型已经上市，覆盖轻薄本、迷你机、一体机等多种形态。
合作伙伴：各有各的招
随后Flowy、QClaw、remio、TRAE、DuMate、YOYO Claw、Marvis，七家合作伙伴依次从不同角度展示了与英特尔合作的智能体PC落地路径。
Flowy率先集成AI SSD解决方案，在酷睿Ultra上大幅提升了Qwen3.5解码速度，并在32K长上下文场景下显著缩短了预填充时间，突破本地大模型推理瓶颈。
QClaw将英特尔Skills专区的ASR、TTS、OCR等本地AI能力深度整合到自身平台中，敏感数据不出端的前提下，提升了9B、35B等端侧模型的任务执行效果。
remio则聚焦个人知识管理，是用本地AI能力把散乱的文档和录音统一索引、统一转写、统一聚合，借助英特尔NPU还大幅提升了语义索引速度与会议转写效率。
TRAE WORK通过英特尔AI PC的本地算力可实现“零外部Token消耗”，本地语音互转、本地文生图、中英实时翻译，这些功能全部在本地算力上完成，不调云端API，不花Token。
DuMate与英特尔一起把智能体能力带到端侧，可本地部署35B大模型及PaddleOCR-VL多模态模型。
荣耀YOYO Claw结合英特尔平台的端侧算力，通过智能调度降低Token消耗，同时集成了本地文生图、OCR等多项Skills。
Marvis通过与英特尔的芯片级深度合作，在大模型端侧推理上实现了显著提升，即将上线的本地模式是最大看点：文件零上传、断网可用，全本地推理保障隐私安全。
场景化落地 技术最终要看得见用得上
技术框架再完整，我们普通用户最关注的终究是能干什么，英特尔联合合作伙伴，现场展示了20余项智能体PC应用体验，覆盖知识工作、智慧报销、内容创作、体育娱乐、游戏电竞、智慧教育及学前启蒙等多个领域。
知识工作
知识工作者最头疼的资料整理问题，以前需要人工听录音、看文档、提取要点。而使用remio就可以批量导入文档及录音，AI自动转录并跨文档聚合结论、一键导出，本地NPU加速ASR转换，多源资料分析可溯源，隐私数据本地处理。
智慧报销、智慧教育
智慧报销方面，基于第三代英特尔酷睿Ultra平台，Marvis智能体在本地模式下自动整理发票，全本地推理，实现报销流程自动化。
Marvis还展示了视频作业生成能力，通过导入运动会照片，大语言模型自动生成解说词，提取声纹实现专属讲解，一键合成视频，家长不再为孩子的视频作业发愁。
内容创作
内容创作方面，QClaw智能体会自动抓取热点、撰写文案、本地模型生图并排版发布，打通“选题-撰稿-生图-发布”全流程，大幅释放创作者产能。
体育娱乐
正值世界杯期间，基于Flowy的爱看球AI助手，支持一键预约足球比赛，依托英特尔AI PC本地算力，稳定识别进球、判罚等高光节点，实时推送至手机，精彩直达。不用一直盯着直播，也不会错过关键画面。
游戏电竞
游戏场景方面，英特尔AI游戏助手帮助实时理解画面，实时识别Boss招式并提供策略，无需切出游戏也可看攻略，且不影响游戏帧率，提供零打扰辅助。这个场景解决的是玩家边玩边查攻略的痛点，以前要么切出游戏查攻略，要么用手机看视频，现在本地AI直接在游戏里叠加了一个助手。
学前启蒙
至于学前启蒙，基于OpenVINO与Omni多模态模型，摄像头实时识别识字卡并进行语音问答，全本地运行守护隐私。孩子拿着识字卡对着摄像头，AI就能读出字并和孩子互动，整个过程不联网。
从四月提出概念，到七月交付真实落地场景，三个月的时间，英特尔用一条微笑曲线、三条技术路径、两档硬件平台、20余项应用demo，把智能体PC从概念推到了大众桌面，所谓AI、智能体真正让人觉得能用上，可能就是从此刻开始。
