指数级进化与现实摩擦：AI PC与AI手机的2026与未来

图1：AI PC出货量将从2024年的18%市场占比，走向2028年的70%（CAGR 44%） 图片来源：Canalys

所以不难理解市场参与者都将端侧/边缘AI最重要组成部分的AI PC和AI手机视作“新增长点”，带动PC和手机的新一波换机潮，拉升这两大市场的新曲线。之所以说是全产业链的“阳谋”，在于这个“愿景”符合AI时代大潮的主流叙事，也是宏观经济不佳及世界贸易环境不确定性尚存背景下，全行业押宝的“机会”。无论“杀手级应用”有没有出现，这都是行业各级参与者都在积极推动的方向。

这篇文章，我们尝试探讨2026年的当下，AI PC与AI手机技术发展现状，及短期内的市场发展趋势。

2026、2027行业面临困局：内存涨价的连锁反应

2025年对PC和智能手机而言，都称得上是成绩斐然的好年份。如IDC最新的数据就显示，2025年Q3全球PC出货量同比增幅达到惊人的9.4%；Q4更进一步，PC出货量增长约9.6%。2025年全年PC出货量增长率约为8.1%。Q3之际，IDC给出的市场增长主因包括有：Windows 10支持生命周期结束迎来换机潮，以及GIGA教育项目等因素。

但在Q4的增长数据发布之际，部分研究机构和媒体却给出了2025可能成为近些年PC市场“最后的好年份”的结论。原因很简单：彼时市场开始出现全新变量——存储芯片涨价——一般我们认为，这波存储芯片涨价潮是从2025年下半年开始的。消费市场的DRAM内存价值偏离一度超过300%，现在仍在这波涨势的持续过程中。比如，我们去年9月评测PC处理器时选购的两根24GB DDR5-8000内存合计不到1,000元，截至2026年3月上旬，其售价已经超过了4,000元。

这已经不是半导体产业链长、市场供需关系周期性波动所能解释的。研究机构普遍认为，这波全球范围内的内存与存储产品缺货是AI数据中心、超级集群对于DRAM、NAND产品需求飙升所致。在原有产能受限，以及市场逐利（数据中心的存储产品利润率更高）的驱使下，面向消费市场——包括PC、手机的内存与存储芯片产品供货严重不足，价格自然飙升。

而且这一状况短期内无法缓解：IDC就在预测中提到，这波存储产品价格上涨并非以季度计的短周期，而是以年计的需要市场熬过阵痛的中长周期。所以在给出2025年Q4的PC出货量上涨9.6%的同时，IDC认为这波PC出货量增长，除了持续中的Windows 10支持结束推进新一波换机周期，市场参与者试图避开新一波关税政策的影响，更重要的原因是“内存缺货致供应商开启了提前囤货模式”，自然在短期内推升了终端产品的出货量。

对此，IDC认为，此次终端产品缺货与涨价潮可能将持续到2028年。内存与存储芯片是整机设备中的重要价值构成，尤其对于中低端设备而言有着较高的价值占比。在此市场环境下，大部分市场研究机构都认为，2026年PC、智能手机的ASP均价面临提升。以此为主要原因，加上关税摩擦日益升级，以及诸如在中国市场，国补已经提前消耗了一波换新潮等因素，研究机构与OEM厂商对未来1-2年的PC与手机整体市场相当悲观。

图2：2026年手机出货量预测 图片来源：IDC

IDC从去年底到今年初已经两度修正市场预测数据，今年2月底最新发布的数据提到，“2026年预计PC出货量至多将下滑11.3%（预测下滑中位数8.9%），PC的ASP增幅至多6%-8%——所以全年市场价值增长大约在1.6%左右”。出货量跌幅超10%，这在PC产业发展史上，堪称仅次于互联网泡沫破裂、新冠疫情大流行的第三大严峻考验。

智能手机市场的情况更糟（图2）。年初-5.2%的预测经过调整后，悲观估计新的一年智能手机出货量下滑至多可达12.9%（预测下滑中位数5.2%），即便手机ASP尤其旗舰手机ASP均价面临增长，以及高端市场原本对价格更不敏感，但整体市场价值依旧面临0.5%的小幅滑坡。这与Counterpoint Research的预测相似，后者预期2026年全球智能手机出货量下滑12%，成为2013年以来出货量最低的年份。

而这份悲观数据的背后，AI PC和AI手机品类更受冲击——尤其当前这些市场概念还承接了促成市场增长的使命。研究机构及厂商定义的AI PC不仅要求PC搭载专门的NPU（神经网络处理器），还要求更大的内存容量。比如，微软定义的Copilot+ PC要求至少16GB RAM；苹果也在AI PC、AI手机大潮来临之际，罕见地提升了所有最低配设备的内存容量。

各路LLM/SLM（大语言模型/小语言模型）跑在端侧，都对内存容量提出了更高的要求；过去两年的高端PC内存门槛已经调高至32GB。这在内存缺货的当下，不仅要求更高的BOM投入及可能更低的利润率，也将加剧PC与手机市场的内存与存储缺货或者放缓AI PC与AI手机的推广速度。

另外，特别值得一提的是，这一市场现状将格外不利好PC与智能手机的入门与中端市场。例如，对于一台中端智能手机而言，内存在整体BOM的价值占比大约在15%-20%左右；但对高端旗舰设备而言，这个值仅有10%-15%。于是内存缺货所致的市场影响并非是平均的，对不同市场参与者的供应链韧性、垂直整合能力都是巨大考验。

故而这两年对于主攻低端及入门PC与手机市场的参与者而言，可能会是饱受煎熬的两年：更低的利润率或出货量可能在中短期内持续。对AI PC、AI手机及市场常说的“AI普惠”而言，这都是个坏消息。

不仅是高端市场新产品迭代的内存升级将放缓，中低端市场的新品发展进程也会受到影响。从2025年开始，不少PC与智能手机芯片企业都在尝试将AI PC与AI手机的诸多特性下放到入门和中端设备中——而内存与存储芯片的缺货与涨价将令该进程进一步放缓。被寄予厚望的AI PC与AI手机市场热点也就遭遇了为期1-2年的滑铁卢。

AI PC与手机的长期价值：现状与可预见的未来

看清了中短期内的不利信号之后，判断AI PC与AI手机更长远的发展潜力，依旧要立足于技术本身。相比之下，研究机构给出的长期CAGR预测，终究缺乏现实依据。要看AI PC与AI手机现如今的发展现状，我们认为有3个具体案例可以说明当前端侧AI发展水平，即便它们或许都还没有遇到大众认知中的“杀手级应用”：（1）手机端的天玑芯片；（2）PC端的酷睿Ultra芯片；（3）独显市场的GeForce RTX显卡。

手机AP SoC最早搭载NPU（也就是AI处理器），可以追溯到2017年的麒麟970：也就是说，对主流手机AP SoC而言，NPU作为标配已经持续了至少9年。那现在的AI手机和当初搭载了AI处理器的手机又有什么不同呢？除了纸面上INT8算力水平的显著差异，从当代手机AP SoC之中的NPU及其上的软件栈进化是可见一斑的。

2024年，联发科在发布天玑9400之时，强调了所谓的“智能体AI”——除了为迎合当代Agentic AI技术大趋势所做的市场宣传，以及现在的AI手机的确可以在人机对话中进行逻辑推理（reasoning），天玑9400之中的NPU还存在一些能够代表端侧AI前沿技术的新特性，比如，对多模态用户输入输出的支持（包括文、声、图），对MoE（Mixture of Experts,混合专家模型）的支持，对于将静态图片转为动态画面的本地视频生成的支持，对于端侧LoRA fine-tune（低秩适配微调）的支持等。

这其中涉及到像是32K输入文本长度的支持引入的低位宽KV缓存、GQA（Grouped Query Attention，分组查询注意力）等技术，针对本地视频生成、LoRA fine-tune增加专门的硬件加速支持，以及为优化效率构建系统层面的开发标准和生态（例如，提供标准化的定义接口，令APP之间可实现AI能力的互通；或提供集中化的端侧模型服务，避免重复的资源投入等）——也包括AI模型供应商、ISV（独立软件开发商）与开发者合作。

不管这些技术或特性的引入是否已经产生了实际价值，至少可以说，从2017年至今的手机NPU及其上技术栈已经发生了根本性转变。联发科去年提出的AI手机畅想之一：当用户询问AI助手有无火锅店或烤肉店推荐时，其AI助手基于手机行事历中的信息，得知用户2周后要在公开场合做主题演讲，同时还观察到用户已经持续健身两个月，且身体健康指标追踪也显示再坚持几天就能达到目标，所以提醒用户要保持体态，建议改选健身餐。

从更宏观的角度来看，原本智能手机一个场景、一个应用的对应关系将会不复存在：本地AI会做逻辑推理、理解用户的深层需求，具备主动、个性化、学习进化的能力；理想情况下，AI将成为唯一交互接口。当然，联发科描绘的这一AI手机能力还未完全落地，未来的AI手机也未必就是该公司想象中的这样。但它体现了AI对端侧设备的革命与可预见而非停留在想象中的未来——因为NPU在硬件层面基本给到了实现基础。

而有关AI PC，《国际电子商情》姊妹刊《电子工程专辑》对其应用落地的介绍与体验文章甚多，这里谈一个我们去年见到的极限场景，足以代表面向大众的AI PC目前所能做到的极致。去年的Intel Connection活动上，Intel向我们展示了在LLM本地推理走向“大而稀”（模型参数量大，但更稀疏）之时，不需要独立显卡的情况下，借助集显+大内存（酷睿Ultra 9 285H + 96GB RAM）方案去跑20b-120b不同参数量的AI模型。

有个更具参考价值的工作流案例，是借助这样的配置，组合OCR（光学字符识别）+LLM+MCP（模型上下文协议）+TTS（文本转语音）+I2V（图生视频）复杂任务处理过程：用OCR搜集信息、用LLM分析并生成文字大纲、借助MCP调用专门的工具、再用TTS生成人声、加入到I2V生成的视频之中，全流程几个小时，就能完成过去一个工作室可能需要1周才能完成的工作。更极限的应用，是借助Thunderbolt（雷电接口）进行两台PC的互联，跑Q4KM量化的235b模型——已经达到了某些云上模型的智力水平。

图3：今年CES上发布的Panther Lake笔记本处理器，AI算力已经达到了180 TOPS 图片来源：国际电子商情

抛开其中的大内存（>96GB RAM）还没有在消费市场普及，以及如前所述在未来2年内都很难普及的问题不谈，这些演示就是在现有PC零售设备上完成的，而非实验室造物（图3）。即便演示的应用或许还谈不上“杀手级”，但硬件基础及技术栈支持，也已经是3年前的PC用户不能想象的了。

往更高性能走，虽然受制于VRAM（显存）容量，但GeForce RTX独立显卡是真正体现了AI PC在生产力及部分行业应用落地的——虽然这部分市场很难谈得上“大众”。今年CES期间，NVIDIA对于GeForce RTX独显的AI技术引入，除了面向游戏的DLSS 4.5，还在于Llama.cpp、Ollama性能的提升，与ComfyUI合作加入对NVFP4/NVFP8量化模型文件的原生支持，对于LTX-2及更多模型的性能优化等。

今年NVIDIA演示的AI PC完整视频生成工作流，是从输入文字提示词开始，生成3D对象——基于对3D资产的操作与调整，再藉由FLUX模型生成可受控制的真实照片，最终通过LTX-2完成图生视频，并用RTX Video将视频超分为4K分辨率。这是个完全实现了商用，某些流程已经在服务专业视觉领域的AI PC应用案例，也是以往必须借助计算集群才跑得起来的工作流。

上述3个案例，大致代表了截至2025年，AI PC与AI手机的发展水平。它更大程度上体现的是端侧AI全栈发展速度的迅猛，每年都在大变样。从电子技术的历史经验来看，任何技术的持续指数级发展，都必然在量变后引发质变。这是我们对AI PC与AI手机即便在中短期内可能遭遇挫折，但长期依旧看好的基础。

端侧AI高速发展中：在探索中前行

《电子工程专辑》于今年初对DGX Spark进行了体验评测。这款面向数据科学家、AI开发者与AI专业学生的小型设备，在NVIDIA的宣传中被称为“可手持的算力利器”，它重量仅1.2kg、售价不足3,000美元，性能却堪比10年前重达60kg、售价近13万美元的DGX-1服务器。

这番宣传固然有夸张成分，但它的确相当形象地体现了AI技术全栈从底层芯片到上层应用的指数级发展速度——完全碾压曾经仅存在于半导体领域的摩尔定律。两台DGX Spark借助400Gbps的ConnectX-7级联，就能跑FP4量化的满血版Qwen-235b模型，且输出速度稳定在25 tokens/s的水平。这可以视作当代消费电子领域，AI端侧设备的能力上限。

图4：每年使用AI的成本都在大幅下降，AI模型的智商大幅提升 图片来源：NVIDIA

今年CES主题演讲中，NVIDIA CEO黄仁勋提到：“AI模型规模仍然在以每年10倍的速度增长，但与此同时每年单位token的生成成本却也降低了10倍。”图4最右边的折线，表现的就是token生成成本过去几年的显著下降。这与去年《国际电子商情》有关AI芯片的封面故事文章所述一致。

Token成本的大幅下降则至少带来了两个直接的结果（或互为因果、构成关联）：（1）AI普惠，或更多AI能力从云下放到了边缘和端侧；（2）AI智商的大幅提升——相同智商的AI模型推理成本越来越低，则相同成本投入达成的AI能力也越来越高。

可能大量普通消费用户现在对AI PC和AI手机的体验感知仍然没有那么显著，但如前所述，AI技术已经在端侧的某些垂直市场发挥越来越重要的作用；即便不谈行业应用，像DLSS超分、帧生成这类AI特性就已经在游戏与图形技术领域成为必选项。

端侧AI技术的指数级提升速度背后，是一众市场参与者持续不断的极限探索，从芯片到系统，从底层软件到上层应用。在此情形下的杀手级应用及体验质变是种必然，并让AI PC与AI手机这场原本的行业“阳谋”，走向可转化为用户价值的持续增长点；即便现阶段市场正面临内存涨价这一意外因素的影响而因此在1-2年内可能遭遇停滞。