​微软的Copilot + PC 是革命性产品吗？

微软的Copilot + PC 是革命性产品吗？

文 | 坚白鸣

2023 年 3 月，微软推出第一款生成式 AI 意义上的 Copilot（副驾驶）——面向 CRM（客户关系管理）、ERP（企业资源规划）的 Dynamics 365 Copilot。此后，一系列基于原有产品的 " 副驾驶 " 接连发布，令人眼花缭乱：Microsoft 365 Copilot、Windows Copilot、Microsoft Security Copilot、Power Platform Copilot ……从命名规则看，主次分明，Copilot 是辅助存在。

现在，这场声势浩大的改造运动烧到了 PC（个人电脑）本地端。今年 5 月下旬，在一年一度的 Bulid 开发者大会前一天，微软定义了 PC 新形态—— Copilot + PC。惯常作为后缀存在的 Copilot 被提格至前端，是微软对于副驾驶作用前所未有的强调，透露着以人工智能接管 PC 的雄心。

难言惊艳：技术和硬件的简单演化

首批发布的两款 Copilot + PC —— Surface Pro 11、Surface Laptop 7，将大模型落地 PC 本地端，能够实现实时 " 读屏 "、" 召回一切 "，以及相对常规的文生图、翻译等 AI 功能。

部分功能让人眼前一亮，但从产品概念及功能形态的角度，其实难言惊艳，更多的是基于现有技术及硬件的简单演化。

根据现场演示，新款 PC 中的 Copilot 能够 " 看懂 " 屏幕上正在显示的游戏画面，并可基于自身理解实时提供操作建议，这相当于在电脑中内置了一个永远不厌其烦的游戏专家，而且所能提供的建议是开放式的，远远超出了只有固定剧本的 NPC（非玩家控制角色）概念。这样的功能确实令人耳目一新，但这是 Copilot 抢先接入云端 OpenAI GPT-4o 的结果，本质上其实只是 GPT-4o 的最新用例。

相比之下，可以召回一切的 "Recall" 是 Copilot 本地原生功能。它的原理是在电脑运行期间，每隔几秒钟捕捉一次屏幕快照，并持续堆积至电脑硬盘，以备你在以后某个时间根据模糊的记忆找到它们。由于有 PC 本地端大模型的加持，召回的过程超越了常规精准检索，从而更加便捷高效。不过，在产品概念层面，Recall 与 Windows 过去放弃的 " 时间线 " 并没有本质不同，只是实现方式上加入了 AI 技术。而 Mac 平台上的部分第三方应用如 Rewind，同样也能实现相似功能。

为了将 AI 能力本地化，微软为 Copilot + PC 配备了强大的 AI 芯片——高通骁龙 X Elite 和骁龙 X Plus，它们集成了 CPU、GPU、NPU 三大处理器模块，总算力达到 75 TOPS，其中专门用于 AI 计算的 NPU 算力即达到 45 TOPS，甚至高于竞品芯片的总体算力，比如英特尔去年 12 月发布的 Meteor Lake，提供 34 TOPS 的 AI 整体算力。

但这并不是 PC 设备首次搭载 AI 芯片，也不是微软首次为旗下 PC 产品配备 AI 芯片。去年 12 月，与英特尔发布 Meteor Lake 同步，联想已推出两款搭载该芯片的 PC 产品，而今年 3 月，微软同样跟进发布配置该芯片的新款 PC —— Surface Pro 10 商用版和 Surface Laptop 6 商用版。不过，按照微软的定义，两个月前的这两个版本不属于 Copilot+PC，因为它们的 AI 芯片的算力没有达到 40 TOPS。

但按照业界的基本共识，硬件性能的差异并不构成 AI PC 的真正区隔，判断一款 PC 是否是 AI PC 的终极标准，是能否提供基于本地端的大模型的 AI 服务。

市场研究机构 IDC 在《AI PC 产业 ( 中国 ) 白皮书》提出，AI PC 的发展是一个不断演进的过程，应分为 AI Ready 和 AI On 两个阶段。其中，AI Ready 阶段是硬件准备阶段，主要对应 PC 端芯片计算架构的升级以及由此带来的 AI 算力的提升，主要体现为集成了 NPU 计算单元的 CPU 陆续推向市场，以更高的能效比实现计算速度的提升，并在运行过程中具备更高的稳定性和可靠性，为大模型落地本地端打下基础。AI On 阶段是大模型开始在 PC 本地端运行，并与云端大模型高效协同，在核心场景提供划时代的 AI 创新体验，甚至能够基于个人数据和使用历史，在边缘私域环境下实现个人大模型的微调训练，最终实现个性化的 AI 服务。

Copilot + PC 将大模型落地至 PC 本地端，突破了以往 PC 仅能通过云端大模型获取 AI 服务的局限。这对于微软旗下 PC 产品而言，无疑是划时代的。但这同样不是大模型首次落地 PC 本地端。今年 4 月，联想发布 6 款 AI PC，其中内置了基于阿里巴巴 70 亿参数大模型开发而来的个人助理 " 联想小天 "。这些产品在微软发布 Copilot + PC 前一天已正式开售。

但与联想作为全球第一大 PC 厂商内置单一大模型不同，微软作为全球第一大 PC 操作系统厂商，选择的则是多模型方案，Copilot + PC 内置的大模型数量多达 40 个。这或许才是微软此次重新定义 AI PC 的最大看点。整机厂商与系统厂商被认为是推动 AI PC 演化的关键力量，两者在落地大模型范式上的分野，或将产生深远的影响。

背离梦想：40+ 小模型的拼盘

在保护个人隐私之外，加速大模型从云端落地终端的另一大驱动力是成本。云端大模型普遍千亿级的参数，意味着高昂的推理成本。将推理环节下放至终端，则相当于让终端用户平摊成本，其中包括服务器成本和电力成本。

但落地终端同样要考虑成本，其中真正的难点，在于如何在用户可接受的硬件价格之内，实现具备吸引力的 AI 体验。这就要求在保证大模型 AI 能力的前提下，尽可能缩减模型的参数规模。目前市面上有两大实现路径，其一是通过萃取将大参数模型压缩，比如联想的方法是，先对大模型中的关联子结构进行识别，并评估其重要性，然后按照重要程度进行裁剪和量化。高通此前将文生图大模型 Stable Diffusion 装进手机端，也用了相似的方法，高通 CEO 安蒙（Cristiano Amon）认为，如果模型训练良好，准确率就不会随参数减小而同等幅度下降。

另一种方案是从头训练小模型。为了在小参数体量的情况下提升模型的能力，不同的科技公司采用了不同的策略，比如 Meta 选择 " 加量 "，持续打破大模型训练的 Scaling Laws，给模型投喂了更多的数据，在训练 80 亿参数的 Llama 3 时，Meta 把训练数据提升至 15 万亿 Token（15 万亿个词），作为对比，Google 70 亿参数的 Gemma 模型用了 6 万亿 Token。

而微软则更注重 " 提质 "。去年 6 月，微软首次发布了轻量级语言模型 Phi-1，并提出了 " 教科书是你所需要的一切 "（Textbooks Are All You Need）的数据筛选原则，据媒体报道，它甚至使用 GPT-4 生成的高质量数据来训练自己的小模型。今年 4 月，微软将这款语言模型更新到 Phi-3，按照参数规模分为三个版本，分别是 38 亿的 Phi-3-mini、70 亿的 Phi-3-smal、140 亿的 Phi-3-medium。5 月份，微软在 Build 大会上又发布了参数量为 42 亿的 Phi-3-vision，该版本是基于语言模型 Phi-3-mini 开发的多模态模型，增加了执行图像任务的能力。

但微软并未将这四个版本直接用于 Copilot + PC，而是另外开发了一个轻量级模型 Phi-Silica，用于新版 PC 的智能搜索、实时翻译、图像生成和处理等任务。而 Phi-Silica 只是 Copilot + PC 中附带的多达 40 个端侧 AI 模型中的一个。

这表明，尽管微软早在去年 6 月即开始押注更适合终端部署的轻量级模型，而且实现了快速迭代，但截至目前并没有开发出可以独立承担 PC 端 AI 功能的小模型，而为了实现微软所认为的 AI 功能，需要引入多达 40 个模型。

当然，这并不意味着现存轻量级模型真的没有一款可以独挑大梁，微软选择采用拼盘的模式，或许是希望将关键技术攥在自己手中，毕竟这些模型需要深植于 Windows 内部，未来将成为其核心。但作为目前市占率高达 70% 的全球桌面操作系统厂商，微软的拼盘战术，无疑将产生巨大影响。

微软重新定义的 AI PC 获得了主流 PC 制造厂商的支持，在微软的发布会上，联想、宏碁、华硕、戴尔、惠普等纷纷响应，宣布推出对应的 Copilot + PC 产品。首批产品包含 20 多款型号，将于 6 月上旬陆续出货。与此同时，微软在 Build 大会上还推出了 "Windows Copilot Runtime" 工具套件，支持开发者利用 Windows 内建的 40 多个 AI 模型，催生出全新的应用程序体验。未来随着 Copilot + PC 逐步放量，一个基于拼盘模式的 AI 生态也将逐步建立。

然而，这种基于 " 拼盘 " 的生态，或许正在背离微软的梦想。在刚刚过去的微软 Build 2024 开发者大会上，微软 CEO 萨蒂亚・纳德拉（Satya Nadella）说，三十多年来，微软对于计算机一直有两个梦想，首先是让计算机理解我们，而不是我们去理解计算机。在发布最新款 Copilot + PC 时，他又强调，微软做的不仅是可以理解我们的电脑，更是可以预测我们想要什么的电脑。

充分理解进而精准预测的前提，毫无疑问是获取全面的用户行为信息，然后再根据这些个性化的数据对个人大模型不断地进行微调训练。某种意义而言，这需要大模型具备上帝视角，它可以俯瞰用户的一切。但如果是调用多达 40 个模型来提供服务，那么必然意味着用户的数据信息将散布在 40 个模型之中，随之而来的则是，每个模型对于用户的理解和预测都将是片面的。

从这个角度来看，微软目前选择的策略，或许只是大模型落地 PC 端的权宜之计，是在端侧大模型独立性能欠佳的现状下，不得不采用的过渡策略。而随着大模型落地端侧的潮流持续推进，它最终会被取代。但也有可能，它将成为一种范式，从而奠定了 AI PC 模型端的基本架构。一切还要静等潮流继续演化。