在生成式AI從雲端走向終端的過程中，PC產業正迎來一場結構性的轉折。過去十多年，個人電腦的價值主軸圍繞在效能提升與成本控制，但多半仍是雲端服務的「入口裝置」。然而，隨著AI模型開始具備在本地端執行推理的能力，PC不再只是資料的顯示與輸入工具，而逐漸成為具備自主運算與決策能力的智慧終端。這種轉變，正深刻改變晶片的需求曲線與產品定義，也讓「AI PC」成為半導體與終端市場的關鍵敘事。
所謂AI PC，並非單純在電腦上加入幾個AI應用，而是指系統架構本身即以AI運算為核心假設來設計。推理本地化的興起，背後有三個現實因素：其一，雲端算力成本持續上升，使大量、頻繁的AI推理不再經濟；其二，隱私與資料安全需求，使企業與消費者希望資料能「留在裝置端」；其三，延遲問題，特別是在即時互動與個人助理場景中，本地推理明顯優於雲端往返。
在這樣的前提下，PC晶片的價值評估標準開始鬆動。過去，單核或多核CPU效能是主要指標，如今，NPU（神經網路處理單元）的算力、能效比，以及CPU、GPU、NPU之間的協同能力，才是真正影響使用體驗的關鍵。這意味著，晶片需求不再是線性地追求「更快的CPU」，而是轉向「在有限功耗下，完成更多AI推理」。
Intel Lunar Lake的啟示
在傳統PC架構中，Intel長期主導CPU效能競賽，但AI PC的出現，迫使其重新調整產品邏輯。Lunar Lake並非一味追求極致效能，而是將重心放在能效與AI加速的平衡上，透過更緊密的SoC整合與專用NPU設計，強化本地推理能力。
這種設計方向，反映出需求曲線的質變：使用者不一定需要隨時滿載的高功耗運算，而是希望在日常使用中，AI功能能「常駐且低耗能」。對晶片廠而言，這代表產品成功與否，不再只看峰值效能，而取決於在長時間、低功耗情境下能否提供穩定AI體驗。從市場化角度來看，這也為PC更新週期創造新的動能，因為舊世代裝置即便CPU尚可使用，也難以支援新一代本地AI應用。
Apple M系列的終端AI一體化
相較於PC陣營的轉型，Apple在M系列晶片上，早已預示終端AI一體化的方向。自M1開始，CPU、GPU與神經網路引擎被整合在同一SoC之中，使AI推理成為系統的「原生能力」，而非後加功能。這種高度整合，讓Mac在能效與AI運算上取得明顯優勢，也重新定義了消費者對筆電效能的期待。
Apple的策略，實際上改寫了晶片需求的結構。對它而言，需求不再是向外部市場銷售單一晶片，而是為自家終端產品量身打造最適化的運算平台。這使得AI能力直接轉化為產品差異化，而非規格表上的數字競賽。從產業角度觀察，這種模式正在影響其他終端廠商與晶片設計公司的思考方式：未來的競爭，不只是誰的晶片最快，而是誰能最有效地把AI能力轉化為使用者黏著度。
綜合來看，AI PC與終端革命所帶來的最大變化，在於晶片需求曲線由「效能導向」轉為「情境導向」。需求不再集中在少數高峰值產品，而是擴散到大量需要中等算力、極高能效的終端裝置。這將促使晶片廠在產品組合上更加多元，也讓NPU、記憶體頻寬與系統整合能力，成為新的競爭門檻。
對市場而言，推理本地化意味著終端裝置的價值提升，也可能重啟一波硬體升級循環。AI不再只是雲端服務的附加功能，而是深度嵌入每一台PC與裝置之中。誰能率先掌握這條需求新曲線，誰就更有機會在下一個十年的終端市場中，取得主導地位。
義合控股投資者關係部。
