就连为了照顾老旧硬件兼容性而常常慢半拍的微软，也决定在未来的 Windows 11/12 中加入更多的 AI 功能。在 2023 年 Ignite 2023 开发者大会上，微软 CEO 纳德拉甚至表示微软成为了一家「Copilot 公司」。
微软已将 AI PC 中的内存基线 GB。从长远来看，TrendForce 预计人工智能 PC 将促进对 PC 内存的年度需求增加，消费者升级趋势进一步推动了这一需求。
换句话说，如果你电脑内存小于 16GB，微软的 Copilot AI 很可能与你无缘。
对于你我这种数码爱好者，16GB 的内存基线 月的 Steam 硬件调查中，内存小于 16GB 的玩家占比只有不到 22%。但就像刚刚说的那样，这个数字只能代表 Steam 玩家。考虑到实际状况，这个 22% 并不具有普适性。再说了，微软的 Copilot AI 面向的更多的是工作场景，直接用 PC 玩家的高配游戏电脑来参考并不科学。
根据 Digital Trened 的数据，2020 年普通消费者的笔记本电脑通常只配备 8GB 内存。比如在 2020 年某市某数据中心的竞价公告中，所采购的电脑内存就只有 8GB，未达到「基准线」。
小雷并不认为微软会在内存上为未来的 Windows 11 用户设计障碍，很有可能会在最后关头放开内存限制，或允许用户全量升级，但不保证关键应用的运行结果。
高通甚至在 2023 骁龙峰会展示了极为高效的手机 AI 大语言模型，难道 8GB 电脑就真的跑不动 AI 吗？或者说有没有什么办法可以让 AI 大语言模型应用运行在 8GB 手机上呢？
本地运行、远端运行和混合运行。本地运行很好理解，即整个模型就跑在当前正在交互的系统中，可以离线运行的 AI 大语言模型应用和专业玩家在自己电脑上部署的离线模型都属于这一类。
比如本地运行可以断网运行，将用户数据保留在设备本地，降低数据泄露的风险；本地模型在响应速度上也不依赖于网速，可以显著提升用户体验。远端运行虽然要将数据发往远端服务器并等待输出结果返回，但因为远端服务器一般都是 HPC 集群，拥有的算力和用户本地资源根本不是同一个数量级，所以在生成式模型应用中拥有更快的生成速度和更好的运算精度。
而混合运行模式则取两家之长，根据应用的具体需求，可以灵活地在本地和云端之间分配计算任务。例如，一些对响应速度要求高或需要即时处理的任务可以在本地执行，而那些对计算能力要求更高的分析和学习任务则可以在云端进行。这种灵活性使得 AI 系统能够更好地适应不同的使用场景，提供更加定制化的服务。
混合模型在数据隐私和安全方面具有显著优势。随着数据泄露事件的频繁发生，消费者对于个人信息安全越来越关注。在混合模型中，敏感数据可以在本地处理，不必传输到云端，这大大降低了数据泄露的风险。对于一般消费者而言，这意味着他们可以更加放心地使用基于 AI 的应用，如智能家居设备和个人健康数据分析工具，无须过分担心个人隐私被侵犯。
对于需要实时反应的应用，如语音助手和在线游戏，本地计算能够提供更快的处理速度，避免了因数据传输至云端而产生的延迟。而对于那些需要复杂计算和大量数据分析的任务，比如图像识别和大型语言模型，可以利用云端的强大计算能力来处理，从而提供高效率的 AI 服务。对消费者来说，这种结合了本地快速响应和云端高效计算的模式能够在不同场景下提供更加流畅和高效的体验。
它允许消费者根据自己的需求和偏好来选择数据处理的方式。例如在家里，消费者可能更倾向于使用本地计算来处理个人数据，以确保隐私；而在外出时则可能更依赖云端服务来获取信息和娱乐内容。这种灵活性使得混合模型能够适应不同消费者的多样化需求。
由于云端计算可以提供最新的 AI 模型和算法，消费者不必频繁更换本地设备就能享受到最新的 AI 技术。同时，对于一些本地计算任务，旧设备依然可以有效运行，这减少了设备更新的压力，延长了设备的使用寿命，对于注重成本效益的消费者而言，这是一个重要的优势。
16GB 的基准线未来也可能成为办公电脑的标配，毕竟这事关 AI 和「生产力」。相信在 AI PC 的浪潮面前，16GB 内存很可能会成为 2024 年笔记本市场的「起步配置」。