AI PC 這個概念喊了兩年，終於有人把「本地跑大模型」從演示台搬進了背包。
聯想在柏林 IFA 2026 期間的 Lenovo Innovation World 2026 上發布了一系列 AI 終端，手錶、手機、平板、筆記本電腦、顯示器等等。
其中最重要的產品，毫無疑問是聯想聯合英偉達推出的 Lenovo Yoga Pro 9n，這是一台可以本地運行千億參數大模型的量產筆記本。
這款筆記本重 1.65 千克，最薄 16.7 毫米，最高配備 128GB 統一記憶體。而按照英偉達對 RTX Spark 的規格說明，這套配置已經可以在本地運行 1200 億參數、最高支持 100 萬 token 上下文的大語言模型。
以往我們討論 AI PC 時，要不就是放在桌面上的專業主機，像是 DGX Spark 和 Mac Studio 等產品，要不就是能讓我們為了一隻龍蝦搶瘋的 Mac Mini。
一台筆記本要成為合格的 AI PC，似乎要不就是在硬體上堆到儘可能的極致，要有大記憶體，要有頂級顯示卡，然後儘可能保持電腦的尺寸和散熱。
或者在軟體上，曾經是能無痛安裝 OpenClaw 也可以，以及能最大限度的支持各種 AI Agent 的使用，就像 AI 手機一樣，AI 能操作的 APP 越多，這個設備就越 AI，電腦同樣如此。
但是當 AI PC 也開始走完一個完整的周期：概念走紅、參數比拼、用戶追問價值。我們也開始想知道，這些算力，到底能在我的電腦上做成什麼？
應付實時翻譯、會議降噪這類功能級任務或許綽綽有餘，但完整的大模型推理，稍微複雜一點的 AI 工作流，仍然要回到雲端處理。
本地大模型，更多時候站在演示台上，而不是我們的桌面上。
聯想這次推出的 Yoga Pro 9n 換了一條路線，它選擇深度接入了英偉達的端側 AI 架構體系，搭載 NVIDIA RTX Spark 超級晶片，通過 NVLink-C2C 互聯，將 20 核 NVIDIA Grace CPU 與 6144 個 CUDA 核心的 Blackwell RTX GPU 合為一體，提供 1 PFLOPS（FP4 精度）的 AI 性能。
一台 Windows 筆記本電腦，也有了成為 Agent 主機的潛力。
統一記憶體成了 AI PC 的新趨勢
傳統 PC 中，CPU 記憶體與 GPU 顯示記憶體相互獨立，大模型參數在兩者之間反覆搬運，顯示記憶體的容量往往直接決定能跑多大的模型。
過去做高性能電腦，獨顯幾乎是標配，但獨顯峰值算力再強，消費級產品的顯示記憶體通常也就十幾二十 GB，模型稍微大一點，就裝不下了。
英偉達 RTX Spark 的統一記憶體架構則是讓 CPU、GPU 共享同一個物理記憶體池，最高 128GB 對兩者同時可用，模型權重、輸入數據和中間結果只需保存一份；千億參數級的大模型也得以在一台筆記本上本地運行。
英偉達給出的參考值，是 1200 億參數、100 萬 token 上下文的大語言模型。
開發者可以沿用熟悉的 CUDA 技術棧，數據不必上傳雲端，項目文檔、代碼與素材都留在本地。平台還能在後台協調多個 AI 智能體，跨應用自動完成複雜的創作任務。
值得一提的是，聯想 X Power 散熱架構把 80W TDP 壓進了最薄 16.7 毫米的機身，配 15.3 英寸 2.5K 165Hz PureSight Pro OLED 屏；基於 RTX 平台，Yoga 家族也獲得了進階的遊戲能力。
開發 AI 應用、剪高解析度影片、渲染 3D 場景，都可以在這一台機器上完成。
同平台的 Lenovo Yoga 9n 2-in-1，則把這份算力裝進了一台 360 度翻轉創作本：最高 64GB 統一記憶體，支持「螢幕 + 觸控板」雙表面手寫。
聯想不是唯一押注統一記憶體的玩家。就在前不久，蘋果剛剛更新的 Mac mini 和 Mac Studio，幾乎也是把本地 AI 計算的性能上限再抬高一截。
Mac mini 提供 M6 和 M5 Pro 兩種晶片，統一記憶體最高 64GB，並且支持通過 Thunderbolt 把多台機器組成集群。
Mac Studio 則提供 M5 Max 與 M5 Ultra，其中 M5 Ultra 版本最高支持 512GB 統一記憶體、每秒 1.2TB 頻寬，按蘋果的說法，足以承載數百億乃至數千億參數的模型。
今年 6 月 WWDC26 的一場特別活動上，蘋果還現場演示過這種集群的玩法：4 台 Mac Studio 通過 Thunderbolt 5 互聯，用 LM Studio 基於 MLX Distributed 跑起了萬億參數規模的開放權重模型 Kimi K2.6。官方數據顯示，4 機集群的推理性能最高可以達到單機的 3 倍。
蘋果筆記本這邊，128GB 統一記憶體的 MacBook Pro（M5 Max）也可以在本地運行 120B 參數的開源模型 gpt-oss-120b，有實測顯示最高約 79 token/s，但前提是 4-bit 量化，且長上下文會明顯擠占記憶體。
把兩家 PC 更新的方向放在一起，很明顯能看到端側 AI 的瓶頸已經從單純的算力，轉到了「模型裝不裝得下、數據搬不搬得動」的比拼。蘋果用統一記憶體加 Thunderbolt 集群鋪開了從筆記本到桌面的整條線。
聯想和英偉達這次的意義，則是把同樣的能力第一次帶進 Windows + CUDA 生態，並用 FP4 精度和統一記憶體，把本地上下文的上限推高到了 100 萬 token 這個數量級。
Windows，也開始爭奪 Agent 主機
但在這場比拼里，還有一個容易被忽略的變化：Windows 入場了。當我們把這件事放到更大的生態競爭里看，Lenovo Yoga Pro 9n 的意義就不只是停留在「又一台很強的 AI PC」。
過去一段時間裡，真正能穩定承載本地大模型、長上下文和多智能體工作流的設備，討論度往往集中在 Mac 和 Linux 作業系統。
Mac 靠統一記憶體和 MLX，一隻「龍蝦」就能讓 Mac mini 賣斷貨；Linux 則是英偉達、工作站和開發者工具鏈的大本營。
像 DGX Spark 這樣的個人 AI 超算，本身就是建立在 Linux 軟體棧之上，大量 CUDA 開發和模型部署工具也首先圍繞 Linux 成熟起來。
而 Windows 雖然一直是最廣泛的個人電腦平台，卻很少被視為本地大模型和 Agent 的主場。
現在，隨著聯想把 RTX Spark 這套能力裝進量產筆記本，再把可擴展的小型超算節點帶進商用場景，Windows 也開始擁有了承載千億參數模型和本地 Agent 的現實基礎。
對於已經圍繞 CUDA 開發 AI 應用的人來說，RTX Spark 背後有著 CUDA 多年積累的開發工具、軟體庫和開發者群體；既有的知識和開發經驗可以繼續沿用，這也讓 Windows 在爭奪個人 Agent 主機時，多了一份軟體上的吸引力。
當 Mac 正在變成開發者和創作者的本地 AI 工作站時，Windows 也顯然不想錯過這塊市場。
筆記本之外，一切都在為 Agent 服務
把算力和記憶體做大做勻之後，下一個問題是：這些能力為誰準備？聯想的答案是 AI Agent。
當 AI 從「有問必答的助手」變成「能自己規劃、持續幹活的協作者」，它對設備的要求也變了：任務一跑就是幾小時，上下文要長期留存，數據和權限都得留在本地。
聯想的商用新品 ThinkCentre X Ultra 就是衝著這個需求來的。1.6 升的機身里，塞進了 AMD 銳龍 AI Max+ PRO 495 系列處理器和最高 128GB 統一記憶體。
和 DGX Spark 僅支持 Linux 系統不同，這款超算盒子，聯想提供了面向 Windows 和 Linux 的預配置 AI 工具與工作流
更有意思的是它的擴展方式，最多四台設備可以集群互聯成一個統一計算平台，運行更大的模型、更長的上下文和多智能體工作流。
一個部門可以先從一台用起，業務增長、模型變大時再逐台疊加。從「一人一台電腦」到「AI 一台我一台」，辦公桌正在變成最小的 AI 算力節點。
除了「千億參數進筆記本」和這台對標英偉達 DGX Spark 個人超算之外，聯想這次的陣容鋪得很滿，我們簡單盤點了一下包括下面這些資訊：
- 兩款概念機：Project Aeroblade 用與 Frore Systems 合作的 AirJet 固態主動散熱取代風扇，在不足 10 毫米、不到 1000 克的機身里做到無風扇全性能；Project Swan 把捲軸屏帶進商用本，合上是 14 英寸，展開是 17 英寸。
- 平板：Lenovo Yoga Tab Plus Gen 2 / Yoga Tab Gen 2，主打筆優先交互，4K 144Hz 屏配 8192 級壓感手寫筆；Lenovo Smart Canvas Concept 演示了創作在一體機與平板之間跨設備接力。
- 主流與家用：與潘通合作的七色 IdeaPad Vibe 系列；無中置主機設計的 IdeaCentre AIO i 一體機。
- 商用：ThinkBook 14 Gen 9（驍龍 X2 Plus，80 TOPS，至高 26 小時影片續航）、12.9 毫米 990 克的 ThinkBook 14x Gen 2、ThinkCentre M75 系列，以及四款 ThinkVision 顯示器，其中包括全球首款獲微軟認證的雷電 VoIP 顯示器 P34WD-4v。
- 摩托羅拉：首款內置 Motorola Qira 的智能手錶 moto watch ultra；搭載摩托羅拉史上最高 2 億像素主攝的 edge 70 plus；鑲了 35 顆施華洛世奇水晶的 razr 特別版。
- 個人 AI：Lenovo & Motorola Qira 支持門檻只需要 16GB 記憶體 PC，隨 Android 17 覆蓋更多手機平板，並借 Workato 打通郵件與日曆；個人智能體升級到 4.3，支持全雙工自然語音對話。
從買電腦，到買算力
過去兩年，Windows 和 Mac 走出了兩條截然不同的 AI PC 路線。
Windows 最早最積極地喊著 AI PC，早早就把 AI 變成作業系統的一部分：NPU、Copilot+ PC、實時翻譯、Recall，以及越來越多的系統級 AI API。
但真正說到本地跑大模型、搭 AI 工作流，Mac 則憑藉統一記憶體和 MLX，意外成為了開發者最喜歡的本地大模型工作站之一。
前者解決的是「怎麼讓 PC 多一些 AI 功能」，後者解決的是「怎麼讓大模型真正跑在 PC 上」。
而 RTX Spark 這樣的設備出現之後，Windows 和 macOS 的兩條路線開始匯合。
Windows PC 也開始擁有百 GB 級統一記憶體、千億參數模型和 CUDA，本地 AI 不再只是系統里的一個功能，而可以成為整台電腦長期運行的工作負載。
模型廠商會更有動力為端側做蒸餾和量化，開發者也可以基於 CUDA 或 MLX 生態做本地優先的應用，而隱私、延遲和訂閱成本這三座大山，或許也開始有了繞開的可能。
順著這條路往下想，手機、平板、手錶未必沒有機會跑本地大模型。其實這次聯想把 Qira 的支持門檻已經下探到 16GB 記憶體的 PC，宣布隨 Android 17 覆蓋更多摩托羅拉手機和平板，甚至讓它登上了 moto watch ultra 這塊手錶。
不過眼下在手腕的端側模型，還只是一個「調取跨設備記憶」的助手，但記憶體容量和頻寬的爬坡曲線一旦延伸到移動端，端側模型從筆記本向更小設備擴散，就只是時間問題。
下一場 AI PC 的競爭，開始擁有一條更容易理解的衡量標準：
一台電腦有多 AI，不再只看它有多少 AI 功能，還要看有多少原本必須交給雲端的工作，現在可以留在你的電腦里完成。
過去這個位置更多屬於 Mac 和 Linux，現在 Windows 設備也開始帶著統一記憶體、CUDA 和千億模型能力加入爭奪。
到那時，無論 Windows 還是 macOS，我們買的都將會是一台真正屬於自己的 Agent 主機。
