微软的Copilot + PC 是革命性产品吗？

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。