AI PC真值得入手?84%电脑发烧友拒绝买单:AI助手成了PDF加载的绊脚石!网友:真不仅仅是性能原因

原创 精选
人工智能
当GenAI真正走出“幻灭的低谷”,进入“生产力的高原”,同时行业主导者们都明确摒弃唯TOPS论,综合考量TOPS、内存带宽、功耗管理等全局因素时,AI PC和AI应用才会真正走入大众,以星星之火,启燎原之势。
撰稿丨诺亚

出品 | 51CTO技术栈(微信号:blog51cto)

最近,TechPowerUp进行的一项民意调查显示,绝大多数PC用户不愿为具备AI能力的硬件支付额外费用。

这份调查共收集了超过2万6千份有效回复,其中高达84%的参与者表明,他们不会为AI增强的特性多掏腰包,仅有7%的受访者表示愿意,还有9%的人保持不确定态度。

图片图片

尽管PC行业正积极拥抱AI技术,但这一结果表明,核心用户群体,即那些热衷于科技并对新功能有深刻见解的发烧友们,绝大多数对AI的实际价值仍抱有疑虑。

对于这些用户来说,当前的AI功能显然并没有达到让他们愿意为此多花钱的程度。对于硬件制造商而言,这一结果或许也意味着,在开发新产品时需要避免盲目追求AI技术的集成。

1.策略调整:巨头各显神通,后续影响未知

意识到PC用户对AI增强硬件的冷淡态度,多家企业正在调整策略,重点在笔记本电脑领域引入AI技术,这一举措旨在吸引更广泛而非仅限于发烧友的用户群体。

以AMD为例,其为笔记本设计的“Strix Point”架构将集成全新的XDNA2 AI加速器,并且,AMD已经将其产品系列重新命名为Ryzen AI 9 HX 370等,直接在名称中体现AI元素。不过,AMD计划中的Ryzen 9000系列处理器似乎并未规划集成专门的XDNA AI处理器。

与此同时,英特尔采取了不同的路径。在其即将发布的系列中,无论是面向笔记本用户的Core Ultra 200V “Lunar Lake”,还是针对台式机市场的Core Ultra 200 “Arrow Lake-S”,都将配备专用于AI计算的NPU单元。

然而,初步评估显示,当前的桌面级NPU单元可能无法显著提升性能,其架构预计与Meteor Lake相似。更大的性能飞跃预计会在后续的Arrow Lake-Refresh等迭代中实现。值得一提的是,Lunar Lake系列将搭载性能更为强劲的NPU处理器。

至于是否因新增的AI功能导致笔记本电脑售价上涨,目前还不得而知,因为至今公布的含有AI特性的机型数量有限。

2.用户吐槽:“当我只想要打开一个PDF时,它只是拖慢了程序的速度!” 

Reddit论坛的讨论帖中,不少网友表达了对于TechPowerUp这一调查结果的认同。

高赞回答里,有人直言不讳:“我会为性能更强大的硬件买单——我不在乎他们是如何实现这种性能的。但是,我不会仅仅为了人工智能的存在而单纯地支付费用。”

图片

显然,对用户而言,无论制造商采用何种技术手段来提升性能,都无关紧要。然而,多数人不愿意无理由地为人工智能技术付费,除非它能带来实质性的功能和效益。对于纯粹由概念驱动的消费,他们往往持保留态度。

还有人提到,加入AI助手功能后反而可能弄巧成拙。

“就像是Adobe在其阅读器应用中加入了一个AI助手?我不知道他们为什么会认为这是必要的。它所做的只是在我想打开一个PDF文件时拖慢了程序的速度。”

图片图片

不少人在这一评论下表达了同感:有的时候,AI功能不仅没有增加实用性,反而降低了软件的运行效率。站在用户的立场,更多地是希望软件能够快速响应其基本需求,而不是添加可能不必要且影响性能的额外功能。

3.“幻灭的低谷”:GenAI的早期期望与现实相距甚远

事实上,不仅是PC用户对于AI PC并不买账,放眼整个市场,随着最初的兴奋消退,GenAI面临着越来越多的怀疑。

Omdia的首席分析师Brad Shimmin指出,许多人在2023年初认为GenAI将彻底改变商业格局。然而,GenAI的早期期望与现实情况存在巨大差距。

GenAI之所以在初期受到追捧和炒作,部分原因在于其相比预测型AI更容易获取,且能够使用同一模型适应多种应用场景。Shimmin提到,GenAI不需要专门的自然语言处理专业知识。

但如今,GenAI似乎正在进入“幻灭的低谷”阶段——这是Gartner炒作周期中的一个时期,当技术未能达到预期时,人们的兴趣逐渐减弱。在这个阶段,技术往往面临批评,并且其期望值会下降,直到它成熟并展现出实用价值。

Gartner副总裁分析师Bern Elliot曾明确指出,由于许多企业处于AI实施旅程的不同阶段,因此很难将AI定位在炒作周期的特定位置。

Elliot在接受公开采访时提到:AI是一个极其庞大的主题,其某些部分总是处于炒作之中,而另一些部分已经过了炒作阶段,进入了“生产力的高原期”,在Gartner定义的炒作周期中,位于这个阶段的技术被广泛理解,其好处被广泛接受,进而产生了稳定和持续的应用。

其他技术也曾陷入过“幻灭的低谷”,例如5G,它意外地落入了这一阶段,导致了所谓的“5G寒冬”,影响了整个电信行业。   

已经有实例表明,对AI的高度期望可能导致失望,比如Devin AI的失败,这款声称可以自动化构建软件应用程序的AI工具,最终未能兑现其雄心勃勃的承诺。

尽管GenAI有着巨大的潜力,但在其发展过程中,企业和开发者应当保持谨慎,避免过度炒作,确保技术的实际效益能够匹配公众和市场的期望。

4.如今的AI PC之争,昔日GHz大战的重演?

我们相信,随着技术的不断成熟,AI终将逐步证明其在各行业中的实用性和价值。毕竟AI的普及是不可回避的必然趋势。

但是回到AI PC领域,当前的舆论中,除了炒作的成分外,还有什么是令人不安的因素?或许对于TOPS的单一追逐也让人难以对其产生足够的信任。

过去,硬件制造商曾陷入所谓的“GHz战争”,即单纯追求处理器频率的提升,以此作为衡量性能的标准,而忽视了其他重要的因素,如能效、发热控制以及实际应用场景中的性能表现。

现在,随着AI的兴起,TOPS成为了新的性能指标,制造商竞相推出高TOPS的硬件,但这种追求是否会导致类似的历史问题重现,即过分强调单一指标而忽略了用户体验和实际需求,仍然值得探讨。

在比拼自家产品的AI处理能力,大家都在用一个叫“TOPS”的指标来衡量这个能力。简单地说,TOPS就是芯片每秒钟能做多少次特定的小计算,数值越大,说明芯片处理AI任务的速度越快。

据悉,AMD的最新款Ryzen 300系列处理器可以做到每秒50万亿次这样的小计算,而英特尔的新品Lunar Lake则可以做到48万亿次。高通和苹果也不甘落后,它们的产品分别可以达到45万亿次和38万亿次。

在销售策略上,厂商们喜欢用大数字吸引顾客,因为这样看起来产品更强。但是,数字背后的含义往往比表面复杂,就像汽车的马力数大不等于驾驶体验一定好一样,TOPS大也不一定代表AI性能就一定强。

因为这里缺失了一个重要的概念——“精度”。简单来说,在16位精度下的50 TOPS与在8位或4位精度下的50 TOPS并不相同。50 TOPS如果只在粗略的计算(比如只有8位的精度)下成立,那它可能不如在更精细的计算(比如16位的精度)下同样为50 TOPS的处理器。

通常大家说的TOPS都默认是指INT8,即8位精度的,但现在有些处理器可以用更低的精度(比如6位或4位)来工作,这就让事情变得复杂了。幸好,像英特尔和AMD这样的大公司已经开始明确说明他们的产品在什么精度下能达到多少TOPS了。

但是,就算是两款芯片在相同的精度下测出来的TOPS差不多,也不能说明它们在实际使用中的AI表现就一样。在AI PC的设计和优化中,单纯的TOPS指标并不能全面反映真实世界中的性能表现。

以语言模型为例,推断过程分为启动响应和持续生成两个阶段。启动响应受限于计算能力,高TOPS加速初始理解;持续生成则直接受制于内存带宽,决定了单词的输出速度,用户体验差异明显。

所以,一款芯片的TOPS高并不代表它在所有情况下都能发挥出应有的实力。这就好比一辆车的发动机很强劲,但如果轮胎不行或者油路有问题,那车子还是跑不快。

5.结语:走向星火燎原的未来

综上所述,当GenAI真正走出“幻灭的低谷”,进入“生产力的高原”,同时行业主导者们都明确摒弃唯TOPS论,综合考量TOPS、内存带宽、功耗管理等全局因素时,AI PC和AI应用才会真正走入大众,以星星之火,启燎原之势。

参考链接:

https://videocardz.com/newz/poll-shows-84-of-pc-users-unwilling-to-pay-extra-for-ai-enhanced-hardware

https://www.reddit.com/r/technology/comments/1e5h00x/poll_shows_84_of_pc_users_unwilling_to_pay_extra/

https://www.fierce-network.com/cloud/generative-ai-hype-dying

想了解更多AIGC的内容,请访问:

51CTO AI.x社区

https://www.51cto.com/aigc/

责任编辑:武晓燕 来源: 51CTO技术栈
相关推荐

2024-10-11 12:02:23

2020-01-15 06:00:52

物联网IOT大数据

2009-10-19 10:50:20

内部云

2013-07-04 15:22:46

华为WLAN接入

2022-10-11 16:35:34

加密货币区块链代币

2020-12-16 09:27:05

数据湖大数据数据

2013-12-18 12:45:59

2013-08-22 11:27:32

云服务云存储

2012-05-11 16:46:00

激光打印机推荐

2011-12-01 16:18:09

数据治理informatica数据集成

2022-08-31 10:14:00

JavaScript网络异步性

2019-06-25 10:41:45

Redis缓存数据库

2012-11-06 16:53:55

欧朋Opera浏览器

2015-12-01 14:26:57

2009-07-31 12:05:42

英特尔高性能计算HPC

2018-07-06 05:03:13

2010-03-23 10:59:14

2019-01-09 09:13:40

2010-03-03 11:39:18

2015-05-07 15:25:50

TurboMail
点赞
收藏

51CTO技术栈公众号