🌀 AIBB-Flywheel

新闻数据飞轮
← 返回文章列表
ithome 时政 科技 采集 2026-10-30T04:14:32+00:00

Omdia:2027年AI PC出货占比或达60%

原始标题:Omdia 预估 2027 年 AI PC 将占 60% 出货,69% 打工人愿为 AI 电脑多花钱

来源
ithome
发布时间
2026-10-30T00:52:46
采集批次
2026-10-30-04
字数
1210
URL 指纹
19ef7ad7bf23a153

📌 AI 总结(205 字)

Omdia预计,AI PC出货占比将从2025年的33%升至2027年的60%,2030年达到79%,本地AI装机基础有望随换机周期形成。调研显示,86%的AI预算组织预计2027年支出继续增加,69%的PC办公用户愿为设备端AI支付溢价,但目前仅9%以AI功能作为主要换机动力。云端成本上升、数据合规需求与开源模型量化技术进步,正推动混合架构发展,而内存成本接近整机物料成本四成,成为普及端侧AI的最大变量。
📄 正文(1210 字)
Omdia预计,AI PC出货占比将从2025年的33%升至2027年的60%,并在2030年达到79%。无论用户是否主动提出AI需求,本地AI的装机基础都将随着换机周期逐步形成。

企业AI投入仍在增长。Omdia《2026年AI市场成熟度调研》显示,86%设有AI预算的组织预计2027年支出将进一步上升。主流AI厂商从按席位或请求收费转向token计费后,任务成本只能在运行结束后确定;智能体AI还可能触发一连串模型调用,使企业更难预测和管理开支。

面对不断攀升的云端成本,企业开始重新评估各类工作负载的运行位置。公有云、本地服务器与端侧AI组成的混合基础设施逐渐成为选择,但大规模部署本地AI需要技术能力,也为PC生态创造机会。

纯云AI不仅带来费用压力,也引发合规、安全和数据主权担忧。Omdia《PC Horizons消费者调研》显示,78%的PC办公用户每周至少数次使用AI,但其中只有12%使用单位或学校提供的工具,大量使用可能发生在企业无法看到的个人账户下,从而增加数据风险。

与此同时,企业可自行部署的开源权重模型已缩小与前沿模型的差距,量化压缩技术也让模型能够装入PC内存,越来越多常规AI任务可以在本地运行。神经处理单元成为新PC的标准配置后,设备能够在降低持续云支出的同时,保留部分私有基础设施在合规与数据主权方面的优势。

不过,AI PC的价值尚未真正转化为广泛需求。69%的PC办公用户愿意为可直接处理AI任务的电脑支付溢价,但62%用户更换电脑主要是因为设备变慢、损坏或希望更新,只有9%将AI功能列为首要换机原因。

从商业角度看,PC通常属于一次性投入,而云服务费用会随使用量持续增长,因此更合理的比较对象是AI PC的增量配置成本与可节省的云端支出。传统架构通常由云端处理复杂任务、本地服务器承载大型工作负载,PC负责常规推理;随着量化技术进步,更多任务可被路由至内存容量更大的PC。

智能体AI是本地推理的早期应用场景,但相关任务对内存容量和带宽的要求仍高于主流PC。目前,OEM已推出首批面向智能体AI的高端机型,主要面向开发者和重度用户,较高溢价限制了其大规模普及。

内存是端侧AI普及的主要风险。自2025年以来,内存在PC物料成本中的占比已从约15%升至接近40%,厂商和用户可能因此选择更低配置,但本地AI恰恰需要更大内存。这种压力也可能传导至服务器端。

要形成可落地的商业案例,需要整个生态协同。OEM应通过参考工作负载说明AI PC增量成本如何节省云端支出;ODM和芯片厂商需确定包括内存在内的配置是否可负担;渠道及托管服务商则应帮助企业评估AI成熟度、选择工作负载部署位置、部署模型并制定持续调整策略。

Omdia认为,AI PC不会取代云端或本地服务器,但如果硬件、软件和服务生态共同推动端侧能力落地,PC有望成为企业优化AI支出的重要组成部分。