跳到主要內容區塊
112-12-14

AI功能成為主要賣點 NB產品展現新樣貌(1)

pexels-john-tekeridis-249541
內容

現階段業界對AI筆電這類產品並無明確定義,各界也相當好奇AI筆電究竟會帶來哪些的創新變化。各家業者的產品差異化走向將會如何發展,也引發市場關注。本文將從分析AI當前在NB產品中扮演的角色出發,進一步預估未來NB與AI深度結合後,商務與消費性NB產品的發展方向。


Windows 11力挺AI筆電

微軟(Microsoft)在2023年5月舉辦Build 2023活動,宣布將在Windows 11中整合更多AI技術,以強化隱私安全及增強輔助功能,並推出多項AI工具,包含擴大和OpenAI合作,增加在Azure OpenAI 中ChatGPT與GPT-4的服務支援、推出符合更多元使用者的Copilot,及整合最新技術的Bing搜尋引擎等。

其中,Microsoft 365 Copilot的推出,更是促成PC產品與AI技術結合的一大重要利器。Microsoft 365 Copilot提供了強大的AI生產力工具,透過將大型語言模型與微軟應用程式相互結合,讓使用者在使用Word、PPT及Excel等Office產品時,可以透過對話的方式輸入指令,並透過Copilot提供草稿、根據過往內容創作文件、分析數據趨勢及建立圖表等功能,提供更加快速且便利的AI應用服務。

微軟持續開發AI協作工具,強調未來將會建構更完整的Copilot生態系,讓企業自建Copilot的所有基礎架構、模型、AI調度管理及更多延伸功能,都得以在微軟的Azure環境中完成,這表示未來企業得以客製化AI應用的需求,打造更多元的落地應用,微軟整合式的開發工具及資源,也將提供AI筆電更加有利的發展後援。


處理器廠商將成AI筆電發展關鍵

除了作業系統商的AI軟體後援外,相關硬體規格的支援也是AI筆電發展的關鍵。參考過往電競筆電的發展樣態,處理器的升級及與作業系統的相關軟體支援搭配,一直是電競筆電得以持續精進產品發展的重要指標。而這樣的軟硬體整合搭配,也將體現在需要在本機端進行運算甚至訓練的AI筆電機種上。

在2023年重要資訊展會上,超微(AMD)宣布推出搭載AI引擎的Ryzen系列處理器。搭載「XDNA」的Ryzen 7040HS系列筆電處理器,導入Ryzen AI人工智慧應用功能,標榜結合神經網路加速設計,得以提升筆電運作效率,同時也能強化視訊會議背景虛擬化、去除雜音等功能,或是透過AI運算方式提升電池使用效率。

英特爾(Intel)則公開下一代Meteor Lake系列處理器的架構細節,該處理器加入AI運算的VPU(Vision Processing Unit)核心(圖1),專為AI相關工作打造,並擁有更低的功耗,可降低CPU工作負載,並提供相機背景特效、追蹤使用者臉部與眼部動作等AI應用功能,同時也可針對使用狀態進行智慧管理。

近期兩家晶片大廠也相繼宣布與自然語言處理開源平台-Hugging Face合作,結合Hugging Face Transformers與CPU業者自家的開源軟體平台,讓用戶可以在PC平台上訓練及執行大型語言模型的推論,藉此提升硬體AI效能與可擴展性。

高通(Qualcomm)在Microsoft Build 2023開發者大會上,展示與微軟合作的一系列創新成果,包含在Snapdragon運算平台上運行的生成式AI,以及為開發人員提供高通AI引擎指引的開發套件等,宣示搶攻AI筆電市場的決心。高通近期積極開發終端邊緣AI的解決方案,希望透過AI邊緣引擎,讓使用者在沒有網路的情況下,於裝置上使用生成式AI,並透露將來Snapdragon處理器平台將可執行參數達100億組的人工智慧模型,透過創新AI應用升級行動運算。

近期Meta也宣布與微軟及高通合作,將釋出旗下開源軟體AI模型的商業版Llama 2,透過微軟的Azure雲端服務提供給客戶使用,並預計於2024年可在內建高通晶片的手機、PC上執行Llama 2,藉以提供客戶、開發人員和合作夥伴建構虛擬智慧助理、內容創作工具等使用模式,大幅降低AI模型在終端裝置的執行成本,並進而提供更為隱私且個人化的體驗。

NVIDIA對於筆電產品中應用AI強化功能的作法,從在電競筆電中加入光線追蹤支援便已開始,近年全力發展AI的NVIDIA,也針對創作者筆電提供相當多的AI工具,並且因應近期線上會議的新工作型態,提供NVIDIA Broadcast應用程式,使得筆電及桌機等PC產品得以透過AI增強音訊及視訊的效果(圖2)。

雖然對於下一個世代的AI筆電發展,NVIDIA尚未透露欲提供給使用者端的AI應用方向,但對於擁有CUDA架構工具的NVIDIA而言,其具備完善的AI函式庫及開發環境,將有助於開發人員使用其工具進行產品開發。未來,當AI推論落地於使用者端時,一般使用者更可能須借用這些AI工具,進一步在個人電腦中進行本地端的AI運算。

(本文作者為資策會MIC資深產業分析師 黃馨)