最近，业界出现了一个有点“割裂”的现象。就是软件层面已迈入智能体自主执行的“机机交互”时代，但承载它的硬件设备，却拖了后腿。
其实，在过去几十年，端侧设备基本都是围着人的工作节奏设计的：人坐下来，打开电脑，处理几个小时的工作；人离开，电脑休眠。算力、内存、存储乃至系统资源的分配，都是按照这种使用方式来安排的。
但智能体不这么工作。
一个稍复杂的任务，智能体要连续运行几个小时，甚至更久。它需要记住前面做过什么，还要不断调用搜索、数据库、办公软件等工具。任务一多，内存和持续运行的能力就变得非常重要。
在联想集团副总裁、中国技术管理委员会执行主席阿不力克木看来，“当智能体成为长驻后台、承载私密记忆的‘数字分身’时，它需要一个属于自己的‘家’。
联想集团副总裁、中国技术管理委员会执行主席阿不力克木
这个“家”有一个具体的名字——AI主机。
“AI主机的诞生，就是要把算力和数据主权真正交还到用户手中，让每一份智能，都真正属于创造它、使用它的人。”阿不力克木如是说。
而最近，联想联合IDC正式发布业界首部《AI主机》白皮书，系统性定义了“AI主机”这一边缘算力新物种。
01 五个“核心特征”
那么一台“为智能体设计”的AI主机，和一台“为人设计”的电脑，究竟差在哪里？
仔细拆解，联想和IDC为AI主机归纳了五个硬核的“核心特征”
第一，AI原生计算架构：支持长时间连续推理
传统终端更在意瞬时性能，比如打开软件、运行游戏时能不能在短时间内拉满算力。AI主机面对的却是另一类任务：智能体可能连续运行几个小时，甚至更久，还要同时处理模型推理、上下文和工具调用。
因此，AI主机采用CPU+GPU+NPU异构架构，把更多资源放在大内存和高带宽上。对智能体来说，这些指标往往比单纯提高峰值算力更重要。特别是在多个Agent同时运行，或者处理超长上下文时，内存容量和数据传输速度很容易成为瓶颈。
第二，常驻智能体闭环运行：让智能体可以一直在本地工作。
AI主机需要支持Agent的7×24小时运行。Agent的运行框架、任务状态、执行记录和本地记忆都可以保存在设备中。
人只需要把任务交给它，后面的执行过程就可以持续进行。即使网络暂时中断，只要任务不依赖云端模型或在线服务，智能体也可以继续在本地处理。
这和传统电脑更“人操作、机器响应”的使用方式不同，AI主机为智能体准备了可以长期工作的工作环境。
第三，端边云全局调度：让本地和云端可以根据任务需要分配算力。
采用AI主机，并不意味着所有任务都必须在本地完成。更合理的方式，是让不同任务使用不同的算力。AI主机承担本地计算和任务调度，云端则负责补足本地算力难以覆盖的部分。
日常的信息整理、文件处理、知识检索和部分模型推理，可以优先在本地完成。遇到需要更大模型、更长上下文或者更强推理能力的任务，再调用云端资源。
这样做的好处是，一方面是减少了不必要的云端API调用，另一方面也能在遇到复杂任务时获得更强的模型能力。
第四，物理级安全防护：企业敏感数据可以放在本地设备上运行。
金融、法律、高端制造等行业使用Agent时，内部文件、客户资料和研发数据通常不能随意上传到外部平台。而AI主机把模型推理、任务执行和数据存储放在本地，Agent理这些内容时，可以直接在企业自己的设备上完成，不会造成数据出域。
对于需要更高安全性的场景，还可以进一步限制设备的网络访问和数据权限，哪些数据可以被调用、哪些任务可以访问外部服务，都处在企业自己的控制范围内。
第五，自进化：AI主机承载持续积累的Memory和Skills，。
智能体长期运行后，对话、业务数据、长期记忆（Long-term Memory）、任务执行轨迹（Execution Trace），以及已经形成的Skills都能需要保存。
原因是，长期记忆用于保存后续任务仍然需要的信息，比如用户偏好、历史事实和特定任务中的关键信息；任务执行轨迹记录智能体在一次任务中采取了哪些步骤、调用了哪些工具以及最终产生了什么结果；对于重复出现的任务，则可以把验证过的执行流程封装成Skills，供后续直接调用。
这样一来，Agent再次处理同类任务时，就可以复用已有的Memory和Skills，并参考过去的任务执行轨迹。这样一来，就不需要每次都从零开始执行。
因此，对于AI主机的要求，就不光是承载固定的计算资源，同时也要成为Agent长期运行和保存运行数据的本地载体。
02 算清“token”账
五个“核心特征”让AI主机能让Agent长期、稳定地运行。但到了企业采购阶段，还需要算笔账：这些任务放在本地跑，到底划不划算？
《白皮书》按企业规模测算了几种典型场景。
以单台约2.2万元的企业级主力款AI主机为基础，按5年使用周期计算：
月均消耗6亿Token的10~30人成长型团队，配置2台集联，约10个月即可与纯云端方案达到成本交叉点，5年TCO（总拥有成本）从约36万元降至约13.2万元，节省约63%。
月均消耗18亿Token的30~100人中型组织，配置5台集联，回本周期缩短至约8个月，5年TCO从约102万元降至约35.2万元，节省约65%。
算清楚这笔账，需要先了解两种成本结构不同的模式。
纯云端按调用的token量持续付费，AI用得越频繁，费用就越高。AI主机则把部分推理任务放在本地完成，企业前期一次性承担硬件成本。此后只要本地算力仍有余量，新增任务就不会随Token用量提高云端费用。
当用量继续增长时，还可以通过多台集联扩展本地算力。
换句话说，AI主机是把一部分长期持续的推理支出，转化为前期固定的硬件投入。使用量越大，本地算力的经济性就越明显。
当然，这并不意味着要“全部本地化”。
更合理的做法是划清本地与云端的边界：能在本地稳定处理的任务优先放在本地，需要更大模型、更强算力的任务再交给云端。对企业而言，价值在于尽可能减少长期、高频、重复发生的云端调用。
不过这一模式也有前提：企业需要有足够稳定的任务放在本地运行，让设备保持较高的利用率。 如果大部分任务都需要调用高规格云端模型，本地设备长期处于低负载状态，硬件成本就很难通过节省的云端费用来抵消。
这也解释了为什么一人公司（OPC）、成长型中小企业，以及正在推进AI应用的企业，更容易成为这类设备的早期用户。
就像联想百应AI主机产品负责人、联想中国商业业务群PC智能设备产品与整合营销总监段勐所说：“AI主机契合一人公司、成长型中小企业及AI转型企业在提升效率、扩展能力上的核心诉求，可以帮助用户把更多精力投入到决策和创造性工作中，大幅提升生产效率，有望成为To B场景中值得关注的新型生产力工具之一。”
联想百应AI主机产品负责人
联想中国商业业务群PC智能设备产品与整合营销总监段勐
03 下一站，是生态能力
一台设备买回来，智能体能做什么，还取决于模型、应用、Skills、开发工具以及本地推理适配。
这个问题对产业链上下游都提出了新的要求。
芯片厂商需要针对不同模型做好推理优化，模型厂商需要适配不同硬件，开发者则要面对模型量化、部署和工具调用等一系列问题。如果这些工作都由开发者逐个完成，适配成本很高，也会直接影响AI主机的应用。
所以，AI主机需要建立起围绕本地AI运行的生态。
从目前的产品布局来看，联想已经同时覆盖了消费级和商用级市场，产品价格包括从5000元及以下的入门产品，到4万元以上的旗舰集群产品。
联想集团天禧AI生态事业部总经理陈学桂表示：“硬件的突破并非AI主机价值的全部，新物种的繁荣离不开生态能力的支撑。天禧AI生态将持续汇聚模型、应用、服务与开发者能力，推动AI主机实现‘买得到、用得上、用得好’，让智能体能力真正进入更多真实场景。”
联想集团天禧AI生态事业部总经理陈学桂
联想集团副总裁、中国区消费个人计算与智能终端事业部总经理李伟昌也提到，联想希望在用户规模、技术架构和生态资源等方面发挥“链主”作用，与上下游及生态伙伴共同探索新技术和新场景。
联想集团副总裁、中国区消费个人计算与智能终端事业部总经理李伟昌
但对于AI主机来说，生态做起来并不仅仅是把更多模型、应用和开发者聚集到一起。更重要的是，要把分散的能力连接起来，让硬件、模型、软件和应用能够真正配合起来，也让开发者和企业用户更容易用上这些能力。
这也意味着，AI主机产业需要能够连接上下游的角色。
那么，什么样的企业才能承担这个角色？
至少要有足够大的设备入口，能够让芯片、模型和应用厂商找到稳定的终端；也要有能力协调软硬件适配，降低开发者的部署成本；同时，还需要把这些技术和应用带进真实业务，让生态里的产品最终找到用户。
从这个标准来看，联想已经具备成为AI主机产业链“链主”的几个关键条件。
第一，有足够大的设备入口。
联想同时覆盖消费级和商用级市场，AI主机产品从5000元及以下的入门产品，一直延伸到4万元以上的旗舰集群。更重要的是，这是一套覆盖不同用户和算力需求的产品体系。
这意味着，对于芯片、模型和应用厂商来说，适配联想的产品，不只是在服务某一台设备，而是有机会进入一组已经存在的终端和企业客户。
第二，在硬件、模型、软件、开发者生态方面持续发力。
AI主机想要顺畅运行，芯片、模型、推理框架、量化方案、Agent、技能组件和行业应用缺一不可，需要深度协同。联想一方面自研硬件、优化本地推理，另一方面持续搭建模型、应用与开发者生态。唯有各环节打通联动，硬件入口才有实质价值。
第三，拥有把技术送入真实业务场景的落地能力。
AI主机要走进客服、内容生产、研发、制造等业务环节。联想深耕企业市场多年的产品、销售与服务体系，可以同时对接开发者与企业客户，可以进一步促进模型、智能体实现规模化商用。
更核心的一点是，联想在产业组织者层面已经开始深入布局。目前，联合也在开发面向智能体的专用 SoC，探索模型量化格式、Skill 接口、开发者激励和行业应用方案。
当一家企业同时掌握规模化硬件入口、全栈软硬件适配能力和企业交付渠道，就拥有了整合产业链的条件。
从这个角度看，联想已经成为AI主机新赛道里的产业连接者。