Что такое AI PC

AI PC: что это, зачем нужно и как Apple, NVIDIA и AMD отвечают на один и тот же вызов

В 2026 году словосочетание «AI PC» стало настолько же привычным, как когда-то «ультрабук» или «игровой ноутбук». Производители используют его как маркетинговый ярлык, но за ним скрывается реальный архитектурный сдвиг, который меняет то, как компьютеры работают с памятью.

Что вообще означает «AI PC»

Формально AI PC — это компьютер, на котором есть NPU (нейронный процессор) — отдельный чип для задач искусственного интеллекта. Microsoft пошла дальше и ввела стандарт Copilot+ PC: NPU должен выдавать не менее 40 TOPS (триллионов операций в секунду) . Но эта формула — лишь первый шаг. Настоящая революция произошла не в мощности NPU, а в том, как компьютеры начали обращаться с памятью.

Проблема, которая всё изменила

Если вы хотите запустить на своём компьютере большую языковую модель — например, на 120 миллиардов параметров — вам нужно примерно 120 гигабайт видеопамяти в четырёхбитном сжатии. Флагманская потребительская видеокарта, скажем, RTX 5090, имеет 32 гигабайта. Этого хватает для моделей до 30 миллиардов параметров. Но индустрия сходится во мнении: модели начинают «умнеть» и меньше галлюцинировать где-то от 70–90 миллиардов параметров.

Получается странная ситуация: у вас есть быстрая видеокарта за несколько тысяч долларов, но большая модель в неё просто не влезает.

Архитектурный сдвиг: объединённая память

Ответ на эту проблему — UMA (Unified Memory Architecture), объединённая память. Вместо того чтобы держать отдельно оперативную память и видеопамять, производители создают единый пул, к которому имеют доступ и CPU, и GPU, и NPU . Данные больше не нужно гонять туда-сюда через узкое горлышко шины PCIe.

Это не новая идея. Apple сделала это ещё в 2020 году с чипом M1. Но тогда никто не думал о языковых моделях — объединённая память объяснялась энергоэффективностью и работой с графикой. А потом выяснилось, что архитектура идеально подходит для запуска больших нейросетей.

Три подхода: Apple, NVIDIA, AMD

Каждый из трёх главных игроков решает проблему памяти по-своему.

Apple: архитектура, которая случайно оказалась идеальной

Apple начала объединять память задолго до того, как это стало мейнстримом. В Mac с чипами M-серии CPU и GPU работают с одним пулом. Если в машине 128 или 512 гигабайт объединённой памяти, GPU может использовать значительную часть этого объёма.

Именно поэтому Mac Studio с большим объёмом памяти стал популярным инструментом для локального запуска нейросетей. Люди покупают Mac Mini и Mac Studio как компактные машины для LLM. Появились инструменты вроде MLX — открытая библиотека Apple для эффективного запуска моделей на Apple Silicon.

Ограничение — экосистема. Большая часть профессионального AI-стека исторически строится вокруг CUDA от NVIDIA. Для Apple есть MLX и Metal, но это не универсальный стандарт.

NVIDIA: софт есть, памяти не хватает

У NVIDIA обратная проблема. CUDA — это де-факто стандарт для AI-разработки. Библиотеки, инструменты, исследовательский софт — всё написано под неё. Но потребительские видеокарты упираются в объём памяти.

Решение — DGX Spark, компактная машина размером с Mac Mini, но с 128 гигабайтами объединённой памяти и чипом GB10 Grace Blackwell . По сути, это та же идея UMA, но с экосистемой CUDA внутри. Стоит около 4 700 долларов.

Дальше NVIDIA пошла в потребительский сегмент с RTX Spark — те же принципы, но в ноутбуках и мини-ПК на Windows . Заявлена поддержка моделей до 120 миллиардов параметров с большим контекстом.

AMD: знакомый путь, но с огромной памятью

AMD не стала изобретать велосипед. Она оставила привычный x86-процессор и просто дала встроенной графике огромный кусок общей памяти.

Ryzen AI Max+ 395 (Strix Halo) — это 16 ядер Zen 5, встроенная графика Radeon 8060S и до 128 гигабайт объединённой памяти, из которых до 96 гигабайт можно выделить под GPU . Новое поколение — Ryzen AI Max 400 — поддерживает уже до 192 гигабайт общей памяти, из которых до 160 гигабайт доступны графике.

AMD позиционирует это как «лучший из двух миров»: вы получаете x86-совместимость, возможность играть в игры и способность запускать локальные модели.

Кластеры: если памяти всё равно мало

Даже 192 гигабайта может не хватить для самых больших моделей. Тогда в игру вступают кластеры.

Идея проста: взять несколько мини-ПК с объединённой памятью, соединить их сетью и распределить модель между узлами. AMD даже выпустила официальный гайд, как соединить четыре Framework Desktop на Ryzen AI Max+ 395 и запустить модель триллионного класса.

NVIDIA разработала приложение PAIR (Personal AI Router), которое автоматически находит совместимые устройства в сети — ПК с RTX, Mac, DGX Spark — и объединяет их в один кластер для инференса . Это не слияние в одну гигантскую видеокарту, а эффективная маршрутизация запросов.

Что это значит на практике

Для среднего пользователя, который сидит в браузере и работает в Word, AI PC не даёт почти ничего. NPU не участвует в этих задачах. Разница между пятилетним ноутбуком с SSD и новым Copilot+ PC для офисной работы — нулевая.

Но если вы запускаете локальные модели, работаете с конфиденциальными данными, которые не хотите отправлять в облако, или занимаетесь разработкой агентов — тогда объединённая память и большой пул действительно имеют значение. Это позволяет держать модель целиком, а не резать её на части, и не платить за облачные API.

Microsoft даже анонсировала Project Zenith — конфигурацию Windows 11 для разработчиков, которая требует минимум 64 гигабайта объединённой памяти и более 250 ГБ/с пропускной способности, чтобы локально запускать модели свыше 30 миллиардов параметров.

Обзор Asus Zenbook DUO 2024, ультрабука с двумя экранами!

Куда всё идёт

UMA перестала быть экзотикой. Apple, NVIDIA, AMD — все движутся в одном направлении, хотя и разными путями. Гонка памяти идёт буквально на глазах: 32 гигабайта на видеокарте, 128 в Strix Halo, 192 в новом поколении AMD, 512 в Mac Studio.

Вопрос уже не в том, нужен ли вам AI PC. Вопрос в том, когда архитектура памяти станет настолько дешёвой, что вопрос «а влезет ли модель?» перестанет быть главным ограничением.

Rempc.by