Omdia预测:2027年AI PC出货占比将达60%,69%办公族愿为AI电脑多花钱
IT之家 10 月 30 日消息,企业 AI 支出持续攀升,随着主流 AI 厂商转向 token 计费模式,这项支出也变得越来越难以预测。对 PC OEM、ODM、芯片厂商、渠道伙伴和托管服务提供商而言,核心问题在于:AI 工作负载应该在哪里运行,PC 又将扮演什么角色。据预测,AI PC 出货占比将在 2027 年达
10月30日消息,企业花在AI上的钱越来越多,主流AI厂商又纷纷改成按token计费,这笔开销也就越发难以预估。PC OEM、ODM、芯片厂商、渠道伙伴和托管服务提供商眼下都绕不开两个问题:AI工作负载放在哪儿跑,PC又能担什么角色。Omdia预测,AI PC出货占比2027年将升至60%,本地AI的装机基础会随换机周期一点点攒起来。
企业AI支出涨势未停,token计费让成本更难管
多数企业打算明年加码AI。Omdia《2026年AI市场成熟度调研》显示,在设有AI预算的组织里,86%预计2027年支出还会继续增加。
收费方式也在变。头部AI厂商正从按席位、按请求收费转向token计费,一个任务要花多少钱,得等跑完才清楚,管住支出因此难上加难。智能体AI(Agentic AI)把这个问题放得更大:单个任务就可能牵出一长串按次计费的模型调用。不过这些风险并没有让企业放慢AI的投入和使用。
过去企业AI多在云端跑,成本一路走高,企业开始重新盘算哪些工作负载该留在云上。公有云、本地服务器加端侧AI的混合基础设施成了出路,可真要大规模落地本地AI并不容易,不少企业缺这方面的技术能力。这正好是PC生态的机会:帮企业弄清哪些AI场景适合放到设备上跑、又该怎么跑。

纯云AI推高成本与合规风险,端侧AI还没真正打动企业买家
成本之外还有别的顾虑。公司数据离开设备越来越多,合规、安全、数据主权都成了问题。智能体方案进入生产环境后,这些风险还可能加重,管理开销也往往难以追踪。
用户这一侧同样有盲区。Omdia《PC Horizons消费者调研》显示,78%用PC办公的受访者每周至少数次使用AI,可其中只有12%用的是单位或学校提供的工具。大量使用很可能发生在IT部门看不见的个人账户里,给企业数据添了额外风险。
公有云能主导企业AI的早期应用,靠的是上手容易、不用买硬件,还能接上能力最强的前沿模型。如今情况有了变化,在公有云之外跑AI变得可行:企业可自行部署的开源权重模型已把与前沿模型的差距大幅缩小;量化压缩技术把模型体积压到能塞进PC内存,越来越多常规AI工作在本地就能完成,增量投入更低,还能拿到私有基础设施在合规与数据主权上的大部分好处;神经处理单元(NPU)也已是许多新PC的标配。
只是AI PC的价值主张还没在市场上真正叫响。Omdia调研显示,69%用PC办公的受访者愿意为能直接在设备上处理AI任务的电脑多掏钱;但问及换掉上一台PC的原因,62%的人选的是设备变慢、损坏,或想换更新更好的机型,把AI功能列为主要原因的只有9%。

AI PC出货占比快速攀升,内存成本是最大变量
AI PC出货占比预计从2025年的33%升到2027年的60%,2030年达到79%。买家主动提不提需求都好,本地AI的装机基础都会随着换机周期到来。
先算成本这笔账:云成本是用多少花多少的持续开销,PC则通常是一次性投入。合理的比法,是拿更强PC配置的增量成本,去对它所能替代的持续性云支出,而不是整台机器对一张云账单。员工拿到一台配置更强的AI PC,只付升级差价,就换来了本地AI能力。
传统架构按任务体量分工:最复杂的任务上云端,最大的工作负载和模型放在本地服务器,常规推理交给PC。量化技术正在改写这套划分,越来越多的任务可以路由到PC上,内存更大的机型尤其如此。
智能体AI是本地推理较早落地的场景。本地智能体对内存容量和带宽的要求远超主流PC,目前主要OEM已推出首批面向智能体AI的高端机型,溢价较高,暂时只适合开发者和重度用户。开源权重模型和量化技术还在进步,这类场景后续还会拓宽。
内存是端侧AI大规模普及的主要风险。2025年以来,内存占PC物料成本的比例已从约15%升到近40%,买家可能因此转向更低的内存配置,可本地AI恰恰需要更大的内存。这股压力很可能也会传到服务器端。笔记本对员工的价值远不止跑AI,所以AI PC的增量成本相比服务器投入大概率仍然温和,也避开了云AI成本不透明的问题。
生态要合力把端侧能力变成能落地的商业案例
硬件正走向主流,企业侧的采用却还处在早期,因为企业仍在摸索本地推理在哪些场景下真划算。补上这道差距得靠整个生态一起使劲:OEM要用参考工作负载把经济账摆出来——更强PC配置多花的钱,怎么靠省下的持续性云支出赚回来;ODM和芯片厂商则要定这些配置能便宜到什么程度,内存尤其关键。
渠道伙伴和托管服务提供商要做的,是把这套主张变成企业能执行的落地方案。评估AI成熟度、判断工作负载该放哪儿、部署模型、制定策略——这些能力许多组织都缺。何况模型、云定价和硬件都在变,这些决定到下一次换机前还得反复调整,这正是卖笔记本之外一项持续性的服务机会。
企业AI开销还会继续涨,随之而来的压力是:每项工作负载花多少钱、该放在哪儿跑,都得心里有数。AI PC不会替掉云端或本地服务器,但整个生态要是能协同起来,它就能帮着把这笔钱花得更值。
参考