微软正在放宽此前围绕 Copilot+ PC 画下的一条“硬线”，允许更多 Windows 11 设备在具备合适 GPU 的情况下运行本地 AI 工作负载。 最新更新显示，只要系统配备了至少 6GB 显存的 NVIDIA GeForce RTX 30 系列或更新型号显卡，就可以支持 Windows 的本地语言模型 API。 从表面上看，这只是针对开发者的一项小改动，但它暗示微软正在重新思考：是否还要把本地 AI 能力紧紧绑定在 Copilot+ 品牌之下。
us/}_r74N* 
~F gxhK2+ 在 2024 年 6 月 18 日 Copilot+ PC 正式发布时，微软向外传达的信息非常明确：专用 AI 硬件是必需条件。 这类设备的部分定义特征，就是内置神经处理单元（NPU），以及 16GB 内存和固态硬盘等基础配置。 其中，NPU 被刻意塑造为解锁 Windows 本地 AI 功能的关键所在。
k}MmgaT:5] zEHX:-f8 然而，能够承担 AI 负载的并不只有 NPU。 尤其是现代 GPU，本来就是为大规模并行计算而生，长期以来一直被用于运行机器学习模型。 在实际应用中，对于许多 AI 工作负载，GPU 往往可以提供比当前 NPU 更高的吞吐能力，只是通常会付出更高的功耗代价。
: eL{&& 6 aYJTSgW 在此次调整之前，微软一直把大部分内置 AI 功能限制在配有 NPU 的设备上。 这让不少算力充足、仅依赖 GPU 的 PC 无法使用本地文本与图像生成，以及 Windows Recall 等一系列 AI 工具。 如今，这道鸿沟开始被填平。 微软在更新的技术文档和 GitHub 帖子中确认，开发者现在可以在非 Copilot+ PC 上，利用受支持的 GPU 来运行语言模型 API。
ku8C#%.m3 !
MTmG/^ 微软在介绍中称，此项能力为“语言模型 API 在 GPU 上运行（试验性）”，并指出这些 API 现已能在配备受支持 GPU 的非 Copilot+ PC 上运行，为更广泛的 Windows 11 设备带来本地语言模型能力。 官方同时明确，目前受支持的硬件包括配备 6GB 以上显存的 NVIDIA GeForce RTX 30 系列及更新产品。
z( 00"ei /6K 9? / 就当前阶段而言，这一能力仍然主要停留在开发者层面，而非直接面向普通终端用户开放。 要调用这些 API，需要开发或使用集成 Windows AI 框架的应用程序。 不过，这已经为本地 AI 功能大规模拓展到更多 Windows 设备奠定了基础。
M<nKk#!+h h83W;s 在这一框架的核心，是一个名为 Phi Silica 的小型本地语言模型。 与预装在所有系统中的方案不同，Phi Silica 通过 Windows Update 按需分发：当某个应用提出需求时，系统才会下载该模型。 模型安装完成后，即可在本地硬件上运行，当检测到可用 GPU 时，便会优先利用 GPU 加速推理。
*H2@lrc yYdow.b! 目前公开的功能主要聚焦文本相关任务。 通过 Windows.AI.Text API，应用可以执行内容摘要、文本重写、将文本转换为结构化格式，以及生成提示语等操作。 从用户视角看，这些能力与云端 AI 工具提供的体验类似，只是计算完全在本地完成。
50< QF `(2Y%L(r 本地运行带来了一些实际优势。 由于减少了对云端算力的依赖，系统响应速度有望提升，同时数据不必上传外部服务器，有助于数据留在本机之内。 对开发者和企业用户而言，这种模式在延迟、带宽成本与隐私合规方面都有潜在吸引力，可能影响其对 AI 功能的采用方式。
,/oqLI\ *Y:;fl +v 需要指出的是，此次开放并不意味着 Copilot+ 体系全面“解锁”。 一些更具可见性的 Copilot+ 功能，例如 Windows Recall 和 Click to Do，目前仍然绑定于搭载 NPU 的系统。 就现状来看，GPU 支持主要局限在语言模型 API 层，而不是整个 AI 体验的完整集成。
~AvB5 W@b Z~Q9 尽管限制尚存，趋势已经十分明显：微软不再把 NPU 视作 Windows 本地 AI 的唯一入口。 允许 GPU 承担这部分工作负载，显著扩大了可兼容硬件的范围，也削弱了 Copilot+ PC 在发布之初那种“独占本地 AI”的形象。
UrMEL; @g
微博帐号登录