“給我的PPT配上轉(zhuǎn)場動畫”。指令輸入后，電腦便自主完成了打開PPT文檔及后續(xù)調(diào)整、內(nèi)容處理等一系列動作。這是記者在2025聯(lián)想科技創(chuàng)新大會活動上看到的場景。從演示案例來看，PC端智能體功能初見雛形：能獨立完成端側(cè)任務(wù)、調(diào)動手機等其他平臺數(shù)據(jù)，還能調(diào)用其他模型能力。

縱觀智能體市場布局，Manus是云端智能體的先鋒代表，且自3月發(fā)布之時便已經(jīng)獲得廣泛關(guān)注，但發(fā)布之初該平臺體驗資格仍需排隊獲取。而5月12日，Manus已宣布向所有人開放注冊，無需等候。在Manus推動“智能體平權(quán)”的局勢下， PC端智能體仍有勝算幾何？

聯(lián)想“大行動模型”正在自主完成PPT調(diào)整任務(wù)

“一個指揮官，多位操作員”

“超級智能體”是此次2025聯(lián)想創(chuàng)新科技大會的關(guān)鍵詞。

而從技術(shù)邏輯來看，聯(lián)想的“超級智能體”與今年3月引發(fā)科技圈廣泛討論的云端智能體工具——Manus非常相似：

其一，具備基于大模型的自動化工作流，可自主完成任務(wù)編排與執(zhí)行。用戶在發(fā)出指令的時候，智能體可將復雜請求拆解為多個子任務(wù)并逐個執(zhí)行。

其二，支持多智能體協(xié)作，執(zhí)行過程中會調(diào)動不同模型功能。用戶給智能體的指令會首先由顧問智能體進行分解，分解后的子任務(wù)會被分配至不同的特定智能體，各智能體運行完成后，將各自獨立的工作流結(jié)果反饋給顧問智能體，由顧問智能體統(tǒng)一輸出多智能體集體決策的結(jié)果。

智能體模擬了人類在處理任務(wù)時分步驟進行和尋求伙伴幫助的操作過程，從而既實現(xiàn)了智能體的專業(yè)化分工，又最大限度簡化了人機交互流程。

更強的隱私保護和更加個性化的私人知識庫，是PC端智能體相較于Manus最具吸引力的兩個特點。

《中國電子報》記者采訪聯(lián)想研究院人工智能實驗室工程師

“涉及隱私數(shù)據(jù)的處理，將由用戶進行評估審核是否可以上云。對于用戶不希望數(shù)據(jù)上云的場景，我們會尋找部署在本地的大模型及工具作為替代方案。這些工具的運行速度可能較慢，或?qū)Ρ镜刭Y源有一定占用，但能夠保障用戶數(shù)據(jù)的隱私與安全?！甭?lián)想先進人工智能技術(shù)中心工程師李聰在接受《中國電子報》記者采訪時說道，“智能體還能記住一些用戶偏好，例如用戶編輯郵件的風格，并在任務(wù)執(zhí)行過程中加以運用，實現(xiàn)更加個性化的生成?！?/p>

PC端智能體與基于云算力的Manus最大的區(qū)別在于可用算力資源的差距。

Manus利用云端資源，擁有非常豐富的算力池，因此其任務(wù)執(zhí)行過程可以不斷嘗試、不斷反思，執(zhí)行過程也能被細致地拆解。但對于部署于PC本地的智能體而言，其本地可用算力有限，且為了保障用戶體驗，單次任務(wù)的執(zhí)行時間不宜過長。因此，PC端智能體的工作流程需要與Manus有所不同——它將根據(jù)本地知識庫中的信息和可用的本地工具，在合理的任務(wù)拆解粒度下決定任務(wù)的分配與執(zhí)行策略，兼顧任務(wù)執(zhí)行效果及速度。

美好愿景之下，多難題待解

當前，業(yè)界將智能體AI根據(jù)發(fā)展程度分為五個等級。當前，這五個等級中的L1級——AI作為工具被調(diào)用，L2級——AI執(zhí)行被分解的任務(wù)，已可基本實現(xiàn)。智能體發(fā)展的下一個目標，是實現(xiàn)AI自主拆解及分配任務(wù)，并實現(xiàn)閉環(huán)執(zhí)行。

聯(lián)想集團對智能體AI發(fā)展階段的理解

對于部署在PC本地的智能體而言，其自主拆解及執(zhí)行任務(wù)的能力，取決于智能體所能調(diào)用的工具能力，也決定著AI智能體PC的智能化上限。

而要想滿足用戶多樣化的需求，PC智能體需要與更多應用開發(fā)商完成適配，完成更多場景的智能體化流程跑通。

聯(lián)想集團筆記本研發(fā)總監(jiān)、首席工程師莫志堅在接受《中國電子報》記者采訪時表示，為了實現(xiàn)PC端側(cè)智能體應用覆蓋更多場景，聯(lián)想有兩條發(fā)展路徑：

其一，推動聯(lián)想推理加速引擎的平臺化進程，使其支持業(yè)界最新的主流模型。同時持續(xù)優(yōu)化聯(lián)想的模型推理引擎，通過算法、異構(gòu)計算的優(yōu)化等，使AI模型在聯(lián)想的AIPC、平板電腦上運行得更加流暢。

其二，與應用軟件開發(fā)商合作，幫助軟件開發(fā)商了解PC芯片等硬件能力，引導軟件開發(fā)商基于算子類型，計算精度等任務(wù)類型親和性調(diào)用芯片中為AI功能開發(fā)的推理加速引擎，實現(xiàn)AI計算的最佳能效。如：CPU加速常規(guī)通用計算，GPU加速視頻，3D類的并行計算，NPU加速卷積類的模型計算。

與Manus相比，運行在本地、能夠逐漸熟悉用戶使用習慣，是PC端智能體最大的特點和優(yōu)勢。由此，搭建個人知識庫（PKB）對于端側(cè)智能體來說便顯得更為重要。莫志堅介紹，從技術(shù)實現(xiàn)角度看，個人知識庫本質(zhì)上是一個專用的數(shù)據(jù)存儲系統(tǒng)，類似于在用戶存儲設(shè)備中劃分出的獨立知識空間。雖然存儲原始知識數(shù)據(jù)本身對容量的需求并不大，但當這些知識被轉(zhuǎn)化為機器可理解的向量形式并建立索引時，就會形成一個規(guī)模較大的向量數(shù)據(jù)庫。當數(shù)據(jù)量持續(xù)增長時，數(shù)據(jù)庫的高效管理和實時檢索，會對終端設(shè)備的計算能力、內(nèi)存資源和能效管理帶來顯著挑戰(zhàn)。這要求在本地存儲優(yōu)化、索引壓縮和檢索算法等方面進行精細設(shè)計，以平衡知識庫的完備性和終端設(shè)備的性能表現(xiàn)。