“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、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”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

“一個指揮官，多位操作員”

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

而從技術邏輯來看，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果。

智能體模擬了人類在處理任務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，并在任務執(zhí)行過程中加以運用，實現(xiàn)更加個性化的生成。”

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，在合理的任務拆解粒度下決定任務的分配與執(zhí)行策略，兼顧任務執(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，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，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計，以平衡知識庫的完備性和終端設備的性能表現(xiàn)。