微軟又要開始重新定義 AI PC 了。
而且這次，微軟直接拿出了一台最高擁有 128GB 統一記憶體、能夠在本地運行超過 1200 億參數 AI 模型的 Surface Laptop Ultra。
這台售價 2599.99 美元起的筆記本，搭載了 NVIDIA RTX Spark Superchip，最高可以提供 1 petaflop 的 AI 性能。
微軟甚至直接拿 MacBook Pro 來做比較：根據官方展示的數據，相比 16 英寸 MacBook Pro（M5 Pro），Surface Laptop Ultra 的首個 Token 生成快 2.1 倍，AI 圖像生成快 4.3 倍，AI 影片生成快 6.2 倍。
今天凌晨，微軟 CEO Satya Nadella、Windows + 設備執行副總裁 Pavan Davuluri，以及英偉達 CEO 黃仁勛同台，帶來了這場圍繞 Windows 和 Surface 的特別發布會。
過去兩年，擁有幾乎是公認的最佳 AI 生態的開放平台 Windows，在 AI PC 這件事上，只是推出了一個「被網友們嫌棄的」Copilot。
所謂的 Windows AI 助手大多數時候就是一個常規的 AI 入口，用戶就像打開一個 App 一樣，輸入問題，等待回答。很多時候，甚至還沒有單獨的 Codex 好用，更不用說和整個 Windows 系統聯動的 AI。
而這一次，微軟想要把 AI PC 這件事做得更創新更徹底一點。
除了新的 Surface Laptop Ultra，微軟還更新了 Windows 的 Agent 能力、本地 AI 模型運行環境，以及本地與雲端之間的算力調度機制。
其中，「混合智能」成為這場發布會的重心。
微軟開始把 Windows 變成一個在本地和雲端之間調度 AI Agent 的平台，而 Surface Laptop Ultra 就是這套方案的硬體樣板。
在未來，微軟發售的每一款的 Windows 電腦，甚至都有機會在出廠就預裝好一個本地大模型，一套 Agent 組合方案，以及所有 AI Agent 服務的相關套件。
比 MacBook Pro 還更快
先來看看這台 Surface Laptop Ultra。
它搭載 NVIDIA RTX Spark Superchip，把 Blackwell RTX GPU、Grace CPU 和統一記憶體放進同一套平台。Surface Laptop Ultra 最高提供 128GB 統一記憶體，微軟稱它可以在本地運行超過 1200 億參數的 AI 模型，並提供最高 1 petaflop 的 AI 性能。
相比過去強調 NPU 算力的 Copilot+ PC，這一次微軟顯然更看重電腦持續運行大模型和 Agent 的能力。
因此，這台電腦從硬體設計開始就圍繞本地 AI 和持續負載展開。它的機身厚度低於 18mm，重量低於 4.5 磅，配備 15 英寸 PixelSense Ultra 觸控式螢幕。散熱系統的熱容量最高達到現有 Surface Laptop 的 2.5 倍。
它還有 3 個 USB-C 接口、HDMI、USB-A、SD 讀卡器和耳機接口，支持最多 3 台 4K 外接顯示器，SSD 可以自行更換。Surface Laptop Ultra 的美國官網起價為 2599 美元，10 月 7 日開放預訂，10 月 16 日開始供貨。
有意思的是，2024 年微軟推出新一代 AI PC 時，主打品牌還是「Copilot+ PC」。
但這一次，新硬體已經不再使用這一品牌。微軟發言人向外媒確認，公司已簡化產品命名，以 Surface 品牌為主導，同時繼續提供高端硬體和混合 AI 體驗。
兩年前那個高調登場的 AI PC 品牌，如今反而淡出了新品發布的主舞台。取而代之的是一套迷你桌面主機、Copilot+PC，和 Builder PC 的 AI PC 組合路線。
在史上最強 Surface 之外，微軟還推出了 Surface RTX Spark Dev Box。這是一台放在桌面上的小型開發設備，售價 5999 美元，11 月開始出貨。
它預裝 Visual Studio Code、Git、GitHub CLI、GitHub Copilot、WSL、Python 和 Node，目標是讓開發者開箱後直接開始本地 AI 開發。
同時，微軟也把 RTX Spark 擴展成一整套 Builder PC（創造者 PC）。ASUS ProArt P16/P14、Dell XPS 16 Creator、HP OmniBook Ultra 16、Lenovo Yoga 9n 2-in-1、MSI Prestige N16 Flip AI+ 和 Surface Laptop Ultra 都開放預訂，10 月 16 日開始出貨。
面向迷你桌面機，微軟為 OpenClaw 準備了原生 Windows gateway，簡化 Agent 的安裝過程，並把 MXC 沙箱放進開箱體驗。微軟希望這類機器可以長期運行 Agent，成為家裡或辦公室里的常駐 AI 設備。
面向更高端的工作負載，微軟宣布 DGX Station for Windows。它搭載 NVIDIA GB300 Grace Blackwell Ultra Desktop Superchip，最高提供 748GB 統一記憶體和 20 petaflops 的 FP4 AI 算力，可以在本地運行超過一萬億參數的模型。
一種是個人 AI 超算，用來處理工程、科研和設計任務；另一種是團隊的 Token Factory，同時服務 32 個以上的 Agent，減少對雲端 Token 的消耗。
從迷你桌面機、Copilot+ PC、RTX Spark Builder PC，到 DGX Station，微軟正在為 Agent 準備一條完整的設備鏈路。
而真正決定這台電腦能做什麼的，還得看微軟這次為它準備了一個怎樣的 Windows。
Windows 終於不只是一層 Copilot 入口
如果把過去的 Copilot 理解成 Windows 里的一個 AI 應用，那麼微軟這次試圖把它推進到系統內部。
Copilot 不再只負責回答問題，而是開始理解電腦上的內容、調用本地模型、執行 Windows 操作，並在需要時把任務交給雲端。
微軟把這套能力放進 Copilot 的 Home、Code 和 Autopilot 三個體驗里。
Home 可以讀取用戶正在處理的文件和近期活動，幫助把內容整理成協作材料；Code 可以根據提示創建原生 Windows 應用，並在更安全的環境裡運行代碼；Autopilot 則繼續朝著持續運行、主動執行任務的個人 Agent 發展。
它們共同依賴三種本地能力：
- 本地上下文：經過我們許可，Copilot 可以理解電腦里的相關文件和近期活動；
- 本地操作：Copilot 可以整理文件、做設備診斷、排查問題、編寫代碼和執行工作流；
- 本地模型：Copilot 可以把適合的任務交給電腦上的模型，把更複雜的任務交給雲端模型。
現場演示里，Agent 可以搜出散落在各處的報稅文件、打包成 Zip 並起草發給會計的郵件，全程不離開本機、每一步都要授權；還能用一句提示詞生成一個原生 Windows 應用。
微軟希望 Copilot 能進入的地方，也從一個聊天窗口擴大到整個系統。
系統層面，Windows Search 將在任務欄里直接執行數千種操作。用戶可以輸入「打開深色模式」「開啟勿擾模式」「調暗螢幕」「整理窗口」或者「給某人發簡訊」，不必再專門打開設置、文件管理器或其他應用。
Search 也會接入新版 Copilot，用戶可以先在任務欄里得到快速答案，再跳轉到完整的 Copilot 應用。
敢不敢讓 Agent 在我的電腦上跑
和傳統 Agent 的工作方式不同，承載著大量個人數據的電腦，如果一個系統層面的 Agent 助手想要發揮作用，就不可避免的要面對這些隱私何去何從的問題。
這次微軟推出了一項名為 Microsoft Execution Containers（MXC）的微軟執行容器。
容器可以在 Agent 運行過程中，限制 Agent 能訪問哪些文件、哪些網路，並按照策略執行進程隔離、會話隔離、虛擬機、WSL 和 Windows 365 for Agents 等不同層級的隔離。
今年以來我們耳熟能詳的 Agent 產品，像是 Codex、GitHub Copilot、OpenClaw、Replit、LM Studio、NVIDIA OpenShell 和 Unsloth 都已經支持 MXC。
還有 Claude Code、Box、Egnyte、Manus、Perplexity、Raycast 等產品也在準備接入；Meta 的 Muse for Windows 之後也會以原生應用形式集成 MXC。
微軟顯然想讓 Windows 成為所有 Agent 的「默認運行環境」，而不只是自家 Copilot 的容器。
畢竟對大多 Windows 用戶來說，我們需要一個更強大的 Agent，也需要一套更完整的管理方式。而這套容器就是微軟應對 Agent 時代，首先給了 Agent 一個能被管理的工作環境。
讓每一個 Token 花在更需要它的地方
微軟給這場發布會定下的核心詞是「混合智能」。
所謂混合智能（Hybrid Intelligence），用微軟官方部落格的原話說，就是讓智能體「在該用本地算力時跑在本地，需要雲端時連接雲端，並以組織期待的安全性和可管理性運行」。
這個戰略其實早在納德拉 7 月底的財報電話會上就說過，Windows 可以「成為不計量智能的承載端」（become the offload for unmetered intelligence）。
自然一點的說法，微軟押注的是，把一部分原本需要交給雲端的 AI 工作搬回 Windows，讓電腦本地提供持續運行、無需按 Token 計費的智能算力。
而支撐這項混合智能的能力是：智能路由、足夠強的本地模型、高性能運行時。這次發布的所有軟體更新，也都可以歸到這三個方面。
微軟自研的 MAI Code 1.1 Flash，它擁有 1370 億總參數和 68 億活躍參數，經過 3-bit 處理後，模型體積縮小近 80%，並支持在本地使用 256K 上下文。
此外，NVIDIA 即將推出的 Nemotron 模型 700 多億參數、2-bit 量化後只占 20GB 出頭記憶體；還有 2840 億參數的 DeepSeek V4 Flash，都將是「混合智能」里重要的本地模型部分。
調度層面，GitHub 的 HydraFusion 從雲端路由擴展到 Windows，自動判斷每個任務該用本地還是雲端模型。
同時，為了處理越來越繁榮的本地模型生態，Windows ML 宣布支持 llama.cpp，可以把模型部署到 GPU、NPU 和 CPU 上。開發者可以更快嘗試新的開源模型，Windows 也能承接更多不同硬體和模型組合。
「我們重新發明了個人電腦」
回過頭來看，兩年前微軟推出 Copilot+ PC 時，對 AI PC 的定義其實還很簡單：一台擁有足夠 NPU 算力、能夠運行 Copilot 和一系列 AI 功能的個人電腦。
而這一次讓我們看到，一台新的 AI PC，需要有足夠的本地算力運行模型，需要 Windows ML 這樣的運行時，需要 HydraFusion 這樣的任務路由，需要 Copilot 能理解本機內容並執行操作，也需要 MXC 這樣的安全底座，讓 Agent 在權限範圍內工作。
這套系統最後還要落到不同設備上：普通用戶可能使用 Copilot+ PC，開發者可以選擇 Surface Laptop Ultra 或 RTX Spark Dev Box，團隊可以部署 DGX Station，迷你主機則可以成為長期運行 Agent 的常駐設備。
這也解釋了為什麼這次發布會把 Windows、Copilot、GitHub、NVIDIA、Surface 和 DGX Station 放在同一張圖里。
微軟似乎在告訴我們，以後我們在選購一台新電腦時，我們必須要考慮下面這些問題：
這台電腦能不能運行自己的 Agent，能不能在本地和雲端之間分配工作，能不能讓模型一直跑下去，能不能讓系統知道 Agent 正在做什麼。
這些變化也讓 AI PC 不再只是一個模糊的營銷概念，它開始有了更具體的用途，也有了值得購買高性能硬體的理由。
兩年前 AI PC 的邏輯是：電腦已經存在，現在要想辦法讓 AI 成為它的新賣點。
而兩年後，當 AI 開始長期參與日常工作，本地電腦能夠提供雲端不容易完全替代的價值，電腦本身就是 AI 工作的一部分。
