Omdia 预估 2027 年 AI PC 将占 60% 出货，69% 打工人愿

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 年达到 60%，本地 AI 的装机基础正通过换机周期逐步形成。

企业 AI 支出仍在上涨，token 计费让成本难以管控

绝大多数企业都计划在明年增加 AI 投入。Omdia《2026 年 AI 市场成熟度调研》显示，86% 设有 AI 预算的组织预计 2027 年支出将进一步上升。

而头部 AI 厂商正从按席位或按请求收费转向 token 计费，任务的成本只有在运行结束后才能明确，这让支出管理难度陡增。智能体 AI （Agentic AI）进一步放大了问题，单个任务可能触发一长串按次计费的模型调用。即便如此，这些风险并未放缓企业 AI 的支出与使用节奏。

此前企业 AI 大多运行在云端，成本不断走高的同时，企业开始重新审视哪些工作负载应当留在云端。覆盖公有云、本地服务器与端侧 AI 的混合基础设施正在成为解决方案，但大规模落地本地 AI 门槛不低，很多企业并不具备相应技术能力，这恰恰是整个 PC 生态的机会：帮助企业厘清在设备上运行 AI 的场景与方式。

纯云 AI 推高成本与合规风险，端侧 AI 尚未真正打动企业买家

除成本外，随着更多公司数据离开设备，纯云 AI 也带来了合规、安全与数据主权层面的顾虑。随着智能体方案走向生产环境，这些风险还可能加剧，且管理开销往往难以追踪。

用户侧同样存在管理盲区。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，但这一群体中只有 12% 使用的是由工作单位或学校提供的工具，大量使用行为很可能发生在 IT 部门看不到的个人账户下，给企业数据带来额外风险。

公有云之所以主导早期企业 AI 应用，是因为它易于上手、无需采购硬件，还能接入能力最强的前沿模型。如今，若干新进展已让在公有云之外运行 AI 变得更加可行：企业可自行部署的开源权重模型已大幅缩小与前沿模型的差距，量化压缩技术让模型体积缩小到可装入 PC 内存，越来越多常规 AI 工作因此可以在本地运行，以更低的增量投入获得私有基础设施在合规与数据主权方面的大部分收益；神经处理单元（NPU）也已成为许多新 PC 的标配。

不过，AI PC 的价值主张尚未在市场中真正引起共鸣。Omdia 调研显示，69% 用 PC 办公的受访者愿意为可直接在设备上处理 AI 任务的电脑支付溢价，但 62% 的人更换上一台 PC 的原因是设备变慢、损坏，或想要更新更好的机型，只有 9% 将 AI 功能列为主要换机原因。