微软新愿景：8GB内存和128GB内存，怎么同时跑AI？

比尔·盖茨离开微软企业层面已经6年多，但他40年前定下的方向还在被重新诠释。微软Windows与设备销售企业副总裁Mark Linton在IFA 2026现场重提旧话：当年是让每张办公桌、每个家庭都拥有一台PC，现在则要换成“不受限制的智能”。

这个说法不是营销修辞。Linton给出的定义很具体：AI不再每次使用都依赖云端推理，一台性能足够的PC可以直接在本地运行日常AI模型，云端只留给真正需要云计算能力的任务。微软CEO萨蒂亚·纳德拉在6月1日也说过几乎同样的话，目标是通过Windows让每个家庭、每张办公桌都拥有不受限制的智能。

从“运行微软软件”到“本地AI无处不在”

微软1977年的口号是“让每张办公桌、每个家庭都拥有一台运行微软软件的计算机”。纳德拉后来承认，“运行微软软件”这部分让他不太舒服，因为它把一个持久的使命和一个阶段性的目标混为一谈。现在“不受限制的智能”被摆上台面，看起来正是微软想给这个使命开启第二幕。

盖茨当年认为PC潜力几乎没有上限，可以处理文字、数字、图片，最终还能处理动态视频。旧愿景解决的是让所有人获得计算能力，新愿景则想让所有人获得智能。但“不受限制”不等于免费。微软在Build 2026上的表态很清楚：最前沿的模型处理最复杂的问题，其他任务尽可能直接在设备上运行。

本地模型怎么跑起来

Windows ML负责适配不同性能级别的硬件。如果一个小型或中型AI模型可以直接在本地运行，用户就不必每次都把请求发给远程模型，也不需要按Token数量付费，延迟也会降低。Linton提到的“Token经济学”说的就是这一层。

硬件起点是英伟达的RTX Spark。黄仁勋在Build 2026上确认，这款芯片拥有1 PFLOPS AI性能、最多6144个Blackwell核心、20核心Arm CPU以及最高128GB统一内存，已经足以在本地加载数千亿参数的模型。微软的Surface RTX Spark Dev Box把这款芯片整合进面向开发者的桌面电脑，Surface Laptop Ultra则是搭载RTX Spark的旗舰笔记本。联想Yoga Pro 9n和Yoga 9n 2-in-1的曝光也说明，RTX Spark不会只出现在工作站设备上。

微软还针对这款芯片的CPU、GPU和统一内存架构重新设计了Windows调度器和内存管理机制，其中Workload Profile Scheduling可以把工作负载分配到全部20个CPU核心。9月4日公布的Project Zenith把最低要求设为64GB统一内存和250GB/s内存带宽，符合要求的设备可以在本地运行300亿甚至更多参数的模型，实现所谓“不受限制”使用。

安全层和完整技术栈

企业客户不会希望自主AI Agent在公司网络里自由运行。微软给出的方案是Microsoft Execution Containers，通过隔离和容器化AI Agent、实施策略并记录操作，把这些能力纳入Windows安全体系。这套系统由微软与英伟达以及其他芯片合作伙伴共同打造。

英伟达也在把自己的OpenShell Agent框架引入这一体系，Hermes Agent和OpenClaw都会直接集成。Windows Foundry允许开发者选择不同模型，Windows默认提供系统内置模型，Windows AI子系统负责整个过程的协调与编排。强大的硬件、Windows ML、本地模型、AI Agent，再加上围绕这些能力构建的Windows安全体系，就是Linton描述的完整技术栈。

8GB和128GB，两个方向同时走

Linton还提到，微软正在“优化Windows，让8GB内存的机器也能运行得很好”。这看起来和本地运行1200亿参数模型毫无关系，但其实是同一战略的另一面。Project Zenith从64GB内存起步，RTX Spark最高支持128GB内存，而微软同时还在努力让8GB内存设备保持良好体验，两者之间存在巨大鸿沟。

普通Windows笔记本距离这个目标还很远。64GB内存的最低要求已经远高于主流产品，RTX Spark级别的硬件也并不便宜。目前最大的瓶颈或许就是昂贵的硬件，但微软的方向已经非常明确：让PC成为本地AI基础设施，在本地运行AI模型、承载AI Agent，只有在确实需要时才把任务交给云端。唯一不确定的是，填补8GB到128GB之间这道鸿沟需要多久——希望不要像当年实现“每张办公桌、每个家庭拥有一台PC”那样漫长。