AI进入电脑：亚马逊、微软、谷歌的硬件新战争

科技行业正在经历一场围绕"什么是电脑"的集体重新思考。在最新一期The Vergecast播客中，David Pierce与Nilay Patel梳理了亚马逊、微软、谷歌乃至苹果近期一波密集的硬件发布，并得出一个共同结论：几乎所有新设备的核心逻辑都是一样的——为AI智能体（agent）提供一个运行的"表面"。

亚马逊的Alexa平板：承认过去，押注未来

亚马逊本周正式告别Fire平板品牌，推出全新的Alexa平板系列。这是一次彻底的策略转向。过去亚马逊从不追求做好平板，只想做到极致便宜（$29的儿童平板加订阅服务），因为它无力与iPad正面竞争。

负责设备与Alexa业务的Panos Panay做出了两个关键决定。其一是全面升级硬件，核心卖点是一块全新的nano matte纳米雾面屏——它把雾面纹理直接烧结进玻璃，而非贴膜处理。8英寸起售价$229，顶配12英寸$549，相比动辄千元的iPad区间极具竞争力。

其二，也是更耐人寻味的决定：亚马逊砍掉了自家应用商店，直接接入Google Play Store，成为谷歌生态的一部分。Nilay对此的解读颇具洞察："很多人误以为应用是过去式，但真相是应用问题已经被解决了。"换言之，应用依然是坚实的当下，但在应用商店这场战争里再争已毫无意义——于是亚马逊选择把现在"让"给谷歌，集中火力押注下一场战争，即Alexa作为无所不包的AI智能体。

代价是什么？Play Store意味着内购抽成归谷歌所有，亚马逊相当于让渡了当下的收入模型。更令人担忧的是补贴方式——亚马逊唯一懂的补贴手段就是侵入式广告。当被问及$549的定价如何实现时，Panos只回了一句"我不想谈我们是怎么做到这个价格的"，意味深长。

nano matte纳米雾面屏是一种将防眩光磨砂涂层直接熔融于玻璃基底的制造工艺，区别于传统的后期贴膜方案。传统雾面贴膜会在玻璃表面形成微小气泡、降低色彩饱和度，且容易脱落；而将纳米级颗粒烧结进玻璃则能在保持触控手感一致性的同时减少反光，色准和亮度损耗也更小。这一工艺此前多见于旗舰级专业显示器，三星和LG在部分高端电视产品线中也有采用。亚马逊将其下放到$229起售的消费平板，在同价位产品中是较少见的配置，也是此次硬件升级策略中含金量最高的一项。

微软Surface Laptop Ultra：本地AI的赌注

微软本周也办了场活动，推出了史上最强的Surface Laptop Ultra，基于NVIDIA的RTX Spark平台，定位本地AI开发，售价约$2,600。

这背后是一个正在复兴的议题：计算究竟该发生在哪里。Nilay分享了自己写书时用Claude构建搜索工具的经历——他一度忘了那个工具其实运行在自己的电脑本地，直到出差打开笔记本才发现"东西到底在哪"。这种困惑恰恰揭示了一个被云计算训练出来的思维定势正在被打破。

有意思的是，这台设备来自一家把Office、Windows全面搬上云端、CEO纳德拉甚至想把Windows改名为"Azure Edge"的公司。如今微软却在尝试"把整套AI能力烤进你的电脑、让它离线也能工作"。

两位主持人对本地AI笔记本的疑虑在于使用场景：如果你想要本地算力、不愿把数据交给云端，更合理的形态是家里放一台无头的Mac Studio做服务器，随处远程调用——而不是把模型装进随身的笔记本去咖啡馆本地运行。不过他们也承认，哪怕只是"微软终于做出一台能和MacBook Pro掰手腕的笔记本"，这本身就足够令人兴奋。

值得一提的还有一个小细节：这是首款内置磁吸USB-C充电的设备，相当于把MagSafe的便利与USB-C的通用性结合，两位主持人都给予好评。

NVIDIA RTX Spark是面向超薄笔记本市场的独立显卡平台，基于Blackwell架构，主打本地AI推理能力。其关键指标是TOPS（每秒万亿次运算），专为运行大语言模型的INT4/FP8量化推理任务优化，区别于传统面向游戏和图形渲染的GPU定位。"本地AI推理"是指模型权重存储在用户设备上、无需联网调用远程服务器即可完成运算，好处是数据不离开本机、延迟更低，代价是受限于本地显存容量，可运行的模型参数量远小于云端。当前主流本地可运行的开源模型约在7B至70B参数之间，与GPT-4级别的云端模型仍有明显能力差距。

谷歌Google Books：伪装成笔记本的安卓平板

谷歌本周也推出了Google Books（5款设备），David直言不讳地批评：这是一个"没有一处完成"的平台，本质上是"伪装成笔记本的安卓平板"。

问题的核心仍是应用。以Netflix为例，app只能全屏或16:9居中运行，无法调整窗口大小、无法与其他窗口交互——因为它们本质上就是平板应用。David给出了尖锐的判断："安卓应用除了在手机上，在其他任何设备上都很糟糕。"而这一点在Google Books上比以往任何设备都更刺眼。

但Google Books也有做得对的地方：它引入了类似手机的主屏概念、可以摆放小组件和图标，控制中心的布局比Mac上四处找设置更易懂。至于谷歌为何此时发布尚未成熟的产品，Nilay的答案很直接——假期购物季临近，必须赶在黑五前上市，开发者也需要尽早拿到设备以推动软件更新。

殊途同归：所有硬件都在为AI智能体铺路

节目中最具穿透力的观察是：无论是Alexa平板、Siri AI设备、Copilot笔记本还是Gemini的Google Books，所有这些硬件的存在理由惊人地一致——它们都是"让你的AI智能体代你办事"的运行表面。

而真正合适的"表面"或许是什么？Nilay的答案是：云端一台配8GB内存的微型Linux电脑，里面跑一个浏览器。他盛赞Meta的Muse策略"就是给你一台云端小电脑，你的大脑立刻就能理解"。这也引出了算力归属的核心命题——对普通消费者而言，最合理的方案是云端由专业IT人员托管的沙盒，而不是地下室一台跑着open-claw的Mac mini（有评论者正因此中了病毒）。

不过两位主持人也不忘注入冷静的怀疑：目前所有智能体都远未完美，都以各种方式脆弱易碎。亚马逊正在屏蔽Muse，Cloudflare和各大网站很可能很快就会向所有智能体收费设限。尤其在电商领域，各种围墙会竖起来，直到商业协议谈妥，而届时"让智能体随意点击浏览器"的乐趣可能就会瓦解。

更关键的是，这些模型"整天都在编造内容"。Nilay对所有智能体承诺持怀疑态度的根本原因正在于此——幻觉问题从未消失，只是行业不再谈论它。David也坦言，自己用了一周Google Books，始终无法建立"调用Gemini"的肌肉记忆："大多数我们做的事其实没那么难、也没那么耗时，为了把它外包给AI而去学一套新东西，并不划算。"

唯一让他真正感到有用的案例，是用Muse帮三岁儿子找到幼儿园里那辆蓝黄红三色的平衡车摩托——他裁剪了一张照片发给Muse，"是什么、在哪买"，Muse在一个荷兰校具网站上找到了，而他自己用谷歌搜了半天一无所获。命中率大约50%，这差不多就是当前AI的实际能力边界。

这是科技巨头们唯一一次有机会"打败手机"的窗口期。正如Nilay所说："我们从来打不过手机，这是不是我们的机会？"答案是必须尝试——但没有任何证据表明它会在人们所宣称的时间表内成功。

AI智能体（AI Agent）是指能够自主规划并执行多步骤任务的AI系统，区别于只能进行单轮问答的传统聊天机器人。其核心机制是"工具调用"：模型可以调用浏览器、代码执行环境、文件系统、API等外部工具，将复杂任务分解为一系列子步骤并循环执行，直到达成目标。文中提到的Muse（Meta）和Claude均具备此类能力。智能体的典型应用场景包括：自动在多个网站比价并下单、读取收件箱并起草回复、操控浏览器完成表单填写等。然而"幻觉"问题（模型自信地输出错误信息）在多步骤链式执行中会被放大——单步出错可能导致后续所有步骤基于错误前提累积偏差，这正是主持人对智能体可靠性持怀疑态度的技术根源。