每个人都将接入GPT或类GPT，这是2023年已经明证的趋势。
但是，这就够了吗？不！
每个人都将拥有属于自己的“智脑”，这是被忽视但正在到来的另一个重要趋势。
1.为什么中心化大模型未来不会独大
每个人的AI从根本上主要有两种实现方式，一种是个体成为拥有数十亿用户、全球数据知识信息、超级算力资源的巨无霸平台的一部分，个体作为神经末端既从智能母体那里获得帮助，也为智能母体投喂自己的数据资源，提供各种增益反馈。这种情况下个体是整体的一部分，人是AI的一部分。其形态归根结底是中心化的。
另一种是每个人、每个企业、每个个体拥有自己的AI，自有设备、本地部署、自主掌控，和自有数据、本地场景、行业专业结合，满足个体专门化的需要的同时，隐私数据和应用的安全性有保证。这种情况下整体是个体的一部分，AI是人的一部分。其形态归根结底是分布式的。
理想且切实的AI，实际上是两种形态的结合。也就是既有中心化的公用AI，也有分布式的私有AI，以及混合形态的其它各种纵横交错、公私兼备的AI。
在数据所有权、数据本地化、数智隐私保护、个体觉醒、数智平权等力量的驱动和博弈之下，每个人的AI正在从大模型占据绝对优势的第一种AI进程，向第二种方式也日益崛起的混合形态转变。
中心、分布、混合形态，互不冲突，也没必要对立起来，因为它们从根本上是互补而不是排斥关系。每个人的AI实现的历史过程，只有力量的平衡与再平衡，权利和利益的分配，依附和去依附的博弈。
2.为什么分布式AI先抑后扬，未来更贴合每个人的AI场景需求
第二种趋势也就是分布式AI，过去以来相对弱势以至于被忽视的原因之一，是大模型、中心化的AI尽管效率不高但可用性更强，而且表现出成为重要生产力工具的巨大潜力。目前的基本原理决定了大模型普遍需要极高算力，而且以人类几乎所有已经数字化的知识信息数据为基础，而常规智能设备不具备这个量级的算力和数据能力。
但是三个趋势正在改变这一切。
一是端侧算力、精巧的端侧大中小模型的可用性正在快速提高，正在改变只有上万亿参数大模型、数万芯片暴力计算才能提供可用效果的“大规模-高成本”局面；20亿以内参数的端侧大模型基本处于技术探索期，20亿-100亿参数的各类大模型逐步进入应用导入期，100-500亿参数的端侧大模型开始具备不同特定方向的离线可用性；工作站级的AI训练推理设备，以及计算架构更具针对性、算力数倍甚至数十倍于普通PC的AI PC，有望驱动端侧大模型进入上千亿参数的高可用性时代。辅之以本地或云侧大规模算力专门训练后移植到端侧的“取巧”手段，端侧模型的效率和效果都将显著进阶。
二是更为精准有效的本地数据、专业应用、个体需要、物联传感以及本地智能设备的“联合”，正在将给每个人的AI首先变成个性化的“场景计算”；而且，每个人的AI，未来首先是也必然是每个人的场景计算；端侧模型在场景数据支持下的实效提升。一些用户将本地知识库的训练与GPT的使用结合起来，能够使得ChatGPT的可用性显著提高，也是这个原因。
三是数据-隐私-智能-安全-应用的本地化与私有需要，驱动端侧智能成为相当多用户的首选。从效率-网络-需求角度看，本地、端侧数据包括传感数据不可能完全实时同步给大模型，从隐私安全、数据私有角度看，更加不可能，甚至在相当高的程度上，部分AI应用对“离线应用”有一定刚需；云侧AI对专业化、本地化、实时化的应用支持，很多时候实效差于端侧AI，也在加深用户对智能设备端侧AI能力的种种需求。
大模型不是万能的，复杂场景、现实利益和技术趋势，也不会让大模型万能。
每个人、每个家庭、每个企业等每一个个体，同时也需要以自己为中心的、分布式的、场景化的AI。端侧高算力、端侧模型高可用性的AI PC智脑，必将先抑后扬，成为更适应本地复杂场景下的实时或离线需要的个性化智能。
3.为什么每个人的AI首先是智脑，智脑的形态首先是AI PC
分布式AI的使用场景决定其不可能单点大规模、设备高能耗、投资高成本，体积重量和部署灵活性也显著不同于云侧AI，而技术正在实现高效便捷的每个人的AI。每个人的AI，促动智能设备形态创新、算力普慧，每个人都可购、可用、高算力的智脑也就是AI PC，因此涌现。
AI时代重要的开启者之一黄仁勋称，大型语言模型的推理成本将大幅降低。之前他有一个未引起充分关注的预言： “电脑产业正在迎来再生契机。下一个十年，新型AI PC将取代价值上兆美元的传统电脑。” 在日前举行的联想Tech World 2023期间，黄仁勋的提法更进一步：“人类历史上首次，计算机可以编写人类无法编写的软件，这需要人工智能基础设施，一种新型的计算基础设施……现在，一种全新的电脑出现，我称之为AI工厂。这个AI工厂是一个专门的计算基础设施，配套着我们建造的专门用于优化人工智能的超级计算机。这个AI工厂仅有一个单一目的，即将进入其中的原始数据进行处理，并通过大量处理进行提炼，输出智能”。