“给我的PPT配上转场动画”。指令输入后，电脑便自主完成了打开PPT文档及后续调整、内容处理等一系列动作。这是记者在2025联想科技创新大会活动上看到的场景。从演示案例来看，PC端智能体功能初见雏形：能独立完成端侧任务、调动手机等其他平台数据，还能调用其他模型能力。

综观智能体市场布局，Manus是云端智能体的先锋代表，且自3月发布之时便已经获得广泛关注，但发布之初该平台体验资格仍需排队获取。而5月12日，Manus已宣布向所有人开放注册，无须等候。在Manus推动“智能体平权”的局势下，PC端智能体胜算几何？

“一个指挥官，多名操作员”

“超级智能体”是此次2025联想创新科技大会的关键词。

而从技术逻辑来看，联想的“超级智能体”与今年3月引发科技圈广泛讨论的云端智能体工具——Manus非常相似：其一，具备基于大模型的自动化工作流，可自主完成任务编排与执行。用户在发出指令的时候，智能体可将复杂请求拆解为多个子任务并逐个执行。

其二，支持多智能体协作，在执行过程中会调动不同模型功能。用户给智能体的指令会首先由顾问智能体进行分解，分解后的子任务会被分配至不同的特定智能体，在各智能体运行完成后，将各自独立的工作流结果反馈给顾问智能体，由顾问智能体统一输出多智能体集体决策的结果。

智能体模拟了人类在处理任务时分步骤进行和寻求伙伴帮助的操作过程，从而既实现了智能体的专业化分工，又最大程度地简化了人机交互流程。

更强的隐私保护和更加个性化的私人知识库，是PC端智能体相较于Manus最具吸引力的两个特点。

“涉及隐私数据的处理，将由用户进行评估审核是否可以上云。对于用户不希望数据上云的场景，我们会寻找部署在本地的大模型及工具作为替代方案。这些工具的运行速度可能较慢，或对本地资源有一定占用，但能够保障用户数据的隐私与安全。”联想先进人工智能技术中心工程师李聪在接受《中国电子报》记者采访时说道，“智能体还能记住一些用户偏好，例如用户编辑邮件的风格，并在任务执行过程中加以运用，实现更加个性化的生成。”

PC端智能体与基于云算力的Manus最大区别在于可用算力资源的差距。

Manus利用云端资源，拥有非常丰富的算力池，因此其任务执行过程可以不断尝试、不断反思，执行过程也能被细致地拆解。但对于部署于PC本地的智能体而言，其本地可用算力有限，且为了保障用户体验，单次任务的执行时间不宜过长。因此，PC端智能体的工作流程需要与Manus有所不同——它将根据本地知识库中的信息和可用的本地工具，在合理的任务拆解力度下决定任务的分配与执行策略，兼顾任务执行效果及速度。

美好愿景之下，多个难题待解

当前，业界将智能体AI根据发展程度分为五个等级。当前，这五个等级中的L1级——AI作为工具被调用，L2级——AI执行被分解的任务，已可基本实现。智能体发展的下一个目标，是实现AI自主拆解及分配任务，并实现闭环执行。

对于部署在PC本地的智能体而言，其自主拆解及执行任务的能力，取决于智能体所能调用的工具能力，也决定着AI智能体PC的智能化上限。

而要想满足用户多样化的需求，PC智能体需要与更多应用开发商进行适配，完成更多场景的智能体化流程跑通。

联想集团笔记本研发总监、首席工程师莫志坚在接受《中国电子报》记者采访时表示，为了实现PC端侧智能体应用覆盖更多场景，联想有两条发展路径：

其一，推动联想推理加速引擎的平台化进程，使其支持业界最新的主流模型。同时持续优化联想的模型推理引擎，通过算法、异构计算的优化等，使AI模型在联想的AIPC、平板电脑上运行得更加流畅。

其二，与应用软件开发商合作，帮助软件开发商了解PC芯片等硬件能力，引导软件开发商基于算子类型、计算精度等任务类型亲和性调用芯片中为AI功能开发的推理加速引擎，实现AI计算的最佳能效。如，CPU加速常规通用计算，GPU加速视频、3D类的并行计算，NPU加速卷积类的模型计算。

与Manus相比，运行在本地、能够逐渐熟悉用户使用习惯，是PC端智能体最大的特点和优势。由此，搭建个人知识库（PKB）对于端侧智能体来说便显得更为重要。莫志坚介绍，从技术实现角度看，个人知识库本质上是一个专用的数据存储系统，类似于在用户存储设备中划分出的独立知识空间。虽然存储原始知识数据本身对容量的需求并不大，但当这些知识被转化为机器可理解的向量形式并建立索引时，就会形成一个规模较大的向量数据库。当数据量持续增长时，数据库的高效管理和实时检索，会对终端设备的计算能力、内存资源和能效管理带来显著挑战。这要求在本地存储优化、索引压缩和检索算法等方面进行精细设计，以平衡知识库的完备性和终端设备的性能表现。