AI se přesouvá z datacenter do osobních počítačů

Ještě nedávno většina lidí vnímala umělou inteligenci hlavně jako cloudovou službu. Uživatel otevřel webovou aplikaci, zadal dotaz a výpočet proběhl někde v datacentru. Notebook nebo stolní počítač byl v takovém scénáři hlavně terminál, který odeslal data na server a zobrazil odpověď.

To se začíná měnit. Nová generace počítačů označovaných jako AI PC, AI-ready PC nebo Copilot+ PC dokáže část AI úloh zpracovávat přímo na zařízení. Neznamená to, že cloud přestává být důležitý. Znamená to, že se výpočetní výkon postupně rozděluje mezi koncové zařízení, firemní infrastrukturu a veřejné cloudové služby.

Důvod je jednoduchý. Generativní AI se z experimentální technologie stává běžným pracovním nástrojem. Firmy ji začínají napojovat na vlastní dokumenty, databáze, e-maily, interní komunikaci, zákaznická data a procesy. S tím přicházejí praktické otázky: Kam se firemní data odesílají? Kdo k nim má přístup? Kolik budou cloudové AI služby dlouhodobě stát? Co se stane bez internetového připojení? A lze část AI zpracování provozovat bezpečně přímo na zařízení?

Právě na tyto otázky reaguje nástup AI PC. Moderní notebook už nemusí být jen zařízení, které odesílá požadavky do cloudu. Může lokálně zpracovat zvuk, obraz, překlad, titulky, přepis, rozpoznávání objektů, některé kancelářské úlohy nebo menší AI modely. Microsoft definuje Copilot+ PC jako třídu Windows 11 zařízení s NPU o výkonu alespoň 40 TOPS a uvádí také minimálně 16 GB RAM a 256GB úložiště; dostupnost jednotlivých funkcí se ale může lišit podle zařízení, regionu a aktualizací.

Pro firmy je důležité nepodlehnout dojmu, že AI PC je jen další marketingový název pro rychlejší notebook. Ve skutečnosti jde o širší změnu v architektuře osobních počítačů. K tradičnímu procesoru a grafice přibývá specializovaná jednotka pro AI úlohy. Ta se nazývá NPU, tedy Neural Processing Unit.

Vysvětlíme si, co znamená označení AI-ready PC, jak funguje NPU, jaký je rozdíl mezi AI PC a Copilot+ PC, kdy má smysl lokální AI, kdy je vhodnější cloud, podle čeho vybírat hardware, proč je software důležitější než samotný čip a jak by firma měla k nasazení AI PC přistupovat.

Co znamená označení AI-ready PC

Pojmy AI-ready PC, AI notebook a AI PC se dnes používají poměrně volně. Někdy označují počítač, který dokáže spustit AI aplikaci. Jindy zařízení s hardwarovou AI akcelerací. V dalších případech jde o notebook splňující požadavky kategorie Copilot+ PC. A u výkonných pracovních stanic může jít o sestavy určené pro lokální modely, vývoj AI nebo práci s velkými daty.

Proto je dobré brát označení AI-ready opatrně. Samo o sobě nemusí říkat, jaké AI funkce zařízení skutečně zvládne, zda má NPU, jak výkonná tato jednotka je, kolik má RAM, jaký software podporuje a zda konkrétní firemní aplikace dokážou AI akceleraci využít.

Jinými slovy: AI-ready není jednotná technická norma. Je to signál, že zařízení nějakým způsobem počítá s AI funkcemi. Pro nákupní rozhodnutí ale nestačí. Firma se musí dívat na konkrétní parametry, podporované platformy, kompatibilitu a reálné scénáře použití.

Základní architektura AI PC

Moderní AI PC obvykle kombinuje tři výpočetní jednotky: CPU, GPU a NPU.

CPU, tedy hlavní procesor, řídí systém, aplikace a obecné výpočty. Je univerzální, flexibilní a stále zůstává srdcem počítače.

GPU, tedy grafický procesor, poskytuje vysoký paralelní výkon. Původně byl určen hlavně pro grafiku, hry a vizualizace, ale dnes je zásadní také pro mnoho AI úloh, kreativní práci, vývoj modelů nebo generování obrazu.

NPU je specializovaný akcelerátor pro vybrané AI úlohy. Je navržen tak, aby určité typy neuronových sítí zpracovával efektivněji, s nižší spotřebou a často bez výrazného zatížení CPU nebo GPU.

Intel u procesorů Core Ultra popisuje AI akceleraci jako kombinaci CPU, GPU a NPU, přičemž NPU je určena pro delší AI zátěže s nízkou spotřebou a doplňuje AI výpočty běžící na CPU a GPU.

Právě tato kombinace je pro AI PC důležitá. Nejde o to, že by NPU nahradila procesor nebo grafickou kartu. Jde o to, že některé úlohy lze přesunout na specializovanou jednotku, která je pro ně vhodnější.

Co je NPU

NPU znamená Neural Processing Unit. Jde o specializovanou výpočetní jednotku navrženou pro akceleraci neuronových sítí, zejména pro inferenci. Inference znamená použití již natrénovaného modelu k vytvoření výstupu: rozpoznání řeči, překladu, detekci objektu, vylepšení obrazu nebo vytvoření textové odpovědi.

NPU se hodí hlavně pro úlohy, které mají běžet často, opakovaně nebo průběžně na pozadí. Typicky jde o:

• potlačení hluku při videohovoru,
• rozpoznávání řeči,
• živé titulky,
• překlad,
• práci s kamerou,
• rozpoznávání obrazu,
• menší generativní modely,
• vizuální asistenci,
• bezpečnostní a kontextové funkce.

Hlavní výhodou NPU není jen maximální výkon. Je to hlavně výkon na watt. Jinými slovy: NPU může některé AI úlohy zvládnout s nižší spotřebou energie než CPU nebo GPU. To je důležité zejména u notebooků, kde hraje roli výdrž baterie, teplota a hlučnost.

AMD například popisuje svou architekturu XDNA jako NPU architekturu zaměřenou na vysokou výpočetní hustotu, nízkou spotřebu, efektivní práci s daty a AI i signal processing úlohy.

Co znamená TOPS

U AI PC se často setkáte s údajem TOPS. Znamená to „trillion operations per second“, tedy biliony operací za sekundu. Jde o orientační údaj, kterým výrobci popisují výkon AI akcelerátoru.

Například Copilot+ PC vyžaduje NPU s výkonem alespoň 40 TOPS. Microsoft zároveň uvádí, že specifické funkce Copilot+ PC mohou mít další požadavky a jejich dostupnost se může v čase měnit.

Vyšší číslo TOPS ale automaticky neznamená, že celý počítač bude rychlejší ve všech AI úlohách. Reálný výkon závisí na mnoha dalších faktorech:

• architektuře čipu,
• velikosti modelu,
• datovém formátu,
• propustnosti paměti,
• dostupné RAM,
• ovladačích,
• optimalizaci aplikace,
• podpoře konkrétního runtime,
• chlazení,
• spotřebě,
• tom, zda aplikace vůbec NPU využívá.

TOPS je srovnávací údaj, nikoliv kompletní měřítko použitelnosti AI PC.

Firma by proto neměla nakupovat AI notebook jen podle nejvyššího čísla v marketingovém letáku. Důležitější je otázka: poběží na daném zařízení naše konkrétní AI aplikace rychle, stabilně, bezpečně a s rozumnou spotřebou?

AI PC versus Copilot+ PC

Pojmy AI PC a Copilot+ PC se často zaměňují, ale nejsou totožné.

AI PC je širší označení. Může jít o jakýkoliv počítač navržený pro AI funkce nebo vybavený AI akcelerací. Může mít NPU, výkonnou GPU, specializovaný software nebo jen marketingové označení.

Copilot+ PC je užší kategorie Windows 11 zařízení definovaná Microsoftem. Podle aktuálních požadavků musí mít kompatibilní procesor nebo SoC s NPU o výkonu 40+ TOPS, 16 GB DDR5 nebo LPDDR5 RAM a 256GB SSD nebo UFS úložiště. Microsoft mezi podporované platformy uvádí AMD Ryzen AI 300 a 400, Intel Core Ultra 200V a 300V a Snapdragon X series.

To znamená, že každý Copilot+ PC je AI PC, ale ne každý AI PC je Copilot+ PC.

Proč není každý AI notebook Copilot+ PC

Některé notebooky mají NPU, ale jejich výkon nedosahuje požadované hranice 40 TOPS. Starší AI PC mohou podporovat dílčí akcelerované funkce, například efekty kamery nebo potlačení hluku, ale nemusí splňovat požadavky na celý balík funkcí Copilot+.

Zároveň samotná přítomnost klávesy Copilot na klávesnici neříká nic o výkonu NPU. Stejně tak označení „AI notebook“ nemusí garantovat konkrétní lokální AI funkce.

U firemního nákupu je proto dobré rozlišovat:

• zařízení s běžnou AI funkcionalitou,
• zařízení s NPU,
• zařízení splňující požadavky Copilot+ PC,
• výkonnou pracovní stanici pro lokální AI modely,
• notebook vhodný jen pro cloudové AI nástroje.

Copilot a lokální AI nejsou totéž

Další častý omyl vzniká kolem slova Copilot.

Microsoft Copilot je služba a uživatelské rozhraní, které může využívat cloudové modely.
Copilot+ PC je hardwarová kategorie zařízení s definovanými požadavky.
Lokální AI znamená, že model nebo část zpracování běží přímo na zařízení.
Hybridní AI kombinuje lokální a cloudové zpracování.

Toto rozlišení je důležité. Uživatel může očekávat, že Copilot+ PC provozuje všechny AI funkce lokálně. Ve skutečnosti mohou některé funkce běžet na zařízení, některé vyžadovat internet a některé využívat cloudové služby. Microsoft u vybraných funkcí Copilot+ PC uvádí dodatečné požadavky včetně toho, že některé služby vyžadují Microsoft účet, Entra ID nebo internetové připojení.

Pro firmy z toho plyne jednoduché pravidlo: u každé AI funkce je potřeba ověřit, kde skutečně běží, jaká data zpracovává a zda něco odesílá mimo zařízení.

Proč firmy začínají požadovat lokální AI

Firmy neřeší AI PC jen kvůli módě. Důvody jsou praktické: data, náklady, rychlost, dostupnost, bezpečnost a kontrola nad procesy.

Ochrana citlivých dat

Mnoho firemních úloh pracuje s citlivými daty. Může jít o smlouvy, účetní data, technickou dokumentaci, zdrojové kódy, osobní údaje, obchodní tajemství, zdravotnické informace nebo interní strategii.

Lokální zpracování může být výhodné, protože některé dokumenty nemusí opouštět zařízení. To může snížit objem dat posílaných do externích služeb a zjednodušit kontrolu nad informačními toky.

Zároveň platí důležitá výhrada: lokální zpracování samo o sobě nezaručuje bezpečnost. Rozhoduje celá architektura aplikace, šifrování, správa zařízení, oprávnění, ukládání výstupů, audit, telemetrie i to, zda aplikace nevytváří lokální indexy nebo cache bez jasné kontroly.

Nižší latence

Lokální AI může být rychlejší u úloh, které vyžadují okamžitou odezvu. Uživatel nemusí čekat na odeslání dat do cloudu a zpět. To je důležité například u kamery, zvuku, titulků, překladu, hlasového ovládání nebo vizuální asistence.

Typickým příkladem jsou videokonference. Potlačení hluku, rozostření pozadí, automatické rámování nebo korekce pohledu mohou běžet průběžně. Pokud tyto funkce zvládne NPU, nemusí tolik zatěžovat CPU nebo GPU.

Práce bez připojení

Některé AI funkce mohou fungovat i bez stabilního internetu. To se hodí v letadle, ve výrobním provozu, v terénu, v servisu, ve skladech, na stavbách nebo v prostředí s omezenou konektivitou.

Offline režim nezajistí všechny AI scénáře. Velké modely a aktuální internetové informace budou často stále vyžadovat cloud. Ale pro přepis, překlad, klasifikaci souborů, práci s lokální dokumentací nebo vizuální rozpoznávání může být lokální zpracování velmi užitečné.

Náklady na cloud

Cloudová AI se často účtuje podle požadavků, tokenů, délky zpracování nebo využitého výkonu. U několika uživatelů nemusí jít o velkou částku. U tisíců zaměstnanců a každodenního používání se ale z drobných požadavků může stát významná provozní položka.

Lokální inference může část opakovaných úloh přesunout z průběžných cloudových nákladů do pořizovací ceny zařízení. To ale neznamená, že lokální AI je automaticky levnější.

Do výpočtu patří:

• pořizovací cena zařízení,
• vývoj nebo úprava aplikací,
• správa modelů,
• aktualizace,
• bezpečnost,
• spotřeba energie,
• podpora uživatelů,
• školení,
• životní cyklus zařízení.

Správná otázka tedy nezní: „Je levnější cloud, nebo lokální AI?“ Správná otázka zní: „Která část konkrétního procesu má běžet lokálně a která v cloudu?“

Předvídatelnější provoz

Lokální AI může snížit závislost na dostupnosti externí služby. U dobře vymezených úloh může firma získat stabilnější odezvu a možnost používat schválenou verzi modelu bez okamžitých změn poskytovatele.

To je důležité v prostředích, kde se vyžaduje kontrola, auditovatelnost a předvídatelnost. Například při zpracování interních dokumentů, technických dat nebo opakovaných provozních procesů.

Lokální, cloudová a hybridní AI

Budoucnost firemní AI pravděpodobně nebude čistě lokální ani čistě cloudová. Mnohem realističtější je hybridní model, kde se každá úloha rozdělí podle toho, kde dává největší smysl.

Kdy dává smysl lokální AI

Lokální AI je vhodná hlavně tam, kde je důležitá nízká latence, práce s citlivými daty, offline režim nebo opakované dobře definované úlohy.

Typické scénáře:

• přepis řeči,
• potlačení šumu,
• lokální překlad,
• třídění dokumentů,
• předzpracování dat,
• rozpoznávání obrazu,
• analýza zvuku,
• práce s menšími specializovanými modely,
• anonymizace dat před odesláním do cloudu,
• vyhledávání v lokálním indexu dokumentů.

Lokální AI se hodí také tam, kde je potřeba zpracovávat data průběžně. Například kamera, mikrofon nebo senzory mohou generovat velký objem dat. Posílat všechno do cloudu by mohlo být drahé, pomalé nebo bezpečnostně nevhodné.

Kdy zůstává vhodnější cloud

Cloud zůstává silný tam, kde je potřeba vysoký výkon, velké modely, aktuální informace nebo centrální provoz pro mnoho uživatelů.

Cloud je obvykle vhodnější pro:

• velké jazykové a multimodální modely,
• výpočetně náročnou analýzu,
• trénování modelů,
• práci s rozsáhlými datovými sadami,
• úlohy vyžadující nejnovější znalosti,
• centrální správu pro tisíce uživatelů,
• integraci s velkými podnikovými systémy.

Cloud bude mít i nadále zásadní roli. Lokální AI ho nenahrazuje. Spíše rozšiřuje možnosti, jak architekturu navrhnout.

Hybridní model jako pravděpodobný standard

Představme si pracovní schůzku. Notebook lokálně odstraní šum, rozpozná řečníky, přepíše řeč, anonymizuje osobní údaje a vytvoří strukturovaný text. Do cloudu pak odešle pouze očištěný obsah, ze kterého větší model připraví komplexní shrnutí, seznam úkolů a analýzu rizik. Výsledek se uloží do firemního systému.

Takový model kombinuje výhody obou světů. Lokální zařízení zvládne citlivé a průběžné předzpracování. Cloud dodá výkon a širší schopnosti většího modelu.

Hlavní závěr je jednoduchý: rozhodující bude schopnost rozdělit konkrétní úlohu mezi koncové zařízení, firemní infrastrukturu a cloud.

Praktické scénáře využití AI PC ve firmách

AI PC má smysl tehdy, když se napojí na skutečné pracovní procesy. Není důležité, že notebook umí „AI“. Důležité je, zda pomůže zaměstnanci rychleji, bezpečněji nebo přesněji dokončit konkrétní úkol.

Videokonference a spolupráce

Videokonference jsou jeden z nejviditelnějších scénářů. NPU může pomoci s funkcemi, které běží průběžně:

• potlačení okolního hluku,
• automatické rámování kamery,
• rozostření nebo úprava pozadí,
• korekce pohledu,
• živé titulky,
• překlad,
• přepis schůzky.

Microsoft mezi funkcemi Copilot+ PC uvádí například Live Captions, práci s obrazem, vylepšené vyhledávání, funkce ve Fotkách, Malování nebo Windows Studio Effects; zároveň ale upozorňuje, že dostupnost funkcí závisí na zařízení, regionu, jazyce a dalších požadavcích.

Pro firmy je důležité ověřit, které funkce skutečně běží lokálně a které stále vyžadují cloud.

Dokumenty a kancelářská práce

V kancelářském prostředí může AI PC pomoci hlavně s rutinními úlohami:

• shrnutí dokumentu,
• klasifikace souborů,
• extrakce údajů z faktur a formulářů,
• vyhledávání v lokálních dokumentech,
• návrhy odpovědí,
• kontrola stylu a gramatiky,
• převod poznámek na úkoly.

Tady je klíčové napojení na firemní data. Samotný AI notebook nepřinese zásadní hodnotu, pokud AI funkce nemají přístup ke správným dokumentům, oprávněním a workflow.

Interní znalostní asistent

Jedním z nejzajímavějších firemních scénářů je interní znalostní asistent. Ten může vyhledávat v dokumentech, směrnicích, návodech, technické dokumentaci nebo obchodních podkladech.

V praxi může jít o kombinaci lokálního indexu, menšího modelu a metody RAG, tedy retrieval-augmented generation. Uživatel se zeptá běžnou řečí a systém najde relevantní dokumenty, ze kterých vytvoří odpověď.

Důležité je, aby asistent respektoval oprávnění. Zaměstnanec financí nemá získat odpověď z dokumentu, ke kterému nemá přístup. Lokální AI proto musí být propojená s firemní identitou a správou přístupu.

Kreativní práce

U kreativních profesí může AI PC pomoci s úpravou obrazu, zvuku a videa:

• generování a úprava obrázků,
• odstraňování objektů,
• zvětšování rozlišení,
• automatická maska,
• výběr objektů,
• přepis zvukových nahrávek,
• čištění šumu,
• hrubý střih,
• kategorizace videa.

Pro náročnější generování obrazu nebo práci s většími modely ale často zůstává důležitější výkonná GPU než samotná NPU. NPU je vhodná pro některé efektivní lokální funkce, ale není univerzální náhradou grafické karty.

Vývoj softwaru

Vývojářské týmy mohou AI PC využít pro:

• lokální doplňování kódu,
• vysvětlování interního kódu,
• vyhledávání v repozitáři,
• tvorbu testů,
• analýzu logů,
• kontrolu citlivých údajů před odesláním dotazu do cloudu.

Zvlášť zajímavá je kombinace lokálního předzpracování a cloudového modelu. Lokální nástroj může například odstranit citlivé údaje, zkrátit kontext a až poté odeslat dotaz většímu modelu.

Průmysl, servis a terénní pracovníci

V terénu a průmyslu může být lokální AI praktická hlavně tam, kde není stabilní připojení nebo kde data nemají opustit zařízení.

Možné scénáře:

• rozpoznávání závad z obrazu,
• analýza zvuku stroje,
• překlad technických instrukcí,
• práce s dokumentací offline,
• automatické doplnění servisního protokolu,
• předzpracování dat ze senzorů.

Servisní technik může například vyfotit zařízení, lokální model rozpozná typ součástky, nabídne manuál a předvyplní část protokolu. Cloud může být použit až pro komplexnější analýzu nebo synchronizaci po návratu online.

Bezpečnost

AI PC může pomoci také v bezpečnosti:

• lokální detekce neobvyklého chování,
• rozpoznání podvodného obsahu,
• kontrola citlivých údajů,
• biometrické funkce,
• analýza příloh,
• ochrana komunikace.

Zároveň ale AI PC rozšiřuje prostor, který musí firma zabezpečit. Nejde jen o běžné soubory a aplikace. Přibývají modely, lokální databáze, vektorové indexy, prompty, cache a nová aplikační oprávnění.

Jaké procesory a platformy se v AI PC používají

Trh AI PC se rychle vyvíjí. Pro firmy není nutné sledovat každý model procesoru, ale je důležité rozumět hlavním platformám a rozdílům mezi nimi.

• Intel

Intel staví AI PC na procesorech Intel Core Ultra, které kombinují CPU, integrovanou GPU a NPU. Intel popisuje Core Ultra jako procesory s AI akcelerací rozdělenou mezi CPU, GPU a NPU, přičemž NPU je určena pro delší AI zátěže při nízké spotřebě.

Výhodou platformy Intel je široká kompatibilita x86, rozsáhlý podnikový ekosystém, dobrá dostupnost zařízení a návaznost na stávající firemní prostředí. U nákupu je ale potřeba rozlišovat generace procesorů a výkon konkrétní NPU. Ne každý Core Ultra automaticky splňuje požadavky Copilot+ PC.

• AMD

AMD používá označení Ryzen AI a NPU architekturu XDNA. AMD popisuje XDNA jako programovatelnou a škálovatelnou NPU architekturu navrženou pro AI a signal processing úlohy s důrazem na efektivitu.

Procesory Ryzen AI kombinují CPU, Radeon GPU a NPU. To může být zajímavé pro notebooky, které mají zvládat běžnou kancelářskou práci, multimédia, lokální AI funkce i náročnější grafické úlohy.

Stejně jako u Intelu je důležité sledovat konkrétní generaci, výkon NPU, podporu aplikací a celkovou konfiguraci RAM a úložiště.

• Qualcomm

Qualcomm vstoupil do Windows notebooků výrazněji se sérií Snapdragon X. Tyto procesory používají architekturu Windows on Arm a integrovanou NPU Hexagon. Qualcomm uváděl u Snapdragon X platforem NPU výkon 45 TOPS, tedy úroveň vhodnou pro první generaci Copilot+ PC zařízení.

Výhodou může být energetická efektivita, dlouhá výdrž baterie a mobilita. Qualcomm také uvádí, že Snapdragon X Elite obsahuje Hexagon NPU a podporuje lokální generativní AI modely na zařízení.

U firem je ale nutné důkladně ověřit kompatibilitu. Windows on Arm nemusí být ideální pro každou specializovanou podnikovou aplikaci, ovladač, periférii, VPN klient nebo vývojářský nástroj.

Samostatná GPU a pracovní stanice

Pro větší lokální modely, generování obrazu, video, vývoj AI nebo vědecké aplikace může být důležitější samostatná GPU než NPU. Klíčová je hlavně kapacita grafické paměti, paměťová propustnost, podpora frameworků, chlazení a spotřeba.

NPU není univerzální náhrada GPU. Obě jednotky řeší různé třídy úloh. NPU se hodí pro efektivní lokální inferenci a průběžné funkce. GPU je důležitá pro masivní paralelní výpočty, kreativní práci, větší modely a vývoj.

Dle čeho AI PC vybírat?

Při výběru AI PC nestačí říct „chceme notebook s NPU“. Firma musí určit, pro koho zařízení kupuje a jaké scénáře má podporovat.

Procesor a NPU

U procesoru sledujte:

• generaci,
• výkon NPU,
• podporované datové formáty,
• kompatibilitu s požadovanými aplikacemi,
• dostupnost ovladačů,
• vývojové nástroje,
• podporu správy ve firmě.

Pro běžné kancelářské AI funkce může stačit zařízení splňující požadavky Copilot+ PC. Pro vývoj, kreativní práci nebo lokální modely bude potřeba silnější konfigurace.

Operační paměť

RAM bude u AI PC stále důležitější. Lokální modely, vektorové indexy, kancelářské aplikace, prohlížeč, videokonference a bezpečnostní software mohou běžet současně.

U zařízení se sdílenou pamětí je nutné počítat s tím, že část RAM může využívat grafika nebo AI model.

Úložiště

Lokální AI může rychle zvýšit nároky na úložiště. Modely mohou zabírat jednotky až desítky gigabajtů. Další prostor potřebují lokální indexy, firemní dokumenty, cache, pracovní data a více verzí modelů.

Pro firemní AI PC je 512 GB praktické minimum. U náročnějších uživatelů je vhodnější 1 TB. Důležité je rychlé NVMe SSD, protože AI aplikace často pracují s velkými soubory a indexy.

GPU

Integrovaná GPU stačí pro běžné AI funkce, multimédia a menší modely. Samostatná GPU dává smysl pro náročnou tvorbu, video, vývoj, větší modely a technické aplikace.

Sledujte hlavně:

• kapacitu grafické paměti,
• paměťovou propustnost,
• podporované frameworky,
• spotřebu,
• chlazení,
• ovladače,
• kompatibilitu s aplikacemi.

Baterie a chlazení

AI úlohy mohou běžet dlouhodobě na pozadí. Proto nestačí sledovat krátkodobý benchmark. Důležitý je stabilní výkon po delší dobu, hlučnost, teplota a výkon na baterii.

Notebook může mít výborný špičkový výkon, ale při delší AI zátěži se začne zahřívat, snižovat frekvence nebo zkracovat výdrž baterie. U firemních pilotů proto testujte reálné scénáře, ne jen syntetické výsledky.

Konektivita a firemní výbava

AI PC je pořád pracovní počítač. Nesmí se zapomenout na běžné firemní potřeby:

• dokovací stanice,
• více monitorů,
• Wi-Fi,
• mobilní připojení,
• čtečka čipových karet,
• TPM,
• biometrie,
• vzdálená správa,
• servisovatelnost,
• dostupnost ovladačů,
• kompatibilita s firemní bezpečností.

Výkonná NPU nepomůže, pokud notebook nejde připojit do stávajícího pracovního prostředí.

Software rozhoduje více než samotný čip

NPU je užitečná pouze tehdy, když ji aplikace dokáže využít. To je jedna z nejdůležitějších myšlenek celého tématu.

Aplikace může běžet:

• na CPU,
• na GPU,
• na NPU,
• nebo kombinovat více jednotek.

Stejná aplikace může na různých platformách využívat jinou akceleraci. Na jednom notebooku poběží část úlohy na NPU, na jiném na GPU a na třetím pouze na CPU. Z pohledu uživatele může jít o stejnou funkci, ale z pohledu výkonu, spotřeby a bezpečnosti jde o rozdílné chování.

Intel sám zdůrazňuje, že zážitek z AI PC je tak silný, jak silný je software, který dokáže hardware využít.

Před nákupem se proto ptejte dodavatelů:

• Které funkce skutečně běží lokálně?
• Které funkce stále vyžadují cloud?
• Využívá aplikace NPU, GPU, nebo pouze CPU?
• Jaké modely a formáty podporuje?
• Funguje aplikace na x86 i Arm?
• Jak se model aktualizuje?
• Jak se ukládají vstupní data a výstupy?
• Lze funkci centrálně vypnout nebo konfigurovat?
• Jaká telemetrie se odesílá výrobci?

Bez odpovědí na tyto otázky je nákup AI PC spíše sázka než strategie.

Bezpečnost, soukromí a compliance

AI PC může zlepšit kontrolu nad daty, ale zároveň přináší nové bezpečnostní otázky. Lokální zpracování neznamená automaticky soukromé zpracování.

Lokální zpracování neznamená automaticky soukromé zpracování

Firma musí prověřit:

• zda aplikace neposílá telemetrii,
• zda neodesílá část promptu do cloudu,
• kde ukládá historii,
• zda vytváří lokální index dokumentů,
• kdo může index prohledávat,
• jak jsou data šifrována,
• jak lze data smazat,
• zda se výstupy ukládají do firemních systémů,
• zda jsou logy auditovatelné.

AI aplikace může na první pohled běžet lokálně, ale přesto odesílat metadata, chybové reporty, vybrané vstupy nebo anonymizovanou telemetrii. To nemusí být vždy problém, ale firma o tom musí vědět.

Nové typy citlivých dat

AI aplikace mohou vytvářet data, která dříve ve firmě nevznikala nebo nebyla tak viditelná:

• historii promptů,
• přepisy schůzek,
• vektorové reprezentace dokumentů,
• embeddingy,
• cache modelů,
• automatické snímky,
• kontextové databáze,
• odvozené informace o uživateli.

Tato data mohou být citlivá, i když nepřipomínají běžný dokument. Například embedding nemusí být čitelný jako text, ale může reprezentovat obsah dokumentu a být použitelný pro vyhledávání.

Správa přístupu

AI PC musí respektovat firemní identitu, role a oprávnění. Jinak hrozí, že AI asistent zpřístupní informace, které by uživatel normálně vidět neměl.

Důležité je řešit:

• propojení s firemní identitou,
• role a oprávnění,
• oddělení osobních a firemních dat,
• řízení přístupu k lokálním modelům,
• audit použití AI funkcí,
• možnost vzdáleného smazání dat,
• šifrování disku.

Regulace a interní pravidla

U AI PC se budou prolínat pravidla pro osobní údaje, bezpečnost informací, autorská práva, licencování modelů, uchovávání záznamů a klasifikaci dokumentů.

Firma by měla mít jasně zpracovanou směrnici pro používání AI nástrojů. Bez ní mohou zaměstnanci používat různé veřejné služby podle vlastního uvážení, vkládat do nich citlivá data nebo se spoléhat na výstupy bez kontroly. Směrnice nemusí být složitá, ale musí být srozumitelná, praktická a dostupná všem, kdo s AI pracují.

Základem je určit, které AI nástroje jsou ve firmě povolené. Zaměstnanci by měli vědět, zda mohou používat pouze firemně schválené aplikace, interní AI asistenty, nástroje integrované v kancelářském balíku nebo i veřejné služby. U každého nástroje je vhodné popsat, k čemu je určený, kdo ho smí používat a za jakých podmínek. Tím se omezí situace, kdy lidé z pohodlnosti používají neověřené aplikace, které mohou ukládat nebo dále zpracovávat firemní data.

Stejně důležité je jasně říct, jaká data se do AI nástrojů nesmí vkládat. Typicky půjde o osobní údaje, obchodní tajemství, neveřejné smlouvy, finanční podklady, zdrojové kódy, přístupové údaje, interní strategie, zákaznická data nebo zdravotní a právní dokumentaci. Směrnice by neměla používat jen obecné formulace typu „nevkládejte citlivá data“. Měla by uvádět konkrétní příklady, aby zaměstnanec dokázal rychle poznat, co je ještě v pořádku a co už ne.

Další část by měla vysvětlit, kdy lze použít cloudové AI služby. Cloud může být vhodný pro obecné texty, veřejné informace, marketingové návrhy, nápady, úpravy stylistiky nebo práci s daty, která nejsou citlivá. U takových úloh může být cloud efektivní, rychlý a ekonomicky výhodný. I zde je ale vhodné nastavit pravidla, například nepoužívat soukromé účty, neobcházet firemní přihlášení a nevkládat obsah, který není určený mimo organizaci.

Naopak směrnice musí určit situace, kdy zpracování musí proběhnout lokálně nebo v interním firemním prostředí. To se týká hlavně citlivých dokumentů, zákaznických dat, právních a finančních podkladů, technické dokumentace, interních databází nebo materiálů, které podléhají regulaci. Lokální zpracování může snížit riziko úniku dat, ale jen tehdy, pokud je správně nastavené zabezpečení zařízení, oprávnění, šifrování a ukládání výstupů.

Firma by měla také jasně stanovit, kdo odpovídá za výstup vytvořený pomocí AI. AI může navrhnout text, shrnout dokument, připravit analýzu nebo najít souvislosti, ale odpovědnost by měla zůstat na člověku, který výstup použije. Zaměstnanec nesmí brát výstup jako automaticky správný jen proto, že působí přesvědčivě. U důležitých rozhodnutí by AI měla být pomocník, ne konečný autor nebo schvalovatel.

Součástí pravidel má být i postup, jak se ověřuje správnost výstupů. U běžných textů může stačit kontrola věcné správnosti a stylistiky. U právních, technických, finančních nebo zdravotních témat je potřeba důslednější ověření odborníkem nebo porovnání s interními zdroji. Směrnice by měla připomínat, že AI může vytvářet nepřesné, neúplné nebo zavádějící odpovědi, a proto se výstupy nemají bez kontroly používat v klientské komunikaci, smlouvách, rozhodnutích nebo veřejných materiálech.

Nakonec je nutné popsat, jak se řeší audit a incidenty. Firma by měla vědět, které AI nástroje se používají, kdo k nim má přístup, jaké typy dat zpracovávají a kde se ukládají výstupy. Pokud dojde k omylu, úniku dat, nevhodnému použití AI nebo podezření na porušení pravidel, zaměstnanci musí vědět, komu to nahlásit a jak rychle postupovat. Cílem není trestat každou chybu, ale včas zachytit riziko, omezit škody a upravit pravidla tak, aby se podobná situace neopakovala.

Dobrá AI směrnice by měla být živý dokument. Jak se mění nástroje, legislativa, firemní procesy i zkušenosti uživatelů, měla by se pravidelně aktualizovat. Největší hodnotu má tehdy, když není jen formálním předpisem, ale praktickým návodem, který zaměstnancům pomáhá používat AI bezpečně, efektivně a s jasnou odpovědností.

Pět otázek pro bezpečnostní oddělení před nasazením AI PC:

1. Jaká data bude AI aplikace zpracovávat?
2. Kde se budou ukládat prompty, výstupy, indexy a cache?
3. Které funkce vyžadují cloud?
4. Jak se vynucují uživatelská oprávnění?
5. Jak lze AI funkce centrálně spravovat, vypnout a auditovat?

Kompatibilita: nejčastěji přehlížený problém

Kompatibilita bývá méně atraktivní téma než TOPS, NPU nebo generativní AI. Ve firemní praxi ale může rozhodnout o úspěchu celého projektu.

Před plošným nákupem AI PC ověřte:

• starší podnikové aplikace,
• ovladače tiskáren a skenerů,
• specializované periferie,
• VPN klienty,
• bezpečnostní software,
• doplňky kancelářských aplikací,
• ERP a CRM systémy,
• virtualizaci,
• vývojářské nástroje,
• kompatibilitu mezi x86 a Arm.

U Windows on Arm zařízení je nutné být obzvlášť pečlivý. Moderní kompatibilita je výrazně lepší než v minulosti, ale některé firemní nástroje, ovladače nebo bezpečnostní komponenty mohou stále vyžadovat test.

Doporučení je jasné: před plošným nákupem proveďte pilotní test.

Do pilotu zahrňte reprezentativní skupinu:

• běžného administrativního uživatele,
• obchodníka,
• vývojáře,
• pracovníka financí,
• kreativního pracovníka,
• IT administrátora,
• uživatele specializovaného podnikového softwaru.

Testujte reálné pracovní dny, ne jen krátkou ukázku AI funkcí.

Ekonomika AI PC

AI PC bývá dražší než běžný kancelářský notebook. Vyšší cena může být dána novější generací procesoru, větší RAM, větším SSD, výkonnější GPU, lepším displejem, baterií a firemními bezpečnostními funkcemi.

To ale neznamená, že se AI PC nevyplatí. Znamená to, že návratnost je potřeba počítat realisticky.

U AI PC firma často platí za:

• novější procesor,
• NPU,
• více RAM,
• větší SSD,
• případně výkonnější GPU,
• prémiové firemní funkce,
• lepší kameru a mikrofony,
• delší výdrž baterie.

Pokud zařízení skončí u uživatele, který AI funkce nevyužije, vyšší cena se nevrátí.

Potenciální úspory

U správného typu uživatele může AI PC přinést úsporu nebo praktický přínos hned v několika oblastech. Nejde jen o to, že nový notebook zvládne některé AI funkce rychleji. Důležité je, zda dokáže zkrátit rutinní práci, snížit závislost na cloudu, omezit přenos citlivých dat a lépe podpořit konkrétní pracovní procesy.

Nižší spotřeba cloudových AI služeb může být zajímavá hlavně u firem, které pracují s AI ve větším měřítku. Pokud se každé shrnutí, přepis, klasifikace dokumentu nebo předzpracování dat posílá do cloudu, mohou se provozní náklady postupně navyšovat. AI PC umožňuje část jednodušších nebo opakovaných úloh zpracovat přímo na zařízení. Cloud pak firma využívá jen tam, kde opravdu potřebuje větší model, vyšší výkon nebo napojení na centrální systémy.

Rychlejší zpracování opakovaných úloh se projeví hlavně u činností, které zaměstnanci dělají každý den. Může jít o přepis schůzek, třídění dokumentů, rozpoznávání textu, základní analýzu příloh, úpravu obrazu, potlačení šumu při hovorech nebo vyhledávání v lokálních souborech. Pokud tyto úlohy běží přímo na zařízení, uživatel nemusí čekat na odesílání dat do cloudu a zpět. Úspora u jedné úlohy může být malá, ale při každodenním používání se násobí.

Nižší přenos dat je důležitý tam, kde se pracuje s velkými soubory nebo citlivými informacemi. Například zvukové nahrávky, videa, technická dokumentace, snímky z výroby nebo interní dokumenty nemusí být vždy celé odesílány mimo zařízení. AI PC může část dat předzpracovat lokálně, zmenšit objem přenášených informací nebo do cloudu poslat až očištěný a strukturovaný výstup. To může snížit nároky na konektivitu i rizika spojená s pohybem dat.

Vyšší produktivita vzniká tehdy, když AI PC nepřidává jen novou funkci, ale skutečně zrychluje práci. Zaměstnanec může rychleji najít informace, připravit podklad, shrnout dokument, převést poznámky na úkoly nebo zpracovat výstup ze schůzky. Přínos není v tom, že počítač má AI nálepku. Přínos vzniká až ve chvíli, kdy uživatel dokončí konkrétní úkol za kratší dobu, s menším počtem ručních kroků a s menší únavou.

Lepší dostupnost offline může být zásadní pro pracovníky v terénu, na cestách, ve výrobě, ve skladech, v servisu nebo v místech se slabým připojením. Některé AI funkce mohou běžet i bez internetu, například přepis, překlad, rozpoznávání obrazu, práce s lokální dokumentací nebo vyhledávání v uložených souborech. Uživatel tak není úplně závislý na dostupnosti cloudové služby a může pokračovat v práci i mimo stabilní síť.

Částečné prodloužení použitelnosti zařízení pro nové AI aplikace může být přínosné při delším životním cyklu firemního hardwaru. Počítač vybavený NPU, dostatečnou pamětí a rychlým úložištěm bude lépe připravený na nové aplikace, které začnou lokální AI akceleraci využívat až v dalších letech. Firma tak nemusí zařízení měnit hned při nástupu každé nové funkce. To ale platí jen tehdy, pokud je konfigurace zvolená s rezervou, zejména u RAM a úložiště.

Snížení bezpečnostního rizika u citlivých procesů může nastat tam, kde lokální zpracování omezí nutnost posílat data do externích služeb. Například interní dokumenty, zákaznické údaje, technické výkresy nebo pracovní nahrávky mohou být analyzovány přímo na zařízení nebo alespoň předzpracovány před odesláním dál. Samotné AI PC ale bezpečnost nezaručuje. Přínos vzniká až ve spojení se správou zařízení, šifrováním, řízením přístupů, firemními pravidly a jasným nastavením toho, které AI funkce mohou pracovat s jakými daty.

Celkově tedy platí, že AI PC může přinést úspory hlavně tam, kde má jasné využití. Největší hodnotu má u lidí, kteří pravidelně pracují s dokumenty, schůzkami, obrazem, zvukem, daty, interními znalostmi nebo citlivými informacemi. U uživatelů, kteří používají počítač jen jako přístupový bod k několika webovým aplikacím, může být okamžitý přínos menší.

Jak počítat návratnost

Jednoduchý model může vypadat takto:

Roční přínos = ušetřený čas zaměstnanců + snížené cloudové náklady + snížené náklady na přenos a zpracování dat + hodnota sníženého rizika − vyšší cena zařízení − implementace − správa − školení.

Důležité je nepočítat produktivitu podle marketingových demonstrací výrobce. Měřte konkrétní firemní proces před pilotem a po něm.

Například:

• kolik času zabere přepis schůzky dnes,
• kolik po nasazení AI funkce,
• kolik oprav musí uživatel udělat,
• jak přesný je výstup,
• kolik stojí cloudová alternativa,
• jaké jsou bezpečnostní požadavky.

Pro koho má AI PC smysl už dnes

AI PC nebude mít stejný přínos pro každého. Nejlepší výsledky přinese tam, kde je jasný scénář použití.

AI PC může mít vysoký přínos pro:

• vývojáře,
• datové analytiky,
• grafiky a tvůrce obsahu,
• uživatele pracující s hlasem, obrazem a videem,
• terénní pracovníky,
• zaměstnance s citlivými dokumenty,
• uživatele bez stabilního internetu,
• organizace vyvíjející vlastní AI aplikace.

U těchto skupin může lokální výkon, offline režim, bezpečnější zpracování nebo akcelerace obrazu a zvuku přinést reálnou hodnotu.

Jak by měla firma AI PC zavádět

Nejhorší postup je koupit plošně nové notebooky jen proto, že mají AI nálepku. Lepší je postupovat po fázích.

Fáze 1: Analýza potřeb

Nejdříve zjistěte, kde AI může pomoci.

Ptejte se:

• Které procesy jsou opakované?
• Kde vzniká čekání?
• Jaká data jsou citlivá?
• Které úlohy lze provádět lokálně?
• Kde je cloud příliš drahý nebo pomalý?
• Které týmy už AI používají neoficiálně?
• Kde vznikají bezpečnostní rizika?

Fáze 2: Výběr scénářů

Vyberte dva až čtyři konkrétní případy. Například:

• přepis schůzek,
• práce s dokumenty,
• lokální vyhledávání,
• vizuální kontrola,
• asistence při vývoji,
• anonymizace dat před odesláním do cloudu.

Čím konkrétnější scénář, tím lépe se měří přínos.

Fáze 3: Technický pilot

Otestujte více typů hardwaru a platforem. Nejde jen o výkon. Sledujte také kompatibilitu, výdrž baterie, hlučnost, správu, bezpečnost a odezvu uživatelů.

Pilot by měl zahrnovat:

• více hardwarových konfigurací,
• kontrolu kompatibility,
• měření výkonu na baterii,
• test aplikací a ovladačů,
• bezpečnostní analýzu,
• test cloudového i lokálního režimu.

Fáze 4: Měření výsledků

Měřte:

• čas na dokončení úkolu,
• přesnost výstupu,
• počet oprav,
• náklady na uživatele,
• spokojenost zaměstnanců,
• počet bezpečnostních incidentů,
• využití jednotlivých funkcí,
• dopad na cloudové náklady.

Bez měření se snadno stane, že firma zaplatí za technologii, která v praxi nepřinese očekávanou hodnotu.

Fáze 5: Standardizace

Po pilotu definujte několik hardwarových profilů.

Například:

• kancelářský AI notebook,
• manažerský mobilní AI notebook,
• vývojářská pracovní stanice,
• kreativní pracovní stanice,
• terénní zařízení.

Současně vytvořte seznam schválených aplikací, pravidla pro lokální a cloudové zpracování, minimální RAM a úložiště, postup aktualizace modelů a školení pro uživatele.

Nejčastější mýty o AI PC

Mýtus: Každý nový notebook je AI PC

Není. Rozhodující je přítomnost vhodného akcelerátoru, jeho výkon, softwarová podpora a konkrétní použití.

Mýtus: NPU nahradí grafickou kartu

Nenahradí. NPU a GPU jsou vhodné pro jiné typy zátěže. NPU je efektivní pro určité lokální AI úlohy. GPU je stále zásadní pro náročné paralelní výpočty, kreativní práci a větší modely.

Mýtus: Copilot+ PC provozuje celý Copilot lokálně

Ne nutně. Copilot+ PC je hardwarová kategorie. Některé funkce běží lokálně, jiné mohou vyžadovat internet, Microsoft účet nebo cloudovou službu. Microsoft u funkcí Copilot+ PC uvádí různé požadavky podle konkrétní funkce.

Mýtus: Vyšší počet TOPS vždy znamená rychlejší AI

Ne vždy. Výsledek závisí na modelu, paměti, optimalizaci, ovladačích, aplikaci a chlazení.

Mýtus: Lokální AI automaticky řeší GDPR

Neřeší. Lokální zpracování může snížit některá rizika, ale firma musí znát celý životní cyklus dat: vstup, výstup, ukládání, indexy, prompty, oprávnění, audit i mazání.

Mýtus: Firma musí okamžitě vyměnit všechny počítače

Většinou ne. Vhodnější je postupná obměna, pilotní projekty a nákup podle pracovních rolí.

Rizika a otevřené otázky

AI PC je rychle se vyvíjející oblast. S tím souvisejí i rizika.

Mezi nejdůležitější patří:

• rychlé zastarávání prvních generací NPU,
• nejasná dlouhodobá hodnota některých AI funkcí,
• fragmentace mezi výrobci procesorů,
• rozdílná podpora aplikací,
• závislost na konkrétním softwarovém ekosystému,
• nedostatek standardizovaných benchmarků,
• rostoucí nároky na RAM a úložiště,
• bezpečnost lokálních modelů a indexů,
• licenční podmínky modelů,
• riziko neautorizovaných AI nástrojů,
• obtížné měření reálné produktivity.

Z pohledu firmy je největší riziko v tom, že nakoupí hardware dříve, než má připravené scénáře, pravidla a software. AI PC bez jasného využití je jen dražší notebook.

Budoucnost: osobní AI běžící na každém zařízení

AI výkon se pravděpodobně stane běžnou vlastností osobních počítačů podobně jako grafická akcelerace, Wi-Fi nebo bezpečnostní čip. Uživatel se časem nebude ptát, zda počítač má AI akceleraci. Bude očekávat, že ji má.

Vývoj pravděpodobně půjde několika směry. Jedním z nich budou menší a specializované jazykové modely, které nebudou usilovat o univerzální použití, ale o velmi dobrý výkon v konkrétních úlohách. Může jít například o modely pro právní dokumenty, zákaznickou podporu, technickou dokumentaci, účetnictví nebo interní firemní znalosti.

Stále větší roli budou hrát také osobní asistenti pracující s dlouhodobým kontextem. Ti nebudou reagovat jen na jeden konkrétní dotaz, ale budou si umět poradit s historií práce, preferencemi uživatele, rozpracovanými dokumenty, kalendářem, e-maily a dalšími souvislostmi.

Dalším směrem budou lokální multimodální modely, které dokážou kombinovat text, obraz, zvuk a video přímo na zařízení. Počítač tak nebude pracovat jen s psaným zadáním, ale i s tím, co uživatel říká, ukazuje na obrazovce, nahrává mikrofonem nebo pořizuje kamerou.

Ve firmách se pravděpodobně začnou více prosazovat interní modely distribuované přímo na zařízení zaměstnanců. Organizace tak budou moci část AI funkcí provozovat bezpečněji, pod vlastní kontrolou a bez nutnosti posílat všechna data do veřejného cloudu.

Důležitým vývojem bude také automatické rozhodování, kde se má konkrétní úloha zpracovat. Systém může podle typu úkolu, citlivosti dat, dostupného výkonu a připojení rozhodnout, zda využije NPU, GPU, firemní server nebo cloudovou službu.

AI se bude postupně přesouvat také z jednotlivých aplikací na úroveň operačního systému. To znamená, že nebude uzavřená jen v jednom programu, ale bude pomáhat napříč celým pracovním prostředím, například při vyhledávání, třídění souborů, práci s dokumenty nebo ovládání aplikací.

Výraznější roli získají také AI agenti, kteří budou schopni pracovat s více aplikacemi najednou. Nebudou jen odpovídat na otázky, ale mohou například připravit dokument, najít podklady, vytvořit e-mail, zapsat úkol do systému a zkontrolovat výsledek.

S tím poroste i potřeba správy AI modelů. Firmy je budou muset aktualizovat, schvalovat, distribuovat, zabezpečovat a kontrolovat podobně, jako dnes spravují aplikace, operační systémy a bezpečnostní aktualizace.

Samotná přítomnost NPU ale nebude dlouhodobou konkurenční výhodou. Rozhodovat bude software, bezpečnost, kvalita integrace a napojení na firemní procesy.

Jak se na AI PC dívat ve firmě

AI PC není jen marketingový název pro rychlejší notebook. Přidává specializovanou vrstvu pro lokální zpracování vybraných AI úloh. Díky NPU může část funkcí běžet efektivněji, s nižší spotřebou a menší závislostí na cloudu.

Lokální AI ale nenahrazuje cloud. Vytváří hybridní prostředí, ve kterém lze jednotlivé procesy umístit tam, kde dávají největší smysl z hlediska výkonu, soukromí, nákladů a dostupnosti.

Firmy by neměly nakupovat AI PC pouze podle počtu TOPS. Měly by vycházet z konkrétních pracovních scénářů, softwarové kompatibility, kapacity paměti, bezpečnostních požadavků, správy zařízení a měřitelného přínosu.

Pro některé uživatele může být AI PC už dnes velmi užitečné. Pro jiné zatím přinese malý rozdíl. Nejlepší cesta proto není plošná výměna všech zařízení, ale pilot, měření, standardizace a postupné nasazení podle rolí.

Otázkou proto není, zda bude příští firemní počítač obsahovat AI akceleraci, ale zda ji organizace dokáže smysluplně, bezpečně a ekonomicky využít.