Microsoft pragnie, aby komputery osobiste mogły realizować codzienne zadania związane ze sztuczną inteligencją lokalnie, bez konieczności nieustannego korzystania z mocy obliczeniowej chmur podłączonych do centrów danych. Strategia Microsoftu opiera się na lokalnych modelach, nowoczesnym sprzęcie oraz mechanizmach kontrolnych dla agentów, które są obecnie w fazie rozwoju. Ale co to właściwie oznacza?
Na targach IFA 2026 Mark Linton, wiceprezes Microsoftu odpowiedzialny za sprzedaż systemu Windows, nawiązał do wizji Billa Gatesa dotyczącej komputerów w każdym domu i na każdym biurku. Dziś komputery obecne są nie tylko na biurkach, ale także w kieszeniach, torebkach, w konsolach oraz telewizorach. Dziś ta sama idea dotyczy lokalnej sztucznej inteligencji. Ambicją Lintona jest zapewnienie, aby każdy użytkownik technologii miał nieograniczony dostęp do sztucznej inteligencji.
Korzyści z lokalnej sztucznej inteligencji
Obecnie, aby posiadać zaawansowany lokalny model sztucznej inteligencji w domu – nawet taki, który odpowiada możliwościom zeszłorocznych lub dwuletnich modeli – użytkownik musi zainwestować w potężny sprzęt, co jest dostępne tylko dla nielicznych entuzjastów. Linton wskazuje, że najtrudniejsze problemy będą rozwiązywane przez największe modele w chmurze, podczas gdy reszta obliczeń będzie realizowana na osobistych urządzeniach. Walutą w kontekście dostępu do sztucznej inteligencji są tokeny, które stanowią fragmenty przetwarzanego i generowanego tekstu. Agent realizujący dane zadanie może wielokrotnie odwoływać się do modelu w chmurze, co zwiększa koszty związane z wykorzystaniem tokenów. Przeniesienie części obliczeń na lokalny komputer ma na celu zmniejszenie finalnych kosztów lub ograniczenie wykorzystania limitów zawartych w subskrypcjach.
Tego typu strategia może również zredukować opóźnienia związane z przesyłaniem zapytań do serwera, jednak ostateczny czas oczekiwania zależy od możliwości sprzętowych. Co więcej, wiadomo, że dane, które nie opuszczają lokalnej sieci, są bezpieczne, co z pewnością usatysfakcjonuje zwolenników prywatności. Użytkownik powinien martwić się jedynie o trzy aspekty: zakup odpowiedniego komputera, wykupienie licencji na oprogramowanie oraz zużycie energii. Tak. Co jednak zrobić, aby lokalny model wystarczył do codziennej pracy?
Project Zenith: 64 GB pamięci RAM to minimum
W kontekście tej wizji warto zwrócić uwagę na Project Zenith, zaprezentowany przez Microsoft kilka dni temu. Ten projekt zakłada, że do efektywnego korzystania ze sztucznej inteligencji potrzebny będzie komputer wyposażony w co najmniej 64 GB pamięci współdzielonej między procesor i kartę graficzną oraz przepustowość pamięci na poziomie 250 GB/s lub wyższej. Tego typu urządzenie, przy odpowiednich działaniach, może uruchamiać modele z ponad 30 miliardami parametrów. Nie jest to wizja odległej przyszłości, ponieważ Zenith zadebiutuje na platformie AMD Ryzen AI Halo.
NVIDIA z kolei rozwija RTX Spark, którego najpotężniejsza konfiguracja łączy 20-rdzeniowy procesor Grace, układ graficzny Blackwell z 6144 rdzeniami i do 128 GB pamięci współdzielonej. Wydajność wynosi blisko jednego petaflopa i dotyczy obliczeń AI w formacie FP4, przy bardzo niskiej precyzji zapisu liczb. Pierwsze komputery z tym układem mają trafić na rynek w październiku 2026 roku.
Windows stawia na sztuczną inteligencję
W tej wizji warstwa programowa będzie zapewniana przez Microsoft Foundry on Windows, czyli narzędzie do integracji lokalnej sztucznej inteligencji z aplikacjami. Programiści będą mogli korzystać z gotowych modeli lub uruchamiać własne za pośrednictwem mechanizmu Windows ML. Wydajność oraz zgodność zależą od specyfikacji konkretnego komputera, co jest typowe dla sytuacji w systemie operacyjnym Windows, związanej z kompatybilnością środowisk. Jednak jednolita infrastruktura Zenith ma ułatwić tworzenie i korzystanie z codziennych funkcji, takich jak rozpoznawanie mowy, praca z obrazami czy przeszukiwanie treści według kontekstu.
Agent oparty na sztucznej inteligencji może prowadzić autonomiczne działania w programach i plikach, co z kolei wymaga odpowiednich uprawnień. Microsoft rozwija w tym kontekście Microsoft Execution Containers, które zawierają zasady dostępu do plików i sieci oraz mechanizmy rejestrowania działań. Warto jednak zauważyć, że repozytorium projektu na GitHubie zawiera istotne zastrzeżenie: to wczesna wersja, a niektóre regulacje mocno obciążają uprawnienia. Microsoft jasno podkreśla, że obecne profile MXC nie powinny być traktowane jako nieprzenikliwe zabezpieczenia.
Od 8 GB RAM do osobistej infrastruktury AI
Linton zapowiedział również optymalizacje Windowsa dla komputerów z 8 GB RAM. Choć to pozytywna wiadomość, to opóźniona reakcja na fakt, że gigant tak mocno wierzył, iż można na takiej konfiguracji zainstalować „jedenastkę” i korzystać z niej, że wydał nową wersję Surface Laptopa opartą na tej skandalicznej specyfikacji. Prawdopodobnie Microsoft odczuwa presję ze strony Apple’a w tej dziedzinie, dlatego rozwija zarówno lokalną AI na komputerach osobistych, jak i dba o sprawność systemu operacyjnego na urządzeniach, które użytkownicy już posiadają, a które często nie wykorzystują nawet połowy zainstalowanej pamięci RAM w Zenithach.
Czytaj również: Microsoft właśnie chwilowo zniekształcił jedną z najlepszych funkcji XBOXa. Wprowadza limity.
Pierwszymi beneficjentami tego projektu będą programiści, co przywołuje echa ikonicznych słów Ballmera: „Developerzy, Developerzy, Developerzy, Developerzy!”. Szersze grono odbiorców będzie jednak bardziej wymagające, skupiając się na cenach i dostępności różnorodnych zastosowań. A jak będzie w rzeczywistości? Trudno to przewidzieć, ale wyczuwalnie widać, że Microsoft w zakresie sztucznej inteligencji nie zajmuje pierwszej pozycji. Starają się nadążyć, jak tylko potrafią.