结论先行：2026 年 10 月 9 日，中共中央、国务院印发《关于发展新质生产力的意见》，明确提出全面实施“人工智能+”行动，加快人工智能手机和电脑等新一代智能终端场景应用，同时要求构建技术监测、风险预警、应急响应体系，确保人工智能安全、可靠、可控。对企业来说，这是一次终端与平台盘点的信号：先把三个问题答清楚——跑得动吗、哪些数据能出去、用完管得住吗。

政策里与企业直接相关的三句话

  • 加快新一代智能终端场景应用。原文将人工智能手机和电脑与智能网联新能源汽车、人形机器人并列。
  • 构建自主可控、协同运行的基础软硬件系统。这是国家发展改革委有关负责同志在答记者问中的表述。
  • 构建技术监测、风险预警、应急响应体系，确保人工智能安全、可靠、可控。

需要说明的是，政策给出的是方向与原则，落地尺度仍取决于行业监管要求与企业自身的合规底线。把它读成“要换什么设备”并不合适，更合理的读法是“现有底座能不能承接”。

问题一：现有终端跑得动吗

本地推理与远端调用对终端的要求完全不同。要做本地推理，需要确认三项：算力（加速芯片与内存）、系统底座（操作系统版本与其 AI 支撑能力）、软件与外设生态。据公开的产品资料，国产桌面系统已经把 AI 子系统做进终端，支持本地模型部署与端侧推理，同时明确桌面与服务器是两套架构、场景分工不同。这意味着评估不能只看整机参数，还要看底座是否支持。

一个务实的顺序是先做岗位画像：哪些岗位需要本地推理，哪些只需要调用远端服务。把需要本地算力的岗位单独列出，替换计划才有落点。

问题二：哪些数据可以出去

本地推理的直接价值是数据不出端。对涉密、敏感、监管要求严格的数据，这条边界是刚性的；对普通办公材料，走远端服务往往更经济。因此建议按数据分级来切任务，而不是按人员级别来切。

这里有几个前提要提前确认：本地模型的规模与更新方式、离线场景下的能力下限、跨网环境下的模型分发通道。只谈“能跑”不谈“怎么更新”，上线后会持续消耗运维精力。

问题三：用了之后管得住吗

政策里的“可控”落到企业侧，是三件事：可监测、可回退、可追责。可监测是知道谁在用、调用了哪些数据、结果去了哪里；可回退是模型与技能包要能版本化，出问题能退回上一版；可追责是操作留痕，事后说得清。这三件事在引入能力之前定，比上线之后再补容易得多。

底座与能力，谁先谁后

不建议把终端替换和 AI 能力引入放在同一批做。终端替换本身已经牵涉适配验证、外设兼容、用户培训与批量装机，再叠加新的能力层，风险会叠加。更稳的顺序是先完成底座层面的分批替换与验证，再按岗位叠加能力，每次只动一层。分批替换的排序依据（适配成熟度、依赖复杂度、可回退性、业务对停机的容忍度）在这里同样适用。

边界与前提

政策倡导不等于全部岗位都需要。多数办公场景用远端服务即可满足，把本地算力铺到全部终端既不经济，也会带来与业务无关的管理负担。另外，现有存量终端能否继续用，取决于系统版本支持、性能下限与统一纳管三项条件，三者缺一就可能得不偿失。

奇摩在做信创终端与办公能力落地时，习惯先把底座清单与岗位画像对齐，再谈能力接入，避免两边各做一版。需要梳理终端评估口径，欢迎预约咨询。