10 月第一周，微软连着打出三张牌：9 月 30 日，Surface 业务副总裁在骁龙峰会亲口确认 Copilot+PC 标识不再使用；10 月 8 日发布会宣布 GitHub Copilot 本月底前支持本地模型推理、端云自动切换；10 月 9 日，Win11 的 AI 框架实验性支持 GGUF 与 ONNX 原生本地推理。对一直靠 Ollama+第三方插件把本地模型接进编辑器的人来说，这不是"系统更聪明了"的新闻，而是一次工具账本的翻转：该切、该等，还是别动。知乎微博知乎
一、一周三件事，先把"真能用的"和"还没影的"分开
时间 | 发生了什么 | 现在的真实状态 |
|---|---|---|
9 月 30 日 | Surface 高管确认 Surface Pro/Laptop 不再叫 Copilot+PC，NPU≥40TOPS+16GB 内存+24H2 那套认证规则作废 | 已确认，官方采访 |
10 月 8 日 | 发布会宣布 Copilot 引入"端云混合推理"：后台协调器在云端模型和本地模型之间自动选；Surface Laptop Ultra 本地推理吞吐量"最高" 63 tok/s | 官宣，本月底前才上线，你手上还没有 |
10 月 8 日（同日） | GitHub Copilot CLI 已能从正在运行的 Ollama 中发现受支持的本地模型，检查提供方和地址后可加入并切换 | 今天就能用，但模型要自己装，且需支持工具调用+流式输出 |
10 月 9 日 | Win11 AI 框架实验性支持 GGUF 与 ONNX 原生本地推理 | 实验性，离"开箱即用"还有一段 |
先给结论：“本地推理进入 Windows"是一条分四档的时间线，不要把"月底前"当成"已到账”。 真正立刻能吃到的，只有 Copilot CLI 接 Ollama 这一口。知乎
二、为什么突然转向：Copilot+PC 的死和 GGUF 的转正，是同一本账
微软 2024 年给 Copilot+PC 立的规矩，本质是用 NPU 当门票卖硬件溢价。三年后这盘账算崩了：招牌功能 Recall 因隐私争议胎死腹中；NPU 成了英特尔和 AMD 新处理器的标配，溢价卖不动；Windows Latest 今年 7 月的报道显示，推出三年后 Microsoft 365 Copilot 的使用率仍低于 4.5%，每周打开的用户只有 1%。知乎
而真正卡本地模型体验的从来不是 NPU，是内存和显存。这也是过去两个月大家排队算内存账的原因。知乎
所以这次"拥抱"GGUF 不是微软突然热爱开源：NPU 故事卖不动了，云端 token 成本还在烧（6 月就有微软考虑往 Copilot 里塞更便宜的模型压推理成本的消息）。"混合推理"对消费者是隐私和免费的卖点，对微软是降本和留存的工具。 看懂这一层，你才不会把它读成"本地 AI 时代来了"，而是读成"本地模型第一次成为大厂成本结构里的正式组件"——这才是这篇内容真正的增量。微博
三、先泼三盆冷水，再谈值不值
第一盆：63 tok/s 不是你的机器。 那是 Surface Laptop Ultra 顶配设备的官方"最高"值。有用户实测在 M5 上跑 Gemma4 26B A4B，纯生成 30-35 tok/s，而 Agent 型任务会被 prefill 拖垮——上下文越长首字越慢。中端独显或 32GB 内存的 Windows 机器跑 20B+ 级模型，数字只会更保守。短问答和长上下文编码是两个世界，别拿发布会峰值预估你的工位机。IT之家微博
第二盆：选本地模型 ≠ 离线。 GitHub 的说明写得很清楚：选择本地模型不会自动开启离线模式，也不会自动关闭遥测；仓库内容在哪些步骤发出去，取决于提供方配置、联网工具和其他服务。处理敏感代码前，先把数据流查一遍——这是企业用户最容易踩的坑，也是社区讨论里最少被提起的一条。知乎
第三盆：“Win11 支持 GGUF” ≠ 你现在就能通过系统跑 llama.cpp 的模型。 知乎上 6800 多次围观的技术分析讲得很直白：这波等于"钦点"了 llama.cpp，而它只有 Vulkan 后端、连 DX12 后端都没做；微软走自家 API 接入，大概率是为将来换回自己的框架留后手。ONNX 的"通用"要各家后端跟进才有性能，历史经验是慢半拍。等 Insiders 实装、芯片与模型清单公布之前，这条利好只能算预收款。知乎知乎
四、对号入座：切、等、还是别动
已经在用 Copilot CLI 或 VS Code 接本地 API 的人：切。 这是今天就能吃到的部分，成本接近零：把支持工具调用+流式输出的 MoE 小模型挂进去，补全、解释函数、写边界测试这类小任务走本地，复杂跨模块修改仍留给云端。同一个入口按任务分模型，省的是等待和积分。
有 12-16GB 显存或 32GB 内存 Windows 机、还在自己搭环境观望的人：等到月底。 盯三件事：混合推理在哪个渠道先上线、你的芯片型号在不在支持列表、路由策略能不能手动指定"哪些任务走本地"。能手动调，插件方案就可以退役；只能全自动黑盒，Ollama+第三方工具链仍是主力。
拿 NPU 办公本、指望"系统自带本地模型"免 token 的人：别急。 NPU 已经不是认证门票，实验性支持不等于可用。这类机器现在跑本地大模型的第一瓶颈仍是内存容量，不是框架。
准备为"这次更新"换机的人：尤其别。 这波是软件路线变化，够不够用还是显存和内存的账——上一波为 816B 冲动上两台 Mac Studio 的教训还热乎着，别为月底一个还没推送的更新动预算。
五、"本地不划算"的老共识，现在怎么算
社区流传很广的判断是：大部分人本地跑模型经济上不划算，自己跑的意义就两条——用无限制模型、数据完全留在本地，说白了是买"自由"。这条共识没有被这次更新推翻，但被改写了半格：如果 Copilot 的路由能把一部分小任务分给本地，云端 token 消耗会实打实降下来——小红书"本地部署到底比 API 省钱吗"那篇 109 赞、73 条评论的拉扯，正在从"二选一"变成"混搭"。有用户的混合方案甚至不是为省钱：48GB 内存旧机器常驻一个 35B MoE，专门处理合同、薪酬、源码这类不能出机器的任务。但也别高估本地这一半：prefill 瓶颈说明重活仍要丢云端。这次决策的正确问法不是"要不要用本地替代云端"，而是"本地的口子值多少"。微博小红书知乎
六、本周动作 + 月底观察清单
现在可以做：
用 Copilot CLI 的话，确认本机 Ollama 里有支持工具调用+流式输出的模型，先挂进去只跑补全和解释类小任务。
涉及公司代码，先在团队内讲清楚"本地≠离线"，把遥测和提供方白名单检查完再上路。
月底盯这几个信号，缺一个都别急着下结论：
混合推理是否真的推送到了 VS Code / Copilot 应用，先走 Insiders 还是正式版；
官方支持的芯片与模型清单里，有没有你那台；
本地/云端路由能否手动干预，还是纯黑盒自动；
Win11 的 GGUF 支持何时从"实验性"转正，接口是否开放第三方模型导入；
各家开源模型发布时是否同步首发 GGUF 权重——那才是"官方路线=生态标准"的真正信号。
微软绕了三年，终于承认本地推理的入场券不是 NPU 而是内存和开源格式。对 Ollama 党，这是好消息；对准备掏钱换机的人，这是"再等等"的坏消息。你现在给 Copilot 挂了本地模型吗？最想丢给本地跑的是什么任务？如果 63 tok/s 是微软给出的上限，你能接受的本地最低速度是多少——评论区报一下你的配置和数字。
