Microsoft rückt bei Copilot+ von einer klaren Hardwarevorgabe ab. Was ursprünglich als KI-Label für Windows-Notebooks mit spezieller Neural Processing Unit gedacht war, soll künftig auch auf Rechnern ohne NPU funktionieren – sofern eine geeignete GPU vorhanden ist.
Mit Copilot+ hatte Microsoft 2024 eine neue Kategorie von Windows-11-Rechnern eingeführt. Zentrale Voraussetzung war eine NPU mit mindestens 40 Tops, also 40 Billionen 8-Bit-Ganzzahloperationen pro Sekunde. Diese Vorgabe wird nun aufgeweicht: Das Windows App SDK 2.2 Experimental 9 erlaubt die Ausführung von Sprachmodellen auch auf Desktop-PCs und Notebooks ohne Copilot+-NPU, wenn sie eine unterstützte GPU besitzen.
Konkret nennt Microsoft Nvidia-GPUs ab GeForce RTX 3000 mit mindestens 6 GByte lokalem Grafikspeicher. Auch Phi Silica, Microsofts lokales Small Language Model für Copilot+-PCs, kann unter diesen Bedingungen auf einer Nvidia-GPU laufen. Unterstützung für AMD-GPUs soll künftig ebenfalls möglich werden.
Die Änderung trifft auf ein Copilot+-Programm, das bislang nicht die gewünschte Zugkraft entwickelt hat. Einer der Gründe: Es gibt weiterhin nur wenige Windows-Anwendungen, die die NPU für wirklich attraktive Zusatzfunktionen nutzen. Ein Dell-Manager brachte es auf der CES im Januar deutlich auf den Punkt: Verbraucher kaufen nicht wegen KI. Zusätzlich war der Start holprig, weil Microsoft Copilot+ zunächst auf Windows-on-ARM-Geräte mit Qualcomm Snapdragon X beschränkte. Die verbreiteteren x86-Notebooks kamen erst später hinzu, zunächst mit wenigen und teuren Prozessoren.
Technisch wird die Abgrenzung ohnehin schwieriger. Aktuelle Mobilprozessoren für Windows-Notebooks kombinieren CPU, GPU und inzwischen meist auch eine NPU. Viele integrierte GPUs erreichen mehr als 40 Tops. Eine separate NPU ergibt vor allem dort Sinn, wo lange laufende Hintergrundfunktionen effizient erledigt werden sollen, etwa beim Entrauschen oder bei der Perspektivkorrektur von Webcam-Bildern sowie bei permanenter Spracherkennung.
Gleichzeitig arbeitet Microsoft daran, KI-Modelle noch breiter auf vorhandener Hardware nutzbar zu machen. Das auf der Build Anfang Juni 2026 angekündigte Small Language Model Aion 1.0 soll in einer kommenden Edge-Version sogar mit CPU-Kernen auskommen. Die bisherige Schreibunterstützungs-API Phi-4-mini benötigt dagegen noch eine GPU mit mindestens 5,5 GByte VRAM.
Für Entwickler entsteht damit ein schwieriges Bild. Einerseits wächst die Zahl möglicher KI-Rechenwerke: CPU, GPU, NPU und integrierte GPU können je nach Gerät und Modell infrage kommen. Andererseits erhöht genau diese Vielfalt den Aufwand, KI-Funktionen sauber in Windows-Anwendungen zu integrieren. Ohne klare Roadmap bleibt unklar, worauf sich Softwareanbieter langfristig verlassen sollen.
Auch neue Plattformen wie Nvidia RTX Spark dürften die Debatte verschieben. Nvidia betont erwartungsgemäß die KI-Leistung der GPU, während unklar bleibt, ob und wie eine mögliche NPU im von MediaTek beigesteuerten CPU-Teil genutzt wird. Parallel erweitern AMD und Intel ihre CPU-Kerne um neue KI-Rechenwerke wie ACE. Qualcomm setzt beim Snapdragon X2 auf ARM Scalable Matrix Extension, Apple nutzt vergleichbare Funktionen ab dem M4.