Perplexity 推出 Perplexity Computer 打造多模型協作 AI 系統

Perplexity 將生成式 AI 從雲端服務延伸至企業自有硬體，推出本地優先的 Portable Computer。系統鎖定重視資料主權、隱私與法規遵循的組織，讓 AI Agent、企業資料與模型推論留在內部環境，降低敏感資訊外流及按 Token 計費的不確定性。

Portable Computer 可直接部署於 NVIDIA DGX Spark 等桌上型 AI 運算設備，本地步驟不收取逐 Token 費用，並以作業系統層級沙箱隔離 Agent 執行環境。當任務需要更強推理能力時，平台仍可調度雲端前沿模型，形成兼顧本地控制與雲端效能的混合架構。

Perplexity 的 Personal Computer 定位為通用數位員工，可在使用者電腦上存取檔案與應用程式，並代為處理建立文件、整理資料及更新試算表等任務。這類本地 AI Agent 若能融入既有工作流程，可望減少重複操作，也使資料存取權限與安全控管更受關注。

Perplexity 最新宣布將 Personal Computer 擴展至 Windows 平台，讓 Windows 電腦可作為本地 AI 系統運行，進一步觸及企業與一般辦公市場。此次推出延續該公司既有的 Microsoft 365 與 Teams 整合，強化跨檔案、文件、試算表及協作工具的自動化能力。

Perplexity原以AI搜尋與Deep Research見長，Computer則把問答工具推進為可交付成果的數位工作者：能拆解目標，並以非同步子代理協調研究、設計、編碼、部署及專案管理。其重要性在於AI Agent競爭焦點正由單一模型能力，轉向多模型、工具與工作流程的編排。

Perplexity於2026年2月26日推出Computer，首波開放網頁版給每月200美元的Max訂戶，可並行調度19個模型；每月含1萬點額度，另送一次性2萬點。2月25日使用者展示在一個下午打造NVIDIA分析終端，對照Bloomberg Terminal每年3萬美元價格，引發替代性討論，但即時資料深度仍有落差。

生成式 AI 正從單次問答走向可持續執行任務的代理系統。Perplexity 以「萬物皆電腦」為願景，推出 Personal Computer，強調串接不同工具、代替使用者處理跨平台工作；Nvidia 與 Andrej Karpathy 的新專案，也反映產業競逐 AI 代理基礎設施。

《AI趨勢周報》第286期指出，Perplexity 的 Personal Computer 可讓 AI 代理全天候24小時工作；Nvidia 同期發布為代理任務設計的 Nemotron 3 Super 模型，OpenAI 共同創辦人 Andrej Karpathy 則開源自動化 LLM 研究框架 Autoresearch。相關資料未揭露售價與確切發布日期。

Perplexity 的 Personal Computer 將多模型代理帶進 Mac，可連結本機檔案、原生 App 與 Comet 瀏覽器，代辦跨工具任務。搭配常開的 Mac mini，即可 24/7 運作，定位為免自行部署 OpenClaw 的數位分身，並以沙盒、操作稽核、復原及緊急停止控管風險。

Perplexity 2026 年 3 月 11 日在 Ask 2026 公布，4 月 16 日向月費 200 美元的 Max 用戶推出；5 月 7 日開放 Mac 使用者下載 App，但功能需月費 20 美元的 Pro 或 Max 訂閱。支援 macOS 14 以上、可編排逾 20 款模型，Windows 版未推出。

Perplexity Computer 是 Perplexity 推出的雲端多模型任務代理，重點不在單一模型回答問題，而是把研究、設計、程式開發與部署拆成工作流程，再交由不同模型及子代理協作。這代表生成式 AI 從聊天工具進一步轉向可長時間自主執行任務的系統。

Perplexity 於 2026 年 2 月 26 日公布 Computer，可平行調度 19 種 AI 模型，並串接數百項服務，讓子代理瀏覽網頁、編碼與操作應用程式。產品先開放每月 200 美元的 Max 訂戶使用，每月含 10,000 點額度，另贈一次性 20,000 點。

Perplexity AI以生成式搜尋服務起家，如今將戰線延伸至自主代理與工作流程自動化。「Computer」並非單一模型，而是依寫作、編碼及圖像生成等任務調度不同AI模型，主打降低人工操作，並與開源自主代理OpenClaw競爭。

Perplexity AI於2026年7月發表「Computer」，定位為前沿AI模型調度系統，可拆解複雜任務、選用合適模型並持續執行。公司尚未公布產品售價、訂閱金額及全面開放日期，市場焦點轉向其自動化成效、使用門檻與後續商業化方案。