Perplexity推出本地AI智能體,登陸Windows RTX PC

Perplexity推出了「Portable Computer」,这是其AI智能体的本地版本,能够直接在用户自己的设备上规划并执行多步骤任务,而不必把数据发往云端服务器。由于整个推理与执行流程都在本地运行,敏感文件、凭证信息和商业数据都无需离开设备就能获得智能体的协助,这对长期担心云端泄露风险的用户是一个明确的信号,也是本地部署相较纯云端方案最直接的卖点。Windows版本于公告当天正式上线,此前已支持基于Linux的RTX PC和NVIDIA DGX Spark系统,DGX Station的支持预计将很快跟进。运行该系统需要一块显存不低于24GB的NVIDIA GeForce RTX或RTX PRO显卡,这一门槛直接把「能跑」和「跑不了」的硬件区分开来,也决定了它注定不是一款面向入门级消费硬件的产品,而是瞄准了愿意为专业级显卡买单的重度用户群体。

在底层实现上,Portable Computer使用了经过本地优化的模型,例如Qwen 3.8 27B,免去了用户手动配置本地模型的复杂步骤,降低了普通用户上手本地智能体的门槛。它内置了与Microsoft Office、Google Workspace、Slack和GitHub的连接器,还附带一个浏览器和一个名为「SPACE」的沙盒环境用于执行任务,使得智能体能够在受控范围内完成较为复杂的操作序列,而不需要用户手动搭建脚本或中间层。Perplexity列举的典型用例包括管理GitHub拉取请求、跨税务文件进行财务分析,以及为初创公司做用户漏斗分析,这些任务全部在本地完成,文件不会上传到外部服务。公告中没有披露定价信息,目前也没有给出具体的性能基准数据,这意味着实际体验仍有待用户自行验证。

24GB显存门槛意味着什么

要求24GB以上显存绝非细枝末节,而是一道实打实的筛选线。它把绝大多数主流消费级显卡挡在门外,直接指向了专业级、工作站级显卡,或者DGX Spark这类专用设备。

这是一种刻意的取舍:要同时跑动一个具备完整能力的智能体循环、一个27B参数量级的模型,再加上浏览器和沙盒环境的开销,离不开充足的显存空间,任何一环显存不足都会拖慢整体响应甚至导致任务失败。其实际效果是,「本地AI智能体」不再只是一句谁都能喊的营销口号,而变成了一张实打实的硬件配置单:有没有足够的显存,直接决定了能不能用,而不是取决于软件层面愿不愿意支持。这为「真正够格」的本地智能体划出了一条现实的硬件门槛,也很可能带动一批既想要隐私优势、又不想为每次调用支付云端API费用的爱好者和小企业升级显卡,间接为专业级显卡创造出一个新的消费理由,让原本主要面向创作与渲染场景的高显存显卡多了一重实用价值。

本地优先、云端按需:一条务实的折中路线

这种默认本地运行、仅在用户明确许可后才升级到云端算力的混合模式,恰好走在两个各有短板的极端之间:纯云端智能体能力强,但要求把每份文档都发出设备之外;纯本地智能体保护了隐私,却在最难的任务上撞上能力天花板。把「升级到云端」设计成用户主动选择而非默认行为,意味着日常的文档分析、工作流自动化和数据提取任务可以完全留在本地设备上完成,只有真正需要更强推理能力时才调用云端模型。

由于绝大多数任务从一开始就不会离开设备,这也降低了对云端服务额度和按次调用API费用的依赖,长期使用成本因此更加可预期,也更容易在企业内部做预算规划。这种设计本质上是把「隐私」和「能力上限」两个此前互相冲突的诉求,通过用户授权这一道明确的开关重新调和了起来,而不是简单地在两者之间做非此即彼的取舍。

对企业数据驻留与隐私敏感工作流的意义

对于法律、税务和金融等领域的工作流而言,出于合规要求,文件往往不能离开特定司法辖区,甚至不能离开企业自身的基础设施,本地优先的智能体正好改变了这里的可能性边界。

Perplexity所举的「跨税务文件进行财务分析」这个例子就是直接的写照:一个能够阅读、交叉核对并总结敏感申报文件、且全程不外传数据的智能体,与哪怕承诺了严格数据处理规范的纯云端工具相比,风险画像也截然不同,合规审计时也更容易解释数据从未离开过设备,减少了向监管方举证的复杂度。同样的逻辑也适用于管理GitHub拉取请求或分析初创公司的用户漏斗——这些任务涉及专有代码或内部业务指标,很多团队本来就更倾向于默认不通过第三方服务器传输它们,尤其是在代码尚未开源、财务数据尚未对外披露的敏感阶段,任何一次意外的数据外泄都可能造成难以挽回的后果。

消费级与专业级显卡上的本地智能体竞争格局

选择让完整的智能体技术栈运行在消费级和专业级显卡上,而不是要求用户订阅专属云服务,让Perplexity加入了一小群押注「设备端推理已经跨过可用性门槛」的厂商行列。要求使用24GB以上显存的RTX或RTX PRO显卡,或者NVIDIA DGX Spark、DGX Station硬件,也意味着这款产品与NVIDIA的硬件路线图深度绑定,而不是把显卡当成可以随意替换的通用商品,这也让NVIDIA在这一轮本地智能体竞赛中占据了独特的位置。

随着越来越多厂商涌入同一条「本地智能体」赛道,真正的竞争恐怕不会只比拼模型质量,而会更多体现在产品如何优雅地处理本地与云端之间的切换,以及显存门槛在不牺牲能力的前提下究竟能降到多低。此次尚未公布定价的发布,还无法回答这个问题,但它确实是迈向「默认本地执行、而非把本地当作例外」的智能体AI的一个更为具体的进展,值得在Windows正式铺开、更多用户实际用上之后持续观察它的表现与口碑。