人工智能
Perplexity于周二正式推出一项全新服务，该服务可让AI完全运行于本地设备之上，并承诺"将私人数据保留在本地，仅在任务有需要时才向云端发起请求"。
这项服务名为Portable Computer，是Perplexity Computer的本地化版本，运行于英伟达DGX Spark硬件之上，支持Qwen 3.8 27B模型或PPLX 27B模型（后者为Qwen模型的后训练版本）。Perplexity还表示，即将在模型选择器中新增一款30B开源模型。编排器、规划器、工具路由器、调度器、持久化任务队列以及本地搜索索引均运行于设备本地。Portable Computer目前要求底层操作系统为Linux，Windows支持"即将上线"。
对于企业IT而言，最关键的价值在于两点：一是Perplexity承诺数据始终留存本地；二是本地运行的工作不会消耗Token配额。仅当系统被明确指示将计算任务迁移至云端以"执行更复杂的研究与推理"时，才会产生相应费用。
尽可能多地在本地完成工作正成为一种趋势，用户希望借此降低Token成本，并减少对高端AI系统的依赖。
Perplexity在公告中指出："用户或许希望将某份条款清单中的机密细节保留在本地，但在需要获取当前市场可比数据或近期先例交易时，再上传至云端处理。Portable Computer的本地编排器可以将任务上升至云端，以获取实时信息、使用浏览器、连接应用，或调用15个以上的前沿模型进行高级推理。通过应用连接器，Portable Computer可与Google Drive、Gmail、Slack和GitHub协同工作。"
纽约科技咨询公司Tribeca Softtech的首席战略官阿曼·马哈帕特拉对该服务所涵盖的综合能力给予了积极评价。他表示："在本地运行模型已经是两年前就普及的基础能力。而将整个智能体控制层都运行于本地，意味着'某项任务是否需要上云'这个决策本身也在设备端完成，由一个经过后训练、倾向于本地处理并在必要时才上报的模型来判断。"
然而，部分顾问和分析师对该服务在企业级场景中的经济性、数据与Token管控能力是否已真正成熟提出了质疑。
Gartner副总裁分析师纳德·赫宁表示，Perplexity发布的部分模型今天已经可以在搭载消费级GPU的高端笔记本上运行，"但在看到Portable Computer的定价之前，很难真正为之兴奋"。
LexisNexis风险解决方案集团首席信息安全官弗拉维奥·维拉努斯特雷也指出："硬件门槛相当高，尤其考虑到当前内存、GPU等硬件的成本。本地GPU至少需要24GB的显存作为起步配置。虽然它可能有助于降低持续运营成本，但确实需要在这类专用硬件上进行前期投入。"
多位顾问还对本地与云端之间的决策执行机制缺乏细节感到担忧。例如，用户可能像接受软件使用条款一样，下意识地点击同意弹出的云计算请求。此外，攻击者也可能利用提示词工程或其他手段植入隐藏指令，在用户不知情的情况下将任务迁移至云端。
咨询公司Acceligence首席执行官贾斯汀·格雷斯指出："'本地优先'不应被混淆为'仅限本地'，这一区别将至关重要。用户经常在没有完全理解的情况下批准弹窗请求，而日益自主的AI智能体正在跨文件、应用、连接器和工作流运行，其复杂程度可能远超用户的感知范围。AI应该能够请求授权，但企业需要有能力明确表示：'你没有权限提出这个请求。'"
Aikido Security企业首席信息安全官迈克·威尔克斯建议，IT部门可以通过封锁外部访问来阻止上云行为，但他对这种方式的可行性持怀疑态度。"我不认为智能体或其用户会接受企业仅靠断网来解决安全问题。对于许多有价值的应用场景来说，网络连接本身就是核心所在。例如，一家自营交易公司可能希望机密模型和持仓数据在本地处理，同时仍需访问实时市场数据、SEC文件以及新闻或研究资讯。"
马哈帕特拉进一步指出，内置管控措施无法阻止未经授权的上云行为，"原因在于结构性缺陷，而非Perplexity工程能力的不足。这道'门'是权限弹窗，代表的是'知情同意'，而非'实质管控'。它依赖于概率模型对敏感内容的正确分类，以及对上传负载范围的准确界定，同时还依赖用户对一个自己无法完整审阅的请求做出判断。这两个环节在对抗性攻击下都会失效。"
他还指出，当Gmail、Drive、Slack和GitHub连接器都运行在一台同时具备授权上云路径的设备上时，"这与今年所有Copilot数据泄露链背后的'连接器加出口'组合如出一辙。真正能通过企业安全审查的，是网络层而非应用层的管控，而这在该产品中并不存在"。
他认为，这需要强制出口代理、对每个上云载荷的数据防泄露检测、不依赖模型判断而对特定数据类别强制拦截的确定性分类规则，以及对设备出境内容的不可篡改日志记录。他表示："沙箱执行解决的是代码隔离问题，对数据出口治理毫无帮助。"他向Perplexity提出的关键问题是：企业管理员能否以一种本地模型无法覆盖的方式集中定义上云策略，并生成完整的数据跨界审计日志？"如果上云行为仅依靠用户同意和模型判断来管控，这更像是一款有着良好隐私故事的消费级产品，而非一款拥有合规叙事的企业级产品。谁能率先推出具备可执行出口检测和防篡改审计能力的集中式上云策略管理，谁就将掌控受监管行业本地AI市场。"
针对采访请求，Perplexity传播经理比乔利·沙阿以邮件声明的形式回应，对"数据可能在未经明确授权的情况下传输至云端"的说法进行了反驳。她写道："本地文档中的内容本身无法发起上云请求，也无法绕过产品管控机制。向云端上传任务需要在每次操作时进行明确授权，且必须先将应用从默认的纯本地模式切换出来。"
沙阿表示，此类数据迁移仅在用户已在应用设置中将"允许顾问上云"选项切换为"开启"后才可发生。"若未开启该选项，任何工作均无法进入云端处理。"她还指出，产品对本地数据访问及智能体可执行的对外操作均有明确限制。
她补充说，用户还必须在应用内审阅将部分任务发送至云端的请求，并如介绍视频所示，该请求弹窗与提示词输入框大小相同，具有相当的视觉存在感。此外她还强调："上云操作仅允许执行一次，不适用于后续任务，也不延续至未来会话。"
Q&A
Q1：Perplexity Portable Computer是什么？和普通云端AI服务有什么区别？
A：Portable Computer是Perplexity推出的本地端AI服务，所有核心计算（包括编排、规划、任务调度等）均在本地设备上运行，不依赖云端处理。与云端AI服务最大的区别在于：数据默认保留在本地，不会消耗Token配额，只有用户明确授权时，系统才会将特定任务上传至云端处理，从而实现隐私保护和成本控制的双重目标。
Q2：Portable Computer对硬件有哪些要求？
A：Portable Computer运行于英伟达DGX Spark硬件之上，支持Qwen 3.8 27B或PPLX 27B模型。据分析师指出，本地GPU至少需要24GB的显存，整体硬件门槛较高，包括内存和GPU在内的初期硬件投入成本不低。目前底层操作系统要求为Linux，Windows支持尚在开发中。
Q3：Portable Computer的本地数据安全性真的可靠吗？企业用户有哪些顾虑？
A：多位安全专家对此表示担忧。主要顾虑包括：用户可能在未充分理解的情况下点击同意上云弹窗；攻击者可通过提示词工程植入隐藏指令触发上云行为；Gmail、Drive等连接器与上云路径并存，存在数据泄露风险。专家认为真正的企业级安全需要网络层管控、强制出口代理及审计日志，而非单纯依赖应用层的用户授权机制。
