# 策展 · X (Twitter) 🔥🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：Perplexity (@perplexity_ai) · 平台：X (Twitter) · 日期：2026-06-03

> 原始來源：https://x.com/perplexity_ai/status/2061861293569765847

## 中文摘要

Perplexity Computer 導入混合式 Agentic 推論提升效率。

**核心技術與運作機制**
Perplexity 宣布將在「Perplexity Computer」中引入「混合式 Agentic 推論」（hybrid agentic inference），這項技術的核心在於將任務拆解，並自動決定哪些部分應在使用者裝置的本機模型上執行，哪些則需交由雲端的頂尖模型處理。這種架構解決了準確性、隱私保護與能源成本之間的矛盾，透過自動化的排程機制，確保每個任務都能在最合適的環境下完成，無需使用者手動選擇。

**應用場景與隱私保護**
此技術特別針對涉及敏感資料的任務設計，例如財務紀錄、健康資訊及個人文件。
- 本機模型：負責處理敏感資料，確保這些資訊不會離開使用者的裝置，並判斷哪些任務適合留在本地執行。
- 雲端模型：針對需要強大運算能力與複雜推理的任務，系統會自動將其導向雲端伺服器。
- 自動化協調：與傳統要求使用者預先選擇執行環境的工具不同，Perplexity 的系統會根據任務需求，在執行過程中即時動態拆解並協調運算資源。

**硬體整合與產業影響**
Perplexity 強調「裝置即資料中心」的願景，並已與 Intel 展開合作，同時該模型無關（model-agnostic）的 harness 也支援其他本地晶片，例如 NVIDIA 的「RTX Spark」。
- 運算效率：隨著本地硬體效能提升，排程器能將更多任務保留在裝置上，僅將真正需要高階運算的任務交給伺服器，進而優化每瓦特的 token 價值。
- 基礎設施變革：此架構有助於緩解全球運算資源短缺的問題。當 routine 任務與敏感工作移至使用者既有的裝置上，將減少對集中式資料中心基礎設施的依賴。
- 數據主權：這項技術重新定義了數據主權，讓重要資料能留在使用者掌控的管轄範圍內，無需依賴特定國家或企業建立的資料中心。

**商業策略與未來展望**
Perplexity 指出，其商業模式的核心在於提供準確的 AI 答案，而非最大化銷售的 token 數量。這種激勵機制促使公司專注於優化運算效率，而非單純追求消耗更多運算資源。這項具備本地推論功能的「Personal Computer」預計於 7 月正式推出，標誌著 AI 產業首次將運算資源視為一種可跨裝置與雲端進行智慧排程的資源。

## 標籤

Agent, 新產品, 功能更新, 產業趨勢, Perplexity