Perplexity的便携式计算机本地AI代理登陆Windows RTX电脑

便携式计算机是Perplexity代理式计算机平台的设备端版本，其核心设计在于任务每一步的实际执行位置。默认情况下，所有任务均在设备上启动，利用NVIDIA GPU加速的本地模型进行规划、文件检索和多步骤操作，全程无需离开本地设备^[1]。本地完成的工作不消耗任何Perplexity计算机计费积分，系统仅在用户明确授权后，才会将单个步骤发送至更强大的云端模型^[2]。

Perplexity基础设施与企业工程副总裁Nate Kupp表示，本地应用‘拥有与原始计算机平台完全相同的用户界面，并包含本地推理所需的所有功能’^[4]——目标是消除搭建本地AI堆栈的历史性摩擦，而非推出功能缩水的配套应用。这种一致性也体现在代理的能力范围上：便携式计算机新增了本地MCP服务器支持，使其能够驱动其他已安装的桌面应用程序；同时引入了一个新调度器，可在用户离机时按设定周期在PC上运行重复任务，并原生支持Google Drive、Gmail、Slack、GitHub、Outlook、OneDrive、Word和PowerPoint等连接器^[3]。这一连接器列表延续了Perplexity数月前启动的扩展计划，当时计算机功能首次集成进Microsoft Teams，随后又为Word、Excel、PowerPoint和Outlook推出了原生插件侧边栏^[5]。

非官方渠道的反馈同样强调了按步骤路由的设计，而非单纯关注模型质量：X.com上的独立评论聚焦于本地与云端步骤的分离，认为这是显著的设计选择；YouTube上的早期实测反应也对尝试设备端代理表现出极大热情——尽管如同任何首发产品，这些反馈仍属初步印象，尚未形成定论。

Perplexity自身的基准测试表明，便携式计算机是目前最强的全本地代理框架，而不仅仅是一个注重隐私的降级版本。在53项任务的本地知识工作基准测试中，运行Qwen 3.8 27B的计算机得分为82.6%，高于Pi Harness的77.6%和Hermes的74.0%；而Perplexity自行后训练的PPLX 27B模型进一步将得分提升至85.4%^[2]。在网页研究基准测试BrowseComp中，便携式计算机准确率达到66.7%，优于Pi Harness的50.2%和Hermes的43.9%，同时耗时减少51%，令牌消耗减少70%^[2]。在多模态文档理解测试中差距更为显著：计算机得分为65.1%，Hermes为34.6%，Pi仅为13.9%^[2]。

在更复杂、更具代理性的任务中，这一权衡尤为明显。在Terminal Bench 2.1编程基准测试中，全本地Qwen配置得分为59.6%，边际成本为零；若在更难的步骤中升级至云端前沿模型，得分可提升至73.0%，但每项任务成本约为0.415美元^[6]。这一差距正是便携式计算机‘以本地为先’路由策略的实际体现——并非本地模型整体上能与前沿云端模型竞争，而是Perplexity的框架允许用户按任务、按步骤选择性地弥补大部分能力差距，而非在每一步都支付令牌费用。

企业安全专家在审查便携式计算机的云端升级设计时，并未全盘接受Perplexity的权限提示机制。Tribeca Softtech首席战略官Aman Mahapatra指出，尽管控制平面在本地运行确实将升级决策留在了设备上，但当前机制只是‘授权，而非控制’——缺乏企业通常要求的数据外发代理、DLP检查、确定性分类和不可篡改的审计日志，这些是企业信任代理处理敏感数据的前提^[7]。Acceligence首席执行官Justin Greis则认为，这一风险既是技术问题也是品牌问题，警告称‘以本地为先不应被误解为仅限本地’，对于那些误以为产品从不接触云端的组织而言，‘这一区别将至关重要’^[7]。

Perplexity对这一最尖锐的批评予以反驳。传播经理Beejoli Shah表示，本地文档中的内容‘无法自行授权升级，也无法覆盖产品控制’，任何升级都需要用户明确的单次批准^[7]。Aikido Security的企业CISO Mike Wilkes进一步指出，显而易见的粗暴解决方案——直接屏蔽代理的网络访问——会破坏产品的实用性，因为他‘不会指望代理或其用户对这种权衡感到满意’^[7]。尚未解决的问题并非便携式计算机能否被安全保护，而是消费者级别的权限提示是否适合作为受监管企业数据的控制界面。

便携式计算机‘零令牌成本’的宣传掩盖了真实的前期投入。最低配置要求是拥有24GB或以上显存的GPU——包括RTX 3090、RTX 3090 Ti、RTX 4090、RTX 5090或RTX PRO Blackwell工作站显卡^[8]——而NVIDIA自家的DGX Spark系统（便携式计算机首发平台）售价约为4,699美元^[9]。Gartner副总裁分析师Nader Henein直白地总结了市场疑虑：‘在看到价格之前，很难对此感到兴奋’^[7]，而LexisNexis风险解决方案集团CISO Flavio Villanustre指出，‘硬件需求相当高，尤其是当前包含内存和GPU在内的硬件成本’^[7]。

这种矛盾已在跨过硬件门槛的用户中显现。早期采用者报告称，运行DGX Spark版本的应用仅加载一个30GB的推理容器和一个27GB的本地模型就消耗了约100GB的统一内存——即便在专为此设计的硬件上也是一笔巨大投入；同一社区的其他用户则质疑，完全在自己已购买设备上运行的工作，为何仍受Perplexity订阅和积分额度的限制。无论积分争议如何解决，NVIDIA都是这一安排中最明确的赢家：便携式计算机成为购买高显存RTX或RTX PRO显卡的旗舰理由，直接将Perplexity的本地AI宣传转化为GPU需求。