Perplexity 將其可攜式電腦代理帶到搭載 NVIDIA RTX 的 Windows PC

Perplexity 已將其本地 AI 服務擴展至 Windows，讓 Portable Computer 可透過 Perplexity 應用程式在相容的 NVIDIA GeForce RTX PC 與 NVIDIA RTX PRO 工作站上使用。此代理的設計目標是在裝置上規劃並執行多步驟任務，同時在工作需要更進階推理時，允許使用者核准雲端協助。

這次發布的重要性在於，它使 Perplexity 的代理從以雲端為主的體驗，轉向可在本地處理敏感檔案的混合模型。根據 NVIDIA 的說法，本地完成的工作不會消耗 Perplexity Computer 點數，而資訊可以留在 PC 上，除非使用者允許將其送出裝置外。

Perplexity Portable Computer 在本地能做什麼

Portable Computer 被描述為 Perplexity Computer 的本地版本，也就是該公司用來執行多步驟工作的代理。它可以分析檔案、整合來自不同來源的資訊，並利用由 NVIDIA GPU 加速的本地模型處理重複性任務。

Windows 版本建立在先前對 NVIDIA DGX Spark 系統與在 Linux 上執行的 RTX PC 支援之上。它適用於至少具有 24GB VRAM 的 NVIDIA GeForce RTX 與 RTX PRO GPU。NVIDIA 表示，未來預計也會支援 NVIDIA DGX Station，但尚未提供具體時程。

此產品結合了本地處理與 Perplexity Computer 的既有工具，包括內建瀏覽器與公司的 SPACE 沙盒。它也能連接 Microsoft Outlook、OneDrive、Word、Google Drive、Gmail、Slack 與 GitHub 等服務。這些整合旨在讓代理能跨檔案與工作應用程式運作，而不只是回覆聊天視窗中的問題。

設定中包含像 Qwen 3.8 27B 這樣的本地模型。NVIDIA 表示，該模型已為 Perplexity Computer 進行後訓練，並針對 NVIDIA RTX 硬體最佳化。其目標是降低通常與執行本地 AI 模型相關的設定負擔；否則使用者可能需要選擇模型、安裝執行環境並調整軟體堆疊。

為敏感工作提供的混合路徑

此產品的主要差異，在於將可留在裝置上的工作與可受雲端模型協助的任務區分開來。Portable Computer 可以辨識何時請求需要額外的雲端推理，但 NVIDIA 表示，在將資訊送出 PC 前會先徵求使用者許可。

這種設計對於處理財務記錄、內部文件、原始碼或客戶資訊的團隊可能特別重要。在 NVIDIA 的範例中，代理會在本地審閱券商摘要、報稅資料及其他財務文件，並將數字連結到精確的檔案與頁面。在另一個範例中，它會審閱已連接 GitHub 專案中的開啟 pull request，依狀態整理，並提出文件更新建議供審核。

NVIDIA 也描述了一個新創工作流程：Portable Computer 會檢視漏斗匯出結果，找出使用者在安裝與首次完成任務之間的流失點，然後將發現貼到團隊的 Slack 頻道。這些都是供應商提供的範例，而非經獨立驗證的示範；來源也未揭露代理在正式環境中執行各項流程的可靠程度。

本地與雲端的界線也帶來一個重要的營運問題：當雲端支援被核准時，使用者與組織需要清楚知道哪些檔案、摘錄或工具輸出會離開裝置。授權步驟是一項控制措施，但本身並不足以建立企業可能需要的完整資料治理行為。

證據顯示了什麼，以及沒有顯示什麼

這項可用性公告來自 NVIDIA Blog，因此 NVIDIA 是產品、硬體與整合細節的主要來源。Perplexity 自身的獨立公告、定價資訊、超出所述 VRAM 門檻的 Windows 系統需求，以及效能測量，都未包含在提供的證據中。

NVIDIA 的說明確認了支援的硬體類別、本地模型設定、可用的連接器，以及將部分工作升級到雲端模型的能力。不過，它沒有提供延遲數據、吞吐量比較、任務成功率，或與同一代理完全在雲端執行時的基準比較。

文章也沒有提出經獨立驗證的採用主張。關於 Windows 使用者可更廣泛存取的說法，描述的是發布範圍，而不是使用它的客戶數量。因此，任何關於隱私、成本節省或生產力的說法，在用具代表性的工作負載測試前，都應被視為產品定位。

24GB VRAM 的需求對買家尤其重要。這使產品超出許多日常 Windows 筆電與桌機的能力範圍，但也讓它更適合高階遊戲 PC、專業工作站，以及已投資本地 GPU 基礎設施的組織。硬體需求可能有助於 Perplexity 提供更強大的本地體驗，但也限制了可觸及的安裝基礎。

對建置者與企業買家的意義

對 AI 建置者來說，Portable Computer 展示了一種實用的代理部署架構：將文件擷取與例行分析保留在端點上，然後針對較困難的推理選擇性使用雲端模型。這種做法可減少不必要的資料傳輸，並可能降低重複性任務的雲端使用量，雖然來源並未量化節省幅度。

評估此系統的產品團隊，不能只測模型品質。他們還需要檢視連接器權限、引用準確性、故障恢復、稽核日誌、核准流程，以及會改變外部系統的動作表現。檢查 GitHub 佇列與提交程式碼變更、寄送電子郵件或在 Slack 上發布分析，實質上是不同的事情。這份公告確認了整合，但沒有說明每一項動作的限制或保護機制。

對企業而言，當資料駐留或機密性使得完全雲端託管的代理難以核准時，本地選項可能很有吸引力。同時，本地部署也將責任轉移到端點管理、GPU 可用性、模型更新與裝置安全。公司可能在獲得敏感檔案控制權的同時，也承擔了更複雜的設備與軟體支援問題。

此次推出也為 NVIDIA 提供了另一條路徑，讓 RTX 硬體在模型實驗之外對 AI 工作負載更有意義。如果 Perplexity 的代理能在不需大量設定的情況下，將本地 GPU 轉化為可用的商業工具，硬體買家或許會以代理工作負載，而不只是圖形效能，來評估工作站容量。這一結論仍需透過獨立測試來證明。

接下來要觀察什麼

第一個訊號將來自不同 RTX GPU 與 24GB 以上記憶體配置的 Windows 系統實測。評論者與企業試點應衡量任務完成度、延遲、VRAM 消耗，以及代理從本地處理切換到雲端模型時的行為。

Perplexity 的文件也應釐清使用者如何核准雲端升級、哪些資料會被傳輸、本地檔案如何被索引，以及組織是否能集中執行政策。對 NVIDIA DGX Station 的支援也是另一個具體里程碑，特別是對考慮專用本地 AI 系統的團隊而言。

最後，市場需要證據來證明 Microsoft Outlook、OneDrive、Word、Google Drive、Gmail、Slack 與 GitHub 等連接器是否能在大規模下支援可靠的工作流程。具說服力的示範與可信賴的企業代理之間的差異，將體現在錯誤處理、權限與可檢視的輸出上。

Creati.ai 觀點

Perplexity Portable Computer 是一個值得注意的部署步驟，但不是證明本地代理已解決最困難的可靠性與治理問題。其最強的主張在於架構層面：敏感且重複性的工作可以留在能力足夠的 Windows 裝置上，同時使用者保有通往雲端推理的明確路徑。

如果 Perplexity 能證明這條界線是可理解、可執行且能在日常工作流程中發揮作用，那麼這項發布才會真正重要。就目前而言，硬體門檻與由 NVIDIA 掌控的證據，讓它成為配備齊全的建置者與工作站使用者的一個有前景選項，而不是雲端代理的廣泛可替代方案。