Perplexity Computer 將加入一項名為 hybrid agentic inference 的新架構，讓 AI 任務能在使用者裝置上的本機模型與雲端 frontier models 之間自動分工。根據 Perplexity 官方部落格與官方 X 貼文，這項更新的核心目標是同時兼顧準確度、隱私與運算效率：敏感資料可盡量留在本機處理，需要更強模型能力的部分則交由雲端完成。
從選模型轉向自動調度運算位置
Perplexity 在官方文章中將這項能力稱為「first hybrid local-server inference orchestrator」，重點不只是選擇哪個模型回答問題，而是判斷任務中的哪些部分應該在本機執行、哪些部分應送到雲端代理處理。這種做法延續 Perplexity 過去在搜尋、工具與來源調度上的定位，只是這次調度的對象擴大到「運算位置」本身。
敏感資料留在裝置端，複雜推理交給雲端
官方描述的典型場景包括財務紀錄、健康資訊與個人檔案等同時具備隱私需求與高階 AI 需求的工作。較小的本機模型會在使用者裝置上判斷敏感資料是否應保持本地處理，而真正需要 frontier model 完整能力的部分則可交由伺服器端模型執行。和要求使用者事先選擇「本機」或「雲端」的工具不同，Perplexity 的設計是按任務自動拆分與協調。
Intel 與 NVIDIA 晶片相容性成為本機 AI 關鍵
AlternativeTo 報導指出，這項新架構相容 Intel 與 NVIDIA 晶片，預計 7 月推出。Perplexity 官方部落格則補充，該功能與 Intel 共同揭露，同一套 model-agnostic harness 也可跨其他本機晶片運作，包括 NVIDIA RTX Spark。這代表 Perplexity 不只是在軟體層加入隱私選項，而是把筆電與個人裝置的 AI 運算能力視為整體推理架構的一部分。
token efficiency 與資料主權是產品敘事重點
Perplexity 官方 X 貼文以「keeping private data on your device」與「maximizes token efficiency」概括這次更新。若實作順利，混合代理推理可減少不必要的雲端推理，把 routine work 或敏感工作移回使用者已擁有的裝置，同時保留雲端模型在複雜任務上的能力。對企業與個人使用者而言，這也讓 AI 產品的差異不再只是模型排行榜，而是能否在隱私、成本、延遲與結果品質之間做出可靠調度。
目前官方說法仍以即將推出為主，因此實際體驗仍需等待 7 月版本落地後觀察，包括本機模型可處理的任務範圍、雲端切換是否透明、企業管理者能否設定資料邊界，以及不同 Intel、NVIDIA 裝置上的效能落差。不過從產品方向來看，Perplexity 正把 Personal Computer 從「能操作檔案、應用與網頁的代理」推進到「能自動選擇本機或雲端運算的代理平台」。
新聞資料來源
https://alternativeto.net/news/2026/6/perplexity-computer-adds-hybrid-agentic-inference-for-local-and-cloud-ai/
https://www.perplexity.ai/hub/blog/the-data-center-moves-to-your-machine
https://x.com/perplexity_ai/status/2061861293569765847?s=20