Perplexity Portable Computer 登陆 Windows：本地智能体开始执行多步骤任务

Perplexity 的本地智能体平台 Portable Computer 于 2026 年 9 月 14 日登陆 Windows，支持搭载英伟达 GeForce RTX 显卡的兼容 PC，以及英伟达 RTX PRO 专业工作站。它不再只是一个在聊天框里回答问题的 AI，而是可以读取文件、调用应用、规划步骤并持续执行任务的本地智能体。

这次更新的意义不在于又多了一个 Windows 客户端功能，而在于 Perplexity 开始把“本地执行”和“云端推理”放进同一个产品。对开发者、研究人员和处理敏感资料的企业用户来说，真正有价值的变化是：AI 可以先在个人电脑上处理文件和工作流，只有遇到本地模型难以完成的复杂任务时，才申请把任务交给云端。

Portable Computer 是什么？

Portable Computer 是 Perplexity Computer 的本地版本，定义上是一套能够在个人电脑上规划并执行多步骤任务的智能体平台。传统聊天机器人通常负责生成一段答案，Portable Computer 则更像一个能操作电脑工作流的项目助理：它可以拆解目标、调用工具、搜索本地资料、整合多个文件，并根据中间结果决定下一步做什么。

例如，用户可以让它“整理本周 GitHub 项目的待合并代码提交请求，并找出相关过时文档”。这不是一次检索，而是一条连续任务链：智能体需要访问 GitHub，按状态和优先级分类，阅读提交说明，判断哪些文档已经失效，再生成修改提案。

本地智能体的核心区别，是任务执行位置发生了变化。过去，用户上传文件后，云端模型负责分析；现在，Portable Computer 可以让本地模型先在设备上读取资料、建立索引和执行操作。对于代码仓库、财务表格、内部邮件、合同和研发文档，这种架构比单纯增加模型参数更直接地解决了隐私问题。

Windows 版本带来了什么

Windows 版本让 Portable Computer 从少数专用硬件和 Linux RTX 环境，扩展到更多拥有消费级显卡的用户。此前，Portable Computer 已支持英伟达 DGX Spark 系统，以及搭载 Linux 的 RTX PC；这次上线 Windows，意味着有一块兼容 GeForce RTX 显卡的工作站，就可能成为本地智能体的运行环境。

具体支持范围包括：

• 搭载英伟达 GeForce RTX 显卡的兼容 Windows PC；
• 搭载英伟达 RTX PRO 显卡的专业工作站；
• 本地模型驱动的文件分析、信息整合和重复性任务处理；
• Perplexity Computer 内置浏览器与 SPACE 沙箱环境；
• Outlook、OneDrive、Word、Google Drive、Gmail、Slack 和 GitHub 连接器；
• 通过运行在 Windows 设备上的本地 Model Context Protocol（MCP）服务器连接其他桌面应用。

MCP 是一种让模型调用外部工具和数据的开放协议，定义上可以理解为 AI 与应用之间的“通用插座”。在 Portable Computer 中，本地 MCP 服务器可以把桌面应用的功能暴露给智能体，例如读取某个应用中的数据、调用本地工具或把处理结果写回工作流。这样，智能体不必只停留在 Perplexity 自己的界面里。

本地模型负责执行，云端模型负责高阶推理

Portable Computer 采用本地优先的混合架构：本地模型处理设备上的资料和操作，云端模型则在获得授权后承担更复杂的研究与推理任务。这个设计比“所有事情都本地化”更现实，也比“所有文件都上传云端”更容易被专业用户接受。

应用内置了 Qwen 3.8 27B 模型。按照参考资料，该模型经过二次微调以适配 Perplexity Computer，并针对英伟达 RTX GPU 做了优化。用户不需要自行寻找模型、下载权重、配置推理框架或调试显存环境，应用会把模型运行和智能体编排流程封装起来。

这里需要区分两个概念：本地运行模型，不等于所有任务都能离线完成。27B 级别模型可以处理文件归纳、分类、结构化提取和许多常规工具调用，但面对长链路研究、复杂事实核验或高难度推理时，云端模型仍然更有优势。因此，Portable Computer 的卖点不是用一块 RTX 显卡完全替代数据中心，而是让本地算力先承担大量不必出网的工作。

Perplexity 还设计了权限闸门：当系统判断任务需要云端支持时，会在把数据发送出本机前向用户申请授权。用户因此可以把“是否出网”从模糊的服务条款，变成每次任务都能看到的具体决策。对于企业环境而言，这种交互仍然不能替代完整的数据治理，但至少比默认上传更清晰。

多步骤智能体真正能做什么

Portable Computer 的实际价值，取决于它能否稳定完成跨应用、跨文件和跨步骤的任务，而不是能否写出一段漂亮的回答。当前资料中披露的场景，已经覆盖工程、办公、研究和金融等典型工作。

工程团队：把代码维护从“查资料”推进到“生成行动”

在工程场景中，智能体可以读取已连接 GitHub 项目的待合并代码提交请求，按照状态进行分类，并梳理后续工作。它还能够识别过时文档，生成修改提案供团队审核。

这类任务的难点不在于总结单个 Pull Request，而在于把多个对象关联起来：一个提交可能对应一个 issue，一份文档可能引用已经变化的接口，某个待合并请求又可能阻塞其他工作。智能体需要在代码、提交记录和文档之间建立关系，最后给出可执行的整理结果。

不过，开发者不应把它直接当作自动合并机器人。代码审查涉及安全漏洞、兼容性和业务约束，本地模型生成的分类与修改提案仍然需要人工审核。它更适合先处理大量低价值、重复性的整理工作，把工程师的时间留给真正需要判断的部分。

金融与办公场景：本地处理敏感资料

金融团队可以让智能体读取多个本地文件，提取财务数据、合并信息并生成初步分析；办公用户则可以跨 Outlook、OneDrive、Word 和 Gmail 整理邮件、文档与待办事项。

这类应用的关键优势不是“生成一份报告”本身，而是减少了人工在多个应用之间复制、粘贴和核对的次数。一个典型流程可能是：从邮件中找出客户提出的事项，关联 OneDrive 中的项目文档，再把结论整理成 Word 草稿。过去，这需要用户自己打开多个应用；现在，智能体可以负责串联流程。

但本地执行也有边界。文件保存在本机，不代表连接器没有权限风险；一旦用户授予应用访问 Outlook、GitHub 或云盘的权限，智能体就具备了相应的数据读取范围。真正部署到团队环境时，仍然需要最小权限、账号隔离、操作日志和人工确认机制。

研究任务：本地资料和云端搜索可以组合

研究人员可以先让 Portable Computer 在本机整理论文、项目文件或内部资料，再把脱敏后的问题交给云端模型进行更高阶的检索与推理。内置浏览器让它能够访问网络信息，SPACE 沙箱则为部分任务提供相对隔离的执行环境。

这种模式解决了研究工作中的一个常见矛盾：内部资料不能随意上传，但只靠本地模型又可能难以完成大范围的外部信息搜索。混合模式允许用户把本地资料处理和互联网研究拆成不同阶段。不过，产品是否能准确识别哪些内容必须留在本机，最终仍需要用户检查，而不能完全依赖自动判断。

与纯云端智能体相比，优势和代价是什么

Portable Computer 的优势集中在隐私、成本和桌面工作流三个方面，但它也把一部分复杂性转移给了用户的硬件和权限管理。

| 对比维度 | Portable Computer | 纯云端智能体 | |---|---|---| | 数据处理位置 | 优先在 Windows RTX PC 本地处理 | 主要发送到云端处理 | | 多步骤执行 | 支持本地文件、桌面应用和连接器 | 通常依赖云端工具与账号授权 | | 隐私控制 | 本地完成的任务可不离开设备，出云前申请授权 | 需要依赖服务商的数据政策 | | 硬件要求 | 需要兼容 GeForce RTX 或 RTX PRO 显卡 | 本地硬件要求较低 | | 模型能力 | 本地模型速度和能力受显卡、显存限制 | 可使用更大规模云端模型 | | 服务额度 | 资料显示本地完成的任务不消耗 Perplexity Computer 服务额度 | 云端任务通常受服务额度或套餐限制 | | 适合场景 | 敏感文件、重复流程、桌面自动化 | 长上下文研究、高阶推理和大规模任务 |

“本地完成不消耗 Perplexity Computer 服务额度”是一个很有吸引力的产品设计。它把本地 GPU 的闲置算力转化成了可用的智能体工作时间，也降低了用户因为频繁处理文件而消耗云端额度的顾虑。但这并不意味着本地计算没有成本：电力、显卡价格、散热、模型加载时间和显存容量，都会影响实际体验。

RTX 显卡是门槛，也是产品护城河

Portable Computer 依托英伟达 RTX GPU 加速，本质上是在把本地 AI 从“能运行”推进到“能持续执行”。多步骤任务往往不是一次模型推理，而是规划、检索、工具调用、结果判断和再次规划的循环。如果每一步都等待较长时间，智能体就很难成为日常工具。

但 RTX 兼容性也限制了产品覆盖面。拥有较新 GeForce RTX 显卡的用户，可能可以获得更好的本地推理体验；没有独立显卡，或使用其他硬件平台的 Windows 用户，目前并不能自然获得同样的能力。这与纯云端产品“打开浏览器即可使用”的低门槛形成对比。

对于开发者而言，另一个值得关注的点是本地编排组件的完整性。补充资料显示，在此前的 DGX Spark 版本中，编排器、规划器、工具路由、调度器、持久化任务队列和本地搜索索引都可以在设备上运行。如果 Windows 版本延续这一思路，那么它的本地化程度就不仅是把一个模型放到显卡上，而是把智能体运行时的大部分关键环节也放在本机。

Perplexity 还表示，NVIDIA Nemotron 3.5 Lightning 这一款 30B 开放模型将加入模型选择器，听写模式则使用 NVIDIA Nemotron 3.5 ASR 模型在本地完成转写。若这些能力按计划落地，Portable Computer 的“本地优先”范围将从文本任务扩展到语音输入和更多模型选择。

这不是本地 AI 的终点

Portable Computer 登陆 Windows，最重要的信号是本地模型开始从独立聊天应用，变成桌面工作流中的执行层。过去用户需要在本地模型工具、云端聊天产品和自动化软件之间来回切换；现在，Perplexity 试图用一个应用把模型、浏览器、沙箱、连接器和任务调度整合起来。

它的产品判断是对的：大多数用户不想研究量化格式、推理后端和显存占用，他们想要的是“把这几份文件整理好”“检查这个项目的待办”“把邮件里的信息写进文档”。如果 Portable Computer 能把本地部署的复杂度隐藏起来，本地 AI 才可能从技术爱好者的小众玩法，进入专业用户的日常工作。

但它距离成熟的通用电脑智能体仍有几个问题需要验证。第一是可靠性，多步骤任务越长，单步错误累积的概率越高；第二是权限安全，连接器和本地 MCP 服务器越多，潜在的误操作面越大；第三是可解释性，用户需要知道智能体读取了哪些文件、调用了哪些应用，以及哪些内容被发送到云端；第四是跨硬件表现，不同 RTX 显卡的显存和推理速度差异，可能造成明显不同的使用体验。

因此，Portable Computer 现阶段更适合被看作“本地优先的智能体工作台”，而不是可以完全替代人工的电脑管家。它最值得尝试的用户，是已经拥有 RTX 工作站，同时经常处理敏感文件、重复性资料整理或跨应用任务的人。对于只需要问答和写作的普通用户，纯云端产品依然更简单；对于没有兼容 RTX 硬件的用户，这次更新的意义也主要停留在行业趋势层面。

OpenAI Hub 观点：本地智能体进入执行阶段

Portable Computer 登陆 Windows，说明本地 AI 的竞争焦点已经从“谁能在电脑上跑模型”，转向“谁能让模型在电脑上可靠地做事”。英伟达提供 GPU 算力，Perplexity 提供智能体编排、应用连接和云端协同，双方组合出的产品形态，比单独发布一个本地模型更接近真实生产力工具。

它目前最大的优点，是把敏感数据、本地算力和云端能力放进了同一套可控流程；最大的短板，则是硬件门槛、任务可靠性和权限治理仍未被彻底解决。对开发者和深度用户来说，这次 Windows 更新值得关注，但更应该把它当成一个观察本地智能体落地的样本：真正的分水岭，不是模型参数有多大，而是 AI 能否在明确权限下，连续、稳定、可追溯地完成一项工作。

参考来源

• IT之家：英伟达宣布 Perplexity 本地智能体 Portable Computer 已向 Windows RTX PC 开放——介绍 Windows 版本的支持范围、本地模型、连接器和典型使用场景。
• 英伟达官方博客《Perplexity Portable Computer Is Now Available on Windows, Powered by NVIDIA RTX》——介绍 Portable Computer 的本地优先架构、云端协同方式和 RTX 加速背景。

本文信息整理自 2026 年 9 月 14 日公开资料，具体支持的显卡型号、功能范围和地区可用性以 Perplexity Windows 客户端实际页面为准。