Perplexity Portable Computer 是什麼？本地 AI Agent 與 DGX Spark 完整解析
Perplexity Portable Computer 把完整 AI Agent 搬進本機。本文整理運作方式、支援硬體、官方測試、隱私限制，以及和 Personal Computer、Ollama 的差異。
Perplexity 在 2026 年 8 月 25 日發表 Portable Computer，首波與 NVIDIA DGX Spark 合作。它不是一台 Perplexity 品牌電腦，而是一套把 AI Agent 搬到使用者自有硬體上的軟體。
一般雲端 AI 服務會把提示詞、文件與模型運算送到遠端伺服器。Portable Computer 則把模型、Agent 執行框架、對話與工作過程預設留在本機。需要搜尋網路、連接 Gmail 或呼叫更強的雲端模型時，才由使用者決定是否開放。
我的看法是，Portable Computer 真正重要的不是「零 Token 費用」這句宣傳，而是 Perplexity 開始把完整的 AI Agent 工作流產品化。它適合已經有 NVIDIA 高階工作站、需要處理敏感文件或長時間自動化任務的團隊；一般使用者目前不值得只為了這項功能購買 DGX Spark。
Perplexity 官方展示 Portable Computer 在 NVIDIA DGX Spark 上執行本地模型、Agent 框架與選擇性雲端升級。 影片來源：Perplexity 官方 X。
Perplexity Portable Computer 是什麼？
Portable Computer 是 Perplexity Computer 的本地優先版本。
AI Agent 可以理解成會自行拆解工作、呼叫工具、檢查結果並交付成果的 AI 助理。它和一般聊天機器人的差別，在於聊天機器人主要回答問題，Agent 則會連續執行多個步驟，例如讀取一整個資料夾、分析試算表、找出異常資料，再產出報告。
Perplexity 表示，Portable Computer 預設在本機執行以下核心元件：
- AI 模型：負責理解任務、推理與提出下一步行動。
- Agent harness：也就是管理提示詞、工具、流程與驗證機制的執行框架。
- 對話與工作軌跡：包含任務過程、工具回傳結果及模型採取的步驟。
- 安全沙盒：把 Agent 可使用的程序、檔案路徑與網路權限限制在指定範圍內。
這代表敏感資料可以留在設備內完成分析，而不是每一步都送往雲端。但「本地優先」不等於「永遠離線」。只要使用網頁搜尋、雲端 App Connector，或同意向更強的雲端模型求助，部分資料仍會離開本機。
Portable Computer 為什麼值得注意？
過去在本機跑大型語言模型，最大的問題往往不是模型能不能啟動，而是整套工作環境很難組裝。
使用者通常要自行下載模型、架設推論伺服器、設定工具權限、串接 Gmail 或 GitHub，再處理不同軟體之間的相容性。模型雖然在本機運作，卻未必能完成一個包含讀檔、查資料、寫程式與輸出報告的完整任務。
Portable Computer 想解決的正是這一段。Perplexity 把模型、推論引擎、Agent 執行框架、工具、連接器與安全沙盒包在同一套產品裡，讓使用者不必從零拼出本地 AI 系統。
這項變化對企業比對一般聊天使用者更有吸引力。合約、財務資料、內部程式碼與尚未公開的產品文件，都是企業不希望隨意傳到外部模型的內容。若大部分處理能留在內部設備，企業會更容易控制資料流向，也不必為 Agent 長時間反覆推理支付每一次雲端模型用量費用。
不過，本地推論只是把成本從雲端帳單移到硬體、電力與維護。對偶爾問問題的使用者來說，購買高階 GPU 不一定比較省；對每天讓 Agent 長時間處理大量文件的團隊，本地設備才比較有機會攤平成本。
Portable Computer 如何兼顧本地運算與雲端能力？
Portable Computer 採用的不是完全切斷網路，而是「本地控制、選擇性連外」。
在一般任務中，本地模型會提出下一個動作，由固定的程式邏輯負責管理流程、檢查權限，再把允許的工具放進安全沙盒執行。若安全沙盒無法使用，官方研究說明指出，系統會停用工具，而不是退回到沒有隔離保護的模式。
需要外部資料時，使用者可以開啟網頁搜尋或 Gmail、Google Drive、GitHub 等連接器。碰到本地小模型難以處理的規劃、除錯或驗證工作，也可以允許它向較強的雲端模型詢問建議。
這個遠端模型只會收到經過核准的相關內容，並回傳文字建議，不能直接操作本機檔案與工具。系統也會先用個人識別資訊分類器檢查即將送出的內容，讓使用者知道哪些資料會離開設備。
因此，Portable Computer 的隱私優勢來自「資料出口可以看見並控制」，不是保證所有工作永遠不會連上網路。對企業導入來說，這種說法也比單純宣稱「100% 私密」更實際。
Portable Computer、Personal Computer 與 Ollama 有什麼不同？
Perplexity 目前有多個名稱相近的產品，最容易混淆的是 Portable Computer 和 Personal Computer。
| 產品 | 主要用途 | 模型在哪裡執行 | 適合誰 |
|---|---|---|---|
| Perplexity Computer | 在雲端完成研究、寫程式、產出文件與長時間工作流 | 主要使用 Perplexity 的雲端模型與服務 | 想直接使用完整 AI Agent，不想管理硬體的人 |
| Personal Computer | 讓 Computer 操作 Mac 或 Windows 的本機檔案、桌面 App 與瀏覽器 | 可存取本機資源，但仍會協調多個雲端前沿模型 | 想讓 AI 操作個人電腦，又不想自行部署模型的人 |
| Portable Computer | 把模型、執行框架與任務過程預設放在自有 NVIDIA 硬體 | 本機優先，使用者可選擇搜尋、連接器或雲端顧問 | 重視資料控制、已有高階 GPU 的個人與企業 |
| Ollama | 下載、管理與執行本地模型 | 本機 | 想自行組裝模型、工具與 Agent 系統的開發者 |
Ollama 解決的是「怎麼把模型跑起來」，Portable Computer 處理的是「怎麼讓模型可靠地完成一整套工作」。後者加入工具管理、Skills、連接器、結果驗證與安全沙盒，產品範圍更接近完整的 AI 工作環境。
反過來說，熟悉開源工具的開發者可能更喜歡 Ollama 或其他自建方案，因為模型、權限與系統架構都能自行調整。Portable Computer 的價值在於降低整合成本，但也代表使用者會更依賴 Perplexity 的產品設計與訂閱方案。
Portable Computer 需要什麼硬體？一般電腦能用嗎？
Portable Computer 首波在 Linux 推出，除了 NVIDIA DGX Spark，也支援配備 NVIDIA RTX GPU 的 Linux 電腦。根據 Perplexity 向媒體提供的資訊，顯示記憶體至少需要 24 GB，大致相當於 GeForce RTX 3090 或更新的同級顯示卡；Windows 版本預計在 2026 年 9 月推出。
首發可設定 Qwen 3.8 27B 或 Perplexity 針對自家執行框架後訓練的 PPLX 27B，NVIDIA Nemotron 3.5 Lightning 則預計稍後加入。這些名稱中的 27B 代表模型約有 270 億個參數，參數可以簡單理解成模型在訓練後保留下來的能力權重。
DGX Spark 的優勢是 128 GB 統一記憶體，CPU 與 GPU 可以共同使用同一個大容量記憶體空間。NVIDIA 表示，單台設備可處理最高 2,000 億參數的特定低精度模型，兩台透過 ConnectX 網路連接後可擴充到 4,050 億參數。這些是硬體容量上限，不代表每個模型都能以理想速度運作，也不能直接當成 Portable Computer 的實際效能。
Portable Computer 目前提供給 Perplexity Pro、Max、Enterprise Pro 與 Enterprise Max 訂閱者。對沒有相容 NVIDIA GPU 的使用者來說，繼續使用雲端版 Computer 或 Personal Computer 會更實際。
官方測試表現如何？數字不能直接當成第三方認證
Perplexity 公布了一組 53 項日常知識工作測試，內容包含深度研究、財務分析、文件製作、工程與法遵。使用同一個 Qwen 3.8 27B 模型與 DGX Spark 時，Computer 執行框架得到 82.6%，高於 Pi 的 77.6% 與 Hermes 的 74.0%；換成 PPLX 27B 後，分數提高到 85.4%。
這組結果想證明的不是 Perplexity 擁有最大的模型，而是針對小型本地模型設計的執行框架，可以比通用框架更有效率地分配上下文、工具與驗證步驟。
但這仍是 Perplexity 自行建立的內部測試集，目前尚未開源。每套框架的提示詞、工具與搜尋服務也不同，不能把這些數字直接解讀成 Portable Computer 在所有任務都領先。
更值得看的限制出現在程式開發測試。Qwen 3.8 27B 完全本地執行時得到 59.6%，加入 Claude Opus 5 雲端顧問後提高到 73.0%，完全使用 Claude Opus 5 則是 82.4%。本地模型已能完成不少工作，但複雜推理仍和前沿雲端模型存在明顯差距。
我對 Portable Computer 因此維持中性偏多。它已經證明本地 Agent 不只會聊天，也能執行真實知識工作；不過在第三方公開測試、更多硬體實測與長期穩定性資料出現前，還不能把官方分數當成企業全面替換雲端 Agent 的依據。
Portable Computer 適合哪些人？值得為它買 DGX Spark 嗎？
Portable Computer 最適合三類使用者：
- 已經擁有 DGX Spark 或 24 GB 以上 NVIDIA GPU，希望降低本地 Agent 設定成本的開發者。
- 經常處理合約、財務、程式碼或研究資料，希望主要內容留在公司設備內的團隊。
- 每天執行大量、長時間 Agent 任務，雲端 Token 成本已經成為固定支出的人。
如果只是偶爾使用 AI 搜尋、整理文件或寫報告，我不建議為了 Portable Computer 單獨購買 DGX Spark。雲端版 Computer 不需要管理 Linux、GPU 驅動、模型儲存與設備維護，使用門檻低得多。
若公司本來就有相容硬體，Portable Computer 值得測試，但應先用實際工作建立小規模驗收。測試不能只看任務有沒有完成，還要檢查敏感資料是否真的沒有離開設備、工具權限是否符合公司政策、產出正確率能否穩定，以及雲端顧問被呼叫的頻率和成本。
對 NVIDIA 投資人來說，這次合作是桌上型 AI 運算需求增加的正面訊號，但還不是足以改變 NVIDIA 財務預期的單一事件。真正需要追蹤的是，Portable Computer 能否擴大到更多 RTX 設備、企業部署量是否成長，以及其他軟體商會不會跟進推出完整的本地 Agent 產品。
Portable Computer 常見問題 FAQ
Portable Computer 可以完全離線使用嗎？
可以在關閉外部功能時執行完全本地的文件處理與 Agent 工作，但網頁搜尋、App Connector 和雲端顧問都需要連線。它的核心定位是本地優先，不是預設切斷所有網路功能。
Portable Computer 和 Perplexity Personal Computer 一樣嗎？
不一樣。Personal Computer 讓 Perplexity 操作 Mac 或 Windows 的檔案與 App，並協調多個雲端模型；Portable Computer 則把模型、執行框架與工作過程預設放在本地 NVIDIA 硬體。
Portable Computer 一定要有 NVIDIA DGX Spark 嗎？
不一定。首波也支援具備至少 24 GB 顯示記憶體的 NVIDIA RTX Linux 電腦。沒有相容 GPU 的一般筆電與桌機，目前不在首發支援範圍內。
本地執行真的完全免費嗎？
本地模型推論不按 Token 計價，但仍要負擔 Perplexity 訂閱、硬體、電力、儲存與維護成本。如果啟用雲端顧問，也會產生相應的雲端模型費用。
Portable Computer 會比雲端 AI 更強嗎？
不一定。官方測試顯示，它在部分知識工作上已能提供不錯結果，但高難度程式任務仍落後前沿雲端模型。它目前的主要優勢是資料控制、長時間任務成本與部署便利，不是所有任務的最高能力。
結論：本地 AI Agent 開始從工具組變成完整產品
Portable Computer 的價值，不是讓每個人都在桌上放一台 AI 超級電腦，而是把原本需要開發者自行組裝的本地模型、工具、權限與驗證流程，變成一般團隊較容易導入的產品。
我對這個方向中性偏多。對已有 NVIDIA 高階硬體且重視資料控制的團隊，它值得放進測試清單；對一般使用者，雲端 Computer 或 Personal Computer 仍是成本更低、維護更簡單的選擇。
後續若 Perplexity 公開內部測試集、增加 Windows 與更多 GPU 支援，並證明企業能穩定管理資料出口，我會提高評價。反過來說，如果複雜任務經常需要呼叫雲端顧問，本地版本在隱私與成本上的優勢就會被削弱。
