Perplexity Portable Computer 登陸 Windows！RTX 顯卡本機跑 AI Agent：24GB 顯存門檻、零 Token 費用與雲端升級機制深度解析

2026 年 9 月 14 日，Perplexity 官方在 X（前 Twitter）宣布，旗下的本地 AI Agent 平台 Portable Computer 正式登陸 Windows PC，並深度整合 NVIDIA GeForce RTX 與 NVIDIA RTX PRO GPU。

這項更新標誌著 AI Agent 從過去「雲端黑盒子」與「Linux/DGX 高階伺服器專屬實驗」，正式邁入佔據全球 PC 最大市佔率的 Windows 個人電腦生態。

「Portable Computer 現已可在搭載 NVIDIA RTX GPU 的 Windows PC 上運行。在您的個人電腦本機執行 Harness、Agents 與模型；直接處理本機檔案與已連結應用程式，無須將任務傳送至雲端。僅在需要時呼叫前沿雲端模型。」 —— Perplexity 官方公告

過去一年中，AI Agent（人工智慧代理）被視為大語言模型的最重要演進方向。但對許多專業工作者、企業法遵與工程師而言，雲端 Agent 存在兩大難以克服的硬傷：敏感資料上傳的隱私外洩風險，以及多步驟自動化任務高昂的 Token / 點數消耗。

Perplexity 在 8 月底針對 Linux 與 NVIDIA DGX Spark 推出 Portable Computer、9 月初在 Mac Apple Silicon 推出 Hybrid Compute 後，這次將完整技術棧帶到了 Windows RTX。本文將為你全面拆解 Portable Computer on Windows 的運作架構、硬體門檻、零 Token 經濟學、雲端升級機制、與各版本產品的差異，並提供客觀的實測評估與選購建議。

一、Perplexity Portable Computer on Windows 是什麼？

首先必須釐清一個常見的誤解：Portable Computer 不是一台 Perplexity 品牌的實體硬體電腦，而是一套專為個人硬體打造的「本地優先（Local-First）AI Agent 完整執行環境軟體」。

一般的聊天機器人（如網頁版 ChatGPT 或 Perplexity 搜尋）只是一問一答的介面，背後的所有思考、推理、網路檢索與資料解析全都在遠端雲端機房完成。

而 AI Agent（智慧代理） 則是一種能自主拆解目標、連續呼叫外部工具、自行檢查錯誤並反覆迭代直至完成任務的系統。例如：「整理下載資料夾內所有 8 月份的發票 PDF，依據供應商分類命名，統計未稅金額填入 Excel，並將異常項目彙整成待辦事項」。

在 Windows 版 Portable Computer 中，Perplexity 把這套原本極其依賴雲端伺服器的複雜鏈路，全部打包搬進了使用者的 Windows 本機：

核心四大元件本機運行

1. 本機基底模型（Local Foundation Models）： 在你的 NVIDIA RTX GPU 顯存中直接加載並運行 270 億參數（27B）的專用模型。目前首發支援針對 Agent 任務後訓練優化的 PPLX 27B、開源廣受好評的 Qwen 3.8 27B，以及即將整合的 NVIDIA Nemotron 3.5 Lightning。
2. Agent 執行框架（Agent Harness）： 這是 Agent 的「大腦指揮部」。負責管理 System Prompt、任務分解樹、多步驟狀態機、上下文視窗動態修剪，以及結果的反射驗證（Reflection & Self-Correction）。
3. 安全隔離沙盒（Secure Sandbox）： 為了避免 Agent 在自動化操作時誤刪系統檔案或執行惡意代碼，Portable Computer 在 Windows 系統中建立了嚴格的隔離沙盒。Agent 只能在使用者明確授權的目錄與有限權限內讀寫檔案、執行 Python 數據分析或操作終端命令。
4. 本機連接器與排程引擎（Connectors & Task Scheduler）： 原生深度整合 Windows 使用者最常用的生產力工具，包括微軟 OneDrive、Outlook、Word、Excel，以及跨平台的 Google Drive、Gmail、Slack 與 GitHub。更重要的是，它內建了本機背景排程器（Task Scheduler），使用者可以設定定時任務（如每日清晨自動彙整代辦事項），電腦開機便能自主在背景運行。

二、零 Token 費用 vs. 本機運算經濟學：真的完全免費嗎？

Perplexity 在宣傳 Portable Computer 時，最吸引眼球的賣點莫過於「零 Token 費用（Zero Token Costs）」。但這究竟代表什麼？它真的等於完全零成本嗎？

1. 雲端 Agent 的「Token 燃燒焦慮」

使用過雲端 AI Agent 的人都知道，Agent 最耗費點數的地方在於「循環驗證」：

• 一個看似簡單的檔案清理任務，Agent 可能需要讀取 50 份文件。
• 每讀一份文件就塞入一次上下文，進行一次推理。
• 若發生語法錯誤或解析失敗，Agent 還會自我修正重試 3～5 次。

在雲端服務架構下，每一次循環都在計費。稍微複雜一點的長流程任務，動輒消耗數十萬甚至數百萬個 Token，雲端訂閱額度往往在幾次大型自動化任務後就被消耗殆盡。

2. 本機運算的「無限吃到飽」

當所有運算移至本地 NVIDIA RTX 顯示卡後：

• 模型推論 0 點數： 不管本地 27B 模型在後台思考了多少步、重試了幾次、讀取了幾萬字的文件，通通不計入 Perplexity 雲端使用點數。
• 長時間排程自由： 你可以放心讓 Windows 電腦在半夜連續運行 8 小時，批次清洗 1,000 份歷史數據，而不必擔心隔天早上收到天文數字般的雲端帳單。

3. 隱形成本試算：把雲端帳單轉移給硬體與電費

然而，天下沒有真正免費的算力。本地運算只是將「按使用量計費的運算費用（OpEx）」，轉化為「前期的硬體資本支出（CapEx）」與「後續維護電費」：

本站觀點： 如果你只是偶爾需要 AI 幫忙寫寫 Email、查查旅遊攻略，雲端版絕對最划算。但如果你是自媒體、量化研究員、軟體工程師或中小企業，每天都有大量的日常數據整理、日誌分析與私有文件排程需求，Portable Computer 的經濟優勢將非常驚人。

三、隱私架構與「按需雲端升級」（Opt-in Cloud Escalation）

企業與專業人士過去不敢將整個工作流程託管給雲端 AI，最大的痛點就是「機密外洩」：

• 律師不敢把訴訟未公開案卷上傳。
• 投資人不敢把未公開財測與個人投資組合丟進對話框。
• 軟體工程師嚴禁將公司核心 Proprietary 代碼庫傳給第三方伺服器。

Portable Computer 採用的核心哲學並不是「徹底與世界斷絕聯繫」，而是**「本地優先、安全隔離、選擇性連外」**。

1. 敏感情境 100% 留在本機

當你指令 Agent：「檢查我 OneDrive 裡的合約草稿，找出所有違約條款與爭議罰則，列成表格存回本地 Word 文件。」 這整個過程，從載入檔案、文字剖析、條款審查到生成文件，全部都在你的 RTX 顯卡顯存與本機記憶體中完成，沒有任何一個字元會上傳到 Perplexity 伺服器。

2. 什麼是「按需雲端升級」（Opt-in Cloud Escalation）？

本地 27B 參數的模型雖然反應迅速、成本為零，但面對極高難度的跨領域推理（如複雜演算法除錯、深奧法律哲學論述），或是需要最新即時全網資訊時，27B 模型難免會遇到能力天花板。

此時，Portable Computer 不會偷偷把資料送出，而是主動向使用者發出確認：

「此步驟需要更進階的推理能力（或即時搜尋），是否允許調用雲端前沿模型（如 Claude 3.5 Sonnet / Opus 或 GPT-4o）協助？」

只有當使用者點擊「允許」後，該子任務才會向雲端求助。

3. 隱私閘門（Privacy Gate）與 PII 自動遮罩

即使使用者同意調用雲端，Perplexity 也導入了源自 Mac 版的 Privacy Gate 機制：

• 本機 PII 分類器： 內建約 6 億參數的開源專用模型 pplx-pii-masking。
• 自動敏感資訊脫敏： 在文字離開電腦前，自動辨識姓名、電子信箱、電話號碼、身分證字號、公司代號、加密金鑰等資訊，並將其替換為代稱（例如將「張小明，帳號 012-345-678」替換為 [PRIVATE_PERSON]、[PRIVATE_ACCOUNT]）。
• 雲端僅提供邏輯思考： 雲端前沿模型只會看到抽象後的關係結構並給出解答。
• 本地動態還原： 解答傳回 Windows 本機後，再由本地系統將代稱還原為真實姓名與數據。

這套設計在「前沿智力」與「極致隱私」之間取得了一套令人信服的工程平衡點。

四、24GB 顯存的殘酷硬門檻：哪些電腦能跑？哪些被淘汰？

雖然 Portable Computer 登陸 Windows 是一大突破，但 Perplexity 設下了一個非常嚴格的硬體門檻：

硬體最低需求： 搭載至少 24GB VRAM（顯示記憶體） 的 NVIDIA GeForce RTX 或 NVIDIA RTX PRO 工作站顯示卡，作業系統需為 64 位元 Windows 11。

這道「24GB 顯存硬門檻」如同分水嶺，直接將消費市場中的硬體劃分為兩大陣營：

1. 取得入場門票的硬體設備

• 消費級桌上型顯示卡：
  • NVIDIA GeForce RTX 3090 (24GB)
  • NVIDIA GeForce RTX 3090 Ti (24GB)
  • NVIDIA GeForce RTX 4090 (24GB)
  • 次世代 GeForce RTX 5090 (32GB)
• 專業工作站 / 企業級顯卡：
  • NVIDIA RTX A5000 (24GB)
  • NVIDIA RTX A6000 / A6000 Ada (48GB)
  • NVIDIA RTX 4500 Ada Generation (24GB)
  • NVIDIA RTX 5000 Ada Generation (32GB)
  • NVIDIA RTX 6000 Ada Generation (48GB)

2. 被擋在門外的硬體（無緣本機運行）

• 主流中高階遊戲顯卡：
  • RTX 4080 / 4080 Super (16GB) ❌
  • RTX 4070 Ti Super (16GB) ❌
  • RTX 4070 / 4070 Ti (12GB) ❌
  • RTX 4060 / 4060 Ti 系列 (8GB / 16GB) ❌（註：即使 16GB 版本的 4060 Ti 也未達 24GB 標線）
• 幾乎所有常規筆記型電腦：
  • 即便是目前市面上最頂級的旗艦電競筆電，其行動版 RTX 4090 Laptop GPU 的顯存上限也只有 16GB。這意味著絕大多數 Windows 筆電使用者均無法在機身本機運行，除非透過 Thunderbolt / OCuLink 外接桌上型 24GB eGPU 顯卡盒。
• 非 NVIDIA 陣營硬體：
  • AMD Radeon 顯卡（如 RX 7900 XTX 24GB）：目前不支援。Perplexity 本機引擎深度綁定 NVIDIA TensorRT-LLM 與 CUDA 運算棧。
  • Intel Arc 獨立顯卡：不支援。

為什麼非得 24GB 顯存不可？技術架構揭密

許多硬體玩家可能會問：「開源社群很多 4-bit 量化的 7B、14B 模型在 8GB 或 12GB 顯存就能跑，為什麼 Perplexity 堅持要 24GB？」

答案在於 「AI 聊天」與「AI Agent」對資源要求的本質差異：

1. 模型權重基礎消耗： 一個具備紮實邏輯推理能力的 27B 參數模型，即便經過適度量化（如 4-bit / 8-bit 混合精度），模型權重本身就需要佔用約 14 GB ～ 16 GB 顯存。
2. 超長上下文與 KV Cache： Agent 任務必須一次吞入龐大的文件、程式碼與工具回傳訊息（通常需要 32k 甚至更長的 Context Window）。長文本生成的 KV Cache 顯存開銷在滿載時高達 4 GB ～ 6 GB。
3. 並發工具、沙盒與向量檢索： 為了在本地快速比對文件，系統需保留顯存給本地向量嵌入模型（Embedding）、沙盒緩存與 Harness 狀態維護。
4. 避免顯存交換崩潰： 只要顯存不足，Windows 就會強制將資料溢出交換至系統主記憶體（System RAM via PCIe）。一旦發生交換，模型生成速度會從每秒 25-35 tokens 瞬間暴跌至每秒 1-2 tokens，整個 Agent 決策流程會陷入癱瘓與超時錯誤。

因此，Perplexity 寧可將 24GB 設為不可逾越的「硬門檻」，也不願讓使用者在顯存不足的環境下獲得糟糕的破碎體驗。

五、全方位橫向評比：Perplexity 五大版本與開源方案對照

隨著 Windows 版加入，Perplexity 的產品家族變得愈發龐大，使用者極易混淆。下表為你完整梳理不同產品形態的定位差異：

與開源自建（Ollama / vLLM）的關鍵差異

很多技術背景的讀者會問：「我自己用 Ollama 下載 Qwen 3.8 27B，再外掛 Open WebUI 或 LangChain 不也一樣嗎？」

關鍵差異在於**「模型推論」不等於「可交付成果的產品級 Agent」**：

• 開源自建： 你必須自己處理 CUDA 版本衝突、自己寫 Python 腳本串接各家 API、自己設計 Prompt Harness 避免模型陷入死循環、自己想辦法掛載安全沙盒防止腳本刪除硬碟、自己維護 Outlook / OneDrive 的 OAuth 授權。
• Portable Computer： Perplexity 將「模型微調、Harness 流程控制、錯誤自我修復、Windows 權限沙盒、原生辦公軟體連接器、定時排程引擎」全部封裝成開箱即用的圖形介面，替專業用戶省下數十小時的環境搭建與維護成本。

六、實測效能與任務邊界：27B 模型極限在哪？

在實際生產環境中，Windows 本機跑的 27B 模型到底能不能勝任日常工作？

根據 Perplexity 官方針對 53 項日常專業知識工作（包含深度產業研究、財務損益表分析、法律合約審閱、工程規格撰寫與法遵審計）的內部基準評測：

【53項日常知識工作任務 成功率基準評測】
Perplexity PPLX 27B (本地專屬優化) : 85.4% ▇▇▇▇▇▇▇▇▇▇▇▇▇▇▇█
Qwen 3.8 27B (通用開源模型)          : 82.6% ▇▇▇▇▇▇▇▇▇▇▇▇▇█
Pi Harness                         : 77.6% ▇▇▇▇▇▇▇▇▇▇▇█
Hermes Agent                       : 74.0% ▇▇▇▇▇▇▇▇▇▇█

1. 本地模型表現卓越的領域（推薦放手給本地跑）

• 大批量本地文件清洗與摘要： 整理整年份的會議記錄、發票清單、客戶諮詢記錄。
• 固定範本的報表生成： 讀取 Excel 數字並轉換為標準格式的 Markdown 或 Word 報告。
• 例行性背景自動化： 定時監控指定資料夾，當有新圖檔或 CSV 匯入時自動進行標註與格式轉檔。
• 特定領域法規條款對照： 本地快速檢索數百頁 PDF 手冊並比對規格落差。

2. 本地模型的明顯短板（建議啟用雲端升級）

然而，在軟體工程與高難度程式開發測試中，差距便顯現出來：

• 純本地 27B 模型編程評測： 成功率僅約 59.6%。
• 調用 Claude Opus 5 雲端顧問協同： 成功率拉升至 73.0%。
• 純前沿雲端頂級模型（Claude Opus 5）： 成功率為 82.4%。

這說明了一個客觀事實：270 億參數的模型雖然經過優化，但在面對超長鏈路架構設計、複雜系統除錯與抽象數學推理時，仍然無法取代數千億甚至兆級參數的前沿雲端模型。

因此，最聰明的用法不是堅持 100% 純本機閉門造車，而是**「日常雜務交給本地 RTX 跑免費，高難度核心邏輯按需授權給雲端大腦」**。

七、Windows 使用者快速上手與安全設定指南

如果你的 Windows 電腦已配備 RTX 3090、4090 或 RTX 專業卡，可以參考以下步驟快速啟用：

步驟 1：基礎環境與驅動檢查

• 確認作業系統已更新至 Windows 11 (64-bit)。
• 開啟 NVIDIA GeForce Experience 或至 NVIDIA 官網，將顯示卡驅動程式更新至最新版本的 Game Ready 或 Studio Driver。
• 開啟工作管理員，切換至「效能 -> GPU」，確認專用 GPU 記憶體（Dedicated GPU Memory）顯示為 24.0 GB 或以上。

步驟 2：下載安裝與權限綁定

• 下載最新版 Perplexity for Windows 桌面客戶端。
• 登入已開通的 Perplexity Pro、Max 或 Enterprise 訂閱帳號。
• 進入設定頁面，切換至「Compute Mode（運算模式）」，勾選開啟 Portable Computer (Local Engine)。

步驟 3：本機模型自動化配置

• 系統會自動檢測你的 RTX 顯卡架構，並開始下載針對 TensorRT 優化的本地模型權重（初次下載約需佔用 15GB～20GB 硬碟空間，建議安裝在高速 NVMe PCIe 4.0/5.0 SSD 上以確保最快載入速度）。
• 下載完成後點擊「Start Local Runtime」，狀態顯示為綠燈「Local Ready」即可。

步驟 4：關鍵安全實踐（重要！）

1. 劃定專用工作資料夾： 切勿為了圖省事直接將整顆 C:\ 磁碟機或 C:\Users\Username 根目錄全部授權給 Agent。強烈建議在電腦中建立專門的資料夾（如 D:\AI_Workspace），僅將需要處理的文件放入該目錄。
2. 謹慎開啟 App 連接器權限： 串接 Outlook 或 OneDrive 時，確認組織內部是否有資料合規政策限制，建議先使用測試用子信箱或專案資料夾進行初期演練。
3. 設定 Cloud Escalation 提醒層級： 在隱私設定中，確保將雲端升級選項設為「Always Ask for Confirmation（每次詢問）」，避免系統在未經你同意的情況下將任何去識別化資料發送至雲端。

八、本站客觀評價：誰該立刻使用？誰該繼續觀望？

綜合技術成熟度、硬體門檻與實用價值，編輯團隊對 Windows 版 Portable Computer 給出**「中性偏多、特定族群強烈推薦」**的評價：

🎯 強烈推薦立即採用的族群

1. 已擁有 RTX 3090 / 4090 的電腦玩家與創作者： 你不需要額外花一毛硬體升級費用，就能立即將手上的遊戲旗艦卡轉化為 24 小時不間斷運作的私有 AI 秘書，省下大量雲端點數。
2. 高機密行業專業人員（律師、會計師、金融分析師、醫療研究員）： 工作經常需要審閱客戶私人隱私、病歷、報稅單據或未公開財報，以往受限於公司資安政策完全無法使用雲端 AI，現在終於能獲得現代化的本地 Agent 輔助。
3. 自動化重度成癮者與一人公司（Solopreneur）： 需要利用 Task Scheduler 建立大量夜間背景排程任務，每天處理海量網頁爬蟲資料清洗、文檔歸檔與格式整理的人。

🛑 建議繼續觀望或使用雲端版的族群

1. 一般輕薄筆電與日常辦公族： 如果你的電腦是內建顯示晶片、或顯存只有 8GB/12GB/16GB，千萬不要盲目為了這個功能衝動花費數萬元組裝新桌機。繼續使用網頁版 Perplexity Pro 或桌面版 Personal Computer，性價比高得多。
2. 主要需求為一般閒聊、單純搜尋與寫短文者： 雲端前沿模型（Claude 3.5、GPT-4o）在文字潤飾與通用問答上的表現依然優於本地 27B 模型，且雲端免去了高顯卡功耗與散熱噪音。
3. 只使用 Mac 的 Apple 生態圈用戶： Mac 用戶請直接使用已在 9 月初發表的 Perplexity Hybrid Compute，只要你的 Apple Silicon Mac 配備 24GB/32GB 統一記憶體，就能享受類似的本機隱私保護，無須為了 NVIDIA 轉投 Windows。

九、常見問題 FAQ

Q1：Portable Computer 是一台實體的 AI 筆記型電腦或主機嗎？

不是。 Portable Computer 是一套軟體執行框架。它運行在使用者自備的 Windows 或 Linux 硬體上，之所以命名為「Portable（便攜/可移植）」，是指 Perplexity 的 Agent 技術能夠被「移植」到使用者自己的設備上本地運行。

Q2：既然是在我自己的電腦、吃我自家的電跑模型，為什麼還要付 Perplexity 訂閱費？

雖然推論算力來自你的顯示卡，但這套軟體依賴 Perplexity 長期投入研發的 Agent Harness 執行架構、持續維護的 Windows 應用程式連接器、專屬後訓練的模型權重微調，以及隨時待命的 Privacy Gate 雲端後援系統。因此 Perplexity 目前將其定位為 Pro、Max 與 Enterprise 企業級會員的加值功能。

Q3：我的電競筆電規格是頂規的「RTX 4090 筆電版」，可以使用嗎？

很遺憾，目前不行。 雖然名稱都叫 RTX 4090，但筆記型電腦版本的行動版 RTX 4090 Laptop GPU 物理顯存上限僅為 16GB，並未達到官方規定的 24GB VRAM 硬門檻。除非你透過外接顯卡塢（eGPU）連接桌上型 24GB 顯卡，否則目前無法在筆電本機運行。

Q4：在完全斷網（無網際網路連線）的情況下，它還能運作嗎？

可以執行純本地任務。 只要是處理本地磁碟內的檔案、使用本機模型推理與執行沙盒 Python 代碼，完全不需要網路。但如果你需要全網即時搜尋、使用 Google Drive/Slack 等雲端連接器，或觸發 Cloud Escalation 雲端升級，則必須保持網路連線。

Q5：雲端升級（Cloud Escalation）會不會不小心把我的公司機密外洩？

系統預設為「每次升級必須經過人工授權」。即便你授權同意，資料在傳送出去前還會經過本機的 PII 分類器進行自動遮罩（將敏感個資與帳號替換為代號），最大程度降低個資與企業商業機密外洩的風險。

Q6：它和直接在 Windows 上使用 Ollama 有什麼實質差別？

Ollama 是純粹的「模型加載器」，只負責讓模型能在本地輸出文字；而 Portable Computer 是一個完整的「Agent 自動化操作系統」，內建了規劃器、自我糾錯機制、Windows 安全沙盒、辦公軟體連接器與自動排程器。前者是零件，後者是組裝完成、隨開即用的成車。

十、結語：本地端算力覺醒，AI 代理走向「主權在己」的新常態

Perplexity Portable Computer 登陸 Windows，是個人運算發展史上的重要分水嶺。

過去三年，生成式 AI 的主戰場始終被巨型雲端數據中心壟斷，使用者只能扮演終端消費者的角色，忍受隨時可能被調整的服務條款、隱私外洩的擔憂，以及計量收費的 Token 壓力。

如今，隨著桌面 GPU 算力暴增與模型蒸餾技術成熟，Perplexity 證明了：只要有一張 24GB 顯存的消費級顯卡，使用者就能在自家桌機上擁有一個專屬、私密、無限次數運行且能自主排程的 AI 智慧代理。

儘管 24GB 的顯存門檻依然陡峭，但隨著硬體迭代與更多輕量高智商模型的問世，這種「本地保衛隱私與例行任務、雲端支援尖端推理」的混合運算架構，無疑正是每位知識工作者未來數位生產力的標準範式。

資料來源與延伸閱讀

• Perplexity 官方 X：Portable Computer is now available on Windows PCs with NVIDIA RTX GPUs
• Perplexity 官方部落格：A Local-First Agent for Private and Cost-Effective Knowledge Work
• NVIDIA 部落格：Accelerating Local AI Agents with GeForce RTX and RTX PRO Workstations