Портативный компьютер Perplexity подчеркивает преимущества локального ИИ и проблемы для бизнеса
Ключевые выводы
- •Perplexity представила Portable Computer как локальную версию своего агента Computer для автономных рабочих процессов.
- •Система работает на Nvidia DGX Spark и использует модель Alibaba Qwen 3.8 27B, либо дообученную версию Perplexity PPLX 27.
- •Perplexity утверждает, что конфиденциальные данные остаются на устройстве и продукт использует меньше токенов, хотя некоторые задачи по-прежнему переходят в облако для доступа к браузеру или более продвинутого рассуждения.
- •DGX Spark стоит $4,699, что делает оборудование серьезным препятствием для внедрения как у пользователей, так и у предприятий.
- •Аналитики считают, что продукт может заинтересовать экономных клиентов и организации с чувствительными документами, однако корпоративное внедрение остается неопределенным.
Новый локальный AI-агент Perplexity предназначен для решения двух ключевых проблем на рынке ИИ: высоких затрат на токены и вопросов конфиденциальности. В то же время продукт подчеркивает более широкий тренд на edge AI и одновременно выявляет важное препятствие — высокую стоимость AI-компьютера, необходимого для его работы.
Во вторник поставщик AI-поиска представил Portable Computer — локальную версию Perplexity Computer. Computer, впервые представленный в феврале, — это универсальный цифровой сотрудник, который помогает разным моделям ИИ выполнять автономные рабочие процессы.
С Portable Computer пользователи запускают Computer на персональном устройстве, в частности на Nvidia DGX Spark — компактном настольном суперкомпьютере. Perplexity создала локального агента вместе с Nvidia, и он работает на персональном AI-компьютере с использованием модели Qwen 3.8 27B от китайского технологического гиганта Alibaba, или PPLX 27 — дообученной версии Qwen.
Portable Computer отражает растущее движение к более agentic AI, работающему на периферийных устройствах, чтобы снизить затраты на токены и защитить конфиденциальность пользователей. С момента выхода OpenClaw в 2025 году поставщики все активнее сосредотачиваются на моделях или агентах, которые могут работать на устройствах пользователей. В июне Microsoft представила семейство моделей Aion, предназначенных для координации локальных agentic-процессов. В марте Anthropic обновила Claude, чтобы он мог получать доступ к локальным компьютерам, а открытая AI-лаборатория Ai2 представила агент для работы с компьютером для настольных пользователей.
Это изменение важно, потому что все больше AI-нагрузок оцениваются не только по возможностям, но и по тому, где обрабатываются данные и сколько стоит поддержание работы агентов. Локальное выполнение может сократить объем данных, отправляемых во внешние системы, но при этом часть нагрузки переносится на само устройство, из-за чего выбор оборудования и настройка становятся частью пользовательского опыта продукта.
“[Portable Computer] — еще один хороший пример эволюции в сторону локального ИИ, где enterprise AI становится важнее, private AI, люди действительно заботятся о том, где работает мой ИИ, к каким данным он может получить доступ,” сказал Said Oouisaal, CEO и основатель edge computing-вендора Zendeda. “Вы хотите владеть своим интеллектом, и это хороший пример этого.”
Perplexity заявила, что конфиденциальные данные остаются локальными и на устройстве, а система не использует много токенов или кредитов. Большинство задач обрабатывается локально на компьютере, хотя некоторые передаются в облако, если требуется доступ к браузеру, подключенным приложениям или другим frontier-моделям для более продвинутого рассуждения. Такое разделение подчеркивает практическое ограничение local-first систем: даже если основной рабочий процесс остается на устройстве, некоторые корпоративные задачи по-прежнему зависят от облачных возможностей.
Lian Jye Su, аналитик в Omdia, подразделении Informa TechTarget, сказал, что такой подход также может помочь Perplexity привлечь новых клиентов.
“Это позволяет им немного расширить охват клиентов,” сказал Su. “[Они] используют это как входную точку для тех, кто больше следит за затратами или имеет много конфиденциальных документов, которые они не готовы загружать в облако.”
Для Nvidia, которая помогала создавать локального агента, продукт также является способом расширить использование устройств DGX.
Некоторые проблемы
Хотя Portable Computer помогает пользователям внимательнее относиться к расходам на токены, у него все равно есть ограничения. Пользователи могут экономить на токенах, но сталкиваются со значительными затратами на оборудование DGX Spark. Один компьютер DGX Spark стоит $4,699.
“Это недешево,” сказал Su. “Покупка DGX — это не случайное решение. Это очень осознанный шаг, и я не думаю, что кто-либо делает это легкомысленно ... даже предприятия.”
Если Perplexity намерена продавать доступную технологию, которую могут использовать предприятия, ей, вероятно, нужно найти способ работать с Microsoft и экосистемой Windows, сказал он.
Еще одна проблема — сложность, с которой сталкиваются пользователи при работе с AI-компьютером.
“По-прежнему довольно сложно самостоятельно настроить систему для inference,” сказал Oouisaal. Он добавил, что хотя приобрести оборудование легко, сложнее установить необходимые программные слои, такие как Linux или контейнерное ПО вроде Kubernetes, чтобы локально создаваемые и запускаемые AI-агенты функционировали правильно. Он отметил, что хотя Portable Computer — это система с одной функцией, в корпоративной среде потребуется больше экспертизы для обслуживания разных отделов и агентов.
“Это непросто,” продолжил Oouisaal. “Нужно быть инженером.”
Su сказал, что пока неясно, сможет ли Portable Computer в нынешнем виде попасть на корпоративный рынок в значимых объемах.
“Предприятия уже очень обеспокоены shadow AI и уже ограничивают машины с доступом в интернет для всех этих [моделей],” сказал он. Он добавил, что хотя Perplexity и Nvidia могут утверждать, что на их серверы передаются только данные о потреблении токенов, а все остальные данные остаются на устройстве, предприятия все равно могут опасаться предоставлять сотрудникам более самостоятельный доступ к ИИ.
Об авторе
Esther Shittu
News Writer, AI Business
Esther Shittu освещает технологии ИИ и отраслевые тренды с 2021 года. В качестве со-ведущей подкаста Targeting AI она беседует с экспертами, лидерами мнений и практиками, обсуждая ключевые события в сфере ИИ. До AI Business она писала для SearchEnterpriseAI, New York Daily News, Bklyner и Brooklyn Daily Eagle. Когда она не погружена в мир ИИ, она посвящает время личным проектам и воспитанию трех дочерей.
Хотите видеть больше материалов AI Business в результатах поиска Google?
Latest News
Хотите видеть больше материалов AI Business в результатах поиска Google?
Trending articles
Aug 25, 2026
Aug 25, 2026
Generative AI Mathematical Theories Could Be the Key to Explainable AI Systems Aug 24, 2026
Mathematical Theories Could Be the Key to Explainable AI Systems
Generative AI Shutterstock Embraces AI Image Licensing Deals Aug 11, 2026
Shutterstock Embraces AI Image Licensing Deals
Generative AI AI Arrives in the Private Markets Business Jul 28, 2026
AI Arrives in the Private Markets Business
Agentic AI Using AI Agents to Collaborate with Human Workers Jul 10, 2026
Using AI Agents to Collaborate with Human Workers
Sponsored by Google Cloud
Choosing Your First Generative AI Use Cases
To get started with generative AI, first focus on areas that can improve human experiences with information.
The AI Summit New York 2026
