Perplexity Portable Computer 登陆 Windows，但 24GB VRAM 让门槛依然很高

Perplexity 已发布面向 Windows 的 Perplexity Portable Computer，但这一本地 AI 智能体需要至少配备 24GB VRAM 的 Nvidia GPU。此次扩展让该产品不再局限于最初的 Linux 部署环境和 Nvidia DGX Spark，但也将绝大多数普通 Windows 笔记本与台式机排除在外。

此次发布之所以重要，是因为 Portable Computer 不只是生成聊天回复。它能够规划多步骤任务、搜索本地文件、调用工具，并通过本地调度器持续运行任务。Perplexity 表示，在本地完成的工作不会消耗 Computer credits。

这一设计对大多数通用 AI 智能体采用的云优先模式提出了挑战。它让兼容的 Windows PC 能够在处理私密文档和重复性工作流时承担更重要的角色。不过，硬件要求也让原本可能覆盖广泛用户的 Windows 发布，变成了面向开发者、创作者和硬件配置充足企业的更小范围测试。

Perplexity Portable Computer 登陆 Windows RTX PC

Windows 支持消除了操作系统这一障碍，但更大的硬件门槛依然稳固存在。

Perplexity 于 2026 年 9 月 15 日在现有 Windows 应用中加入了 Portable Computer。该公司与 Nvidia 共同开发这一本地智能体，并于 8 月 25 日率先在 Linux 上发布。

根据 Windows 版本发布消息，用户需要配备至少 24GB 显存的 GeForce RTX 或 RTX PRO GPU，同时还需要符合条件的 Perplexity 订阅。

VRAM 是图形处理器可使用的专用内存。本地语言模型会用它存放模型权重、工作数据以及推理过程中生成的信息。

这一要求让显存容量比符合条件显卡的发布时间更为关键。被列为兼容示例的桌面显卡包括 RTX 3090、RTX 3090 Ti、RTX 4090 和 RTX 5090，多款 RTX PRO 工作站显卡同样达到这一门槛。

许多较新的游戏电脑依然配备不足 24GB 的 VRAM。它们的 GPU 可以加速较小的本地模型，但不符合此次发布所规定的要求。

此前，Perplexity Portable Computer 运行于 DGX Spark——Nvidia 基于 Grace Blackwell GB10 平台打造的紧凑型 AI 系统。该设备结合了 20 核 Arm 处理器、Nvidia GPU 以及 128GB 统一内存。

对于已经拥有符合条件台式机或工作站的用户而言，Windows 支持改变了购买决策。他们现在可以通过 Perplexity 应用安装该智能体，无需维护一台 Linux 机器或购置专用 DGX 硬件。

该软件提供模型选择器，可通过应用下载受支持的本地模型。Perplexity 已确认可选模型包括 Qwen 3.8 27B，以及其经后训练的 Qwen 变体 PPLX 27B。

Nvidia Nemotron 3.5 Lightning 计划加入模型选择器。Nvidia 还表示后续将支持 DGX Station，但尚未给出确定的发布日期。

Windows 版本新增了定期任务调度，以及对本地 Model Context Protocol 服务器的支持。MCP 是一套标准接口，可让 AI 应用连接工具和结构化数据源。

这些能力让 Portable Computer 更接近一名持续工作的桌面助手。用户可以分配长期任务，允许系统访问指定工具，并接收已完成的交付成果，而不只是获得另一条对话回复。

这一差别非常重要。传统聊天软件会等待每一条提示；智能体则必须保留状态、在行动之间作出判断、从错误中恢复，并确定任务何时完成。

Perplexity 的发布将这些组件整合进一个 Windows 应用。其即时受众仍然有限，但该产品如今已进入广泛用于商业计算的操作系统。

为什么 Perplexity Portable Computer 在本地运行

核心产品决策并不只是让语言模型在本地运行，而是把智能体的控制系统迁移到 PC 上。

本地聊天机器人无需联系远程服务器即可回答问题。本地智能体则需要更多基础设施，因为它必须规划工作、调用工具、管理文件并跟踪进度。

Perplexity 表示，Portable Computer 将其编排器、规划器、工具路由器、调度器、持久化任务队列和搜索索引部署在用户设备上。编排器负责决定任务的每个部分应由哪些组件处理。

规划器将请求拆分为多个步骤。工具路由器选择合适的应用或服务。任务队列则保存会超出单次交互持续进行的工作。

这种结构让智能体能够通过多个动作分析本地数据并产出交付成果。它可以检查文件夹、汇总多份文档中的发现，并在无需上传每个文件的情况下准备报告。

该公司的本地优先概述描述了一个涉及私密对账单和税务记录的财务分析示例。本地智能体会核对这些文档、计算结果，并将源材料保留在机器上。

如果任务需要最新市场信息，智能体可以请求授权，将这一特定步骤发送至 Perplexity 云端。外部结果随后会返回本地工作流。

这形成的是混合边界，而非绝对离线边界。本地执行是默认方式，但网络研究、浏览器活动、连接的应用以及高级推理仍可能涉及远程系统。

因此，审批步骤是隐私设计的关键组成部分。用户需要理解升级请求会携带哪些信息，而不只是知道云端模型将参与其中。

Perplexity 表示，在本地完成的工作不会消耗 Computer credits。因此，重复性工作流可以利用客户已拥有的硬件运行，而无需对每次本地模型操作计量收费。

这种安排改变了长期运行任务的成本结构。智能体可以每小时检查一次传入文件，对其分类、更新本地摘要，并仅将异常情况升级处理。

但它也带来了 credit 计数器无法显示的新运营成本。本地推理会消耗电力、占用 GPU 内存、产生热量，并可能与渲染或其他工作负载竞争资源。

实际收益取决于利用率。一块昂贵却闲置的 GPU 代表未被利用的容量；而同一系统若频繁运行文档或软件工作流，就能将硬件成本分摊到更多完成的任务上。

Nvidia 的本地 AI 公告举例说明了涉及 Microsoft Word、Google Drive、Gmail、Slack 和 GitHub 的工作流。其中一个场景要求智能体将 GitHub issues 与隔夜错误报告进行比较，并分享按优先级排序的发现。

这一工作流揭示了产品的目标范围。Portable Computer 不只是私密文档阅读器，也旨在穿梭于本地内容与连接的工作场所系统之间。

另一个示例涉及分析一家创业公司的漏斗数据，并将发现发布到 Slack。智能体可以识别用户在哪个设置步骤放弃，然后无需人工处理电子表格便传达结果。

这些是公司提供的演示，并非针对所有环境可靠性的独立证明。但它们仍说明了 Perplexity 为什么需要的不只是一个下载好的模型和聊天框。

本地模型负责推理，而周围的支撑系统则将预测转化为可持续的工作流。Perplexity 的赌注是，这套支撑系统将与底层模型同样重要。

本地 AI 的承诺遇上 24GB 的现实

Perplexity 的本地 AI 智能体提供了更广泛的数据控制能力，但仅面向拥有高显存 Nvidia 硬件的客户。

Windows 运行在极其庞大的电脑生态中。由于 24GB 显存显卡在发烧级台式机和工作站之外依然少见，Portable Computer 目前仅覆盖这一安装基数中的很小一部分。

一台带有 RTX 标识的笔记本并不一定符合条件。产品名称可能涵盖显存容量、功耗限制和散热系统差异很大的配置。

这一限制同样排除了使用 AMD 或 Intel 图形硬件的 Windows PC。Perplexity 和 Nvidia 将此次发布定位为针对 Nvidia 本地 AI 技术栈的联合实现。

这也构成了本文的核心取舍。本地智能体承诺提供个人控制权和可预测的大规模使用方式，但其显存要求却让使用权集中于硬件配置优越的用户。

为 Portable Computer 指定的 270 亿参数模型有助于解释这一门槛。模型压缩可以降低内存使用量，但推理还需要空间容纳上下文、中间计算结果和智能体进程。

模型能够装入 VRAM 并不意味着体验一定流畅。上下文长度、工具调用、并发任务和输出规模都可能影响内存压力与完成时间。

本地性能也可能因符合条件的系统而异。拥有更高内存带宽和散热能力的工作站，其表现可能不同于在较低功耗范围内运行的紧凑型 PC。

Perplexity 尚未公布足够的独立 Windows 测试结果，无法确立各受支持显卡上的常规完成时间。因此，早期资格标准更多反映兼容性，而非一致的性能表现。

该公司的定位也取决于任务选择。本地模型可能很适合文件提取、分类、摘要和常规转换。

复杂推理或时效性研究可能会推动工作流转向云端升级。频繁升级将削弱隐私优势，也会削弱本地工作无需计量的承诺。

关键指标并非 Portable Computer 能否完成一次演示，而是有多少有用工作流能够在本地准确完成，且无需大量人工修正。

Perplexity 表示，其构建 PPLX 27B 的目标是尽可能在本地完成更多工作。当编排系统识别出更困难的步骤时，该模型仍可向更大的云端模型寻求帮助。

这一路由机制带来了另一个衡量问题。一个看似成功的结果，可能结合了本地处理、网络搜索、连接的应用以及前沿模型推理。

用户需要清晰的执行记录来了解这种组合。活动日志应显示访问了哪些文件、运行了哪些工具，以及哪些信息跨越了设备边界。

随着模型变小或压缩技术改善，24GB 的要求可能会随时间降低。Nvidia 也在开发专门面向本地智能体的 Windows 系统，包括其 RTX Spark 类别。

目前，这一要求在普通 AI PC 与能够承载更大规模自主工作流的机器之间划出了一条清晰界线。主流笔记本中的神经处理单元无法消除这一区别。

此次发布促使 PC 厂商重新界定“AI PC”在实践中意味着什么。转录和图像效果等功能所需内存，远低于一个持续运行的多步骤智能体。

因此，买家应评估具体工作负载，而非依赖标签。一台针对会议辅助优化的电脑，未必能支持配合多个活跃工具运行的 270 亿参数智能体。

这一差异可能影响未来的硬件配置。如果本地智能体获得普及，内存容量可能会与游戏性能和电池续航一样，成为更突出的购买考量因素。

在此之前，Portable Computer for Windows 仍是一款面向早期采用者的产品。其覆盖范围有所扩大，但可支持的硬件基础仍受到刻意限制。

本地所有权挑战云优先智能体

Portable Computer 正在测试：用户是否愿意以普遍访问能力为代价，换取对智能体工作发生位置的更大控制权。

云端智能体拥有直接的优势。其提供商可以在集中式基础设施上运行大型模型，频繁更新，并且无需用户配备专门的本地硬件即可提供服务。

但它们也持续引发对敏感数据、使用限制、延迟以及对远程服务依赖的担忧。当智能体能够访问整个文件夹、收件箱或开发代码库时，这些担忧会更加突出。

Perplexity Computer 代表了这一比较中的云端一方。其通用智能体能够进行研究、浏览、编程、监控任务，并连接工作场所服务。

Portable Computer 保留了同样的宏观目标，但改变了执行位置。常规推理、本地搜索、日程安排和文件处理可在用户控制的硬件上完成。

这并非纯粹的本地与云端之争，因为 Perplexity 结合了两种路径。该系统可以将敏感材料保留在设备上，同时将已获批准的研究步骤发送至其他位置。

这种做法承认了能力差距。紧凑型本地模型仍然实用，但最大的托管模型能够更有效地处理困难推理和广泛的网络任务。

Perplexity 的策略将这一限制转化为路由决策。用户无需为整项工作选择单一模型，不过智能体的选择仍需要有意义的监督。

竞争压力并不止于 Perplexity 的云端产品。OpenAI、Anthropic、Google、Microsoft 以及独立智能体项目都在探索能够浏览、编程和操作工具的软件。

大多数云端智能体围绕模型智能和服务集成展开竞争。本地优先智能体则将硬件兼容性、数据边界、资源管理和端点安全纳入比较范围。

Hermes Agent 和 OpenClaw 等独立项目展示了另一条路径。用户可以组合本地模型和工具，以获得更多控制权，但部署和维护可能需要相当深厚的技术知识。

Nvidia 表示，Hermes Agent 和 OpenClaw 也将迎来简化的本地安装方式。这项工作表明，Nvidia 希望 RTX 系统成为通用基础，而非单一供应商的专用设备。

Perplexity 的优势在于封装能力。模型下载器、规划器、连接器、日程安排和混合升级机制都集成在一款现有订阅用户可能已经在使用的应用中。

其劣势则是依赖 Perplexity 支持的技术栈和订阅访问权限。技术经验丰富的用户可能更偏好开放式框架，以获得对模型、日志和权限的更多控制。

企业面临的选择更为复杂。本地处理可帮助处理私密源材料，但管理员仍需要制定有关连接器、远程升级、模型更新和生成操作的政策。

企业也可能更偏好集中管理的云基础设施，因为这能简化部署和审计。本地智能体则将计算和运营责任分散到各个终端设备上。

这种张力类似于早期从集中式计算向个人设备转变的过程。本地所有权带来灵活性，而集中式服务则简化了维护和政策执行。

最强大的长期设计很可能会结合两者。本地模型可以处理敏感或重复性步骤，而云端系统则在获得授权时提供最新信息和额外推理能力。

Perplexity Portable Computer 是这一混合理念的具体实现。其 Windows 版本正在测试这种安排能否在受控的 Linux 和 DGX 配置之外成立。

这一结果对管理私密研究资料、合同、产品文档或代码的知识工作者很重要。这些用户已经面临 AI 协助与广泛数据披露之间的艰难选择。

本地智能体可降低这种暴露，尤其是在配合组织良好的个人知识库时。然而，仅凭执行位置并不能建立信任。

信任还取决于访问限制、透明日志、可预测的行为，以及在执行重要操作前可靠地请求确认。这直接引出了更棘手的安全问题。

将数据保留在本地并不意味着智能体安全

本地执行可以改善隐私，但拥有文件和应用访问权限的智能体仍会带来显著的安全与治理风险。

Perplexity 表示，代码和工具执行都在隔离的沙箱环境中进行。沙箱会限制程序访问更广泛的操作系统，并限制意外行为造成的损害。

这种保护很重要，因为 Portable Computer 可以读取文件、连接服务并采取操作。每增加一项权限，都会扩大其效用和潜在故障面。

恶意指令可能通过内容而非用户提示词传入。例如，智能体可能会在网页、电子邮件、文档或代码库议题中遇到隐藏指令。

这种技术被称为间接提示词注入。不受信任的内容会试图重定向智能体、滥用其工具，或暴露用户从未打算分享的信息。

在本地运行模型并不能消除这一风险。遭到破坏的工作流仍可能修改文件、发送消息、滥用凭据，或通过获授权的连接器披露数据。

AI Agent Index记录了多款已部署浏览器和企业智能体中报告的安全担忧。其研究人员还发现，公开披露的智能体专项安全评估相当有限。

关于智能体安全的独立研究指出，工具、连接器、托管边界和多智能体协作均存在攻击面。随着智能体运行时间更长、获得更广泛的权限，这些问题会愈发重要。

Portable Computer 的本地沙箱和云端审批机制解决了这一问题的部分环节。它们并不能证明系统能够抵抗每一份恶意文档、遭污染的工具响应或错误操作。

用户应区分三项主张：数据可以保留在本地、执行可以被隔离、智能体行为可以是安全的。每项主张都需要独立证据。

第一项涉及信息在哪里处理。第二项涉及操作系统边界。第三项涉及模型和框架能否在对抗性条件下做出安全决策。

Perplexity 的云端审批提示只有在传达有意义的细节时才有价值。模糊地请求“继续在线”并不能告诉用户哪些内容会离开设备。

应用应明确说明目的地、数据字段、用途和预期结果。它还应允许用户拒绝，而不会破坏整个工作流。

本地 MCP 服务器增加了另一层治理要求。它们可以将智能体连接到桌面工具，但其权限和来源需要仔细审查。

遭到破坏或设计不佳的服务器可能暴露超出用户预期的能力。安装便利性不应取代对每项集成能够读取或更改内容的验证。

循环任务尤其值得审视，因为它们会在用户可能未关注时运行。定时智能体可能会反复接触新的电子邮件、文件和外部内容。

管理员需要能够长期记录决策和工具调用的审计轨迹。他们还需要撤销访问权限、限制目录以及暂停活动任务的控制措施。

可靠性带来相关风险。本地完成的任务仍可能包含错误结论、遗漏文件或错误计算。

智能体输出应保持可审查性，尤其是在涉及财务、法律、安全或生产变更时。隐私无法弥补不准确的结果。

因此，Portable Computer 的 Windows 发布既是一场运营试验，也是一次产品扩张。Perplexity 必须证明，普通用户可以管理权限，而无需成为端点安全专家。

独立测试应检查恶意文档、工具故障、云端升级、中断后的恢复以及定时任务之间的冲突。这些情形比精心编排的演示更能揭示问题。

该公司已描述其控制措施，但来自真实 Windows 部署的广泛证据仍然有限。在初始发布阶段，这种不确定性应影响采用决策。

三个信号将决定 Windows 是否改变市场

下一阶段取决于硬件覆盖范围、可观察的本地完成情况和安全透明度，而非又一份智能体功能清单。

第一个信号是向 24GB VRAM 门槛以下扩展。对更小模型或更高效推理的支持，将使 Portable Computer 覆盖更广泛的 Windows 系统。

如果 Perplexity 能在低内存 GPU 上保持实用的智能体性能，当前发布将显得是大众普及的基础。如果门槛维持不变，产品仍将集中于爱好者和专业团队。

第二个信号是无需云端升级即可完成的真实工作流比例。Perplexity 应在文档分析、编程、研究和连接应用任务中披露这一数据。

较高的本地完成率将强化其隐私和使用方面的主张。频繁升级则表明，本地智能体在高要求工作中仍高度依赖云端智能。

仅有完成率还不够。报告还应包括准确率、任务时长、人工干预频率，以及发送至外部服务的信息量。

第三个信号是独立安全评估。研究人员应测试 Portable Computer 对间接提示词注入、恶意连接器、过度权限和欺骗性云端请求的抵御能力。

强劲结果将支持 Perplexity 关于本地优先智能体能够负责任地处理敏感工作的主张。严重失误则会削弱“本地执行能打造更安全桌面助手”的假设。

Nvidia 的 10 月硬件计划同样值得关注。根据 Nvidia 的路线图，Lenovo 和 Acer 推出的新款 RTX Spark Windows PC 预计将面向个人智能体工作负载。

这些产品能够澄清市场是否需要专用智能体硬件。其内存配置、散热、软件支持和企业采用情况，将比营销标签更重要。

对 DGX Station 的支持将提供另一项比较基准。高内存系统可能运行更大的模型或多项任务，但其面向的客户不同于主流 Windows PC 用户。

竞争还将进一步向 Perplexity 施压。开放智能体框架可以缩小其封装优势，而大型云服务提供商则可以在桌面应用中加入更强的本地处理能力。

最可能的竞争并非围绕谁拥有最智能的模型展开。竞争焦点在于，谁能以最清晰的控制方式在设备与云端之间分配工作。

Perplexity Portable Computer 为这场竞争提供了可见的 Windows 实现。它将本地规划、文件访问、日程安排和模型执行置于一款应用之中。

此次发布并未让每台 Windows 计算机都拥有不受限的本地智能。它只是将一款雄心勃勃的本地智能体带到了有限数量、配备高内存 Nvidia 硬件的机器上。

这一更为有限的现实并不意味着这次发布不重要。它让 Portable Computer 成为一次早期检验：当 AI 从回答问题转向操作用户电脑时，用户究竟看重什么。

开发者应关注工具的可靠性与执行日志。企业采购方应审查权限、更新管理和云端边界。知识工作者则应测试，本地处理能否在不过度增加运营摩擦的前提下，改善敏感工作流程。

决定性的问题如今已变得十分实际：Perplexity 能否将一套专用 RTX 配置打造为人们愿意托付日常工作的智能体？希望探索类似工作流的读者，还可了解知识融合如何在保留有用上下文的同时，将私有信息与 AI 辅助研究连接起来。