這不是電腦，是一支 AI 團隊
「Computer」這個名字容易誤導。它不是硬體，也不是作業系統——而是 Perplexity CEO Aravind Srinivas 所說的「通用數位工人（general-purpose digital worker）」。
傳統 AI 工具的問題是：你得自己決定用哪個模型。寫程式？Claude。做研究？Gemini。生成圖片？得去另一個服務。用戶要在多個工具之間切換，自己扮演「AI 協調者」的角色。
Perplexity Computer 的答案是：讓 AI 幫你協調 AI。
底層：19 個模型，自動分派
Computer 背後跑著超過 19 個前沿模型，各司其職：
| 模型 | 負責任務 |
|---|---|
| Claude Opus 4.6 | 核心推理引擎——複雜判斷、策略制定 |
| Gemini | 大量深度研究任務 |
| ChatGPT 5.2 | 長上下文回憶、廣泛搜尋 |
| Grok | 輕量、快速任務 |
| Nano Banana | 圖片生成 |
| Veo 3.1 | 影片製作 |
| 其他 13+ 個模型 | 依任務類型自動選用 |
Perplexity 自己的數據佐證了這個分工：用戶在 2025 年 12 月的查詢行為顯示，視覺輸出最常用 Gemini Flash，軟體工程用 Claude Sonnet 4.5，醫療研究用 GPT-5.1。Computer 把這個「最佳組合」的選擇自動化了。
運作方式：分析 → 分派 → 輸出
工作流程如下：
- 使用者輸入一個提示詞（例：「幫我研究台灣電動車市場，做成分析報告和互動式圖表」）
- Computer 制定策略，把任務拆解成多個子任務
- 分派子 agent，各自使用最適合的模型並行處理
- 整合輸出，交出成品——完整網站、視覺化、程式碼、報告
全程可以平行執行多個 Computer 實例，讓不同任務同時跑。它也能持續執行數小時甚至數個月的長期任務。
400+ 整合 + 持久記憶
除了多模型調度，Computer 另外兩個重要能力：
- 400+ 應用整合 — 可以直接操作 GitHub、Notion、Slack、Google Workspace 等服務。一個指令，程式碼直接推到你的 GitHub repo。
- 持久記憶 — 記住你的品牌規範、過去的工作成果、偏好設定，下次使用時自動套用。
實際案例：30 分鐘建兩個品牌工具
一位早期用戶的測試記錄：上傳品牌規範文件 → 要求生成一個符合品牌的 callout box → 確認後請 Computer 做成可重複使用的 app（含即時預覽 + PNG 匯出）→ 再要求用同樣品牌風格做 table generator → 兩個工具都推到 GitHub。
總耗時：不到 30 分鐘。
Perplexity 的策略轉向
Computer 不只是一個產品，更是 Perplexity 戰略轉向的體現。幾個值得注意的訊號：
| 之前 | 現在 |
|---|---|
| AI 搜尋引擎（像 Google 的競品） | multi-model super agent 平台 |
| 追求 MAU、廣告收入 | 放棄廣告，專注高端企業用戶 |
| 依賴第三方搜尋 API | 自建 AI-optimized 搜尋索引 |
| 對標 ChatGPT（競爭 8 億用戶） | 「做 GDP-level 決策的菁英用戶」 |
Perplexity 主管說了一句很直白的話：「你不會聽到我們討論 MAU，因為我們不是以盡量多的用戶為目標。」他們要的是願意付 $200/月、用 AI 做高價值決策的用戶。
跟 Claude Cowork、OpenClaw 比較
| 項目 | Perplexity Computer | Claude Cowork | OpenClaw |
|---|---|---|---|
| 模型 | 19+ 個（自動選擇） | 僅 Claude 模型 | 多模型（手動配置） |
| 執行環境 | 全雲端 | 本機 + 雲端 | 本機（可配置） |
| 整合數量 | 400+ | MCP（自行配置） | MCP（自行配置） |
| 記憶 | 持久記憶（內建） | 需配置 | 需配置 |
| 上手難度 | 低（一個介面） | 中 | 高（需技術背景） |
| 價格 | $200/月（Max） | $30-200/月 | 模型費用 |
注意事項
- 發布當天 demo 取消 — 記者會前幾小時發現 bug，直接砍掉現場 demo。產品還很新，穩定性待觀察。
- $200/月門檻不低 — 比 Claude Max（$100-200）或 ChatGPT Pro（$200）都貴，但主打的是企業端。
- 全雲端 — 資料安全敏感的場景需要考慮，不像 OpenClaw 可以本機跑。
- Draco benchmark 是自己出的 — Perplexity 發布了一個新 benchmark 叫 Draco，測深度研究能力，當然是自己第一。第三方驗證尚待觀察。
結語
Perplexity Computer 代表的是一個清晰的方向：AI 工具的未來不是「更好的單一模型」，而是「更聰明的模型協調層」。
不用自己決定該用 Claude 還是 Gemini，不用在 n8n 裡手動連管道——把需求說清楚，讓 AI 決定派哪個模型。這個概念本身是對的。
至於 Perplexity 是否能在 OpenAI、Anthropic、Google 都在做 agent 的世界裡站穩這個定位，就要看執行力了。畢竟連發布 demo 都出 bug，這個開局說不上完美。
- 官方介紹：perplexity.ai/changelog
- TechCrunch 報導：Perplexity's new Computer
- 早期用戶實測：What I Built in One Night