AI 從「聊天機器人」進化為「數位員工」：Perplexity Computer 重新定義 AI 勞動力

1. 導言：當 AI 不再只是「聊天」，而是「勞動力」 你是否已經對傳統「問答式」AI 感到疲勞？在過去幾年裡，我們習慣了與對話框進行即時往返，但這種模式在本質上仍未脫離「搜尋增強」的範疇。如果 AI 不再只是回答問題，而是一位能自主操作電腦、存取檔案、甚至不眠不休完成長達數月專案的「數位員工」會如何？ 2026 年 2 月 25 日，Perplexity 正式發佈了 Perplexity Computer。這項產品的推出標誌著 AI 產業的重大轉向：AI 正在從單純的「聊天機器人」演進為真正的「數位工人」（Digital Worker）。它不再僅僅是提供資訊，而是直接交付勞動成果。 2. 啟示一：這是一場 AI 界的「交響樂」編排 Perplexity CEO Aravind Srinivas 將這款系統比喻為一場精心編排的交響樂，並引用了 Steve Jobs 的名言：「音樂家演奏樂器，而我指揮交響樂團。」其核心戰略在於：當單一模型遇到瓶頸時，最強的競爭優勢不再是「擁有模型」，而是「調度模型」。 Perplexity Computer 採用了「模型不可知」（Model Agnostic）的架構，能同時協調多達 19 個 AI 模型。正如 Srinivas 所言：「計算的護城河將從底層代碼轉移到調度異質模型（Heterogeneous Models）的能力。」 任務類型 核心與專家模型 戰略定位與應用場景 核心推理引擎 Claude Opus 4.6 負責邏輯規劃、任務拆解與全域編排。 深層研究 Google Gemini 負責建立子代理（Sub-agents）進行深度網頁檢索與合成。 速度與輕量任務 xAI Grok 針對高流速、簡單的數位雜務提供極速響應。 長文本檢索與搜索 ChatGPT 5.2 處理長文本召回與廣域網頁索引檢索。 影像生成 Nano Banana 專注於視覺資產、圖表與影像內容創建。 影片生成 Google Veo 3.1 處理短影音製作與動態資產。 3. 啟示二：從「對話」到「非同步執行」的跨越 傳統 AI 需要用戶即時參與，而 Perplexity Computer 實現了真正意義上的「非同步執行」。用戶只需描述最終目標，系統便會自動拆解任務並分派給四類專業化子代理（Sub-agents）： * 市場研究代理 (Market Research Agents)：負責競爭情報蒐集。 * 財務分析代理 (Financial Analysis Agents)：負責財報監測與分析。 * 新聞監測代理 (News Monitoring Agents)：負責即時動態追蹤。 * 協調代理 (Coordination Agents)：負責專家間的任務銜接（Handoffs）。 這種架構允許 AI 在背景持續運作數小時甚至數月。用戶可以同時開啟數十個「數位電腦」處理不同專案，徹底將人類從「盯著對話框」的低效率工作中解放出來。 4. 啟示三：高昂金融終端的「廢鐵化」時刻 Perplexity Computer 展現了挑戰年費高達 3 萬美元「彭博終端（Bloomberg Terminal）」的潛力。透過多模型協作，它能構建出即時的數據監控面板。 例如，用戶只需一個指令，AI 即可同時監測 AMD、AVGO (Broadcom)、INTC (Intel)、QCOM (Qualcomm) 與 TSMC (台積電) 等半導體巨頭的訂單狀況、抓取最新財報、建立估值模型並生成視覺化報表。這種高效率、低成本的工具正在讓大型機構等級的情報能力「民主化」，使微型企業也能擁有專業級的數據洞察力。 5. 啟示四：沙盒架構與連接器——為勞動力裝上保險栓 隨著 AI 權限提升至「操作電腦」等級，安全性成為首要考慮。為了避免類似 OpenClaw 誤刪信箱的失控風險，Perplexity 引入了「個人雲端沙盒」（Personal Cloud Sandbox）。 * 隔離環境：所有操作（文件系統、瀏覽、代碼執行）均在隔離環境運行，保護用戶主網絡。 * 權限控制：系統不再使用完整憑證，而是採用權限受限的權杖 (Scoped Tokens)，僅給予執行任務所需的最低權限，並支援即時 (JIT) 存取管理。 * 人類在環 (Human-in-the-loop)：在執行代碼發布、金融交易或發送郵件等關鍵決策時，必須由人工確認。 此外，該系統已內建數百個認證連接器 (Authenticated Connectors)，包含 Gmail, Outlook, GitHub, Linear, Slack, Notion, Snowflake, Databricks 以及 Salesforce，使其能真正融入企業工作流。 6. 啟示五：點數計費制——保護用戶價值的商業創新 為了平衡多模型調度的高昂運算成本，Perplexity 轉向「以用量計費（Usage-based pricing）」。針對 Max 訂閱用戶，配額如下： * 每月基本配額：10,000 點。 * 限時獎勵：額外 20,000 點（30 天有效）。 關鍵的商業洞察在於：標準的 Perplexity "Ask" 搜尋仍保持無限次使用，不消耗點數。點數僅針對高運算的「Computer」任務計費。這種模式不僅精準管理了模型資源（如調用 Grok 遠比 Opus 便宜），也示範了 AI 產業如何從「廣告模式」轉向「勞動力價值模式」。 7. 技術對決：Perplexity Computer vs. Anthropic Claude 面對 Perplexity 的攻勢，Anthropic 亦推出了強大的原生電腦使用功能。兩大陣營的策略邏輯有著根本差異： 維度 Perplexity Computer Anthropic Claude (原生) 核心邏輯 「Perplexity 回答問題，Computer 替你做工」 卓越的推理、寫作與人性化互動 數據來源 即時網頁優先 (RAG) 內部知識優先 (Internal Knowledge-first) 技術限制 RAG 架構限制上下文約 32k tokens 具備 200k tokens 巨量上下文視窗 用戶體感 偏向目標導向，較不具創意（低 Temperature） 風格細膩、具備獨特的 Artifacts 渲染優勢 根據 Reddit 用戶實測，Perplexity 的預設「溫度（Temperature）」較低，這使其回覆更具預測性且精準，但在創意寫作上略遜於 Claude。對於需要長文本重構或深度人性化對話的用戶，Claude 仍具優勢；但對於需要實時數據與多工具執行的人員，Perplexity 是首選。 8. 結論：AI 時代的「電腦」定義重塑 早在 1757 年，數學家 Alexis Clairaut 僱用兩名人員來預測哈雷彗星軌跡時，對「電腦（Computer）」的定義就是：複雜工作的自主分工與準確執行。 2026 年，Perplexity 通過技術手段讓這個古老定義重生。AI 終於從一個「會說話的對話框」進化為「能做事的數位勞動力」。 結語與思考： 當 AI 已經能幫你「完成」所有工作流程，從資料分析到程式部署，人類在工作流中的核心價值將發生劇變。未來最關鍵的技能將不再是「如何執行（How to do）」，而是「如何定義結果（How to define outcomes）」。