Perplexity Hybrid Compute 如何把 AI 任务拆分到云端与 Mac

Perplexity 的 Hybrid Compute，核心不是把整项 AI 任务完全搬到 Mac 上运行，而是让同一个 Computer 智能体在云端和本地之间分工：云端模型负责网页搜索、任务规划和复杂推理，Mac 上的轻量模型负责读取私人文件、处理敏感信息以及执行本地操作，最后再把结果合并成一个工作流。1

这是一种折中方案：用户不必在“云端能力强”与“数据留在本地”之间二选一。需要联网研究和更强推理能力的部分交给云端，涉及机密资料的步骤则尽量留在自己的 Mac 上。

一项任务如何在云端与 Mac 之间切换

任务通常从云端开始。Perplexity Computer 会先完成搜索、编排和推理；当某个步骤需要访问 Mac 上的文件或涉及受保护信息时，系统可以将该步骤交给本地模型。按照 Perplexity 的说法，敏感材料不会因此被发送到其服务器，返回的本地处理结果会重新接入原有工作流。1 16

因此，Hybrid Compute 与完全本地运行的聊天机器人不同。它仍然可以利用云端的实时研究和强大模型，同时将涉及机密上下文的处理限制在设备本地。

Privacy Gate：数据离开 Mac 前的“检查点”

Hybrid Compute 的关键组件是运行在 Mac 上的 Privacy Gate。Perplexity 表示，其设备端个人可识别信息（PII）分类器会在任务内容离开电脑前进行检查。相关覆盖范围包括提示词、工具输出、记忆和日志，以及文件和其他任务内容。1 5

分类器旨在识别以下类型的信息：

• 姓名和地址；
• 账户号码和凭据；
• 银行卡信息；
• 政府签发的身份信息；
• 其他敏感机密或个人数据。1 3

如果 Privacy Gate 发现潜在敏感内容，用户可以查看被标记的项目，并决定下一步如何处理。可选操作包括：

• 将信息留在 Mac 上，仅进行本地处理；
• 允许信息上传到云端；
• 在交给云端前对敏感值进行遮蔽；
• 拒绝该操作；
• 要求在升级到云端前获得明确授权。1 3

在遮蔽模式下，敏感值会被替换成占位符，云端模型处理返回结果后，再由系统恢复原值。Perplexity 表示，这样可以让云端模型理解任务结构，却不必直接接触原始身份信息。1

不过，Privacy Gate 并不等于绝对安全保证。它能否保护数据，仍取决于分类器是否准确识别敏感内容、组织设置了怎样的路由规则，以及用户最终如何处理授权提示。

支持哪些本地模型？如何安装？

目前列出的本地模型包括 Gemma 4 E4B、Qwen3.6 35B-A3B，以及一款针对 Computer 进行后训练的 Perplexity 模型。1 4

这些本地模型并不是要全面取代最强的云端模型。它们的主要职责是处理私人上下文和本地操作；云端模型则继续承担更广泛的研究、规划和高难度推理。

安装流程也不要求用户自行搭建本地模型运行环境。用户可以在 Mac 应用中一键下载本地模型，然后在模型选择器中启用 Hybrid，再分别选择要使用的本地模型和云端模型。Perplexity 提供的信息显示，整个过程不需要安装 Ollama、不需要手动配置运行时，也不需要 API 密钥。1

本地生成的 Token 不会消耗云端额度

由本地模型完成的推理不会消耗用户的云端额度；同一项任务中交给云端的部分，仍会使用云端推理并受到相应云端配额限制。1 2

这让 Hybrid Compute 同时具备隐私和成本控制方面的吸引力：敏感步骤可以留在用户自己的硬件上，本地生成的 Token 也不会减少云端模型可用额度。但代价是，本地处理的速度和效果会受到 Mac 统一内存容量、所选模型以及任务复杂度影响。

可以用 iPhone 发起任务，让 Mac 完成本地步骤

Hybrid Compute 也支持跨 Apple 设备协作。用户可以从 iPhone 发起 Computer 任务，任务先在云端开始；当流程需要访问本地文件或处理敏感步骤时，再由 Mac 执行。完成后的结果可以在不同设备之间查看。1 5

对于希望远程使用本地推理的用户，Perplexity 建议准备一台专用、持续运行的 Mac mini。1 这种方式省去了手动传输文件的麻烦，但也意味着当任务需要本地处理时，Mac 必须处于可用状态。

Perplexity 开源了什么？

Perplexity 表示，已经开源 Privacy Gate 使用的设备端 PII 分类器。公司称，该分类器是在其 Secure Intelligence Institute 的协作下开发的。1 6

开源分类器可以让安全团队和企业 IT 部门更直接地了解触发本地路由的机制，也便于进一步检查相关实现。但“已开源”本身并不能证明分类器在所有场景下都能识别每一种机密信息。

两个专业场景：法律与投资研究

法律工作

在 Perplexity 描述的示例中，云端模型负责检索判例和相关法律资料；本地模型则总结受保密义务保护的案卷、提取事实、生成匿名化研究问题，并更新本地的法律文书草稿。目标是让客户数据和案件文件留在 Mac 上，同时利用云端模型完成公开资料研究。1

私募股权与投资研究

对于投资团队，云端可以收集公开申报文件、可比交易和市场信息；本地模型则读取机密交易材料，提取交易条款和假设，将其与公开研究进行比较，并更新投资委员会演示文稿或 LBO 分析。1

这两个例子体现了 Hybrid Compute 的基本分工：公开信息和广泛研究交给云端，机密源材料则保持在本地处理边界内。

主要取舍：隐私、成本、速度与能力

隐私： 敏感文件可以留在设备上，但保护效果依赖分类器能否准确识别内容，也取决于用户和企业设置的授权规则。1 3

成本： 本地推理不消耗云端额度；云端搜索、推理和研究部分仍会使用云端资源。1 2

速度： 云端模型可以快速提供大规模推理能力，本地执行则避免了先上传受保护文件的步骤。实际本地性能会因 Mac 的统一内存和模型选择而异。1

能力： 对高难度推理、网页研究和任务规划而言，云端前沿模型仍更有优势。本地紧凑模型则用部分能力让渡，换取设备端处理和更强的数据控制。1

使用条件与企业控制

Hybrid Compute 要求使用 Apple 芯片 Mac，运行 macOS 15 或更高版本，并至少配备 24 GB 统一内存。Perplexity 建议使用 32 GB 统一内存，以获得更好的效果。1 3

产品信息显示，Perplexity Pro、Max 和 Enterprise 订阅用户符合使用条件。1 相关报道还提到，Enterprise 客户需要选择加入该功能。11

企业管理员可以制定组织级规则，例如哪些数据必须留在本地、哪些信息可以先遮蔽再交给云端，以及哪些操作必须获得用户批准。管理员还可以审计信息何时离开设备。1

Windows 和 Linux 版本何时推出？

现有产品资料将 Hybrid Compute 描述为面向 Mac 和 Apple 芯片设备的功能，并未提供 Windows 或 Linux 版本的发布日期。因此，目前没有可靠的上线时间表可供确认。

总体来看，Perplexity 的方案并非让本地 AI 取代云端 AI，而是通过 Privacy Gate 划分边界：把搜索、规划和复杂推理交给云端，把私人文件和敏感步骤留在 Mac 上。它能否真正满足专业用户，最终仍取决于本地模型的表现、分类器的准确性，以及用户是否仔细审查每一次数据路由选择。