Perplexity Computer 來了：月付 200 美元，幫你上班「連幹數月」的數位員工|數位時代 BusinessNext

重點一：Perplexity 推出 Computer 自主代理平台，整合 19 個 AI 模型（含 Claude Opus 4.6 主導推理引擎）。

重點二：系統具持久記憶與數百個外部服務連接器，可承接需連續運作數週甚至數月的複雜專案。

重點三：標準方案月費 200 美元（約合新台幣 6,266 元），現階僅限 Max 用戶，將擴展至 Pro 與企業方案。

AI 競賽的方向正在轉彎。

繼 Manus AI 與 OpenClaw 掀起自主代理（agentic AI）熱潮後，搜尋起家的 Perplexity AI 在 2026 年 2 月 25 日正式推出 Perplexity Computer，一套能夠接下完整工作流程、不需要人全程盯著的多模型自主代理平台。

Perplexity 執行長 Aravind Srinivas（阿拉溫德·斯里尼瓦斯）將這項產品定位為「2026 年個人電腦該有的樣子」，不只是工具，而是一台會思考、會執行、在你睡覺時也持續工作的雲端 AI 電腦。

19 個 AI 模型組成的分工帝國

Perplexity Computer 最大的特點在於它不依賴單一模型。平台目前整合了 19 個 AI 模型，依任務類型動態調度：由 Anthropic 的 Claude Opus 4.6 擔任核心推理引擎，負責協調與決策；Google Gemini 主導深度研究；Nano Banana 處理圖像生成；Veo 3.1 負責影片製作；Grok 應付輕量快速任務；ChatGPT 5.2 則擅長長文本記憶與廣域搜尋。

使用方式直白：用戶描述想要的結果，Computer 就會將任務拆解成子任務，分配給對應的子代理（sub-agents）同步執行，包含網路研究、文件生成、程式碼撰寫、資料處理或外部 API 呼叫。整個過程非同步進行，用戶不需要等待，甚至可以同時開啟數十個 Computer 並行運作。

Perplexity 業務長 Johnny Shevelenko（強尼·謝維連科）在 LinkedIn 上透露，Computer 最初只是一個「內部實驗」，起初團隊透過 Slack 與它溝通，「因為它更像一個數位員工，而不是一個代理」，後來才決定將其重新定義為獨立產品推出。

雲端沙箱 vs. 本機開放：與 OpenClaw 的路線分歧

市場上正在形成兩種自主代理路線。Perplexity Computer 選擇雲端沙箱模型：所有執行環境由 Perplexity 集中管理，用戶無法直接接觸底層系統；相較之下，近期爆紅的開源工具 OpenClaw 則安裝於本機，可直接存取用戶的信箱、本地文件與應用程式，賦予 AI 更大的系統控制權。

兩者各有取捨。雲端模式的優勢在於安全性與可控性，Perplexity 在沙箱環境中執行任務，搭配範疇限定的憑證授權（scoped credentials），並在不可逆操作前設置人工確認關卡，降低 AI「失控」的風險。代價是靈活性受限，Computer 只能透過預設整接器與外部服務溝通，無法像 OpenClaw 那樣直接操控用戶裝置。

平台目前提供數百個外部服務連接器，並具備持久記憶功能，能跨會話保留專案進度與用戶偏好，讓 Computer 承接需連續執行數週甚至數月的長期專案。

月費 6,266 元的「數位員工」，值嗎？

Perplexity Computer 定位於高端用戶市場。目前僅限 Max 方案訂閱者透過網頁端使用，月費 200 美元（約合新台幣 6,266 元）。定價採用量計費制，用戶可設定消費上限，Max 訂閱者每月另附 10,000 點額度，新用戶加入後享有效期 30 天的 20,000 點體驗額度。

Perplexity 確認未來將擴展至 Pro 及企業方案用戶，但未說明具體時間表。

對台灣企業用戶而言，這道門檻並不算低。但若 Computer 真能如官方描述，接下整包需要跨工具協作的長期專案，它指向的是一個新的 AI 採購邏輯：不再買「功能」，而是買「工作能力」。

延伸閱讀：Perplexity敲警鐘！AI搜尋新創App下載量雪崩80%：為何黃仁勳曾誇獎好用，現在卻留不住用戶？

資料來源：The Decoder、PCWorld、Perplexity

本文初稿為 AI 編撰，整理．編輯/ 李先泰

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。