Perplexity推出「Computer」：19個AI模型合一的超級智能體，月費200美元重新定義AI工作方式

Computer是什麼？Perplexity的多模型智能體願景

2026年3月初，Perplexity正式推出了其最具野心的產品——「Computer」。這不是一個簡單的聊天機器人升級版，而是一個全新品類的AI工具：多模型智能體系統。Computer的核心理念是，沒有任何單一AI模型能在所有任務上都表現最佳，因此最聰明的做法不是打造一個什麼都會的超級模型，而是將多個各有專長的模型組織成一個協作系統，讓它們像一支分工明確的團隊一樣工作。

具體來說，Computer整合了19個不同的AI模型，這些模型來自多家供應商，涵蓋了當前AI能力的幾乎所有主要維度：有擅長深度推理的模型、有精於程式碼生成的模型、有專攻搜索與資訊檢索的模型、有處理視覺和圖像的模型、也有針對數據分析和數學計算優化的模型。當用戶向Computer提出一個請求時，系統不會簡單地將請求丟給某個固定模型，而是先分析任務的性質和複雜度，然後動態選擇最合適的模型或模型組合來處理。

這個產品被納入Perplexity的Max訂閱層級，月費200美元。這個定價顯然不是面向普通消費者的，而是瞄準了專業知識工作者、研究人員、開發者和企業用戶——那些需要AI不僅能回答問題、更能執行複雜多步驟工作流程的用戶群體。Perplexity CEO Aravind Srinivas在發佈會上表示，Computer代表了AI從「問答工具」到「工作夥伴」的根本性轉變。

子智能體機制：AI自己管理AI的新範式

Computer最具技術突破性的功能是其「子智能體」（Sub-agent）機制。傳統的AI工具運作方式是線性的：用戶提出請求，模型生成回應，一問一答，循環往復。即使是近期流行的AI Agent（智能體）概念，大多也是一個模型在執行多步驟任務時的自我循環。但Computer的子智能體機制完全不同——主智能體（Master Agent）在接到一個複雜任務時，會先將其分解為多個子任務，然後為每個子任務動態創建一個專門的子智能體，這些子智能體可以並行工作、各自調用最適合的模型、最後將結果匯總給主智能體進行整合。

舉個具體的例子：假設你要求Computer「分析過去一年香港上市AI公司的財務表現，並與全球同類公司對比，最後生成一份投資建議報告」。在傳統的AI工具中，這需要你將任務拆分成多個步驟，手動引導模型逐步完成。但在Computer中，主智能體會自動將這個任務分解為：（1）搜索和收集香港AI公司的財務數據、（2）搜索全球AI公司的對比數據、（3）進行數據分析和計算、（4）生成可視化圖表、（5）撰寫投資建議報告。每個子任務會被分配給最擅長該工作的子智能體——搜索任務使用擅長即時搜索的模型、數據分析使用擅長數學推理的模型、報告撰寫使用擅長長文生成的模型。這些子智能體同時工作，大幅縮短了完成整個任務的時間。

這種「AI管理AI」的架構在計算機科學中有著深厚的理論基礎——它本質上是一個分佈式計算系統的智能版本。但Perplexity將其包裝成了一個普通用戶也能使用的產品，這是真正的創新所在。用戶不需要理解背後有多少個模型在工作、它們如何分工協作——他們只需要提出需求，Computer會自動完成所有的任務分配和協調工作。

19個模型的多元版圖：為何模型正在專業化而非趨同

Computer整合的19個模型數量本身就傳遞了一個重要的產業信號：AI模型正在走向專業化分工，而非趨同。在2024年，主流敘事還是「誰能打造最強的通用大模型」——OpenAI的GPT系列、Google的Gemini、Anthropic的Claude都在爭奪「最強通用AI」的王座。但到了2026年，產業的認知已經發生了根本性轉變：沒有一個模型能在所有任務上都是最優的，正如沒有一個運動員能同時是短跑、游泳和舉重的冠軍。

這19個模型的具體構成雖然Perplexity沒有完全公開，但根據已知信息，它們至少涵蓋以下幾個類別：大型推理模型（如Claude、GPT系列的推理版本），負責需要深度思考和多步驟邏輯的任務；專業編程模型，針對代碼生成、調試和軟件工程任務進行了專門優化；搜索增強模型，這是Perplexity自身的核心能力，將即時互聯網搜索與模型推理深度整合；視覺理解模型，能處理圖像、圖表、文檔掃描等視覺信息；以及數學和科學計算模型，專門針對數據分析、統計推理和科學計算。

模型專業化的趨勢背後有堅實的技術和經濟邏輯。從技術角度看，讓一個模型同時在所有維度上保持頂尖水平的訓練成本呈指數級增長，而訓練一個在特定領域極為出色的專業模型則相對高效。從經濟角度看，專業模型通常參數量較小、推理成本較低，這意味著在處理特定任務時，調用一個專業小模型比調用一個通用大模型更便宜也更快。Computer的路由層正是利用了這個經濟邏輯——它為每個任務選擇「夠用且最高效」的模型，而非一律使用最大最貴的模型。

「未來的AI不會是一個全能的超級大腦，而是一支由各有專長的模型組成的交響樂團。關鍵不在於哪個樂器最強，而在於指揮家如何讓它們完美協作。」——Perplexity CEO Aravind Srinivas

200美元月費的定價策略：AI工具的價值重新定義

Computer的月費200美元定價在AI產品市場中屬於高端區間，但與其提供的能力相比，這個價格背後有清晰的商業邏輯。作為對比，目前市場上的主要AI訂閱服務定價為：ChatGPT Plus每月20美元、Claude Pro每月20美元、Perplexity Pro每月20美元。但這些都是單模型服務，提供的主要是聊天和基本的任務輔助功能。而Computer提供的是19個模型的協同工作能力、子智能體的自動任務分配、以及複雜工作流程的端到端執行——這已經不是一個「AI聊天工具」，而是一個「AI工作平台」。

從使用者的角度來看，200美元月費的價值取決於它能替代多少人工工作時間。如果一個專業知識工作者的時薪是50美元（這在香港的金融、法律、諮詢行業是偏低的估計），那麼Computer只需要每月為他節省4小時的工作時間就能「回本」。考慮到Computer能處理的任務範圍——從市場研究、數據分析、報告撰寫到代碼開發——對於高強度的專業用戶來說，每月節省4小時是一個極為保守的估計。

更深層的定價邏輯在於，Perplexity正在測試AI市場是否已經成熟到支持「按價值定價」而非「按訪問定價」的商業模式。過去的AI訂閱本質上是在賣「使用權」——你付20美元獲得使用某個模型的權限。但Computer的200美元定價賣的是「成果」——你付費獲得的不是模型訪問權，而是複雜任務的完整解決方案。這個定價策略的成敗將對整個AI產業的商業模式演進產生深遠影響。如果Computer的付費用戶數量能達到預期，其他AI公司勢必會跟進推出類似的高端多模型產品。

競爭格局：多模型平台成為AI的下一個戰場

Computer的推出將Perplexity從「AI搜索引擎」重新定位為「多模型AI平台」，這一轉型使其直接進入了一個全新的競爭格局。在這個格局中，Perplexity的競爭對手不再只是Google和傳統搜索引擎，而是所有試圖構建多模型AI工作平台的公司——包括微軟的Copilot（已整合多個模型供應商）、以及各家正在開發類似路由架構的初創公司。

微軟在2026年初已經開始在其Copilot產品中引入多模型選擇功能，允許企業客戶在GPT、Claude和其他模型之間切換。Google的Gemini平台也在探索整合第三方專業模型的可能性。但這些大廠的多模型策略更多是「給用戶選擇權」，即讓用戶自己決定使用哪個模型。Perplexity的Computer則更進一步——它不是讓用戶選擇模型，而是讓系統自動為用戶做出最優選擇。這個區別看似微小，但在用戶體驗上卻是質的飛躍：它將「模型選擇」這個技術決策從用戶肩上卸下，讓用戶只需關注任務本身。

從Perplexity自身的戰略演進來看，Computer的推出是一步精準的棋。作為一家AI原生公司，Perplexity不像微軟或Google那樣擁有龐大的既有產品線和客戶基礎，它不能靠「把AI加進現有產品」來獲利。它需要創造全新的產品品類來證明自己的價值。Computer正是這樣一個品類創造——它定義了「多模型智能體平台」這個新市場，並試圖在大廠反應過來之前建立先發優勢。這與Perplexity最初推出AI搜索時的策略一脈相承：找到一個既有巨頭未能很好服務的需求，用AI原生的方式重新定義它。

技術深度：路由層如何決定最佳模型

Computer系統中最關鍵的技術組件是其「路由層」（Routing Layer），這是決定每個任務或子任務應該由哪個模型處理的核心智能。路由層的設計品質直接決定了整個系統的效能——如果路由錯誤，讓一個擅長創意寫作的模型去處理數學計算，結果將不如直接使用單一的通用模型。因此，路由層本身可以被視為Computer最重要的「第20個模型」。

根據Perplexity公開的技術資料，路由層的工作原理包含多個維度的分析。首先是任務分類——路由層會對用戶的請求進行語義分析，判斷其屬於哪個或哪幾個任務類別（搜索、推理、編程、分析、創作等）。其次是複雜度評估——路由層會估計任務的難度和所需的計算資源，以決定應該調用大型模型還是小型專業模型。第三是上下文考量——如果用戶在一個持續的對話中，路由層會考慮之前的交互歷史，確保任務分配的一致性。最後是成本優化——在能力足夠的前提下，路由層會傾向選擇推理成本更低的模型，這既降低了Perplexity的運營成本，也確保了更快的回應速度。

這種路由架構在工程上的挑戰是巨大的。每增加一個模型，路由層需要處理的組合複雜度就大幅增加。19個模型意味著路由層需要在數千種可能的模型組合中做出即時決策，而且這個決策必須在毫秒級別完成，否則用戶體驗將大打折扣。Perplexity能夠將這個系統做到可用的水平，反映了其工程團隊在大規模系統架構方面的深厚實力——這也是為什麼類似的多模型路由系統並非任何公司都能輕易複製的。

對香港市場的深層影響

Computer的推出對香港的AI生態有著多層次的影響。最直接的影響是，它為香港的專業知識工作者提供了一個前所未有的AI工具。香港作為國際金融中心，擁有大量的金融分析師、律師、會計師、管理顧問等高薪知識工作者。這些人的工作特點是：任務複雜、需要綜合多種類型的資訊、對準確性要求極高。Computer的多模型架構恰好針對這類需求——它不是用一個「差不多」的通用模型來處理所有任務，而是為每個子任務調用最專業的模型，這對於金融建模、法律研究、審計分析等專業場景來說是質的提升。

從更宏觀的角度看，Computer代表的多模型趨勢將改變香港企業選擇AI供應商的決策邏輯。過去，企業在選擇AI供應商時的核心問題是「我應該選OpenAI還是Google還是Anthropic？」——這是一個排他性的選擇，因為不同供應商的API和工具鏈互不相容。但在多模型平台時代，這個問題變成了「我應該選哪個多模型平台？」——企業不再需要押注單一模型供應商，而是透過平台獲得多個模型的最優組合。這大幅降低了企業的AI決策風險，也使得香港本地的AI應用開發者可以更靈活地為客戶提供解決方案。

然而，200美元的月費對於香港中小企業來說仍然是一筆不小的支出。香港的AI應用市場正處於從「嘗鮮」到「實用」的過渡期，許多中小企業仍在評估AI的投資回報率。Computer需要在香港市場展示足夠清晰的投資回報案例，才能說服這些成本敏感的潛在客戶。此外，香港企業對數據隱私和合規性的要求極高（受《個人資料（私隱）條例》約束），一個涉及19個模型的系統如何確保數據在多個模型之間流轉時的隱私安全，將是香港企業評估Computer時的關鍵考量。

多模型架構對香港AI人才市場的影響也值得關注。過去，企業需要的是「精通某一個AI平台」的專才——比如OpenAI API專家或Google Cloud AI專家。但在多模型時代，市場將更需要具備「AI系統架構」思維的人才——那些能夠理解不同模型的優劣、設計多模型協作流程、優化路由策略的技術專家。香港的大學和職業培訓機構需要提前調整課程設計，以培養適應這一新範式的AI人才。