Perplexity正准备让企业用户使用其AI服务,即使企业可能仍对将任务委托给软件智能体持谨慎态度。
这家AI搜索公司周四宣布,企业版Computer已向企业客户开放。
如果您授予其访问Gmail、Outlook、GitHub、Linear、Slack、Notion、Snowflake、Databricks或Salesforce的权限,企业版Computer可以与存储在这些平台中的数据进行交互。
它并非传统意义上的单一计算机,而是一个基于云端的Web界面,作为编排层来运行后台任务,使用AI模型和条件触发器,进行网络研究,将任务委托给子智能体,连接其他供应商的云应用程序,并自动化工具使用。
根据一项涉及超过16000次查询的内部研究,该公司声称企业版Computer在短短四周内为内部团队节省了160万美元的人力成本,相当于3.2年的工作量。由于缺乏数据和方法论细节,这一声明很难评估。
最容易理解的方式是考虑用户可能向企业版Computer提出什么要求。Perplexity提供了一个提示库,用户可以这样询问:"按严重程度分类周末支持工单,起草客户回复,编写升级简报,并将所有内容打包成周一站会文档。"
或者:"通过对照实时数据核实推介声明来自动化尽职调查,标记不一致之处,并生成注释报告。"
我们不禁质疑是否真的可以自动化尽职调查。
为了增加混乱,该公司周三还推出了Personal Computer,这是上个月推出的基于云端的非企业服务Computer的本地补充版本。
该公司的Personal Computer博客文章通过试图重新定义"计算机"的含义来开篇。Perplexity坚持认为,其基于云端的Computer服务基于一个简单的理念:"当您拥有高度准确的AI搜索、20个前沿模型的编排框架以及智能体互联网访问时,AI就是计算机。"
对于Personal Computer而言,计算机就是您的计算机。
该公司解释说:"Personal Computer运行在专用的Mac mini上,可以全天候运行,连接到您的本地应用程序和Perplexity的安全服务器。Personal Computer是您的数字代理,持续代表您工作,让您可以从任何设备、任何地方协调所有工具、任务和文件。"
您认为这听起来很像OpenClaw、NanoBot、NanoClaw、PicoClaw、IronClaw、ZeroClaw、NullClaw或其他智能体软件项目能够实现的功能,这种想法是对的。
Perplexity声称Personal Computer是安全的,但除了这一断言外没有太多解释:"敏感操作需要批准,每个会话都包含完整的审计跟踪。紧急停止开关为用户提供即时控制。"
如果这足以让您放心使用这项服务,访问权限的等候名单已开放。
Q&A
Q1:Perplexity的企业版Computer能做什么?
A:企业版Computer是一个基于云端的Web界面编排层,可以访问Gmail、Outlook、GitHub等多个平台的数据,运行后台任务,进行网络研究,将任务委托给子智能体,连接云应用程序并自动化工具使用。
Q2:Personal Computer与企业版Computer有什么区别?
A:Personal Computer是本地版本,运行在专用的Mac mini上,可以全天候运行,连接本地应用程序和Perplexity服务器,作为用户的数字代理持续工作,让用户从任何设备协调工具、任务和文件。
Q3:Perplexity的Computer服务真的能节省成本吗?
A:根据Perplexity内部研究,企业版Computer在四周内为内部团队节省了160万美元人力成本,相当于3.2年工作量。但由于缺乏详细的数据和方法论,这一声明的准确性难以评估。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。