还在纠结「本地 or 云端」？Perplexity 的「任务路由」彻底解决 AI 难题

不是问题的问题。

当地时间 6 月 2 日，Perplexity 在 Computex 2026 的 Intel 主题演讲上，做了一个很多人没太在意、但可能改变整个 AI 应用行业走向的演示。

不是新模型，不是更快的搜索，而是一套「任务路由」系统。

简单来说，就是 AI 自己决定哪些事在你的电脑上做，哪些事扔给云端——而不是让用户去选。

CEO Aravind Srinivas 和 Intel CEO Lip-Bu Tan 站在台上，在一台跑着 Intel Core Ultra Series 3 芯片的设备上演示了全程。本地模型负责判断，云端模型负责执行复杂任务，两者之间的调度对用户完全透明。

这件事听起来像是一个工程细节，但背后藏着一个更大的问题：AI 应用的架构之战，已经从「谁的模型更强」，悄悄转向了「谁能把资源调度得更聪明」。

本地 VS 云端

过去两年，AI 行业走了一条很直接的路：算力不够？加算力。模型不够大？加参数。隐私有顾虑？那就……先搁置。

但企业用户不会永远搁置隐私问题。

一个典型的场景是：你让 AI 助手帮你整理会议记录，里面可能有未公开的财务数据、客户信息、合同条款。这些东西传到云端，法务部门就会来敲门。但如果只用本地模型处理，算力撑不住，效果又打折扣。

Perplexity 在跑任务时关注到了数据隐私问题｜图片来源：Perplexity

这就是 Perplexity 混合推理（Hybrid Agentic Inference）试图解开的死结。

它的核心逻辑不复杂——让本地模型先做「侦察员」，判断每一个子任务的敏感程度和复杂度，然后决定是留在本地处理，还是打包发给云端的前沿模型。用户不需要做任何选择，系统自动完成路由。

据技术分析，任务分类发生在 API 层。「这是 5 个 token 的问答，还是 500 个 token 的代码生成请求？」——本地模型用 4 位量化处理前者，内存占用减少约 75%；云端模型接管后者，但在传输前会做确定性哈希处理，防止原始数据泄漏。

理论上，边缘设备的往返延迟可以因此降低 60%。

当然，「理论上」这三个字很重要。

从「AI 搜索」到任务路由

如果只看今天的演示，容易误以为这是 Perplexity 的一次突然发力。但把时间线拉长，会发现这家公司在过去半年里做的每一步，都在为这个方向铺路。

今年 3 月，Perplexity 与 CoreWeave 达成战略合作，用专属的 NVIDIA GB200 NVL72 集群跑推理工作负载，把云端算力基础设施夯实。5 月中旬，它推出了 Mac 应用，把 Personal Computer 功能开放给 Pro 和 Enterprise 用户——之前只有 Max 用户才能用。这一步很关键，相当于在正式推出混合推理之前，先把用户教育做了一遍，让大家习惯「AI 在本地跑」这件事。

Perplexity  任务路由的演示视频｜图片来源：Perlexity

到今天的 Computex 演示，混合推理功能还没有正式上线，官方说会在 7 月推出。但选在这个时间点、这个舞台亮相，用意很清楚——英特尔需要一个真实的 AI PC 用例，Perplexity 需要一个比自家官网更大的曝光窗口，双方一拍即合。

与此同时，Perplexity 的商业版图也在加速扩张。从 18 亿美元估值融资 1 亿美元，到两个月后以 200 亿美元估值完成 2 亿美元融资，自成立三年来累计融资已达 15 亿美元。钱还在持续进来，说明投资人押注的不只是搜索，而是整个 AI 代理基础设施的叙事。

聪明的不是模型，是调度器

VentureBeat 的分析抓到了这件事的本质。它指出，Perplexity 这套系统的关键主张，不是「本地可以跑模型」——这件事已经有几十种工具能做到了。真正的差异化在于，Perplexity 的系统自己做路由决策，逐个任务，不需要用户提前配置。

这是一个视角的根本转变。

以前，「本地 vs 云端」是一个用户层面的选择题。你要么信任云端，要么忍受本地模型的能力上限。Perplexity 想把这道选择题从用户面前拿走，变成系统内部的一个工程问题。

但这恰恰是挑战最大的地方。

要让编排器在生产环境中可靠运行，它需要同时做对几件事：准确评估每个子任务的复杂程度，理解涉及数据的敏感级别，了解用户本地硬件的实时性能状态，还要管理跨设备-云端的任务状态同步。任何一个环节判断失误，轻则输出质量下降，重则把不该上云的数据送出去了。

MacRumors 社区里有用户的担忧更直接——「这是让 AI 出现幻觉然后删文件的好办法。」这话听起来像段子，但触到了一个真实的焦虑：当 AI 代理获得了更多系统权限，并且还要自主做路由决策的时候，「可解释性」和「可审计性」变得比任何时候都更重要。

Perplexity 任务完成提示页面｜图片来源：Perplexity

企业安全专家也提出了另一层风险——如果云端模型的调用链没有经过 SOC 2 等级的验证，混合架构本身可能反而引入新的供应链安全漏洞。隐私问题还没解决，安全问题已经跟上来了。

值得一提的是，Perplexity 还在另一个战场上承受压力。

截至今年 5 月底，已有包括 CNN、纽约时报、News Corp 在内的九家媒体机构对其提起有效诉讼，指控版权和商标侵权。这是一个悬在头顶、迟迟没有定论的法律风险。混合推理是产品层的创新，但版权纠纷是商业模式层的隐患，两者并行，并不互相抵消。

一家公司可以在技术架构上做出令人印象深刻的判断，同时在商业合规上依然面临真实的挑战。这两件事不矛盾，但放在一起，会让「Perplexity 的未来」这个命题变得更复杂一些。

说白了，混合推理是 Perplexity 押注的方向，但押注能不能兑现，取决于执行层面的每一个细节，以及它能否在法律压力下保持足够的专注度。

AI 应用正在经历一次安静的架构革命。不是哪个模型又刷新了 benchmark，而是「算力在哪里跑、数据往哪里走」这个底层问题，开始被认真对待。

Perplexity 今天在 Computex 台上演示的那几分钟，可能比任何一次模型发布都更值得被记住——因为它在讲的，是 AI 应用该怎么被构建，而不只是 AI 能做什么。

至于 7 月上线之后，这套系统在真实用户手里能交出什么成绩单，那才是这个故事真正开始的地方。

文章来自于微信公众号 "极客公园"，作者 "极客公园"