2026年9月2日，AI搜索公司Perplexity正式推出Hybrid Compute混合计算功能，由其Mac产品负责人Jon Staff主导落地。该功能可将用户任务拆分给云端前沿大模型、本地大语言模型分别处理，敏感数据自动留存在用户设备端，目前已集成于Mac应用，支持本地模型一键安装，在降低算力调用成本的同时，从技术路径上解决了大模型调用的隐私泄露风险。
对于经常需要向AI助手上传工作文档、个人敏感资料的用户来说，算力和隐私的二选一难题长期存在：调用云端大模型虽然能力更强、响应更快，但敏感数据上传后存在泄露风险；完全依赖本地运行的大模型，又往往受限于设备算力，无法完成复杂推理任务。
随着大模型落地场景不断拓展，用户的隐私顾虑正在成为AI普及的核心阻碍之一。企业用户上传合同、客户信息等核心数据时，一旦云端出现数据泄露事件，往往会造成不可挽回的商业损失；个人用户提交病历、财务资料等内容时，也面临个人信息被滥用的风险。
而完全部署本地私有大模型的方案，算力成本和运维门槛极高，绝大多数中小商家和个人用户根本无法负担，市场迫切需要一种兼顾性能、隐私、成本的折中方案。
此次Perplexity推出的混合计算功能，正是瞄准上述痛点给出的解决方案。平台专门训练了隐私分类器，用户上传文件或者输入查询内容时，系统会自动扫描识别敏感内容，自动拆分任务：非敏感内容交给云端的前沿大模型处理，充分利用其强推理能力；敏感内容则交给本地运行的大模型处理，全程不会离开用户设备。
据Jon Staff介绍，该功能直接集成在Mac端应用中，用户还能在任务分配前查看系统识别出的敏感内容，手动调整分配规则，完全掌握决策权。目前平台支持的本地模型包括Gemma等，用户一键就能完成安装，不需要复杂的环境配置，同时因为部分任务在本地运行，用户的云端算力调用成本也会同步降低。
在业内看来，端云协同的混合计算模式，打破了此前“要么全上云、要么全本地”的二元选择，有望大幅降低大模型的使用门槛。对于企业用户来说，不需要投入高额成本部署全套私有大模型，只需要将敏感数据的处理环节放在本地，就能同时用到云端大模型的先进能力；个人用户也不用再纠结隐私问题，放心向AI助手提交各类需求。
据了解，Perplexity后续还计划将混合计算功能推广到Windows、移动端等多个终端，未来大概率会有更多AI服务商跟进类似方案，混合计算有望成为未来AI应用的标配功能之一。
滇公网安备 53252802528133号