先说结论：9 月 1 日，Perplexity 在 Mac 应用里上线了一个叫 Hybrid Compute（混合计算） 的新功能。它干的事很直接——把一项 AI 任务，同时拆分给云端的前沿大模型和跑在你 Mac 本地的模型一起完成，其中涉及敏感信息的那部分，交给本地模型处理，数据不出你的设备。

翻译成大白话就是：过去你用 AI 处理一份合同、一份体检报告、一份报税单，心里总有点打鼓，因为东西要传到别人家的服务器上；现在，这些"见不得人"的部分可以留在你自己电脑里算，只有那些不敏感的、需要联网搜索和复杂推理的活儿，才交给云端。

这对天天和敏感文件打交道的人来说，可能是今年最实在的一个 AI 隐私方案。

一、它到底是怎么拆的

Perplexity 的逻辑，绕开了"要么全上云、要么全本地"的死结，用了一套"云端指挥、本地执行敏感步骤"的办法。

具体来说，一个任务由 Perplexity 的 Computer 统一调度：先从云端起步，让前沿模型（比如 Opus 5、GPT-5.6 Sol 这类）去做网页搜索、长线规划和复杂推理；当某个步骤碰上了私有文件、敏感数据，就把这一步下放给 Mac 本地的模型去跑，任务不中断、上下文不丢，最后再把两半的结果合并成一个。

你不用自己判断"这段该不该上云"，也不用把任务拆成好几个 prompt 来回倒腾。系统自己判断，哪步该在哪跑。

二、那道"隐私门"，是关键

这套机制里，最核心的是一个叫 Privacy Gate（隐私门） 的东西，配一个跑在设备上的 PII 分类器（PII 就是姓名、地址、账号这些"个人身份信息"）。

它干的事说穿了就是——在受保护文件里的任何内容流向云端之前，先过一道闸门检查。检查完，有四种处理结果：

• 留在本地：敏感的部分直接本地算，不上云；
• 脱敏发送：把敏感字段（账号、证件号之类）先替换成占位符，等云端算完回来再还原；
• 拒绝执行：太敏感的，干脆不往云里送；
• 问你要授权：拿不准的，弹出来让你决定。

其中凭据、银行卡号、政府证件号这类东西，走最严格的处理。Perplexity 还把这套分类器开源了——它叫 PII-Tracer，是个 0.6B 参数的小模型，专门用来"扫一遍有没有漏掉的敏感信息"。

用一句话总结：它不靠"更强的加密"，而是用"该上云的上云、该本地的本地"的架构，天然把风险隔离开。

三、本地能跑什么模型

目前上线时，本地模型有三个选择：

• Google 的 Gemma E4B；
• 阿里 Qwen3.6 35B-A3B；
• 一个经 Perplexity 后训练过的 Qwen3.6 35B（专为 Computer 优化）。

三个都是一键安装，Perplexity 应用自己搞定，不用碰终端、不用配 Ollama、不用填 API key。运行期间，App 会实时显示本地 CPU、GPU、内存的占用，侧栏能看到任务消耗了多少 token——本地模型生成的 token 不产生费用，不占你的云端额度。

还有个挺方便的点：因为 Computer 能和 iPhone 联动，你人在外头，可以用手机远程把任务丢给家里那台"常开着"的 Mac 去跑，敏感步骤就在 Mac 本地执行。有人已经开始把一台 Mac mini 当专用"本地推理节点"用了。

四、云端更强，但"可调节的尺度"才是重点

这里要说点实诚的。

Perplexity 的 Mac 产品负责人 Jon Staff 被问到"混合计算的结果和纯云端比怎么样"，他回答得很坦白："只看原始产物的生成质量，完全用前沿模型的输出几乎总是更好。它更贵，但能力也更强。"

但他接着补了关键的一句：不是所有任务都需要最先进的模型。 有些场景下，数据隐私和成本，比模型能力更重要。

他把这概括成"一条可调节的尺度"——系统会根据上下文推荐方案，但最终由用户决定自己处在这条尺度的哪个位置。这话说白了就是：云端像开跑车，快但烧油；本地像骑自行车，慢点但安全省钱，而且很多时候够用。 选哪个，你说了算。

五、谁现在能用，有什么门槛

硬门槛还是有的，别指望一个老设备就能跑：

• 设备：搭载 Apple Silicon 芯片的 Mac，系统 macOS 15 或更高；
• 内存：官方建议至少 32GB 统一内存（最低 24GB）；
• 账号：面向 Pro、Max 订阅用户和企业客户，暂时没有免费版。

企业版还多一层管理能力：管理员能设"哪些必须留在本地、哪些可以脱敏后上云、哪些需要人工批准"，还能审计"信息什么时候离开了某台设备"。这个功能，正是法律、金融、医疗这类强合规行业最需要的。

六、这事到底意味着什么

我的判断是，Perplexity 这一步，点破了一个行业一直回避的结构性矛盾。

AI 助手的价值，恰恰来自它接触的那些上下文——合同、客户记录、内部文件；而这些上下文，恰恰是用户最不敢往云端传的东西。过去大家要么硬着头皮传，要么干脆不用 AI。混合计算给出的答案是第三条路：把"云端聪明"和"本地安全"拼在一起，而不是二选一。

从趋势看，AI 正从"什么都上云"，转向"该上云的上云、该本地的本地"。华为此前做端侧、苹果做设备端模型，走的都是这个大方向；Perplexity 的不同在于，它把这件事做成了一个"同一任务内云端本地无缝切换"的产品功能，而不是让用户在两套工具间搬数据。

当然，它也有明显的现实约束：硬件门槛不低，本地小模型的能力上限摆在那，还有"到底什么上下文会跨越云端/设备边界"这个问题，官方也还没完全说透。而且 PII 分类器本身也可能有漏检，不能百分之百替代你自己的判断。

但方向是对的。对普通人来说，最直接的意义是——以后处理那些"不太敢交给 AI"的文件，终于不用在"方便"和"安全"之间做单选题了。 类似的功能，估计很快就不是 Perplexity 一家了。