公司股价表现 - 苹果公司股票在过去5年中几乎翻了一番[1] 公司产品与战略 - 作为一家成熟且根基稳固的科技巨头，其表现非常出色[1] - 有观点质疑将人工智能功能/工具集成到其产品中的合理性[1] 分析师背景 - 文章作者迪兰莎·德席尔瓦是一位拥有超过10年从业经验的资深股票分析师和投资研究员[1] - 其专长涵盖多个行业领域，尤其关注被华尔街分析师忽视的小盘股[1] - 作者是CFA三级候选人，并持有英国特许证券与投资协会的资格认证[1] - 其分析文章发表在Seeking Alpha、GuruFocus、TipRanks和ValueWalk等平台，并在Seeking Alpha上拥有大量关注者[1] - 作者曾接受CNBC和彭博社的采访，其作品在纳斯达克、雅虎财经等领先投资平台上有显著展示[1] - 在分析股票和写作之外，作者还参与私募股权交易，包括收购和管理企业[1]

文章核心观点 本次播客探讨了在人工智能技术快速发展的背景下，软件行业、风险投资模式以及社会人口结构正在发生的根本性变革。核心观点认为，传统的软件护城河已经消失，风险投资的早期筛选流程将被AI代理自动化，而AI及相关技术可能通过降低育儿成本和复杂性，意外地推动富裕人群的生育率回升。 行业趋势与竞争格局 - 所有软件护城河均已消失，行业竞争变得“优步化”，即极度激烈且持续加剧 [102] - 如果软件产品不能做到每月显著改进，将会失去客户，“足够好”的SaaS时代已经结束 [4] - 即使是Salesforce、LinkedIn、DocuSign等大型 incumbent 也面临脆弱性，必须进行大规模创新才能生存 [4][98][107] - 企业不再愿意签署年度SaaS合同，因为技术迭代过快，他们预期自己可能会在短期内更换服务 [99][100] - 在公开市场，过去12个月横向SaaS公司估值下降了40%，而基础设施和垂直SaaS的降幅较小（约2%-3%）[30] 风险投资策略与运营变革 - Flex Capital 使用超过500个AI代理进行项目搜寻和初步评估 [6][53][73] - 预测到2026年底，风险投资的首次会议将实现完全自动化，变为“代理对代理”的交流 [5][6][75] - 风险投资最大的错误不是投资了一个失败项目，而是错过了伟大的项目，其痛苦程度是前者的10倍 [7][68] - 投资决策应始终自问“为什么是我看到这个交易”，如果创始人允许投资者认购其种子轮80%的份额，这通常是危险信号而非机会 [8][58][61] - Flex Capital 采取规模化投资策略，每年进行约53笔投资，通常在300万美元的种子轮中投资50万美元，并希望后续加注 [46][60] 人工智能的影响与应用 - OpenAI 收购媒体公司 The Hustle 被视为一项精明的分销策略，旨在影响关键决策者（CEO、投资者、政策制定者）并掌控AI叙事 [5][19][20][21][22] - 当前AI基础设施的建设与互联网泡沫时期有本质不同，主要由现金流和股权资金支持，且有真实客户需求驱动 [27][28] - AI、机器人技术、自动驾驶汽车和更便宜的能源有望降低养育孩子的成本和复杂性，从而可能逆转生育率下降趋势，在富裕的美国人群中引发婴儿潮 [5][9][38][111][116] - 风险投资机构正利用如Perplexity Computer等AI工具构建其技术栈，并协调大量AI代理进行分析工作 [14][55][56] 创始人评估与公司建设 - 在早期投资阶段，评估主要基于创始人本身，因为产品往往尚未推出或收入微薄 [52][64] - 区分创始人的关键在于其雄心壮志，但判断其雄心能否长期持续非常困难 [66] - 通过孵化器（Incubate）模式创建公司，通常由投资机构提供创意并寻找联合创始人，股权结构大致按创始人占2/3、机构占1/3分配 [47][48] - 成功的软件公司必须依靠产品迭代速度作为唯一优势，即使收入达到10亿美元量级的公司也必须持续疯狂工作以保持领先 [109] 市场阶段与投资时机 - 根据红点资本的分析，在重大平台转变（如云、移动、AI）的第四到第五年，是风险资本的最佳部署期 [5][16][34] - 当前AI平台转变始于2022年，目前正处在这一价值积累的“曲棍球杆”上升阶段 [34]

文章核心观点 - AI产业正从“模型竞争”转向“系统竞争”，未来价值创造的核心在于如何将模型整合进由工具、连接器、智能体(agent)和控制平面等构成的复杂系统，即“驾驭工程”(harness engineering) [6][10][16] - 开放模型(open models)聚合起来已是全球第二大模型群，并将在不同行业和应用中成为最大的模型群，其价值不仅在于成本，更在于为企业提供控制权、定制化和建立信任的能力 [5][65][82] - 智能体(agentic systems)时代已经开始，其标志性拐点是编码(coding)工作的自动化被验证，以及OpenClaw等项目将智能体具象化为一种大众可感知的、持续在线的计算体验 [26][33][79] - 企业部署AI的挑战正从技术能力转向治理与安全，企业需要可治理、可观测、受控的智能体系统，其部署难度远高于个人应用 [52][55][81] - 行业正形成新的产业结构：底层是前沿模型(frontier models)，中间是编排(Orchestration)、驾驭工程(Harness)、智能体运行时(Agent Runtime)和控制平面(Control Plane)，上层是各行业应用，周围是开放生态与企业治理的新平衡 [88][91] 黄仁勋对圆桌的定调与产业框架 - 模型是一种基础技术，如同晶体管，而非最终产品；ChatGPT是产品，而Open Model是技术底座 [10] - 产业需要超越“最强模型公司”和“应用公司”的二元叙事，关注AI软件栈中正在出现的第三类新角色 [10] - 未来不是单一模型的竞争，而是“系统模型的组合” [6] AI从模型到系统的演变 - 正在出现并壮大的第三类公司：既使用市场上最好的模型API，也在模型和智能体层面进行大量自有工作，其核心能力是组织不同模型、工具和执行流程 [11] - AI正在变成“系统”或“计算机”，其价值在于将编码、写作、多模态生成等能力组织成一个编排系统，连接各种工具、模型和资源 [14] - “驾驭工程”(Harness Engineering)成为关键，指模型周围的一切：如何连接工具、调用提示词(prompt)、使用子智能体(sub-agent)及为其分配模型，这是将模型转化为生产力的核心 [16][19][21] - 购买商业模型获得的是从芯片、编排、软件、推理到产品的整套技术栈，开放的价值在于允许他人从头到尾重新优化整个系统 [22] 智能体(Agent)时代的拐点与驱动力 - AI演进可分为三个阶段：生成式AI(Generative AI)、推理(Reasoning)、智能体系统(Agentic systems) [26] - 未来算力消耗可能从预训练(Pre-training)更多转向后训练(Post-training)，因为后者是让模型获得技能、变成可落地系统的关键 [26] - 关键拐点之一是编码(coding)在去年开始真正可行，因其具备明确目标、标准化接口、可验证输出等特性，成为智能体的天然试验田，其能力正迁移至其他领域 [30][33][78] - 智能体变得可用的原因不仅是模型变强，更是模型能力、工具接口和系统工程在同一时间段完成了“对齐” [31] - 一旦模型擅长操作命令行界面(CLI)、文件(files)和工具(tools)，它就获得了进入几乎所有知识工作的“通行证” [32] OpenClaw项目的象征意义与智能体内涵 - OpenClaw被视为了解智能体系统(agentic systems)的窗口，它将智能体带进大众认知，呈现了现代计算机的一种新形态 [38][49] - 智能体被定义为能够持续处理任务、调用资源、拆分步骤、在不同模型间路由并保持状态的执行系统，类似于“同事”(co-workers) [36] - OpenClaw的重要特征包括：始终在线(always-on)且主动、开始拥有可持续的“身份”、具备“记忆”并能通过代码修改自身指令 [42][43][44] - OpenClaw作为通用智能体展示了范式，但大量专用智能体（如法律、销售、编码智能体）仍不可替代，且需针对垂直场景深度定制 [44][45] - OpenClaw预示了一种新的计算机形态，其运行时(Runtime)是GPU，令牌(token)是基本消耗单位，计算将在本地与云端混合进行 [46] 企业部署智能体的核心挑战：治理与安全 - 企业部署智能体的瓶颈从能力转向治理，需要解决数据安全、权限、可观测性和统一控制平面等问题 [52][53] - 一条关键设计原则：企业通常不应允许一个智能体同时拥有“访问敏感信息”、“执行代码”和“对外通信”全部三项能力，除非它是CEO [55] - 在医疗、国防等高信任、高风险领域，开放模型因可见、可检验，更容易建立信任，这比单纯的性能差异更重要 [56][57][71] - 企业需要的是可治理的智能体，而不仅是在演示中聪明的智能体 [81] 开放模型(Open Models)的多维价值与生态 - 开放模型的价值体现在三个层面：1) 开放权重(Open Weights)；2) 开放后训练与定制(Open Post-training/Customization)；3) 开放研究与基础设施(Open Research/Infrastructure) [73][74][75] - 对企业而言，开放模型的核心价值在于**控制权**、**定制化**和**研发成本共享** [66][69] - 开放模型为创建高度专业化的数字专家（如心脏科专家数字孪生）提供了必要的“塑形能力”，而超大闭源模型因其固定性而难以彻底改造 [67][68][70] - 开放基础设施（如AI网格）对于前沿开放模型的持续发展至关重要，否则其发展仍会被巨额计算资本卡住 [72] 行业落地前景与未来产业结构 - 智能体将首先在**多步骤、重复性强、每一步相对可预测**的工作流中大规模落地，例如医疗领域的保险事先授权文书工作 [62][63] - 行业前沿不止于编码，视觉智能对于机器人和与现实世界交互的智能体同样关键，模型正被越来越多地部署到实体AI和机器人中 [58][59] - 前沿创新的最小单元是一个“高度聚焦、人才密集、又能拿到巨大算力”的团队，算力供给方式本身将成为产业结构的一部分 [61] - 新的产业地图正在展开：底层是前沿模型，中间层是编排、驾驭工程、智能体运行时和控制平面，上层是各行业应用，周围是开放生态与企业治理的平衡 [91] - AI工厂(AI factory/foundry)概念将愈发重要，使企业能获取所需计算资源而无须独占大量算力 [83] - 2026年将是“真实商业经济学”起飞的一年，AI从“惊艳演示”进入“可规模化经营”阶段 [86][87]

Nvidia发布企业级AI代理平台NemoClaw <doc id='1'>Nvidia announced NemoClaw at its annual GTC conference, an enterprise-ready version of the viral artificial intelligence agent platform OpenClaw that adds security, privacy controls and policy enforcement, giving companies a way to deploy self-operating AI assistants without exposing sensitive business data.</doc> <doc id='4'>According to Nvidia, OpenClaw became the fastest-growing open-source project in history after its release. Its problem was straightforward: It was built for individual users, not companies. It had no controls over what data the agent could access, where it could send information, or how its actions could be audited. NemoClaw solves that problem.</doc> <doc id='5'>What NemoClaw Does, Why It Matters According to Nvidia's announcement, NemoClaw can be installed in a single command and pairs OpenClaw agents with Nvidia's Nemotron AI models and the newly announced OpenShell runtime. In plain terms, OpenClaw is the AI worker. OpenShell is the walled environment in which a worker operates, one where a company can specify what the agent is allowed to do, what it cannot touch, and what requires a human to sign off.</doc> <doc id='6'>As reported by TechCrunch, the platform does not require Nvidia's own hardware and connects to Nvidia's existing business AI software suite. Agents can use AI models stored locally on company systems or pull from cloud-based models through a connection that keeps internal data from being exposed externally. Nvidia is treating NemoClaw as an early-stage product, acknowledging it is not yet production-ready. "For the CEOs, the question is, what's your OpenClaw strategy?" Nvidia CEO Jensen Huang said on stage at GTC. "We all needed a Linux strategy. We all needed an HTTP strategy. Every company in the world today needs to have an OpenClaw strategy, an agentic systems strategy."</doc> <doc id='12'>Perplexity's Computer is fully managed by the company, which controls the infrastructure, the AI models used and the rules governing how the system interacts with outside services. OpenClaw hands that responsibility to whoever installs it. NemoClaw sits between those two models, preserving the flexibility of OpenClaw while allowing companies to set and enforce their own rules. That middle ground is exactly what regulated industries have been waiting for.</doc> <doc id='15'>As reported by TechCrunch, Gartner identified governance tools for AI agents in a December report as the essential infrastructure companies need before enterprise adoption of the technology can scale. For executives weighing when and how to deploy AI agents across their organizations, NemoClaw represents a meaningful shift in what is actually available. The technology to automate complex business tasks has existed for months.</doc> <doc id='16'>What has been missing is a way to do it without handing over the keys. A system that keeps AI agents productive while enforcing company-defined limits on what they can access, execute and report removes the central objection that has kept procurement, legal and compliance teams on the sidelines.</doc> 产品定位与功能 - Nvidia在GTC大会上发布了企业级AI代理平台NemoClaw，它是热门开源平台OpenClaw的企业版本，增加了安全、隐私控制和策略执行功能，使公司能够部署自主运行的AI助手，同时不暴露敏感业务数据 [1] - NemoClaw通过单一命令即可安装，将OpenClaw代理与Nvidia的Nemotron AI模型及新发布的OpenShell运行时环境相结合，OpenShell是一个受控环境，公司可在其中规定代理的权限、禁止访问的内容以及需要人工审批的操作 [5] - 该平台不强制要求使用Nvidia自家硬件，并能连接Nvidia现有的商业AI软件套件，代理可以使用本地存储的AI模型，或通过能防止内部数据外泄的连接调用云端模型 [6] - NemoClaw定位于早期产品，目前尚未达到生产就绪状态 [6] 市场背景与竞争格局 - OpenClaw发布后成为历史上增长最快的开源项目，但其原版是为个人用户设计，缺乏对企业数据访问、信息发送和操作审计的控制 [4] - NemoClaw进入了一个快速拥挤的市场，OpenAI于2月推出了自己的企业代理平台OpenAI Frontier，Perplexity AI也进入了该领域，并推出了名为“Computer”的产品，旨在接收广泛指令并分解执行 [11] - 与Perplexity完全托管服务的模式以及OpenClaw将责任完全交给安装者的模式不同，NemoClaw采取了中间路线，在保留OpenClaw灵活性的同时，允许公司制定和执行自己的规则 [12] - Nvidia CEO黄仁勋强调，制定“OpenClaw战略”或“代理系统战略”对当今全球每家公司都至关重要 [6] 行业需求与采纳现状 - 受监管的行业一直在等待NemoClaw所代表的这种中间路线解决方案 [12] - 高盛在12月的一份报告中指出，AI代理的治理工具是企业规模化采用该技术前所必需的基础设施 [15] - 财务部门已经开始试水，PYMNTS Intelligence研究发现，接近7%的美国企业CFO已在实时财务工作流中部署了AI代理，另有5%正在进行试点 [13] - 研究还发现，使用具备自主行动能力AI代理的公司，其应收账款工作的自动化程度高达95%，而没有该能力的公司自动化率仅为38% [14] - 另一项独立研究显示，43%的CFO预计能够根据实时支出数据自动调整预算的AI代理将产生重大影响，另有47%的CFO预计会产生一些影响 [14]

公司战略与产品定位 - 公司于首届开发者日推出超过一打新产品，核心是推出“Perplexity Computer” [1] - “Perplexity Computer”被定义为一个大规模多模型编排系统，其根本区别在于它不是单一模型，而是对多个模型进行编排 [2] - 公司的核心聚焦点始终是准确性和编排，旨在成为跨所有不同模型的“乐团指挥” [4] - 公司产品的价值主张之一是用户无需被锁定在单一模型提供商，可以同时选择多个不同模型 [13] - 公司旨在为用户解决模型选择问题，由其判断何种模型最适用于何种目的，用户只需使用产品即可 [14] “Perplexity Computer”产品详解 - 该产品旨在让AI完成人类在计算机上执行的所有数字任务，为AI提供与人类相同的工具集、文件系统和沙盒环境 [4] - 该产品本质上是一个运行在云端沙盒中的数字工作者，可安全访问用户的个人数据和持久存储 [8] - 该产品由三个核心部分组成：浏览器（访问互联网）、文件系统（存储文件）以及运行程序的终端/外壳 [6][7] - 该产品与OpenClaw等业余项目的主要区别在于安全性，其全部在服务器端安全运行，不会覆盖用户文件或从互联网导入恶意软件，用户可控制其数据访问权限 [9] - 公司拥有自己的浏览器，可以在服务器端代表用户进行智能体浏览，这是另一关键差异 [10] 行业趋势与竞争格局 - 行业趋势在2025年末至2026年出现变化，模型开始专业化而非商品化 [3][12] - 不同公司的模型展现出不同的专业化能力：Anthropic的模型擅长编码，OpenAI的模型擅长写作，Google的模型擅长多模态 [3] - 即使在编码这一细分领域内，OpenAI的Codex模型和Anthropic的Claude模型也存在差异，各自擅长编码中的不同方面 [12] - 企业用户持续选择多个不同模型已成为一种趋势 [13] 法律挑战与应对 - 亚马逊曾试图通过法律途径阻止公司的AI浏览器，并赢得了法院的初步禁令 [15] - 公司的立场是，用户应有权携带自己的“朋友”（指AI助手）协助决策，而非被强制使用商店提供的“朋友”[16] - 法官在初步禁令裁决中指出，公司的服务对用户有用且未从事恶劣行为 [17] - 公司认为其浏览器在安全性方面是一流的，已发布关于智能体可靠性和防止提示注入攻击的评估，并建立了自己的基准测试，愿意与亚马逊合作解决相关问题 [18]

彭博终端的市场地位与商业模式 - 彭博终端是全球金融业公认的操作系统 是交易员 分析师和交易撮合者不可或缺的基础设施 而不仅仅是软件 它提供身份认同 拥有数千个键盘快捷键 专有功能以及即时通讯服务[1] - 该终端整合了来自全球交易所的实时数据流 其功能远超数据提供[1] - 彭博终端每年为每个席位收取近30,000美元的费用 其高昂的转换成本主要源于用户习惯和网络效应 而非仅仅是金钱[2] - 凭借其主导地位 公司去年创造了126亿美元的年收入 主要来自终端订阅费用[3] Perplexity AI新产品“Computer”的发布与特性 - 人工智能公司Perplexity AI推出了名为“Computer”的新产品 它并非简单的聊天机器人 而是一个能够端到端研究 设计 编码 部署和管理项目的系统[4] - 该产品能自动为每项任务选择最佳模型 例如使用Claude进行推理 使用Gemini进行研究 使用Grok追求速度 并可在后台自主运行数小时甚至数天[4] - 公司将其描述为“2026年个人电脑应有的形态” 具备个性化 持久化 默认安全 内置数百个连接器 记忆 文件访问和网络集成等特性[5] Perplexity Computer对金融分析领域的潜在冲击 - 产品发布后 用户@hamptonism的一条演示视频获得了750万次观看 视频显示Perplexity Computer构建了一个功能性的市场分析终端 用于通过Perplexity Finance分析英伟达 该过程无需本地设置 不受单一大型语言模型限制 也无需专用硬件[6] - 该演示立即引发了与彭博终端的直接对比 使Perplexity被视为首家真正与彭博终端正面竞争的人工智能公司[7] - 演示表明 仅通过人工智能系统协调一切 即可构建出具备实时数据分析能力的终端 这动摇了传统金融信息服务的根基[6][7]

文章核心观点 - 硅谷AI巨头近期集体、快速地向“Claw”（即能执行任务的系统级AI Agent）方向转型，展开了一场关于AI Agent进化的“龙虾大战” [1][10][13] - 行业竞争焦点正从大模型能力的“博学”转向AI的“能干”，即从“知识中心”向“执行中心”迁移，旨在让AI直接替人类完成工作 [55][56] - AI商业化的核心逻辑正在从“卖token”转向“卖工时”，通过Agent兑现生产力价值成为行业共识的终极变现路径 [58][60][61] 主要参与公司及其“Claw”产品动态 - **Meta**: 在已有Manus的基础上，推出进阶版**Manus Agent**并接入Telegram，其重点是**长期记忆**，能记住用户风格与偏好，自动调用历史素材协同Gmail、Notion等完成视频制作等全流程任务 [17][18][19] - **Anthropic**: 作为先行者，在推出Claude Cowork后，于**过去48小时内**快速迭代，发布了手机远程操控代码和自动化Agent定时任务 [22][23] 1. **微软**: 宣布**Microsoft Copilot Tasks**，具备**自主计划**、**跨应用操作**（如读取Outlook邮件后自动在Google Calendar预约会议并生成PPT提纲）和**定时任务**功能，深度融入Windows办公生态 [29][30][31][33][34][35] - **Notion**: 发布**Custom Agents**，实现了对“Claw”概念的彻底落地，该系统可**24/7全天候待命**，根据任务描述和触发条件自动工作，标志着公司从文档工具向协作平台转型 [37][38][39] - **Notion**产品数据：在测试阶段，早期用户已创建超过**2.1万个**Custom Agents，公司内部有**2800个**Custom Agents在轮班工作，并能通过MCP协议在Slack、Figma等应用间自由操作 [42][43] - **Perplexity**: 推出**Perplexity Computer**，旨在将搜索、研究、计划、编码、部署等功能统一，实现从想法到代码部署上线的端到端处理 [44][45] 行业转向“Claw大战”的驱动因素 - **模型能力跨越信任阈值**: 随着基于强化学习、引入思维链推理路径的模型（如o1）出现，AI的逻辑一致性实现质的飞跃，使人类能够将部分系统权限放心交给AI Agent [49][50][51] - **行业共识发生漂移**: Scaling Law红利边际递减，单纯提升模型参数对用户感知度减弱，下一波增长曲线在于让AI变得“能干”，即重心从“知识中心”偏移至“执行中心” [54][55][56] - **商业化进入深水区**: AI变现逻辑正从按生成内容付费的“卖token”模式，转向按节省人类劳动时间计价的“卖工时”模式，Agent直接替人类干活成为更优的商业化路径 [58][59][60]

核心观点 - 人工智能公司Perplexity推出的新产品Perplexity Computer，作为一种云端多Agent编排系统，展示了AI在自动化复杂工作流程（尤其是金融领域）方面的巨大潜力，可能对以彭博终端为代表的高价专业金融软件构成颠覆性威胁 [1][2][4][5][6][7][8] - Perplexity公司凭借其“答案引擎”的差异化产品，在搜索领域对谷歌构成挑战，并展现出成为下一代AI原生平台和颠覆行业格局的野心 [13][17][22][23] 产品与技术 - **Perplexity Computer产品特性**：这是一个可以直接操控电脑的通用AI系统，能够完成从研究、设计、写代码到部署、管理的全流程项目 [2] - **核心技术优势**：其核心并非单一模型，而是强大的多模型调度与编排能力，系统内整合了19个顶尖模型，能根据任务类型自动调用不同模型（如Claude Opus 4.6、Gemini、ChatGPT5.2等）进行分工协作，自动拆解任务并生成子Agent [8] - **产品定位差异**：该产品不同于争夺入口或专注企业协作的AI Agent，它选择了控制桌面和云端多Agent编排的路径 [7] - **基础模型依赖**：公司的强项在于产品和整合能力，但底层模型依赖OpenAI、Anthropic等外部巨头，存在潜在风险 [25] 市场与竞争影响 - **对金融行业的潜在冲击**：有用户使用Perplexity Computer成功复现出简易版彭博终端，该金融专业工具年订阅费高达2.4万美元（约合人民币16万元），而Perplexity Max的年订阅费仅为2000美元，价格约为前者的1/12 [4][5] - **对搜索行业的挑战**：公司推出的“答案引擎”依托RAG技术，提供带引用来源的完整答案，与谷歌的“链接聚合”模式形成差异化竞争，精准解决了信息过载痛点 [17] - **竞争态势**：公司从谷歌手中切走了一部分高净值搜索流量，但同时面临底层模型提供商（如Anthropic）自身生态发展带来的流量分流压力 [23][25] 公司发展历程与战略 - **快速增长**：公司成立于2022年8月，截至2025年底，在四年时间内估值已达200亿美元，月活跃用户突破千万，每月处理上亿次查询 [13] - **核心团队**：创始人Aravind Srinivas曾在OpenAI从事核心语言模型研究，联合创始人兼CTO Denis Yarats来自Meta，师从Yann LeCun，团队背景强大 [14] - **颠覆性野心**：在2024年谷歌反垄断案期间，公司公开表示有兴趣收购估值约150亿至200亿美元的Chrome浏览器，旨在将其重塑为AI原生浏览器，深化搜索与浏览的融合，展现其进军主场的姿态 [18][19][21][22] - **商业模式探索**：当前主要收入来源为订阅费，年营收达5000万美元，但面临高昂的AI搜索成本压力，正尝试从“提供答案”向“代理执行”的Agent模式升级，以探索交易抽佣等更具想象力的商业模式 [23][25][26] 资本与行业认可 - **资本青睐**：公司获得了英伟达、亚马逊创始人贝索斯、Andrej Karpathy、Garry Tan等科技圈大佬和投资人的投资，足球巨星C罗也参与其中 [13] - **关键背书**：英伟达在2024年1月参与了公司7360万美元的B轮融资，其CEO黄仁勋公开表示几乎每天使用Perplexity查阅专业资料 [13]

Perplexity Computer产品发布 - Perplexity发布名为“Perplexity Computer”的全新多模态AI系统，该系统能够“端到端”完成研究、设计、编写代码、部署和管理项目等全流程任务[3][4] - 该系统通过精密的编排，让多达19个不同的AI模型并行工作，并自动为每一步任务选择最佳模型，例如推理用Claude、研究用Gemini、追求速度用Grok[4][6] - 该系统被定义为“2026年个人电脑应有的样子”，能为个人量身定制，拥有持久记忆，内置数百个连接器，可直接访问文件和互联网，并能在后台自主运行数小时甚至数天[11][12][6] - 产品目前通过Web端向Max订阅用户开放，采用“按量计费”模式，用户可为不同子智能体选择特定模型并设置token上限，每月提供10,000个积分，为庆祝发布，新老用户将获得20,000积分限时奖励，有效期30天[23] - 该系统的技术灵魂人物是Alex Graveley，他曾是GitHub Copilot的总架构师，在入职Perplexity的两年时间里还打造了AI原生浏览器Comet[21] Perplexity Computer的功能与影响 - 系统能够处理复杂任务，例如整理AMD、AVGO、INTC、QCOM、TSMC多家公司订单情况并做可视化展示，以分析“英伟达的估值低了吗”这类问题[17] - 系统能够从播客中提取特定片段（如Dario Amodei讨论“模型差异化”），并自动剪辑视频、转换竖屏格式和配字幕[18][19] - 系统可以构建财务模型，例如测算房产在Airbnb上出租的投资回报率[19] - 通过多模型协作，该系统能构建出媲美Bloomberg终端的“实时金融终端”，而Bloomberg终端年费高达30,000美元[32][33] - 系统能根据一句话指令创建复杂应用，例如一个显示全球约1,500颗卫星实时位置的Web应用，该应用从CelesTrak抓取数据并利用satellite.js库每秒更新[34][35] - 在任务执行中，系统能自主分配工作，例如让Claude Opus写代码，而让Gemini进行探索[35] Perplexity的战略愿景与行业观点 - Perplexity创始人Aravind Srinivas发表长文，重新定义AI时代的“计算机”，指出单一模型因缺乏“跨家族协作”已成为生产力瓶颈，并首次公开了内部代号为“ASI”的秘密实验[24][26] - 创始人认为未来的电脑应由19个或更多AI组成的“交响乐团”驱动，让擅长代码的模型写代码，擅长推理的模型搞逻辑，而非依赖单一模型[28][29] - 创始人指出，2025年平均每17天就有一个新模型面世，计算的护城河将从底层代码转向对异构模型的调度能力，这预示着传统操作系统护城河的崩塌和“AI即电脑”时代的到来[29] Anthropic的收购与竞争动态 - Anthropic在同一天宣布收购AI初创公司Vercept，旨在将Vercept的核心能力在未来几周内集成到Claude中，以显著增强Claude的“电脑使用”能力，使其能像人类一样思考和操作软件[8][38] - Vercept由前Meta、Ai2的业界专家于2024年创办，专注于让AI系统像人类一样在日常软件中“观察”并“行动”[39] - 此次收购与Anthropic当前重点攻关的“计算机使用”能力高度契合，此前Claude Sonnet 4.6在OSWorld基准测试中的得分已从2024年底的不足15%大幅提升至72.5%，正逼近人类水平[43] - 这是Anthropic继收购Bun之后的又一次重要收购，表明未来AI竞争的关键在于其操作和执行能力[45]

产品发布与定位 - Perplexity AI于周三推出了名为“Perplexity Computer”的下一代AI平台 该平台旨在将文件、工具、内存和模型统一到单一系统中[1] - 该产品被定位为能够端到端地研究、设计、编码、部署和管理任何项目 并具备持久内存、数百个连接器、网络访问和真实文件系统[3] - 首席执行官Aravind Srinivas将其比作“指挥乐团” 强调其通过编排多个专用AI模型来协同工作的能力[2][3] 技术架构与功能 - Perplexity Computer同时编排19个AI模型来处理不同的专业任务 系统设计为多模型架构 例如有专门用于推理、编码和写作的独立模型[2] - 该平台将公司当前所有的AI能力统一到一个系统中 实现了文件、工具、内存和模型的协同工作[1][2] 定价与市场策略 - 该功能将首先面向Max订阅用户推出 并采用基于使用量的定价模式 公司认为这比广告模式更适合AI业务[4] - Max用户每月可获得10,000积分 外加一次性的20,000积分奖励 该奖励在授予后30天失效 Pro用户将在负载测试满意后也能使用该功能[4] - 公司计划随后推出企业版本[4] 公司财务与战略转向 - Perplexity AI正日益转向订阅和企业端货币化 公司高管表示将更专注于收入和收入留存 而非其他指标如回答问题数量[5] - 截至去年10月 公司的年度经常性收入已达到2亿美元[5] - 公司此前与Snap Inc.达成了一项价值4亿美元的交易 将其AI搜索功能整合到Snapchat中[5]