黄仁勋每天都用的AI工具，要抢金融行业饭碗了？

来源：AI前线

作者 ｜ 木子、允毅

人工智能的海啸，可能要席卷金融行业了。

事情是这样的：

今天，AI 独角兽 Perplexity 扔出一个新东西：Perplexity Computer，一个可以直接操控电脑的通用 AI 系统。官方号称它可以从研究、设计、写代码，到部署、管理，一个项目全流程跑完。

一位做投资管理的网友，上手玩了玩这个新“电脑”，结果几轮操作下来，竟然搓出一个简易版的彭博终端（Bloomberg Terminal)。

这一下，评论区直接炸了。

因为这个彭博终端，可是金融行业的“专业版信息操作系统”，连华尔街都在用。不过这种专业的金融工具价格非常昂贵，一年的订阅费要 2.4 万美元起，约合人民币 16 万元。

而 Perplexity Computer 这边，只需订阅 Perplexity Max，一年 2000 美元。价格大约是彭博终端年费的 1/12。

虽然这个用 Perplexity Computer 做的简易版，离彭博终端还有明显差距，但那种集中式金融工作台的感觉已经出来了。

还有不少网友本来不相信，结果都成功复现了。

另辟 AI Agent 蹊径

不难看出，Perplexity Computer 也是一种 AI Agent 的衍生应用。更准确说，它是一个云端多 Agent 编排系统（meta-agent system）。

现在的 Agent，有的在争入口，比如 OpenClaw；有的则往企业协作场景延伸，比如 Claude Cowork。

现在 Perplexity Computer 横空出世，即没有既抢注桌面控制，也不只做企业协作。网友放图锐评：

那 Perplexity Compu.ter 有什么特别之处，或者说，它凭什么看起来这么猛？

一个关键因素，不是模型本身，而是它的调度能力。它把 19 个顶尖模型全都塞进同一套系统里，让它们分工干活。

核心推理用 Claude Opus 4.6，当“大脑”。

但具体干活的时候，它会按任务换“人”：比如，做深度研究、拆分子任务，用 Gemini；生成图片，用 Nano Banana；做视频，用 Veo 3.1；追求速度的小任务丢给 Grok；需要长上下文、跨大量信息检索的时候，用 ChatGPT5.2。

总而言之，它的重点在于多模型的“编排”。把不同模型组织起来，自动拆任务，能够自动生成子 agent 然后自动分配，把一整套复杂流程跑完。

除了前文提到的测评案例，还有人用 Perplexity Computer 为自己的论文做图然后表示，效果真不赖。

不过在一片褒奖声中，也有人指出，这玩意和Manus雷同。

聚光灯下的黑马之路

Perplexity 不是第一次炸网了。

作为硅谷最炙手可热的 AI 初创公司之一，Perplexity 从诞生起就自带“黑马体质”。

2022 年 8 月，Perplexity 在旧金山成立。随后这家初创公司凭借差异化打法，迎来爆发式增长：月活跃用户（MAU）突破千万，每月处理上亿次查询。

截止 2025 年底，四年时间，估值已达 200 亿美元，凭着差异化打法，打破谷歌在搜索领域“一言堂”的局面。

它也收获了科技圈大佬的青睐。英伟达、亚马逊创始人贝索斯纷纷入局投资，Andrej Karpathy、Garry Tan 等硅谷知名投资人也加入其“投资天团”。连足球巨星克里斯蒂亚诺·罗纳尔多都参与进来。

其中，英伟达的支持尤为高调。2024 年 1 月，英伟达正式参与 Perplexity 7360 万美元的 B 轮融资，黄仁勋更是在《WIRED》采访中直言，自己“几乎每天都用 Perplexity”，尤其偏爱用它查阅专业领域资料。可以说得到了大佬的背书。

Perplexity 之所以敢这么玩，和它的创始团队有关。

创始人 Aravind Srinivas，师从强化学习大牛 Pieter Abbeel，后来在 OpenAI 做核心语言模型研究。

联合创始人兼 CTO Denis Yarats 则来自 Meta，是 Yann LeCun 的学生。

两个人背景都很硬，但更关键的是，他们对“搜索”都有同一个不满：谷歌越来越像广告位，而不是答案。Aravind 在读博时就想做一个真正能给出直接结论的“研究助理”。巧的是，Denis 也在研究类似方向，甚至论文思路都高度相似。

GPT-3.5 发布（2022 年 11 月 30 日）一周后，他们直接下场，把这个想法变成了 Perplexity。

Perplexity 可以说完成了对“搜索”的重新定义。不同于谷歌的“链接聚合”模式，Perplexity 推出的“答案引擎”（Answer Engine），核心依托 RAG（检索增强生成）技术，能实时抓取网页信息、整合分析，最终给用户呈现带引用来源的完整答案。

这正是它与纯大模型对话工具的核心区别，也精准击中了现代人“信息过载却难以快速获取有效内容”的痛点，被不少用户称为“信息降级综合征”的解药。

Perplexity 最出圈的高光时刻，是在 2024 年 11 月的谷歌反垄断案期间。

当时它公开表态：如果监管要求谷歌出售 Chrome，自己有兴趣收购。

此话一出，全场哗然。

Chrome 的估值大概在 150 亿到 200 亿美元，甚至更高；而那时的 Perplexity 估值只有 90 亿美元，成立还不到两年。

一家初创公司，竟敢公开对谷歌的核心资产放话——不管能不能成，姿态已经摆明：它不只想做个 AI 搜索工具，它想进主场。

在创始人 Aravind 看来，一旦将 Chrome 收入囊中，Perplexity 便能将其彻底重塑，打造成下一代 AI 原生浏览器，让搜索与浏览体验深度融合，进一步巩固自身的差异化优势。

目前 Perplexity 团队规模仅 150-200 人左右，绝大多数是顶级 AI 研究员、全栈工程师和增长黑客，就是这样一支相当于谷歌千分之一人力（谷歌全球员工约 18 万人）的小团队，不仅做出了年营收 5000 万美元的成绩，更凭借颠覆性的产品体验，从谷歌手中切走了一部分高净值搜索流量，成为硅谷“AI 时代超级小团队”的标杆。

但对 Perplexity 而言，这 5000 万美元不过是“颠覆谷歌”野心的起点，仅仅是吹响进攻号角的“第一滴血”。

不过风光背后，Perplexity 的日子并不轻松，一系列挑战正接踵而至。

首先是商业化的困境：钱从哪来？

Perplexity 现在主要靠订阅。可 AI 搜索的成本远高于传统搜索——一次普通的谷歌查询成本可能只是几美分，而 Perplexity 每次都要跑 RAG、解析网页、调用大模型生成答案，背后烧的是真金白银的 GPU。

20 美元一个月的订阅费，很难撑起大规模用户的算力消耗，它必须找到更硬的变现方式。

Aravind 曾说过，不想走谷歌那套广告老路，想探索“为准确引用付费”或企业级资料库搜索。但广告试水并不顺利，版权争议一上来，赞助问答、品牌视频这些尝试很快收缩，最后还是回到订阅模式。

版权问题更是长期阴影。Perplexity 的答案建立在全网抓取之上，这天然会碰到媒体的利益边界，诉讼压力始终存在——“颠覆谷歌广告模式”的理想，落地并不轻松。

还有一个更深层的隐患：它没有自己的基础模型。

Perplexity 的强项在产品和整合能力，但底层模型依赖 OpenAI、Anthropic 等巨头。当 Claude、GPT 本身越来越强，联网搜索、长文本总结越来越成熟时，很多人开始问：如果模型原生就能做这些，我为什么还要单独用 Perplexity？

与此同时，Anthropic 等厂商强势推进自己的生态，流量和关注度都在被分流。

所以 Perplexity 最近把重心压到了 Agent 上——从“给你答案”升级为“替你办事”。如果它能掌握交易和执行环节，就有机会从中抽佣，把商业模式从单纯订阅，拉到更有想象力的层级。

不过，这条路同样烧钱，也同样激烈。

https://x.com/perplexity_ai/status/2026695550771540489

https://www.perplexity.ai/mk/hub/blog/introducing-perplexity-computer

https://x.com/hamptonism/status/2026778742094442959