Perplexity представила Portable Computer: локальный ИИ-агент для работы на картах Nvidia

Как перестать собирать пазл и просто запустить ИИ

Все эти годы настройка локального ИИ напоминала сборку мебели без инструкции: скачай веса, подними inference-сервер, соедини инструменты, настрой производительность — и молись, чтобы ничего не отвалилось по дороге. По данным VentureBeat, Perplexity представила Portable Computer — коробку, в которой всё упаковано и работает сразу на Nvidia DGX Spark и Linux-машинах с видеокартами Nvidia RTX.

Что умеет Portable Computer и почему это бьёт по кошельку

Portable Computer — локальная версия агентской платформы Perplexity Computer. Внутри одной сборки: модели, агентская оболочка, инструменты, коннекторы к приложениям и защищённая песочница. Интерфейс — тот же, к которому привыкли пользователи облачной версии, только всё крутится на железе владельца. Каждый запрос по умолчанию стартует локально, в облако система уходит только с разрешения пользователя. За локальную работу кредиты не списываются — счётчик токенов остаётся на нуле.

На демо платформа взяла на себя роль частного инвестора: папка с налоговыми формами 1099 и инвестиционными документами прошла через 27-миллиардную модель Qwen на полной загрузке GPU, и агент нашёл случаи, где человек платил лишние комиссии. Ни один файл не покинул устройство.

Экономика здесь — главный аргумент. Как отмечает Shazoo, расходы на инференс уже измеряются токенами и становятся отдельной строкой корпоративного бюджета. Anthropic, для сравнения, приближается к годовому темпу выручки в 65 миллиардов долларов — и это лишь один поставщик. Перенос даже 20% потребления токенов с облака на локальный инференс ощутимо сокращает срок окупаемости рабочей станции за 4000 долларов; добавление ещё около 30% запросов на локальный сервер с GPU увеличивает экономию — для активных пользователей счёт идёт на месяцы.

Идея делать важное на своём железе, а не в чужом облаке, не нова: владельцы криптовалют давно держат ключи локально, выбирая среди аппаратных кошельков под разные задачи. С ИИ происходит похожий сдвиг: гибридные архитектуры — облако плюс локальный сервер плюс устройство — становятся нормой, потому что не каждый запрос требует передовой модели, а узкоспециализированные локальные варианты в ряде случаев отвечают точнее.

Что отслеживать до релиза

В Nvidia локальный ИИ называют переломной точкой — от хобби энтузиастов с квантованными моделями к практическому инструменту. Стандарты вроде MCP и A2A закладывают совместимость, но слой интеллекта, решающий, какая часть задачи идёт в облако, а какая остаётся на устройстве, пока сыроват. У крупных поставщиков моделей есть прямой стимул встраиваться в гибридные среды: выгоднее оркестрировать всю ИИ-активность предприятия и забирать свои 30%, чем настаивать на полной облачной обработке и рисковать остаться в обходе.

Для практического пользователя Portable Computer — первая попытка сделать локальный ИИ таким же бесшовным, как облачный, без боли со сборкой стека. До широкого релиза стоит смотреть на три вещи: реальную производительность на обычных RTX, а не только на DGX Spark; прозрачность механизма запросов разрешений на каждый облачный шаг; поведение продукта на смешанных задачах, где часть работы всё-таки уходит в облако.