Perplexity Computer：AI驱动的创业操作系统，从零创建并运营公司

Perplexity 的新野心：让AI成为创业基础设施

Perplexity CEO Aravind Srinivas 近日在社交媒体上宣布了一个极具野心的计划——Perplexity Computer 将集成所有必要的连接器（connectors），让用户能够从零开始创建并运营一家公司。

这一声明意味着，Perplexity 正在从一个AI搜索引擎，向全栈式AI商业操作系统演进。如果这一愿景落地，它将重新定义"创业"的门槛和速度。

什么是 Perplexity Computer？

从目前披露的信息来看，Perplexity Computer 并非一台物理计算机，而是一个AI驱动的计算环境，类似于此前 Anthropic 推出的 Computer Use 概念——让AI代理能够像人类一样操作软件界面、执行复杂任务流。

Computer Use是Anthropic在2024年10月推出的一项突破性功能，它允许AI模型直接观察屏幕内容、移动鼠标、点击按钮和输入文字。这一技术基于多模态视觉理解和动作规划能力，AI通过截屏识别界面元素，然后生成相应的操作指令。此前AI与软件的交互主要依赖API接口，而Computer Use打开了新范式——即使没有API的软件，AI也能通过GUI操作来完成任务，将AI的能力边界从"能调用什么API"扩展到了"人能操作什么软件"。具体而言，Computer Use采用了一种"观察-思考-行动"的循环机制：模型首先通过视觉编码器处理屏幕截图，理解当前界面状态和各UI元素的位置与功能；然后结合用户的任务目标进行推理规划，决定下一步应该执行什么操作；最后将决策转化为精确的鼠标坐标点击或键盘输入指令。这一过程不断循环迭代，直到任务完成。这项技术的意义在于，它让AI从"被动回答问题"跨越到了"主动操作数字世界"，为后续各类AI Agent产品奠定了技术基础。

Perplexity 在此基础上更进一步，计划将各类商业工具的连接器整合进来。所谓"connectors"，可以理解为与第三方服务的API集成接口，覆盖创业所需的各个环节：

• 公司注册与法务：自动化的公司设立流程
• 财务与支付：银行账户、支付网关、记账系统
• 产品开发：代码生成、部署、项目管理
• 营销与获客：广告投放、社交媒体管理、SEO优化
• 团队协作：沟通工具、文档管理、HR系统

从技术架构的角度看，现代企业通常需要使用15-30个不同的SaaS工具——Stripe处理支付、Salesforce管理客户、QuickBooks记账、Slack沟通、GitHub管理代码、HubSpot做营销自动化等等。传统上，这些工具之间的数据流转依赖Zapier、Make（前身为Integromat）等集成平台，用户需要手动配置"触发器-动作"的自动化规则，但往往面临配置复杂、调试困难、灵活性有限等问题——一旦业务流程发生变化，整套自动化规则可能需要重新搭建。Perplexity的"connectors"实质上是在AI Agent层面建立统一的接口抽象层，让AI能够理解业务意图后自动调用正确的服务组合，类似于操作系统中驱动程序的角色——屏蔽底层复杂性，向上层提供统一的操作语义。用户不再需要关心"哪个工具的哪个API端点接受什么参数"，只需用自然语言描述业务需求，AI就能自动编排正确的服务调用链。

这种"all-in-one"的思路，本质上是让AI代理（AI Agent）端到端地执行创业过程中的各种操作任务，把分散的SaaS工具统一到一个AI原生平台中。

Perplexity Computer 为什么值得关注？

创业门槛的根本性降低

Aravind Srinivas 在推文中明确表示：任何有想法的人，配合一个小型高执行力团队，就能比以往任何时候都更快地构建高速增长的有价值公司。

这并非空洞的愿景。回顾历史，创业门槛的降低是一个持续数十年的趋势：2006年AWS推出弹性计算云（EC2）和简单存储服务（S3），将服务器成本从购买物理设备的数万美元降至按需付费的每月几十美元，直接催生了整个云原生创业生态；2010年代Shopify让开网店不再需要技术团队，Stripe让支付接入从与银行谈判数月缩短到复制几行代码，Twilio让通信功能的集成变得像调用函数一样简单；2020年代初Notion、Figma、Linear等协作工具进一步压缩了团队运营成本，一个5人团队的协作效率可以媲美过去50人的组织。每一波工具革新都催生了新类型的创业者——从"必须有技术合伙人才能起步"到"独立黑客"（indie hacker，指单人或极小团队独立构建盈利产品的创业者）再到如今的"AI原生创业者"。据统计，2010年创建一家科技初创公司的平均启动成本约为50万美元，到2020年已降至不到5万美元，而AI工具的普及正在将这个数字进一步推向接近零的方向。

过去几年，AI工具已经在逐步拉低创业的技术门槛——Cursor 让非专业程序员也能写代码，Midjourney 让设计成本趋近于零，各类 no-code 工具让产品原型可以在数小时内完成。Perplexity Computer 要做的，是将这些分散的能力统一到一个AI原生的操作平台中，形成真正的创业基础设施。这代表了工具民主化趋势的最新跃迁：从降低单一环节的门槛，到一次性消除所有环节的摩擦。如果说此前的每一波创新是在拆除创业路上的一堵堵墙，Perplexity Computer 的野心是直接铺设一条从想法到运营公司的高速公路。

从"AI搜索引擎"到"AI商业操作系统"的跃迁

Perplexity 此前以AI搜索起家，凭借高质量的答案引擎在市场上站稳脚跟。作为背景，Perplexity AI由前OpenAI研究员Aravind Srinivas于2022年创立，联合创始人还包括来自Meta AI、Databricks等公司的技术专家。与传统搜索引擎返回链接列表不同，Perplexity直接生成结构化答案并标注信息来源，用户可以追溯每一条陈述的出处，这种"可溯源的AI回答"模式有效缓解了大语言模型的幻觉问题。公司发展迅猛，截至2024年底估值已超过90亿美元，月活跃用户突破1500万，日均处理搜索查询超过数百万次，已经证明了AI搜索模式的市场可行性。其付费订阅产品Perplexity Pro提供更强大的模型和更深度的研究功能，展现了AI搜索的商业化潜力。

但搜索本质上是一个信息获取工具，增长天花板有限——用户获取信息后仍需自己去执行。向"Computer"方向扩展，意味着 Perplexity 正在从信息层走向执行层——不仅告诉你答案，还帮你把事情做了。这一跃迁在商业模式上也意义深远：搜索的变现主要依赖广告或订阅，而执行层的变现可以切入交易佣金、SaaS订阅、增值服务等多种模式，收入天花板大幅提升。

这与当前AI行业的大趋势高度一致。OpenAI、Google、Anthropic 都在推进AI Agent的能力边界，而 Perplexity 选择了一个非常具体的切入点：商业运营。这个定位既有差异化，又有巨大的商业想象空间。

AI Agent 竞赛中的差异化赛道

AI Agent（智能代理）是当前AI领域最活跃的研究与产品方向之一。与传统的问答式AI不同，Agent具备目标分解、工具调用、环境感知和自主决策的能力——它不只是回答"怎么做"，而是直接去做。技术上，现代AI Agent通常基于大语言模型作为"大脑"，配合ReAct（Reasoning + Acting）框架实现推理与行动的交替循环：模型先对当前状态进行推理（"我需要先查询公司注册要求"），然后执行具体动作（调用相关API获取信息），再根据返回结果进行下一轮推理（"现在我需要填写注册表单"），如此循环直到任务完成。这种框架由Google Research和普林斯顿大学在2022年提出，已成为构建Agent系统的主流范式。2024年以来，业界已从单一Agent向多Agent协作系统演进——多个专业化的AI代理分别负责不同领域（如一个Agent专注财务分析，另一个专注法律合规），通过消息传递协议进行协调，类似于一个虚拟的专业团队。微软的AutoGen、CrewAI等框架正在推动这一方向的标准化。

目前AI Agent领域的竞争格局正在快速成型：

• OpenAI 通过 ChatGPT 的插件生态和 Operator 探索通用代理，Operator于2025年初发布，能够在浏览器中自主完成购物、预订等任务
• Anthropic 以 Computer Use 切入桌面操作自动化，强调安全性和可控性
• Google 借助 Gemini 整合自家庞大的服务矩阵（Gmail、Calendar、Docs、Maps等），拥有天然的生态优势
• Perplexity 则瞄准了创业和商业运营这一垂直场景

垂直化的策略往往更容易落地。相比"什么都能做"的通用Agent，一个专注于"帮你开公司、运营公司"的AI系统，在产品设计和用户体验上更容易做到极致。这与多Agent协作的技术架构也高度吻合——不同连接器背后可以是不同专业化的Agent，各自负责财务、法务、营销等领域，协同完成端到端的商业运营任务。这种垂直化策略在科技史上有成功先例：Salesforce没有试图做通用数据库，而是专注于CRM场景，最终成长为千亿美元市值的公司；Shopify没有试图做通用网站建设工具，而是专注于电商场景，同样取得了巨大成功。

潜在挑战与不确定性

这一愿景的实现仍面临不少挑战：

技术可靠性方面，让AI执行涉及资金、法务、合规的操作，对准确性和安全性的要求极高。一个搜索结果的偏差可以容忍，但一笔错误的转账或一份有问题的法律文件，后果完全不同。当前最先进的AI模型在复杂推理任务中仍存在"幻觉"（hallucination）问题——即模型会以高度自信的语气生成事实上错误的内容。在基准测试中，即使是GPT-4级别的模型，在复杂多步骤推理任务中的错误率仍可达10-20%。在商业运营场景中，这意味着可能错误计算税务、遗漏合规要求或生成无效的法律条款。如何在高风险操作中实现接近100%的可靠性，是工程上的巨大挑战。业界目前探索的方案包括：多模型交叉验证、关键操作的人工确认环节（human-in-the-loop）、形式化验证以及专门针对特定领域微调的小模型等。

生态整合方面，"所有连接器"意味着需要与大量第三方服务建立深度集成。这不仅是技术工作，更涉及商务合作、数据安全协议、OAuth授权流程、API版本兼容性维护等复杂问题。历史上，试图做"超级应用"或"一站式平台"的产品大多面临生态合作伙伴的抵制——当你试图成为所有服务的入口时，那些服务本身可能视你为竞争对手而非合作伙伴。微信在中国的超级应用模式虽然成功，但其背后有独特的市场环境和用户习惯支撑；在西方市场，Facebook、Google等巨头多次尝试类似策略均未完全成功。Perplexity需要找到一种让合作伙伴也能从中受益的共赢模式，而非简单地将它们降维为"后端服务"。

用户信任方面，让AI代理处理核心商业操作，用户需要极高的信任度。这种信任的建立需要时间，也需要完善的权限控制和人工审核机制来保障。渐进式的信任建设策略——先从低风险操作开始（如信息查询、日程安排），逐步扩展到中等风险操作（如社交媒体发布、邮件回复），最终才触及高风险领域（如资金操作、法律文件签署）——可能是更现实的路径。此外，透明的操作日志、可撤销的操作机制、以及清晰的责任归属框架，都是建立用户信任不可或缺的要素。

AI创业基础设施时代正在加速到来

Perplexity Computer 的布局，代表了AI行业一个重要的方向性信号：AI正在从辅助工具进化为基础设施。如果说过去的创业需要"人+资金+工具"，未来的公式可能变成"人+想法+AI Computer"。

这一趋势的深层含义值得进一步思考。当创业的技术和运营门槛被AI大幅降低后，竞争的核心将更加回归到创意、洞察力和对用户需求的深度理解上。同时，这也可能催生一种全新的企业形态——"AI原生公司"，即从第一天起就以AI Agent作为核心运营力量的企业，人类团队专注于战略决策和创意工作，而日常运营几乎完全由AI驱动。这种模式下，一个3-5人的团队可能创造出过去需要50-100人才能实现的业务规模。

虽然具体的产品形态和上线时间尚未公布，但仅从战略意图来看，Perplexity 正在下一盘很大的棋。对于创业者和科技从业者而言，这是一个值得持续关注的方向——它可能从根本上改变公司的创建和运营方式。

核心要点