自動導航目錄

多智能體系統的戰略價值：為什麼 Perplexity 選擇 Computer 架構？

2025 年 8 月，AI 搜尋新創 Perplexity 发布了名為「Computer」的新 AI 代理系統，這不僅是產品線的擴張，更是一場關於 AI 組織架構的戰略宣言。Computer 的核心創新在於它可以作為一個代理管理者，將複雜任務分解後分配給其他特化 AI 代理，實現智能體間的協同工作。

從觀察 Perplexity 的發展軌跡不難看出這一佈局的必然性。作為一家 2022 年成立的公司，Perplexity 在短短三年內估值從 1 億美元飆升至 200 億美元（截至 2025 年 9 月），這背後是對 AI 市場需求的精準把握。當單一 LLM 應用的邊際效益開始遞減時，多智能體協作成為下一個突破點。

Grammarly 而言，多智能體系統代表著規模化的關鍵。CNBC 報導，Perplexity 在 2025 年 5 月處理了 7.8 億次查詢，日均約 3000 萬次，月增長率超過 20%。單一實例無法支撐這種量級且保持響應速度，而代理分配器可以實現負載均衡與資源優化。

技術剖析：Computer 如何實現智能體協同

Computer 的核心在於其任務分解引擎與代理調度協議。根據 Arstechnica 的報導以及 Perplexity 的工程團隊分享，该系统採用了改編自 ReAct（Reason + Act）模式的迭代架構：

1. 意圖解析：使用嵌入模型將使用者請求轉換為結構化意圖圖譜
2. 任務分解：根據可用代理的功能特徵，將主任務拆分為多個子任務 DAG（有向無環圖）
3. 代理分配：基於每個代理的能力評分、負載狀態與歷史成功率進行動態分配
4. 結果整合：收集各代理輸出，進行一致性檢查與最終合成
5. 反饋循環：將結果與預期目標比較，生成改進指令用於後續優化

這並非 Perplexity 的首創。Hugging Face 在 2025 年 2 月發布了 Open Deep Research，展示類似概念。但 Computer 的不同之處在於它原生設計為可擴展平台，支援預定義與自定義代理的無縫接入。

記憶體管理也是關鍵。Perplexity 開發了自己的模型 Sonar（基於 Llama 3.3）和 R1 1776（基於 DeepSeek R1），這些模型在代理通訊背景下被優化。代理間共享的上下文緩存採用了類似 Mem0 的向量存儲設計，確保跨代理的語義一致性。

2026 産業鏈衝擊：哪些職位與公司將被重構？

多智能體系統的興起將在 2026 年引發海浪式的産業鏈重組。根據 Gartner 的預測，到 2026 年底，超過 40% 的財富 500 強企業將在至少一個業務領域部署多 AI 代理系統，這將直接衝擊以下領域：

1. 軟體開發職能轉型

傳統的全棧開發者需求將下降，取而代之的是代理協調工程師與代理訓練師。這些角色專注於設計代理間的協作流程、定義代理的能力邊界，以及建立失敗恢復機制。根據 LinkedIn 勞動市場數據，2025 年上半年「AI Agent Engineer」職位增長了 340%，平均年薪突破 18 萬美元。

2. 雲端基礎設施重新設計

單一 LLM 調用模式無法支撐代理間的高頻通訊。AWS、Google Cloud 與 Microsoft Azure 已經推出代理專用運算實例，配備低延遲互聯網卡與專用缓存層。企業需要重建其雲端架構，將代理調度實時性作為核心指標。

3. 中層管理職能的自动化

Research from McKinsey Global Institute suggests that multi-agent systems could automate up to 45% of middle-management coordination tasks—meeting scheduling, progress tracking, resource allocation—by 2026. This doesn’t eliminate managers but redefines their role towards strategic oversight and human-AI interface design.

4. 危機：法律與倫理框架滯後

當一個代理做出錯誤決策導致損失時，責任歸屬誰？Perplexity 本身正面臨 BBC、道瓊斯與《紐約時報》的著作權侵權訴訟。多代理系統使問題更加複雜：是编排者（Computer）的責任，還是執行代理的開發商？目前美國、歐盟的 AI 法規尚未涵蓋代理間責任分配的細節，這將成為 2026 年法律實務的灰色地帶。

實戰部署：企業導入多代理系統的四個階段

基於對 Perplexity Computer 架構的觀察，我們建議企業按以下四個階段部署多智能體系統，避免一蹴而就帶來的風險：

第一階段：代理oginait（0-2 個月）

• 選擇 1-2 個非核心、重複性高 的流程（如市場數據整理、簡單報告生成）
• 使用現有框架（LangChain、AutoGen）建立特化代理，每個代理專注單一技能
• 定義代理人機介面：允許人類隨時介入並手動重新分配任務

第二階段：引入協調層（2-4 個月）

• 部署類似 Computer 的代理分配器，作為中央協調點
• 建立代理能力登記冊：註冊每個代理的技能、容量與限制
• 實現簡單的任務分解邏輯：基於關鍵字或意圖將任務路由到相應代理

第三階段：動態優化（4-6 個月）

• 引入代理效能監控儀表板：追蹤完成時間、錯誤率、資源消耗
• 實現機器學習優化：根據歷史數據動態調整代理分配策略
• 建立代理間的緩存共享機制，減少重複工作

第四階段：跨部門擴展（6-12 個月）

• 將經過驗證的多代理系統推廣到其他部門
• 制定企業級代理通訊標準與安全協議
• 與供應商談判，確保所使用代理模型的長期可用性與價格可預測性

未來預測：從 Computer 到自主 AI 組織

Computer 只是開始。根據我們對産業趨勢的深度分析，2026-2027 年將見證以下演進：

1. 代理民主化：AI 組織的生態系統

Perplexity 的 Computer 展示了單一協調者模式，但未來將發展為去中心化代理網絡。 agents will autonomously form coalitions, negotiate task assignments, and even create sub-agents as needed. 這類似於企業組織的演進：從專制到扁平化，再到網絡化。

2. agent-native 業務流程

明天的企業將不會是「使用 AI」的公司，而是由 AI 代理組成的實體。 human employees will become “strategic directors” overseeing networks of specialized agents. 企業的競爭優勢將取決於其代理網絡的協同效率，而非單一模型的能力。

3. 代理經濟的崛起

市場將出現代理集市：開發者將代理作為產品出售，企業根據需求組裝代理組合。類似今天的 SaaS 市場，但吞吐量更高。IDC 預測，到 2027 年，20% 的公司收入將來自代理導向的數字產品與服務。

Perplexity 的 Computer 不僅是一個產品，更是一份宣言：AI 的下一個時代屬於協同，而非孤立。企業必須現在就開始規劃其代理戰略，否則將在 2026 年面臨被代理驅動的競爭對手碾壓的風險。

Perplexity 的 Computer 與其他 AI 代理有何不同？

Computer 的核心差異在於其定位為代理分配器而非單一 AI 工具。它能動態將任務拆分給多個特化代理，實現協同工作。傳統 AI 代理處理單一任務；Computer 則管理整個工作流，類似 FROM 的 Swarm 或 Microsoft 的 AutoGen，但侧重於生產環境的可靠性與擴展性。

多智能體系統會取代傳統軟體開發嗎？

不會取代，但會重塑角色。開發者的焦點將從編寫具體功能轉向設計代理協作流程、建立代理能力目錄與失敗恢復策略。新的職位如代理協調工程師、代理訓練師將誕生，同時對領域專家（domain experts）的需求反而增加，因為他們需要定義每個代理的職責邊界。

企業如何確保多代理系統的安全性？

安全性需要多層防護：代理通訊協議必須加密（如 HTTPS + mutual TLS）；每個代理應实施最小權限原則，僅訪問完成任務必需的資源；中央協調器必須驗證代理輸入防止惡意指令注入；並保留完整審計日誌以便事後追溯。此外，定期進行代理間的安全隔離測試，確保單一代理被入侵時不會危及整個系統。

行動呼籲與參考資料

多智能體 AI 時代已經來臨。如果您希望為您的企業部署分層代理協作系統，或需要技術顧問評估現有 AI 基礎設施的升級路徑，我們的團隊具備實戰經驗可以提供協助。

立即聯絡我們，開始您的多代理轉型

參考文獻

• Ars Technica. (2025). “Perplexity announces ‘Computer,’ an AI agent that assigns work to other AI agents.” https://arstechnica.com
• Wikipedia. (2025). “Perplexity AI.” https://en.wikipedia.org/wiki/Perplexity_AI
• Wikipedia. (2025). “AI agent.” https://en.wikipedia.org/wiki/AI_agent
• Gartner. (2025). “Market Guide for AI Agent Orchestration Platforms.”
• McKinsey Global Institute. (2025). “The emerging opportunities of multi-agent AI systems.”
• LangChain. “Agent Protocol Specification.” https://python.langchain.com/docs/