Perplexity研究：AI智能体自主性、效率大幅提升，重塑知识工作格局

AI智能体从对话助手到自主执行者AI助手和AI智能体是不同的物种传统生成式AI是对话式助手用户得到答案后仍需亲自动手执行后续操作。而AI智能体则能直接规划、执行并交付成果用户只需指定结果系统就会跨工具规划、执行中间步骤最终交付成品。Perplexity的产品演进就体现了这一转变从2022年的Search定义答案引擎类别到2025年的Comet浏览器再到2026年的Computer通用Agent编排器。自主性Computer远超传统Search研究显示自主性最直接的信号是用户提交请求后系统无需人工干预的运行时间。Search通常几秒内返回响应而Computer经常持续工作几分钟甚至几小时进行搜索、浏览、编写等操作。在10000个匹配会话对中Computer平均每次会话执行26分钟机器工作是Search的48倍中位数上Computer是Search的40倍。所有18个领域中Computer的机器工作量是Search的26至75倍。此外Computer虽更频繁暂停等待用户输入但停止事件与Search相似且通过模型上下文协议或API端点跨更多外部工具调用延伸覆盖更多关联服务。效率节省成本与时间超八成更高的自主性使Computer将手动人工工作替换为机器计算从而提高效率。基于工具的估算显示传统Search加人工执行任务平均需269分钟而Computer加人工仅需36分钟任务时间减少87%平均降低估算任务成本94%。所有18个领域都呈现效率优势时间节省79%至92%成本节省87%至96%。基于LLM的估算和用户访谈也得出类似结果。工作范围横向与纵向全面拓展随着Computer用机器计算替代手动执行用户的工作形态发生改变。在用户样本中Computer用户有59%的时间在主要职业群组之外工作高于Search的50%在多个领域增幅明显。纵向来看Computer查询比Search查询具有更高的认知复杂性76%的Computer查询需要更高阶认知50%是“创造”级任务且涉及更多知识领域平均每个任务需要的知识领域比Search增长38%。用户角色转变从操作员到监督者当系统具备强大功能时用户的瓶颈发生转移花在操作工作流程上的时间减少更多时间用于指定目标、提供上下文等从操作员转变为监督者。在个人层面这扩展了任务边界在组织和劳动力市场层面其长期影响还需进一步观察可能会影响工作捆绑、角色定义和团队构建。编辑观点Perplexity的研究展示了AI智能体的巨大潜力其在自主性、效率和工作范围上的优势明显将重塑知识工作格局但也需关注其对组织和劳动力市场的长期影响。