Dalam artikel ini
- Apa yang sebenarnya diumumkan
- Mengapa ini berbeza daripada "AI setempat" yang pernah anda dengar
- Pengajaran untuk perniagaan anda walaupun anda tidak pernah menggunakan Perplexity
- Cara membina gerbang ini ke dalam sistem anda sendiri
- Maksudnya dalam konteks Akta Perlindungan Data Peribadi
- Tiga langkah untuk bermula minggu ini
- Kesimpulannya
- Sumber
Pada 1 September 2026, Perplexity melancarkan ciri yang dinamakan Hybrid Compute pada Mac. Ringkasnya: satu tugasan dipecahkan kepada dua tempat. Langkah-langkah berat — carian web, perancangan, penaakulan jangka panjang — dijalankan pada model frontier di awan. Langkah-langkah yang menyentuh data sensitif anda diserahkan kepada model kecil yang berjalan di dalam mesin anda sendiri, dan data itu langsung tidak meninggalkan peranti.
Pada zahirnya, ini ialah berita produk untuk pengguna Mac. Tetapi yang wajar diberi perhatian oleh pemilik perniagaan bukanlah produk itu — tetapi corak seni bina di sebaliknya: kelaskan data sebelum ia dihantar, bukan selepas ia tiba. Dan corak itu boleh anda gunakan dalam sistem anda sendiri, tanpa mengira Perplexity dan tanpa mengira Mac.
Apa yang sebenarnya diumumkan
Sebelum sebarang analisis, wajar dipisahkan apa yang diumumkan daripada apa yang merupakan tafsiran:
- Tarikh: 1 September 2026.
- Cara ia berfungsi: setiap tugasan bermula di awan, kemudian menyerahkan langkah-langkah sensitif kepada model setempat di pertengahan tugasan tanpa kehilangan konteks.
- Gerbang privasi: pengelas pada peranti membaca setiap tugasan sebelum dihantar, menukar nama, alamat dan nombor akaun dengan pengganti, kemudian memulihkannya apabila jawapan kembali.
- Keperluan: Mac dengan Apple silicon, macOS 15 atau lebih baharu, dan memori bersatu sekurang-kurangnya 24GB dengan 32GB disyorkan.
- Langganan: tersedia untuk pelanggan Pro dan Max serta pelanggan korporat.
- Kos: kerja yang dikendalikan oleh model setempat tidak menggunakan kredit awan.
- Model setempat: beberapa pilihan semasa pelancaran, termasuk Gemma 4 E4B daripada Google, Qwen3.6 35B-A3B daripada Alibaba, dan model yang dilatih sendiri oleh Perplexity.
Apa yang tidak diumumkan — dan tidak boleh diandaikan — ialah sebarang komitmen kontrak untuk mematuhi Akta Perlindungan Data Peribadi Arab Saudi, atau sebarang audit bebas yang memperakui prestasi gerbang itu. Apa yang diumumkan ialah mekanisme teknikal dan angka prestasi yang diterbitkan oleh syarikat itu tentang dirinya sendiri.
Mengapa ini berbeza daripada "AI setempat" yang pernah anda dengar
Rangka fikir biasa ialah binari: sama ada hantar semuanya ke awan dan dapatkan model yang berkuasa, atau jalankan model kecil secara setempat dan terima kualiti yang lebih rendah sebagai pertukaran untuk privasi. Pada praktiknya, dalam kebanyakan organisasi, privasi kalah dalam perdebatan itu — kerana pasukan memerlukan jawapan yang berkualiti untuk melakukan kerja mereka.
Apa yang dilakukan oleh seni bina ini ialah menolak pilihan binari itu. Satu tugasan berjalan di kedua-dua tempat: penaakulan berlaku di awan, dan langkah yang menyentuh data berlaku pada peranti. Lebih penting lagi, keputusan itu tidak dibuat secara manual dan tidak diserahkan kepada kewaspadaan pekerja — ia dibuat oleh pengelas automatik yang membaca teks sebelum ia keluar.
Dan inilah butiran yang wajar diteliti: Perplexity menerbitkan angka prestasi pengelas itu dengan keterbukaan yang luar biasa, termasuk kelemahannya. Syarikat itu menyatakan bahawa dapatan semula (recall) menurun dengan ketara sebaik sahaja teks melebihi kira-kira sepuluh ribu aksara, dan ia menangani perkara ini dengan teknik penyahkodan dan bukannya melatih semula model. Syarikat itu juga menjadikan pengelas tersebut sumber terbuka.
Pengajaran untuk perniagaan anda walaupun anda tidak pernah menggunakan Perplexity
Kebanyakan organisasi Arab Saudi yang menggunakan AI hari ini melakukannya tanpa sebarang gerbang. Seorang pekerja menyalin mesej pelanggan, klausa kontrak atau penyata akaun, lalu menampalnya ke dalam alat awam untuk meminta ringkasan atau draf balasan. Data itu keluar dari organisasi pada saat itu juga — tanpa sebarang rekod, dan tanpa sebarang keputusan dibuat.
Apabila pihak pengurusan menyedarinya, reaksinya biasanya salah satu daripada dua, dan kedua-duanya gagal. Mengharamkan alat-alat itu sepenuhnya, lalu pekerja memintas larangan itu menggunakan peranti peribadi. Atau buat-buat tidak nampak sehingga berlaku insiden. Jalan ketiga ialah yang digambarkan oleh pengumuman ini: berhenti bertanya sama ada anda menggunakan AI, dan mula bertanya apa yang dibenarkan keluar dari sistem anda, siapa yang memutuskan, dan di mana keputusan itu direkodkan.
Cara membina gerbang ini ke dalam sistem anda sendiri
Pada praktiknya, apa yang kami laksanakan dalam sistem pelanggan bersandarkan empat lapisan, dan kesemuanya berfungsi tanpa mengira pembekal:
- Kelaskan medan sebelum membina ciri. Sebelum menyambungkan sebarang model kepada sistem anda, kelaskan medan pangkalan data anda: apa yang awam, apa yang sensitif dari segi komersial, apa yang merupakan data peribadi. Pengelasan ini ialah keputusan pengurusan, bukan keputusan teknikal, dan segala-galanya selepas itu bergantung padanya.
- Lapisan penganoniman di sempadan sistem. Wujudkan satu titik tunggal yang dilalui oleh setiap permintaan keluar kepada pembekal luar, di mana pengecam peribadi digantikan dengan token pengganti dan dipulihkan selepas respons kembali. Bahagian yang paling penting ialah ia satu titik, bukan logik yang diulang pada setiap skrin.
- Pemprosesan setempat untuk apa yang tidak boleh keluar. Bukan setiap tugasan memerlukan model frontier. Mengelaskan mesej, mengekstrak nombor daripada invois, menyusun permintaan penyelenggaraan mengikut keutamaan — model kecil pada pelayan anda sendiri mengendalikan semua ini dengan kualiti yang mencukupi dan kos hampir sifar.
- Log yang kekal. Permintaan mana yang keluar, medan mana yang disembunyikan, siapa yang meminta dan bila. Tanpa log, anda tidak dapat menjawab soalan juruaudit mahupun pelanggan.
Perhatikan bahawa tiada satu pun daripada empat lapisan itu menamakan pembekal tertentu. Itu disengajakan: model berubah setiap beberapa minggu, seperti yang kita lihat sepanjang tahun, dan gerbang yang anda bina hari ini mesti kekal sah apabila model di belakangnya berubah.
Maksudnya dalam konteks Akta Perlindungan Data Peribadi
Akta Perlindungan Data Peribadi Arab Saudi, yang diselia oleh Pihak Berkuasa Data dan Kecerdasan Buatan Arab Saudi, berasaskan prinsip-prinsip yang merangkumi penentuan tujuan pemprosesan dan pengehadan data yang dikumpul kepada apa yang perlu sahaja. Organisasi kekal bertanggungjawab ke atas data peribadi yang diprosesnya walaupun ia melantik pihak ketiga untuk memprosesnya.
Seni bina seperti yang dihuraikan memenuhi kedua-dua prinsip itu secara langsung: data peribadi langsung tidak dihantar kepada pihak ketiga apabila tugasan tidak memerlukannya, dan apa yang dihantar ialah jumlah minimum yang diperlukan untuk menyiapkan kerja. Tetapi teknologi semata-mata bukanlah pematuhan — anda masih memerlukan asas undang-undang untuk pemprosesan, dasar privasi, dan prosedur untuk mengendalikan permintaan subjek data. Gerbang teknikal memudahkan pematuhan; ia tidak menggantikannya, dan satu-satunya rujukan sebelum sebarang komitmen ialah akta itu dan peraturan pelaksanaannya.
Tiga langkah untuk bermula minggu ini
Semua ini tidak memerlukan projek besar untuk dimulakan:
- Tanya pasukan anda satu soalan: bilakah kali terakhir anda menampal kandungan daripada sistem kerja ke dalam alat AI awam? Jawapannya akan menunjukkan saiz masalah sebenar kepada anda dalam satu jam.
- Tulis satu halaman yang mentakrifkan tiga kategori: apa yang tidak boleh keluar sama sekali, apa yang boleh keluar selepas dianonimkan, dan apa yang boleh keluar seadanya. Satu halaman yang benar-benar dilaksanakan lebih baik daripada dasar dua puluh halaman yang tiada siapa membacanya.
- Pilih satu tugasan berulang yang melibatkan data peribadi — contohnya meringkaskan perbualan pelanggan — dan gunakan empat lapisan itu padanya sebagai prototaip. Apa yang anda pelajari daripada satu tugasan boleh dipindahkan kepada tugasan lain.
Kesimpulannya
Pengumuman Perplexity adalah tentang pengguna Mac, tetapi idea di sebaliknya melibatkan setiap organisasi yang menjalankan AI ke atas data sebenar: keputusan yang betul bukanlah antara awan dan peranti, tetapi sama ada wujud gerbang yang memutuskan apa yang keluar sebelum ia keluar. Syarikat yang membina gerbang itu sekarang boleh menerima pakai mana-mana model baharu dengan selamat dalam masa beberapa hari. Syarikat yang menangguhkannya akan mendapati bahawa mereka memerlukannya pada saat yang paling buruk — selepas insiden, bukan sebelumnya.
Sumber
- Perplexity — pengumuman rasmi Hybrid Compute pada Mac, sumber bagi mekanisme, keperluan sistem dan penerangan gerbang privasi.
- Liputan 9to5Mac bertarikh 1 September 2026 — tarikh pelancaran, keperluan perkakasan, dan pengesahan bahawa pemprosesan setempat tidak menggunakan kredit awan.
- Butiran tentang seni bina pengelas dan angka prestasinya — termasuk penurunan dapatan semula pada teks panjang dan model setempat yang disokong.
- Pihak Berkuasa Data dan Kecerdasan Buatan Arab Saudi (SDAIA) — Akta Perlindungan Data Peribadi (PDPL) dan peraturan pelaksanaannya.
Soalan lazim
Adakah ini bermakna data saya selamat secara automatik jika saya menggunakan ciri ini?
Tidak. Ciri ini mengurangkan data yang keluar dari mesin anda, tetapi ia tidak memberikan anda pematuhan kawal selia dan tidak menggantikan dasar dalaman anda. Angka ketepatan yang diterbitkan bagi pengelas itu datang daripada syarikat itu sendiri, dan ia termasuk penurunan ketepatan yang dinyatakan pada teks panjang. Anggaplah ia sebagai lapisan perlindungan tambahan, bukan jaminan.
Adakah syarikat saya memerlukan Mac untuk melaksanakan idea ini?
Tidak. Pengumuman Perplexity terikat pada perkakasan Mac, tetapi prinsipnya — gerbang yang mengelaskan data sebelum menghantarnya dan menjalankan secara setempat apa sahaja yang boleh — terpakai pada mana-mana seni bina: pelayan dalaman, atau bekas (container) pada pelayan awan anda di dalam Kerajaan Arab Saudi. Yang penting ialah di mana pemprosesan dan keputusan berlaku, bukan jenis peranti.
Berapakah kos untuk membina gerbang seperti ini ke dalam sistem kami?
Lebih rendah daripada jangkaan kebanyakan pemilik perniagaan, kerana ia bukan projek berasingan tetapi lapisan yang ditambah di sempadan sistem. Titik permulaan yang realistik ialah menggunakannya pada satu tugasan berulang yang melibatkan data peribadi, kemudian meluaskannya. Senario yang mahal ialah membina semula sistem yang logik perniagaannya disambungkan terus kepada satu pembekal tanpa lapisan abstraksi.
Adakah model setempat yang kecil cukup baik untuk kerja sebenar?
Untuk tugasan tertentu, ya. Pengelasan, pengekstrakan medan daripada dokumen, penentuan keutamaan dan ringkasan pendek semuanya dapat dikendalikan oleh model kecil dengan kualiti yang mencukupi. Penaakulan jangka panjang dan penyelidikan terbuka masih tergolong dalam bidang model frontier. Pendekatan yang betul ialah mengagihkan tugasan mengikut tahap kesukaran, bukannya memilih satu pihak untuk segala-galanya.
Ikuti Origami di Google
Tetapkan Origami sebagai sumber pilihan dan artikel kami akan muncul dahulu untuk anda dalam Carian Google dan Berita Utama.








