Perplexity AIは、Nvidia製シリコンを搭載したデスクトップ上で動作するAIエージェント「Portable Computer」を発表した。クラウド上のチャットAIに依頼するだけでなく、手元のPC内で複数ステップの作業を進めることを狙った製品だ。生成AIの活用が検索や文章作成から、調査、コーディング、データ分析、Webアプリ開発のような実務タスクへ広がるなか、同社は「作業を実行するAI」をローカル環境にも持ち込もうとしている。



原文によれば、Portable Computerは2月に登場したクラウドベースの「Perplexity Computer」のオンデバイス版にあたる。Perplexity Computerは、Webアプリケーション開発のような複数工程のタスクを処理するために設計されており、時間のかかる作業に直面すると作業を小さな単位に分割し、それぞれを別のサブエージェントに割り当てる仕組みを備える。Portable Computerは、こうしたエージェント型AIの考え方を、Nvidiaのデスクトップ向けAIマシン上で実行できるようにするものと位置づけられる。

日本の企業読者にとって重要なのは、これが単なる新しいチャットボットの発表ではない点だ。クラウドAIは便利だが、社内データ、開発中のコード、顧客情報、研究資料などを外部サービスへ送ることには慎重な判断が求められる。オンデバイスで一定の作業を完結できるAIエージェントは、情報管理と生産性の両立をめぐる議論に新しい選択肢を加える。もちろん、原文が示す範囲では、Portable Computerがどの程度の実務品質を発揮するかは今後の検証が必要だ。それでも、AIエージェントをクラウドだけでなくPC側にも配置する流れは、生成AIの導入設計を考えるうえで見逃せない動きである。

今回の発表は、NvidiaがPerplexityへの投資を検討しているとの報道に続くものだ。原文では、その投資が実現すればPerplexityの評価額が300億ドルを超える可能性があるとされている。また、NvidiaがPerplexityの技術ライセンス取得や主要従業員の採用についても案を示したと報じられている。これらは確定事項としてではなく報道ベースの情報だが、少なくとも両社の関係に市場の注目が集まっていることは読み取れる。



NvidiaはGPUの供給企業としてだけでなく、AI開発基盤全体の中核プレーヤーになっている。大規模言語モデルの学習や推論には高性能なアクセラレータが必要であり、NvidiaのGPU、ソフトウェアスタック、開発者エコシステムは多くのAI企業にとって重要な前提となっている。一方のPerplexityは、検索体験と生成AIを組み合わせたサービスで知られるスタートアップだ。検索、回答生成、調査支援といった領域でユーザー接点を持つ同社が、オンデバイスのエージェント領域へ進むことは、AIアプリケーション層の拡張として自然な流れといえる。

B2Bの観点では、ハードウェア企業とAIアプリケーション企業の接近は、単なる資本提携以上の意味を持ち得る。高性能チップを売る側にとっては、その性能を実感できる具体的なユースケースが必要になる。AIサービス企業にとっては、モデルを快適に動かす実行環境が重要になる。Portable Computerは、Nvidiaのデスクトップ向けAIハードウェアを、企業や開発者が日常業務で使うエージェント環境に変える試みとも読める。日本企業がこのニュースを見る際には、個別製品の採否だけでなく、AIインフラとAIアプリケーションがより密接に結びつく産業構造の変化として捉えると理解しやすい。

Portable Computerがまず対応するのは、Nvidiaの「DGX Spark」デバイスだ。原文によれば、DGX SparkはBlackwellアーキテクチャに基づくグラフィックスカードを備えたデスクトップコンピュータで、20コアCPUと128GBメモリを搭載して出荷される。BlackwellはNvidiaの新しいGPUアーキテクチャとしてAI処理を重視した設計で知られており、DGX Sparkはこうした演算能力をデスクトップサイズの環境へ持ち込む製品と説明できる。



オンデバイスAIのポイントは、AIモデルの推論処理をクラウド上のサーバーではなく、ユーザーの手元の機器で実行することにある。これにより、通信遅延の低減、外部送信データの抑制、ネットワークに依存しない作業の可能性が生まれる。一方で、手元の機器には処理能力、メモリ容量、発熱、消費電力といった制約がある。クラウド上の巨大なGPUクラスタと同じ前提では設計できないため、モデル選定やプロンプト処理、タスク分割の工夫が重要になる。

Portable Computerは、クラウド版のPerplexity Computerと同様に複数ステップのタスクを扱う設計だ。たとえばWebアプリケーション開発では、要件理解、設計、コード生成、テスト、修正といった工程が発生する。これを一つの巨大なプロンプト応答として処理するのではなく、小さな作業単位に分け、必要に応じてサブエージェントに割り当てる発想は、AIを単なる回答生成機から実務支援ツールへ近づける。企業で利用する場合も、調査、資料作成、コードレビュー、データ前処理のように、段階的な判断が必要な業務との相性が注目される。ただし、完全自動化を前提にするのではなく、人間が確認しながら進める補助エージェントとして導入範囲を見極めることが現実的だ。

Portable Computerは、ローンチ時点でオープンソースの言語モデル「Qwen 3.8 27B」を使ってタスクを自動化する。Qwenは中国のアリババ系のAIモデル群として知られ、オープンソースモデルの選択肢の一つとして開発者コミュニティで利用されている。原文ではさらに、PerplexityがDGX Spark向けに最適化した「PPLX 27B」という派生版もサポートすると説明されている。27Bは一般に約270億パラメータ規模を指し、オンデバイスで扱うには相応のハードウェアが必要になるサイズだ。



同社は、プロンプト処理を高速化するために「マルチトークン予測」と呼ばれる仕組みも加えたという。一般的な言語モデルは次に来るトークンを順に予測して文章を生成するが、マルチトークン予測は複数の候補トークンをまとめて扱うことで処理効率を高める狙いがあると理解できる。原文は詳細な実装までは説明していないため、ここでは速度改善のための技術的工夫として捉えるのが適切だ。

もう一つ重要なのがコンテキスト処理である。Qwen 3.8 27Bは25万6000トークンのコンテキストウィンドウを持つとされる。コンテキストウィンドウとは、モデルが一度に参照できる入力や会話履歴の長さの上限を意味する。ただしPerplexityは実運用上、10万トークンを超えるプロンプトでは処理に苦戦すると判断した。そこでPortable Computerには「コンテキスト圧縮」機能が搭載され、長いプロンプトを要約して10万トークン未満に収める。企業利用では、長い仕様書、議事録、調査資料をAIに読み込ませたい場面が多い。長文をそのまま投入できることだけでなく、重要点を失わずに圧縮できるかが、実務品質を左右するポイントになる。

Portable Computerには、あらかじめ複数の「スキル」が同梱される。原文では、スキルを「指示やその他のアセットを含むファイル群」と説明しており、プロンプト応答の品質を高めるためのものとされている。初期ラインアップは、オンラインリサーチ、データサイエンス、コーディングといった用途に焦点を当てている。これは、企業で生成AIの実務導入が進みやすい領域と重なる。調査の下準備、データ分析の補助、コード生成や修正は、明確な成果物があり、人間によるレビューも組み込みやすいからだ。



同社は、プロンプト応答の正確性を検証する仕組みも追加したとしている。生成AIはもっともらしい誤答を返すことがあり、B2B用途ではこのリスクが大きな課題になる。検証機構の詳細は原文では明かされていないが、少なくともPerplexityがエージェントの出力品質を製品上の重要な論点として扱っていることは分かる。日本企業が導入を検討する場合も、AIが何を生成したかだけでなく、どの根拠に基づいているのか、どの時点で人間が承認するのか、ログや監査証跡をどう残すのかを設計する必要がある。

また、オンデバイスモデルがタスクを完了できない場合、Portable Computerはクラウドベースのニューラルネットワークへ支援を求めることができる。さらにGitHubを含む複数の主要SaaSアプリケーションとも接続できる。ここで注目すべきは、外部ツールへデータを送信する前にユーザー許可を求める点、そして外部ツールにオンデバイスファイルへのアクセスを与えない点だ。オンデバイスとクラウドを組み合わせるハイブリッド型のAIでは、どのデータを外に出すかが運用上の核心になる。便利さと管理性を両立させるには、権限確認、送信範囲の可視化、社内ポリシーとの整合が欠かせない。

原文によれば、Portable Computerには複数のガードレールが組み込まれている。言語モデルが作業に関係のないOS領域へアクセスすることを防ぐサンドボックスを備え、不正なネットワーク接続もブロックするという。AIエージェントは、単に文章を生成するだけでなく、ファイルを読み、ツールを呼び出し、外部サービスと連携する可能性がある。そのため、通常のチャットAIよりも権限管理と実行環境の分離が重要になる。



サンドボックスとは、ソフトウェアを隔離された環境で実行し、許可された範囲外へ影響が及ばないようにする仕組みだ。開発環境やブラウザ、モバイルOSなどでも広く使われる考え方で、AIエージェントにも応用されている。たとえば、コード生成エージェントがローカルファイルを扱う場合、関係のないディレクトリを読み取ったり、意図しないコマンドを実行したりしないよう制御する必要がある。ネットワーク接続の制限も、機密情報の外部送信や不審な通信を防ぐうえで重要だ。

ただし、ガードレールがあることと、企業の要求水準をすべて満たすことは同じではない。日本企業が実運用を考えるなら、データ分類、利用部門ごとの権限、ログ保存、監査、インシデント対応、取引先との契約条件などを含めて評価する必要がある。特に開発部門でGitHub連携を使う場合、リポジトリ権限や秘密情報の取り扱い、生成コードのレビュー責任を明確にしておくべきだ。Portable Computerのような製品は、AIを社内PCに近づけることで利便性を高める一方、端末管理やエンドポイントセキュリティとの連携も重要になる。導入判断では、性能だけでなく運用設計の成熟度が問われる。

Perplexityは今後のアップデートで、Portable Computerの提供範囲をDGX Sparkから、Nvidia RTXグラフィックスカードを搭載したWindowsマシンへ広げる予定だとしている。これは重要な拡張である。DGX Sparkのような専用色の強いAIデスクトップだけでなく、より一般的な高性能Windows PCでも利用できるようになれば、開発者、データ分析担当者、クリエイティブ部門などが試せる範囲は広がる可能性がある。



また、PerplexityはNvidiaが最近リリースした「Nemotron 3.5 Lightning」モデルへの対応も計画している。原文では、これは300億パラメータのMixture of Experts、つまりMoE型アルゴリズムであり、処理能力が限られたデバイス上で動作するよう最適化されていると説明されている。MoEは、モデル内の複数の専門家モジュールのうち、入力に応じて一部を選んで使う考え方のアーキテクチャだ。すべてのパラメータを常に同じように使うのではなく、必要な部分を効率的に使うことで、性能と計算効率のバランスを取る狙いがある。

この流れは、AIエージェントが「巨大クラウドだけで動くもの」から「手元の高性能端末でも動くもの」へ広がる兆しと見ることができる。日本の企業では、すべての社員に高性能GPU搭載PCを配る現実性は高くないかもしれない。しかし、開発部門、研究部門、セキュリティ上クラウド送信に慎重な部署など、限定された領域でオンデバイスAIを試す価値はある。RTX対応が進めば、既存のワークステーション資産を活用した検証もしやすくなる。重要なのは、全社展開を急ぐことではなく、データを外部に出しにくい業務や反復作業が多い業務から、小さく効果を測定することだ。

Portable Computerのニュースから日本企業が得られる示唆は、AIモデルの性能比較だけではない。むしろ、AIエージェントをどこに配置し、どのデータにアクセスさせ、どの外部サービスと連携させるかという設計論が重要になる。クラウドAIは導入が容易で、最新モデルを使いやすい。一方、オンデバイスAIはデータ管理や応答遅延の面で利点があり得るが、端末性能や運用管理の制約を受ける。今後は、この二つを使い分けるハイブリッド設計が現実的な選択肢になっていくだろう。



実務では、まず用途を絞ることが重要だ。オンラインリサーチ、データサイエンス、コーディングのように、Portable Computerが初期スキルとして掲げる領域は、成果物を検証しやすい。たとえば調査では参照元を確認できるか、データ分析では手順と再現性を確認できるか、コーディングではテストとレビューを通せるかが評価軸になる。AIエージェントに業務を丸投げするのではなく、下書き、候補生成、反復作業の短縮といった役割から始めるほうが、リスクを管理しやすい。

もう一つの示唆は、権限設計を後回しにしないことだ。AIエージェントは便利になるほど、ファイル、リポジトリ、SaaS、ネットワークへのアクセスを求める。誰が許可するのか、どの操作は自動実行してよいのか、どの操作は人間の承認が必要なのかを明確にしなければ、導入後に統制が難しくなる。Portable Computerがユーザー許可やサンドボックス、不正ネットワーク接続のブロックを打ち出していることは、AIエージェント市場全体でこの論点が避けられないことを示している。日本企業にとっては、技術検証と同時に、情報システム部門、法務、セキュリティ、現場部門が共同でルールを作ることが、生成AI活用を次の段階へ進める条件になる。