--- title: "- 花旗于2026年9月9日在纽约全球TMT大会上与Perplexity首席商务官Dmitry Shevelenko进行了炉火对谈。核心观点包括：(1) Per" topic_id: 22258815518585551 created_at: 2026-09-10T08:35:41.444+0800 source: zsxq type: topic cssclasses: zsxq-vault --- # - 花旗于2026年9月9日在纽约全球TMT大会上与Perplexity首席商务官Dmitry Shevelenko进行了炉火对谈。核心观点包括：(1) Per - 序号：427 - 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/22258815518585551) - 附件：图片 0，音频 0，文档 0 - 音频文件：_无音频_ ## 图片 _无图片_ ## 正文 - 花旗于2026年9月9日在纽约全球TMT大会上与Perplexity首席商务官Dmitry Shevelenko进行了炉火对谈。核心观点包括：(1) Perplexity坚持模型中立的产品策略，通过"Computer"编排层将任务路由到最合适的模型，定位为"AI界的瑞士"；(2) AI代理增长主要由小企业和新企业创立驱动，电商场景仍以研究为主而非自动完成购买；(3) 可移植和混合计算能够创造复合数据优势，本地部署可对冲数据中心稀缺和推理成本上涨风险；(4) AI支出从按token付费转向以电力成本为主，有望支持持续不间断的代理活动。 花旗于2026年9月9日在纽约举办的全球科技、媒体与电信（TMT）大会上，与AI搜索初创公司Perplexity的首席商务官Dmitry Shevelenko进行了一场深度炉火对谈。报告聚焦于Perplexity的、如何创造复合数据优势、降低推理成本与隐私约束。 一、产品定位：模型中立与"Computer"编排层 Perplexity的核心产品方向围绕三个关键词：、。 ：Perplexity Computer充当编排层，抽象了底层指令的复杂性，利用可用的用户上下文，并将每个任务或子任务路由到最合适的模型。 ：无论选择哪个模型，Perplexity都能捕获相同的价值，因此这种中立定位建立了用户信赖。 ：虽然Perplexity正在与少量试点客户探索其Router API，但Shevelenko认为大多数企业从Computer的全包方案中获得更大价值——该方案提供端到端成果，并支持本地或混合部署，无需客户自行重建应用堆栈。 二、代理商务：由小企业驱动，加速新企业形成 AI代理（Agent）的采用正快速增长，但驱动模式具有鲜明特征： ：个体创业者和5人以下小企业的采用速度最快，部分用户每年在计算资源上的支出达到，用于部署数字同事，涵盖销售、营销、运营和客户获取等环节。 ：Shevelenko认为AI使更多企业能够以更少员工运营，包括电商企业和独立专业从业者，这些业务传统上需要更大团队。 ：尽管竞争加剧，Perplexity的收入今年已增长超过三倍。Shevelenko预计购物代理将创造最大价值的方式是，而非自主完成购买。 ：通过已验证、已完成的Computer任务中的专有数据对开放模型进行后训练，显著改善模型性能，形成。 三、可移植与混合计算：对冲数据中心稀缺与成本风险 这是报告中一个重要的前瞻性议题： ：在本地Nvidia GPU上运行Computer，将组织数据保留在本地。 ：Shevelenko认为对大多数企业而言，**最大化上下文（context）**比模型智能的边际差异更为重要。 ：AI支出从按token推理成本为主转向，这一转变： 消除了使用约束 支持持续代理活动 对冲推理成本上涨和云端容量限制 ：Shevelenko将本地计算视为对的对冲，使企业能够安全使用其全部组织上下文，而不受增量token成本或额外云容量可用性的约束。 本报告为，并非针对Perplexity（未上市）的投资评级报告，也不包含针对上市公司的评级调整或目标价变动。花旗分析师团队包括Heath Terry、Shelby Spencer、Ashley Kim和Janna Withrow，主要分享了行业前沿洞察而非具体投资建议。投资者可将此作为，关注模型编排、代理商务和本地/混合计算三大主题的长期投资机会。 **AI代理采用速度的不确定性——虽然小企业采用率快速增长，但大企业的全面部署仍面临数据安全、监管合规等挑战。 **数据中心容量风险——若AI算力需求持续超出供应，本地/混合计算可能成为更主流的解决方案，但当前技术成熟度仍有限。 **推理成本波动——模型效率和定价的快速变化可能影响AI代理的盈利能力。 **竞争加剧——AI搜索和代理领域竞争激烈，Perplexity的收入增长能否持续存在不确定性。 **监管不确定性——AI驱动的自主代理在数据使用、决策透明度等方面可能面临监管挑战。 **后训练数据优势的可复制性——其他企业可能通过类似方法缩小差距。 ## 总体总结 主题正文 1. 核心观点包括：(1) Perplexity坚持模型中立的产品策略，通过"Computer"编排层将任务路由到最合适的模型，定位为"AI界的瑞士"； 2. (2) AI代理增长主要由小企业和新企业创立驱动，电商场景仍以研究为主而非自动完成购买； 3. (3) 可移植和混合计算能够创造复合数据优势，本地部署可对冲数据中心稀缺和推理成本上涨风险； 4. 花旗于2026年9月9日在纽约举办的全球科技、媒体与电信（TMT）大会上，与AI搜索初创公司Perplexity的首席商务官Dmitry Shevelenko进行了一场深度炉火对谈。 5. ：虽然Perplexity正在与少量试点客户探索其Router API，但Shevelenko认为大多数企业从Computer的全包方案中获得更大价值——该方案提供端到端成果，并支持本地或混合部署，无需客户自行重建应用堆栈。 6. 花旗分析师团队包括Heath Terry、Shelby Spencer、Ashley Kim和Janna Withrow，主要分享了行业前沿洞察而非具体投资建议。 7. 投资者可将此作为，关注模型编排、代理商务和本地/混合计算三大主题的长期投资机会。 8. **数据中心容量风险——若AI算力需求持续超出供应，本地/混合计算可能成为更主流的解决方案，但当前技术成熟度仍有限。