پرپلکسیتی با Hybrid Compute حریم خصوصی هوش مصنوعی را وارد مک می‌کند

چکیده. شرکت پرپلکسیتی از ویژگی Hybrid Compute برای دستیار هوشمند Computer رونمایی کرد؛ فناوری‌ای که کار را میان مدل‌های ابری و مدل‌های محلی روی مک تقسیم می‌کند تا اطلاعات محرمانه هرگز به سرورهای بیرونی ارسال نشود. این قابلیت با یک طبقه‌بند به نام Privacy Gate، اطلاعات هویتی را پیش از هر ارسال شناسایی می‌کند و برای شرکت‌های حقوقی، مالی و مشاوره‌ای طراحی شده است.

۱. پرپلکسیتی چه چیزی معرفی کرد؟

پرپلکسیتی از قابلیت تازه‌ای به نام Hybrid Compute رونمایی کرده که مستقیماً دستیار هوشمند Computer را هدف گرفته است. این ویژگی اجازه می‌دهد یک عامل هوش مصنوعی واحد، کار را میان مدل‌های ابری قدرتمند و مدل‌های کوچک‌تری که مستقیم روی مک کاربر اجرا می‌شوند تقسیم کند. نتیجه، تجربه‌ای یکپارچه است که در آن داده‌های حساس هرگز از دستگاه خارج نمی‌شوند، بدون آنکه کاربر مجبور شود ابزار یا پنجره عوض کند یا کار را از نو شروع کند.

شرکت این قابلیت را برای مشترکان پلن‌های Pro، Max و Enterprise در دسترس قرار داده و آن را پاسخی مستقیم به یکی از بزرگ‌ترین موانع پذیرش هوش مصنوعی در سازمان‌ها معرفی می‌کند: بی‌میلی شرکت‌ها برای فرستادن داده‌های ارزشمند و محرمانه به سرورهای بیرونی. اگر می‌خواهید با مفهوم گسترده‌تر هوش مصنوعی در محیط کسب‌وکار آشنا شوید، این مقاله درباره‌ی اهمیت هوش مصنوعی در کسب‌وکار را هم بخوانید.

۲. معماری فنی: چطور کار میان ابر و دستگاه تقسیم می‌شود؟

در قلب این معماری، یک هماهنگ‌کننده‌ی ابری قرار دارد که نقش یک مسیریاب هوشمند را بازی می‌کند. وقتی کاربر درخواستی می‌دهد، مدل ابری آن را به زیرکارهای کوچک‌تر تقسیم می‌کند و هرکدام را به مکان مناسب می‌فرستد. پژوهش وب، برنامه‌ریزی و استدلال‌های چندمرحله‌ای در ابر انجام می‌شود، اما هر بخشی که به فایل‌های شخصی یا اطلاعات محرمانه مربوط باشد، به یک زیرعامل محلی روی مک واگذار می‌شود.

نقش Privacy Gate

پیش از هر ارسال داده به ابر، یک طبقه‌بند به نام Privacy Gate که کاملاً روی دستگاه اجرا می‌شود، اطلاعات هویتی مانند نام، آدرس و شماره حساب را شناسایی می‌کند. اگر بخشی از داده حساس تشخیص داده شود، سیستم یا آن را می‌پوشاند، یا اجازه‌ی ارسال را از کاربر می‌گیرد، یا اصلاً از انجام آن اقدام سر باز می‌زند. اجرای محلی همچنین هیچ توکن ابری مصرف نمی‌کند و صرفاً هماهنگ‌سازی در ابر هزینه دارد.

۳. چه سخت‌افزار و مدل‌هایی لازم است؟

برای استفاده از Hybrid Compute، کاربر باید یک مک مبتنی بر پردازنده‌ی اپل سیلیکون با macOS نسخه‌ی ۱۵ به بالا و حداقل ۲۴ گیگابایت حافظه‌ی یکپارچه داشته باشد؛ هرچند شرکت برای عملکرد روان‌تر ۳۲ گیگابایت یا بیشتر را توصیه می‌کند و هشدار می‌دهد کوچک‌ترین مدل در حافظه‌ی کمتر، افت محسوس عملکرد دارد. سه مدل محلی برای انتخاب در دسترس‌اند: Gemma 4 در نسخه‌ی E4B از گوگل، Qwen3.6 با معماری ۳۵ میلیارد پارامتری، و یک مدل اختصاصی خود پرپلکسیتی.

کاربران با یک کلیک مدل دلخواه را دانلود می‌کنند و سپس از انتخابگر مدل، حالت «ترکیبی» را فعال می‌کنند تا مشخص کنند کدام بخش از کار روی ابر و کدام بخش روی دستگاه انجام شود. فعلاً این قابلیت فقط روی مک در دسترس است و پشتیبانی از ویندوز و لینوکس به تعویق افتاده است؛ موضوعی که برای کاربران ویندوز، دست‌کم در کوتاه‌مدت، دلسردکننده خواهد بود.

نکته‌ی جالب این است که مصرف منابع محلی رایگان است؛ یعنی وقتی مدل روی مک کاربر کار می‌کند، هیچ توکن ابری مصرف نمی‌شود و هزینه‌ای هم از اعتبار حساب کاربر کم نمی‌شود. تنها بخشی که از حساب کاربر هزینه می‌کشد، همان هماهنگ‌سازی و پردازش در ابر است. این مدل هزینه‌ای می‌تواند برای کاربران پرمصرف، صرفه‌جویی محسوسی هم به همراه داشته باشد، چرا که بخش قابل‌توجهی از کار روزمره‌ی بسیاری از کاربران، در واقع نیازی به قدرت کامل مدل‌های فرامرزی ابری ندارد.

۴. چرا شرکت‌های حقوقی و مالی اولین مشتری‌اند؟

کاربردهای معرفی‌شده در رونمایی این قابلیت دامنه‌ی گسترده‌ای دارند. وکیلی که در حال ویرایش یک لایحه‌ی محرمانه است می‌تواند هم‌زمان از عامل بخواهد رأی‌های قضایی عمومی مرتبط را از وب جمع‌آوری کند، بدون آنکه متن لایحه از دستگاهش خارج شود. یک تحلیل‌گر سرمایه‌گذاری خصوصی می‌تواند در یک وظیفه‌ی چهل‌دقیقه‌ای، پیش‌بینی‌های مالی محرمانه‌ی یک معامله را با داده‌های عمومی رقبا ترکیب کند. حتی صاحب یک فروشگاه کوچک می‌تواند از راه دور و با آیفون، به داده‌های مشتریان روی مک خانه دسترسی بگیرد در حالی که عامل هوش مصنوعی هم‌زمان تحقیقات رقبا را در ابر پیش می‌برد.

شرکت برای تیم‌های انطباق و حقوقی، امکاناتی مانند سیاست‌های حساسیت داده در سطح سازمان و گزارش حسابرسی در سطح دستگاه هم فراهم کرده است؛ ویژگی‌هایی که به‌ویژه برای صنایعی مانند حقوق، مالی و درمان اهمیت دارند. مدیران فناوری اطلاعات در این سازمان‌ها اکنون می‌توانند تعیین کنند کدام دسته از داده‌ها اصلاً اجازه‌ی ترک دستگاه را ندارند، و کدام دسته با تأیید صریح کاربر قابل ارسال به ابر هستند؛ سطحی از کنترل که تا پیش از این در ابزارهای هوش مصنوعی مصرفی کمتر دیده می‌شد.

این رویکرد در واقع بازتابی از یک روند بزرگ‌تر در صنعت هوش مصنوعی سازمانی است: شرکت‌ها دیگر صرفاً به دنبال قدرتمندترین مدل نیستند، بلکه می‌خواهند بدانند داده‌هایشان دقیقاً کجا پردازش می‌شود، چه کسی به آن دسترسی دارد و چه ردی از آن باقی می‌ماند. برای کسب‌وکارهایی که هنوز تصمیم نگرفته‌اند چطور از هوش مصنوعی در فرایندهای روزمره‌شان استفاده کنند، آشنایی با اصول درست پرامپت‌نویسی و انتخاب ابزار مناسب می‌تواند نقطه‌ی شروع خوبی باشد.

۵. نگرانی‌های امنیتی: حضور یک مدل چینی در فهرست

حضور مدل چینی Qwen در کنار Gemma گوگل در فهرست مدل‌های محلی، پرسش‌هایی درباره‌ی امنیت داده در محیط‌های سازمانی ایجاد کرده است. پرپلکسیتی تأکید می‌کند که چون مدل به‌طور کامل روی دستگاه کاربر اجرا می‌شود، هیچ داده‌ای به بیرون ارسال نمی‌شود و سندباکس سیستم‌عامل مک نیز از اقدامات غیرمجاز جلوگیری می‌کند. با این حال، کارشناسان امنیتی هشدار می‌دهند طبقه‌بندهای خودکار مانند Privacy Gate همیشه بی‌نقص نیستند و احتمال خطای تشخیص و نشت داده در موارد نادر همچنان وجود دارد. اگر به چالش‌های امنیتی و محدودیت‌های واقعی فناوری‌های هوش مصنوعی علاقه‌مندید، این تحلیل درباره‌ی محدودیت‌های واقعی هوش مصنوعی را از دست ندهید.

۶. جایگاه پرپلکسیتی در رقابت با غول‌های هوش مصنوعی

این اقدام برای شرکتی که تا امروز بیشتر با مرورگر هوشمند Comet و پلتفرم عامل‌محور Computer شناخته می‌شد، معنادار است. پیش‌تر پرپلکسیتی با معرفی نسخه‌ای کاملاً محلی روی سخت‌افزار انویدیا DGX Spark، مسیر «همه‌چیز روی دستگاه» را امتحان کرده بود؛ اما Hybrid Compute رویکردی متفاوت دارد: نه قطع کامل از ابر، بلکه تقسیم هوشمند کار میان ابر و دستگاه، بسته به حساسیت داده. تحلیلگران بازار، «محاسبات ترکیبی» را یکی از روندهای راهبردی مهم صنعت فناوری می‌دانند، دقیقاً به این دلیل که مشکل حکمرانی داده، یکی از موانع اصلی سازمان‌ها برای بهره‌گیری کامل از هوش مصنوعی بوده است.

پرپلکسیتی خودش را نه یک سازنده‌ی مدل، بلکه یک لایه‌ی هماهنگ‌کننده روی مدل‌های مختلف معرفی می‌کند؛ رویکردی که به آن اجازه می‌دهد از پیشرفت هر مدلی، چه ابری و چه محلی، بهره ببرد. ارزش این شرکت از ۵۲۰ میلیون دلار در ژانویه‌ی ۲۰۲۴ تا حدود ۲۰ میلیارد دلار در سپتامبر ۲۰۲۵ رشد کرده، مسیری که با عرضه‌ی مرورگر Comet در تابستان ۲۰۲۵ و پلتفرم Computer در بهار ۲۰۲۶ همراه بوده است. برای آشنایی بیشتر با اکوسیستم شرکت‌های بزرگ هوش مصنوعی، این مقاله درباره‌ی اوپن‌ای‌آی نگاه خوبی به رقبای این عرصه می‌دهد.

۷. واکنش بازار و تحلیلگران

مؤسسه‌های تحلیل بازار فناوری، «محاسبات ترکیبی» یا Hybrid Compute را از مدتی پیش یکی از روندهای راهبردی سال در صنعت نرم‌افزار سازمانی معرفی کرده بودند، اما تا پیش از این اقدام پرپلکسیتی، کمتر شرکتی آن را در قالب یک محصول واقعی و در دسترس عموم عرضه کرده بود. بسیاری از تیم‌های فناوری اطلاعات در شرکت‌های بزرگ، سال‌هاست با یک تناقض دست‌وپنجه نرم می‌کنند: دقیقاً همان داده‌هایی که بیشترین ارزش را برای هوش مصنوعی دارند، حساس‌ترین و پرریسک‌ترین داده‌ها برای ارسال به سرورهای بیرونی هم هستند. رویکرد پرپلکسیتی تلاشی است برای حل این تناقض بدون فدا کردن قدرت مدل‌های ابری.

در همین حال، رقبای بزرگ‌تر پرپلکسیتی از جمله اوپن‌ای‌آی، گوگل و آنتروپیک هرکدام مسیر متفاوتی برای این موضوع در پیش گرفته‌اند؛ برخی روی رمزنگاری و محاسبات امن در ابر تمرکز کرده‌اند و برخی دیگر روی نسخه‌های سبک‌تر مدل‌ها برای اجرای محلی. تفاوت پرپلکسیتی در این است که به‌جای انتخاب یکی از این دو مسیر، هر دو را در یک تجربه‌ی واحد و بدون درز ترکیب کرده است؛ رویکردی که اگر در عمل هم به همان اندازه که در تبلیغات نوید داده شده کار کند، می‌تواند الگویی برای رقبا هم باشد. برای دنبال‌کردن این‌گونه رقابت‌ها میان شرکت‌های بزرگ، صفحه‌ی اخبار روز هوش مصنوعی در سایت ما به‌روزرسانی می‌شود.

۸. چطور می‌توان از این ابزارها به‌درستی استفاده کرد؟

برای کاربرانی که می‌خواهند از ابزارهای هوش مصنوعی، چه محلی و چه ابری، نهایت بهره را ببرند، نوشتن درخواست دقیق و روشن اهمیت زیادی دارد؛ به‌خصوص وقتی بخشی از کار به یک مدل کوچک‌تر محلی سپرده می‌شود که توان استدلال محدودتری دارد. راهنمای نوشتن پرامپت برای مبتدیان نقطه‌ی شروع خوبی برای یادگیری این مهارت است. همچنین آشنایی با تفاوت میان توسعه‌دهنده‌ای که واقعاً مهندسی می‌کند و کسی که صرفاً از هوش مصنوعی کپی می‌کند، در این مقاله به‌خوبی باز شده است.

محدودیت‌های فعلی

این فناوری هنوز چند محدودیت مهم دارد: پشتیبانی از ویندوز و لینوکس در دسترس نیست، کوچک‌ترین مدل محلی عملکرد به‌مراتب ضعیف‌تری نسبت به مدل‌های ابری دارد، و کاربران باید به یک سیستم هوش مصنوعی اعتماد کنند تا تصمیم بگیرد چه داده‌ای در اختیار سیستم دیگری قرار گیرد. علاوه بر این، پرپلکسیتی این روزها با یک دعوای حقوقی درباره‌ی جمع‌آوری داده از ردیت هم دست‌وپنجه نرم می‌کند که فشار بیشتری بر اعتبار شرکت وارد کرده است.

۹. پرسش‌های متداول

آیا Hybrid Compute رایگان است؟ این قابلیت فقط برای مشترکان پلن‌های Pro، Max و Enterprise پرپلکسیتی در دسترس است و هزینه‌ی جداگانه‌ای ندارد.

آیا داده‌های محلی هرگز به ابر ارسال می‌شوند؟ طبق ادعای شرکت، بخشی که به‌عنوان محلی مشخص شود فقط روی دستگاه پردازش می‌شود، مگر آنکه کاربر صراحتاً اجازه‌ی ارسال بخشی از آن را بدهد.

آیا این قابلیت روی ویندوز هم کار می‌کند؟ در حال حاضر خیر؛ Hybrid Compute فقط برای مک‌های مبتنی بر پردازنده‌ی اپل سیلیکون عرضه شده است.