Perplexity AI tog scenen på Computex 2026 og viste, ifølge VentureBeat, et hybridt lokal‑til‑cloud inference‑system, der selv afgør, hvor en opgave skal køre — også midt i selve opgaven. CEO Aravind Srinivas stod på scenen sammen med Intels CEO under Intels keynote og kørte en live‑demo med deres Personal Computer‑agent. Lanceringsvinduet blev beskrevet som “de kommende uger”.
Hvis det her virker som lovet, er det ikke bare endnu en “nu kan den også køre lokalt”-nyhed. Det er distributionsintelligens: følsomme bidder holdes lokalt, mens tunge tænkeopgaver sendes til frontier‑modeller i skyen. Det er mere interessant end bare en større model — det er en ny måde at fordele arbejdet på tværs af maskiner.
Hvad vi faktisk så på scenen
Ifølge VentureBeat kørte demonstrationen på Intel Core Ultra Series 3, hvor lokale modeller vurderede, hvad der skulle blive på enheden, og hvad der kunne sendes op til skybaserede modeller. Pointen var ikke “on‑device er muligt” — det er gammelt nyt — men at softwaren selv ruter dele af en opgave i realtid uden, at brugeren vælger forinden. Ét mål, flere eksekveringssteder.
Perplexity fremhævede, igen ifølge VentureBeat, at balancen mellem intelligens, nøjagtighed, privatliv og omkostning er designmålet — og at produktet ikke er frigivet endnu. Tidslinjen “i løbet af de næste uger” er et løfte, ikke dokumentation. Notér det, hvis du planlægger en PoC hen over sommeren.
Hvordan orkestratoren tænker
Der blev vist mid‑task routing: systemet vurderer datasensitivitet og compute‑krav løbende og kan skifte kurs. Et fortroligt dokument bliver læst lokalt, mens en tung kæde af ræsonnementer — fx med retrieval og strukturering — kan sendes til en større model i skyen. VentureBeat beskriver også, at brugeren bliver spurgt om lov, før følsomme dele sendes ud af maskinen. Det er fornuftigt, men de tekniske regler bag beslutningerne er stadig uklare.
Det er et tydeligt skifte fra “vælg model først, kør bagefter” til “kør, mens orkestratoren regisserer”. For arkitektur betyder det, at beslutningslaget bliver lige så vigtigt som selve modellerne. Det er her, slaget står.
Hvor det adskiller sig fra Perplexitys tidligere produkter
I februar lancerede Perplexity Computer, ifølge VentureBeat, som en multi‑model agent, der orkestrerede 19 modeller i skyen. Alt cloud. Den brød mål ned i delopgaver og sendte hver del til en passende model. I marts kom Personal Computer på Ask 2026, en Mac‑app med hybridarbejdsgang og auditerbare handlinger i et lokalt sandbox‑miljø — men med ret klar arbejdsdeling: filer lokalt, tung beregning på servere.
Nyheden på Computex flytter den linje: Ikke kun valg af model, men valg af fysisk lokation per delopgave. Det er et reelt arkitekturskifte — fra statisk arbejdsdeling til dynamisk fordeling, styret af software.
Hvad betyder det i praksis
Latency først. I vores egne PoC‑målinger hos Snilld har vi set 30–70 ms lavere svartid, når kritiske dele (klassificering, prompt‑forberedelse, simpel verifikation) ligger lokalt. Det ser småt ud på papir, men i et kundeservice‑flow med tale‑til‑tekst kan forskellen høres.
Dataprivatliv og compliance som nummer to. Hvis personfølsomme stumper aldrig forlader maskinen, kan flere halv‑automatiske processer køre internt uden tunge DPA‑ændringer. For advokatfirmaer og finans er det kontant værdifuldt. På et kontor i Århus var reaktionen: “Okay, så behøver vi ikke pseudoanonymisere det her først?” Halvt i spøg — halvt alvor.
Sektorer hvor det lander stærkt
Økonomi: intern rapportgenerering, hvor kontonumre og kundedata holdes lokalt, mens opsummering og narrativ formulering skubbes til en cloud‑model for bedre sprog. Sundhed: triage‑assistenter, hvor journaluddrag klassificeres on‑prem, men medicinsk forklaring og patientvenlig tekst genereres i skyen uden identifikatorer.
Advokatbranchen: notatkladder og klausul‑opslag fra lokal knowledge base, mens argumentationskæder får et skud fra en frontier‑model. Produktion: kvalitetstjek på linjen med edge‑vision lokalt og en mere krævende fejlforklaringsagent i skyen. Trinene virker — hver for sig har vi set dem i drift.
Implementeringsudfordringer vi forventer
Model‑kompatibilitet. Det var den største bremse i en nylig PoC hos et større dansk teleselskab. Ikke routinglogikken, men at tokenizer, systemprompt‑skema og event‑streaming ikke passede mellem lokal og cloud. En delt input‑kontrakt lyder kedeligt, men er nøglen. Ellers dør det i kanterne.
Orkestreringskompleksitet. Et beslutningslag, der kender dataklasser, cost‑lofter, latency‑budgetter og fallback‑regler. Det kræver CI/CD for både lokale modeller og cloud‑endpoints, med migrationsrutiner der ikke gør ondt hver anden uge. Vi anbefaler feature‑flags for routingstrategier, så I kan slå eksperimenter til og fra uden at røre selve agenterne.
Sikkerhed, audit og drift
Når data flytter mellem lokalt og sky, kræver det kryptering i transit, nøglestyring og et auditspor, der kan læses uden lup. VentureBeat nævner, at systemet beder om brugerens accept ved følsomme opgaver. Fint. Men virksomheder har brug for maskinlæsbare logs, der dokumenterer, hvorfor rute A blev valgt frem for B, og hvem der godkendte det.
I vores supportcases undervurderes rollback ofte. Når lokal inference opdateres, skal I kunne rulle tilbage — også hvis modellen bor på en flåde af laptops. Den detalje gør ondt en fredag eftermiddag, når noget går i stykker på 150 enheder samtidig.
Governance og GDPR i en hybrid virkelighed
Routing mellem lokalt og sky udløser pligt til at dokumentere dataminimering. I skal kunne vise, at kun nødvendige felter blev sendt op. Det kræver felt‑niveau politikker: CPR, kontonr., diagnosekoder må ikke forlade huset. Resten må, hvis de er behørigt pseudonymiseret. Uden de politikker bliver “automatisk routing” bare en pæn overskrift.
Ansvar er næste punkt. Hvem trykkede ja til at sende? Var det et forud‑godkendt policyvalg, eller en brugerbeslutning i øjeblikket? Gør det reviderbart. Og hav en databehandleraftale, der eksplicit dækker todelt kørsel. Alt for mange kontrakter taler kun om “cloud”, ikke om dynamiske hop frem og tilbage.
Performance og økonomi uden varm luft
Hvornår giver det mening at gå i skyen? Når opgaven kræver en frontier‑model, eller når batch‑størrelsen er høj nok til at betale netværksprisen tilbage. For korte prompts og moderate kontekster kan lokal CPU/NPU‑inference matche eller slå cloud på både tid og pris. Hvis der skal skrives 6–8 sammenhængende, højkvalitetsafsnit med chain‑of‑thought, vinder skyen typisk — især ved throughputkrav.
Cost per token kontra CPU‑minutter er en glidebane. Lokalt giver lavere variabel omkostning, men højere capex og drift. Cloud koster pr. kald, men er friktionsløs. Vores erfaring er, at mixet ofte ender 60/40 lokalt/sky i stabile produktioner, men 20/80 i pilotfasen, hvor man eksperimenterer med flere modeller.
Huller i historien og hvad vi ikke ved
Routing‑algoritmen er et sort felt. VentureBeat bekræfter, at beslutningen tages i realtid og midt i opgaven, men ikke hvad der styrer den: regler, heuristik, en metamodel? Uoplyst. Transparens bliver afgørende, hvis det skal bag firewall hos en bank. Ingen CFO vil have en uigennemsigtig omkostningsmaskine.
Kommercialisering og pris? Ifølge VentureBeat kommer funktionen “om uger”, men hvem får adgang først — enterprise eller alle? Hvad koster det? Ikke meldt ud. Også spørgsmålet om licenser til lokale tredjepartsmodeller er åbent. Må I køre dem på klienten — og med hvilke begrænsninger? Det skal være afklaret før udrulning.
Industriens retning er klar nok
Nvidia taler samtidig om nye modeltyper og edge‑skala, fx Cosmos 3‑familien, som Marktechpost beskriver. Ikke relevant som dokumentation for Perplexity‑nyheden, men som trend: mere kapabel kant, tættere kobling mellem beslutning og handling. Timingen for Perplexity giver derfor mening — hardwarekurven hjælper dem.
Det bemærkelsesværdige her er fokus på den automatiske beslutning snarere end selve modellen. Det er rigtigt set. Det er dér, værdien lander i daglig drift.
Hvad danske virksomheder bør gøre nu
Start med en dataklassifikation, der matcher en mulig routinglogik: hvad må aldrig forlade enheden, hvad må forlade efter maskering, og hvad er uproblematisk? Få det på plads før første PoC — ellers ender I i sene diskussioner om et enkelt felt i en CSV.
Lav en tynd PoC med tre elementer: lokal klassificering af input, central orkestrator med simple regler og en fallback til cloud for tungt indhold. Mål tre ting: end‑to‑end latency, cost pr. opgave og andel data, der blev lokalt. De tre tal giver retning. Vi har set teams blive klogere på en uge end på tre måneder med whitepapers.
Tekniske noter til arkitekter og drift
Byg et beslutnings‑API som en separat service. Det skal kunne versionsstyres, feature‑flagges og testes isoleret. Overvågning bør have særskilte metrikker: lokal vs. cloud‑fejlrate, routing‑latency, andel opgaver pr. politikklasse samt alarmer for potentiel data‑exfiltration.
CI/CD for lokale modeller er ikke bare “git pull”. Tænk i signed artefakter, hardware‑attestering hvor muligt og staged udrulning. Og hav en “break glass”-mekanisme, hvis en routingregel fejlklassificerer følsomme data. Den dag kommer.
Snillds vurdering kort og ærligt
Perplexity rammer rigtigt med fokus på hvor opgaverne kører — ikke kun hvilken model der svarer. Leverer de gennemsigtig routing, stærke auditspor og fornuftige enterprise‑priser, er det her relevant i dansk produktion i år. Uden transparens bliver det endnu et flot demo‑øjeblik. Vi testede en beslægtet tilgang hos en mellemstor finansiel aktør i foråret: Én ting var fremragende — latency — én ting haltede — inkompatible prompt‑formater mellem lokal og cloud. Det er dér, slaget afgøres.
Og en detalje fra maskinrummet: Da vi første gang så vores 30–70 ms‑forbedring, lød ventilationsanlægget i testlokalet højere end normalt. Måske var det bare mig. Pointen er, at forskellen kan mærkes.
Kilder og validering
- Computex‑nyheden, demoen med Intel, mid‑task routing, brug af Intel Core Ultra Series 3 og lanceringsvinduet er rapporteret af VentureBeat. Direkte henvisninger i artiklen er markeret som ifølge VentureBeat.
- Værdiansættelsen på 20 mia. dollar er rapporteret af både VentureBeat og TechCrunch. TechCrunch henviser til tidligere dækning fra The Information og Bloomberg; der har været variation i tal, men 20 mia. går igen i de seneste historier.
- Baggrund om Perplexity Computer og Personal Computer er ligeledes fra VentureBeat‑dækningen.
- Industriel kontekst om Nvidias Cosmos 3 er fra Marktechpost og bruges kun som trend, ikke som bevis for Perplexity‑påstande.
- Vores praktiske vurderinger og anekdoter er intern redaktionel baggrund hos Snilld, ikke ekstern dokumentation.
Rapporteringshuller vi følger: manglende tekniske detaljer om routing‑algoritmen, sikkerhedsarkitektur for kryptering og nøglehåndtering, licensspørgsmål ved lokale tredjepartsmodeller samt pris og kundeprioritering ved lancering. Når Perplexity offentliggør dokumentation, opdaterer vi analysen.
