三個月前，有位上市公司的 HR 在培訓課後問我：「阿峰老師，Perplexity 那個 AI 搜尋，不是快被 Google 幹掉了嗎？」
我沒有直接回答，反問她：「你上次用 Perplexity 是什麼時候？」
她想了想：「好像…去年吧？」
這個對話讓我想了很久。很多人對 AI 工具的印象，停留在一年前看到的某篇文章，或者某次朋友無意間的評論。但 AI 領域的一年，等於其他行業的五年。
Perplexity 在 2025 年確實處境艱難。Google 推出 AI Overviews，把 AI 回答直接塞進搜尋結果最上方；OpenAI 整合了 SearchGPT；Anthropic 的 Claude 也在吃 AI 資訊查詢的市場。分析師幾乎一面倒認為，在三巨頭的夾殺下，小型 AI 搜尋公司活不過 2025。
然後 2026 年的數字出來了。
| 指標 | 數字 | 說明 |
|---|---|---|
| 估值 | 210 億美元 | 2026 年初 Series E-6 融資後 |
| 月活使用者 | 3300 萬+ | 兩年內翻倍 |
| 2026 年營收目標 | 6.56 億美元 | 較 2025 年成長 230% |
這不是「沒被幹掉」的僥倖存活。這是真正意義上的逆勢成長。
更讓人意外的是，它選擇的每一條路，當初幾乎所有人都說行不通。
三個讓它活下來的關鍵決策
1. 從搜尋工具變成 AI 編排層
大多數人對 Perplexity 的印象，是「會直接回答問題的 Google」。但它在 2025 年底悄悄做了一件大事，讓它跟其他 AI 搜尋工具走上完全不同的路。
它的 Computer for Enterprise 不再綁定單一模型。它同時串接了 Claude Opus 4.6、GPT-5.2、Gemini、Grok 等 20 個以上的 AI 模型，根據問題的性質自動決定哪個模型來回答。
法律問題，交給最擅長長文分析的模型。程式問題，交給最擅長寫程式的模型。市場研究，交給最擅長網路搜尋的模型。整合多個資料來源的問題，交給最擅長摘要的模型。
換句話說：它不跟任何一家 AI 公司競爭，它把所有 AI 公司變成了自己的供應商。
這個邏輯讓我想到一個在培訓課上每次都會被問到的問題。我帶過超過 400 家企業做 AI 培訓，幾乎每次課後問答，都有老闆問：「ChatGPT 跟 Claude 哪個比較好？」
我每次都說：這個問題問錯了。
應該問的是：「哪個任務適合哪個模型？」
Perplexity 把這個選擇自動化了。企業不需要在訂閱哪家之間糾結，不需要訓練員工記住哪種任務用哪個工具，也不需要為了讓大家都能存取某個模型而管理複雜的帳號系統。它幫你做這個判斷。
這是一個典型的「不跟強者正面競爭，改為整合強者」的策略。在每個垂直領域都有巨人的時代，做整合層，往往比做另一個巨人更有機會。
2. 放棄廣告，押注信任
2026 年 2 月，Perplexity 宣布放棄廣告模式，改為純訂閱制。
這個決定在當時幾乎被市場一致嘲諷。廣告不是所有網路公司的生命線嗎？Google 和 Meta 靠廣告賺了幾千億，憑什麼覺得訂閱制行得通？
但創辦人 Aravind Srinivas 說了一句讓我覺得很有力道的話：
「AI 回答裡面插廣告，等於告訴使用者你的回答不值得信任。」
想一個具體的場景。你在 Perplexity 上查某個藥物的副作用，AI 給了你一個詳細的回答。但旁邊出現了某家藥廠的廣告。
你還信任這個回答嗎？
或者更直接：你在問某個法律問題，Perplexity 推薦的律師剛好是買了廣告的那位——你怎麼看這個建議的客觀性？
廣告和 AI 回答的可信度，天然對立。這在一般搜尋引擎上已經造成了很多問題，在 AI 這個「以直接回答為賣點」的場景裡，問題會被放大十倍。
Perplexity 選擇了信任。
現在的 Perplexity Pro 是每月 20 美元的訂閱制。這個金額不便宜，但也沒有高到不合理。更重要的是，這個定價模式篩掉了只是來隨便試試的人，留下真的需要它的人。
在 AI 工具競爭日趨激烈的 2026 年，有一群人願意每個月付錢，比有一千萬個隨機訪客更有價值。
3. 企業市場才是真正的金礦
個人用戶市場上，Perplexity 面對的是 Google、OpenAI 和 Anthropic 各家都在拼命砸錢的戰場。但在企業市場，故事不一樣。
2026 年它同時推出三條企業產品線：
Comet Enterprise（AI 原生企業瀏覽器）：不只是一個瀏覽器，而是整合了 AI 分析能力的工作平台。員工在瀏覽競爭對手網站、閱讀產業報告的同時，就能取得 AI 即時摘要和分析，不需要另開視窗或手動貼上。
Computer for Enterprise（多模型 AI Agent）：前面提到的 20 模型編排系統，但針對企業版整合了 Slack、Snowflake 等常見的工作工具。任務可以從對話界面直接啟動，AI 自動完成多步驟的工作流。
內部知識搜尋引擎：這個功能我認為是最有實際使用價值的。
我在幫企業做 AI 導入評估時，幾乎每家公司都有同樣的問題：資料散落在太多地方。Slack 有舊對話，Confluence 有文件，Google Drive 有報告，SharePoint 有簡報，Email 裡有客戶歷史記錄。
員工要找三個月前做過的某份市場分析，可能要翻五個系統，花半小時，還不一定找得到。
Perplexity 的企業版把這些分散的資料統一建成一個 AI 可以搜尋和理解的知識庫。員工問一個問題，它從所有系統裡找出相關資料，整理成可讀的回答，並且附上原始文件的連結。
這不是科技噱頭，是真實會每天讓人受苦的日常痛點。
2026 年四個最值得試的新功能
除了策略層面的轉型，Perplexity 在產品端也有幾個讓人眼睛一亮的更新：
Model Council（模型委員會）
這個功能的邏輯很簡單，但執行起來很厲害：同時把你的問題送給 5 個不同的 AI 模型，收到所有回答之後，自動比對共識和分歧。
共識部分，可信度大幅提升。分歧部分，它會標注出來讓你知道這是一個有爭議的領域，需要額外查證。
我在培訓課上一直強調「不要只問一個 AI，要做交叉驗證」。但手動去問五個模型，然後自己比對答案，很費時間。Model Council 把這件事自動化了，而且做得比大多數人手動做得還系統化。
對於需要高準確度的工作場景——法律問題、醫療諮詢、財務分析、學術研究——這個功能的價值很明顯。
Deep Research 升級版
多步驟的深度研究，搭配完整的來源驗證。用戶輸入一個研究主題，Perplexity 會自動拆解成多個子問題，分別搜尋，然後把結果整合成有邏輯結構的分析報告，每一個論點都附有可查的原始來源。
這個功能直接跟 Google 的 Deep Research 正面競爭。Perplexity 的優勢是 Model Council 提供的多模型交叉驗證，Google 的優勢是搜尋引擎的全面性。
對於需要寫市場研究、競爭分析、投資盡職調查的人來說，兩個都值得試試，看哪個更符合你的工作流。
Labs（無代碼創作平台）
不需要寫程式，就能產出：報告、互動儀表板、財務分析圖表、甚至網頁應用程式。
2026 年的更新新增了金融圖表和專利搜尋兩個專業功能。你可以把一份財報直接丟進去，5 分鐘出一個視覺化的分析報告。你可以在競爭對手分析裡加入他們的專利申請趨勢。
我覺得這是中小企業主和行政人員最實用的功能之一。很多過去需要找數據分析師或設計師的工作，現在可以自己做。
Comet 瀏覽器（iPhone 版）
2026 年 3 月登陸 iPhone，讓 Perplexity 的 AI 能力直接整合進瀏覽器體驗。
你在瀏覽一篇長文時，直接取得 AI 摘要，不需要複製貼上到另一個視窗。你在看一個你不熟悉的話題的維基百科頁面，AI 可以用你能理解的語言解釋。你在做研究，可以邊瀏覽邊讓 AI 幫你記筆記。
這個方向的競爭會很激烈（Google Chrome 也在往類似的方向走），但 Perplexity 搶了先機。
阿峰老師的觀點：工具不重要，策略才重要
Perplexity 的逆襲故事，給我最大的啟示不是「AI 搜尋很厲害」。
是選擇的邏輯。
它沒有試圖複製 Google 的規模，也沒有試圖成為另一個 OpenAI 或 Anthropic。它選了一條別人沒在走的路：做 AI 的整合層，做企業知識管理的搜尋引擎，做一個讓人願意每個月付 20 美元買信任的平台。
每一個選擇都是放棄了某些東西（更多免費用戶、廣告收入、通用型用戶），換來了更清楚的定位和更高的用戶黏著度。
這跟我在幫企業導入 AI 時看到的最大差距很像。
很多企業導入 AI 的方式是這樣的：老闆說要用 AI，IT 部門買了幾個訂閱，讓員工自己去摸索，然後等著看哪個人用起來了。三個月後，大多數訂閱沒人在用。
問題不是員工不想用，也不是 AI 工具不夠好。問題是沒有人去問：「我們的工作流要怎麼被 AI 重組？」
這才是導入 AI 最核心的問題。不是「要買哪個工具」，而是「用這個工具要解決什麼問題，然後把解決的方法變成每個人每天都在用的習慣」。
問題不在你，問題在工具。 更精確地說：問題在於你有沒有找到讓工具真正為你工作的方式。
你現在可以怎麼做
如果你是個人用戶，而且還沒認真試過 Perplexity：
先去開一個免費帳號，問它一個你最近在工作上遇到的問題。不要挑選一個「感覺 AI 應該很擅長」的問題，選一個你真正想知道答案的問題。
然後比較它跟 Google 給你的回答有什麼不同。那個差異，才是你評估這個工具對你是否有價值的最直接方式。
如果你是企業決策者，而且你的公司有「員工找資料要在多個系統之間跳來跳去」的問題：
Perplexity Enterprise 的內部知識搜尋值得評估。重點不是它有多厲害，而是它能解決多少你現在實際在發生的問題。
如果你想讓整個團隊系統性地建立 AI 工作能力（不只是試用幾個工具，而是真的改變日常工作方式）：
歡迎到 www.autolab.cloud 聯繫我。我帶過超過 400 家企業，可以根據你的產業和工作情境，設計最適合你團隊的 AI 培訓方案。
🔗 追蹤阿峰老師
- 📝 部落格：blog.autolab.cloud
- 🎬 YouTube：黃敬峰
- 📘 Facebook：黃敬峰
- 📸 Instagram：@nikeshoxmiles
- 🧵 Threads：@nikeshoxmiles
- 💬 LINE 官方：加入好友
📎 資料來源
- VentureBeat：Perplexity takes its Computer AI agent into the enterprise（2026 年 3 月）
- ALM Corp：Perplexity AI abandons advertising — 2026 analysis（2026 年 2 月）