
高瓴投了 600 万美元。
一位 DeepSeek 早期核心成员,创业了。
11 月 19 日,DeepSeek-VL 前项目负责人张博(Tony Zhang)宣布,其创办的 AI 公司 Simplex AI 正式开源个人智能体产品 Linger。这款产品能在用户自己的电脑上运行,替人操作软件、处理邮件,甚至让多个 AI 助手共同完成任务。
为了降低普通电脑运行大模型的门槛,Linger 还配套了本地推理项目 PolyStrata,而它的创建者,是团队里一位年仅 18 岁的年轻开发者。
张博早在 2024 年 3 月就离开了 DeepSeek,比 DeepSeek-R1 爆红还早了近一年。此后,他回到浙江大学任教,并于 2025 年开始创业。今年 1 月,Simplex AI 还宣布获得了高瓴创投领投的 600 万美元融资。
DeepSeek 的核心研究团队至今仍保持着较高的稳定性,离职人员不多,少数离职者也大多选择了加入其他科技公司。据目前的公开资料,张博是已离职的 DeepSeek 核心论文作者中,唯一一位公开创办公司并推出产品的创业者。

离开 DeepSeek,他先回了浙大
张博离开 DeepSeek 的时候,这家公司还远没有今天的知名度。
2013 年,张博从浙江大学本科毕业,2019 年取得香港科技大学电子与计算机工程博士学位。同年 5 月,他进入微软亚洲研究院,从事计算机视觉和生成模型研究。
这是他很向往的地方。
在 2024 年发布的一篇知乎帖中,他甚至把微软亚洲研究院称作自己 " 中学以来的白月光 "。
在微软工作的四年间,张博参与了 VQ-Diffusion、Rodin 等知名研究项目,涉及 AI 图像生成、三维数字人等方向。其中,他参与的 CoCosNet v2 论文曾入围 2021 年计算机视觉顶级会议 CVPR 的最佳论文候选。
2023 年,他从微软离职,加入了当时刚成立不久的 DeepSeek。
在那里,他参与了初代大语言模型 DeepSeek LLM 的研发,并负责另一个重要项目 DeepSeek-VL。
VL 是视觉语言模型的缩写。简单来说,普通语言模型主要处理文字,而视觉语言模型需要让 AI 看懂图片、图表和其他视觉内容,再结合文字回答问题。
2024 年 3 月,DeepSeek 发布了 DeepSeek-VL 技术论文。在官方项目资料中,张博被明确标注为项目负责人(Project Lead),也是论文作者之一。这也是他在 DeepSeek 最具代表性的成果。
但就在同一个月,他选择了离开。
离职后,张博加入浙江大学计算机学院 CAD&CG 国家重点实验室,成为百人计划研究员、博士生导师。
他曾回忆自己在 DeepSeek 的经历。他说,从此前那家大模型创业公司 " 极其优秀又极其 nice 的创始人 " 身上,学到了专注做好一件事的重要性。他也把这种想法带进了自己的研究团队。在招收学生时,他提出希望大家重视研究质量,追求 " 一篇顶三篇 ",愿意做真正有创造性的工作,而不是一味追求论文数量。
回到浙大后,张博并没有停止探索 AI 产品。
2025 年 2 月 24 日,杭州拓扑灵犀科技有限公司成立,注册资本 100 万元,法定代表人为张博。公司招聘资料将其业务定位于 AI Agent 研发,重点面向海外市场。
此后,张博的创业项目逐渐浮出水面。
事实上,Linger 并不是他创业后推出的第一款产品。2026 年 1 月,Simplex AI 就推出了 AI 商业信息搜索平台 Lev8,主要面向海外企业的销售、招聘及投资等场景,帮助用户寻找潜在客户、人才和商业合作机会。比如,用户可以要求 AI 寻找近期换过工作的工程师,或者符合特定条件的企业管理者,系统通过网络公开信息进行检索和匹配。
同月,据 Lev8 官网公告,Simplex AI 宣布获得高瓴创投(GL Ventures)领投的 600 万美元种子轮融资。
此后,团队还推出了用于深度研究的轻量级 AI 模型 LiteResearcher,并将相关技术应用于 Lev8。直到 11 月 19 日,随着个人智能体产品 Linger 正式开源,Simplex AI 的业务进一步延伸到了个人 AI 助手领域,张博的这次创业才进入了更多人的视野。
18 岁少年,做出一套关键引擎
11 月 19 日,张博在发布 Linger 时,回顾了个人电脑的发展史。他提到,上世纪 60 年代,计算能力主要集中在大型计算系统中,直到个人电脑出现,普通人才逐渐拥有自己的计算能力。而如今,AI 模型大多运行在数据中心,用户需要按词元(Token)付费使用。
张博希望改变这种方式,把 AI 带回个人电脑。
据官方介绍,Linger 是一款开源个人 AI 智能体,不仅能回答问题,还能替用户执行任务。它的主助手名为 Another Me,意为 " 另一个我 ",可以操作电脑上的软件、浏览器,读取获得授权的邮件和会议记录,并将重要信息整理成个人知识库。
它还能主动工作。比如,从邮件中发现一项即将到期的任务后,主动提醒用户;如果同类提醒多次被忽略,就会调整提醒方式。官方将这种根据用户反馈不断调整行为的机制称为 Dreaming。
遇到复杂任务时,Linger 还可以让多个 AI 助手分工合作,分别负责写代码、检查结果等工作。
不过,类似的功能并非 Linger 首创。张博团队更想解决的,是如何让普通电脑也能运行大模型,降低用户使用 AI 的成本。
这里就要说到那位 18 岁的年轻开发者。
张博在另一条帖子中介绍,Linger 使用的本地推理引擎 PolyStrata,由团队一位 18 岁的开发者打造,并特意提到了对方的账号 @Vec_Szn。据 GitHub 个人主页,这位开发者 VecSzn,目前是一名计算机科学专业的学生,其他个人信息尚未公开。

他负责的这套引擎,是 Linger 最重要的技术亮点之一。
通常,大模型需要占用大量显存,参数规模越大,对硬件的要求往往越高。PolyStrata 则通过压缩模型、优化存储方式,让原本难以在普通电脑上运行的大模型,也有机会跑起来。
以 MoE(混合专家)模型为例,这类模型包含多个 " 专家 " 模块,每次运行只需调用其中一部分。PolyStrata 利用这一特点,将部分模块放在显卡显存中,其余存放在电脑内存或硬盘里,需要时再调取,从而降低对显存容量的要求。
据 Simplex AI 公布的测试数据,一台搭载 12GB 显存 RTX 3060 显卡、64GB 系统内存的电脑,就能运行阿里千问 1250 亿参数的 Qwen3.8-Flash-Next 模型,文字生成速度达到每秒 45.5 个 Token。
不过,这并不意味着 1250 亿参数全部装进了 12GB 显存。上述数据也来自企业测试,尚未得到充分的第三方验证。
实际使用体验如何,仍有待更多开发者验证。
PolyStrata 并非完全从零研发。据项目官方 GitHub 介绍,它是在开源引擎 Strata 的基础上扩展而来。18 岁的 VecSzn 在保留部分原有技术的同时,开发了新的推理引擎,让更多大模型能够在普通电脑上运行。
Linger 发布后,X 平台上也出现了一些讨论。有用户询问产品能否连接手机,张博回复称,计划在一个月内支持相关功能。还有用户反映安装时遇到模型下载问题,张博表示团队已经复现了这一 Bug,将尽快修复。
比技术性能更值得讨论的,是 Linger 主打的 " 零词元(Token)费 "。
按照官方介绍,用户在自己电脑上运行本地模型,无需再向云端模型服务商支付 Token 费用。但这不代表使用 Linger 完全免费,硬件、电力等成本仍需自行承担。如果调用外部模型或第三方应用,也可能产生额外费用,相关数据也可能离开本机。
商业化方面,Linger 允许用户免费在本地部署,但限制其他企业未经授权利用其源码提供商业托管服务。Simplex AI 自己也计划推出托管版本,目前尚未公布价格。
从这些安排来看,张博希望让用户不必事事依赖云端模型,也能拥有一个持续工作的 AI 助手。
这条路究竟能走多远,除了技术性能,还要看普通用户是否能够真正用起来。
DeepSeek" 唯一的例外 "
张博的创业之所以引人注目,还因为 DeepSeek 此前几乎没有公开的核心成员创业案例。
据《财经》2026 年 5 月 8 日报道,在 DeepSeek 于 2024 年 1 月至 2026 年 4 月发布的 27 篇技术论文中,累计出现 391 名去重后的内部作者及贡献者,其中 25 人被明确标注为离职,占比 6.4%。而在论文出现频率最高的 15 名研究人员中,只有 2 人离开。
这组数据不能等同于 DeepSeek 的实际员工离职率,但至少说明,核心研究团队保持了相当高的稳定性。
少数离职人员的去向也比较明确。曾参与 DeepSeek-V2 研发的罗福莉加入小米 MiMo;第一代大模型核心作者王炳宣进入腾讯混元;DeepSeek-R1 重要研究人员郭达雅加入字节 Seed 实验室;多模态研究人员阮翀则成为了自动驾驶企业元戎启行的首席科学家。他们大多继续在其他科技公司的研发团队中工作,并没有创业。
在 AI 人才频繁跳槽、创业的背景下,DeepSeek 核心团队的稳定显得有些特别。
这或许与梁文锋的管理理念有关。2024 年,他在接受采访时表示,创新需要尽可能减少干预和管理,让研究人员拥有自由探索和试错的空间。在这样的理念下,DeepSeek 形成了相对扁平的组织架构,也给研究人员保留了较大的自主探索空间。
另一方面,随着 DeepSeek 在 2026 年引入外部融资,核心员工持有的期权有了更明确的价值参考。对于希望继续从事前沿研究的核心人员而言,留在 DeepSeek 同样有着不小的吸引力。梁文锋也十分看重人才稳定。他将保持核心团队稳定视为公司最重要的利益之一。
张博的情况不同。他早在 2024 年 3 月就已离开 DeepSeek,当时爆火的 R1 尚未发布。此后,他回到浙江大学任教,又创办了 Simplex AI,将重心从大模型研发转向 AI 产品,希望让已有模型在普通电脑上运行,真正替用户完成工作。
这一转变,也反映出 AI 行业正在出现的新机会。
过去几年,资本和技术人才主要围绕基础模型展开竞争,比拼算力和模型性能。如今,随着开源模型不断进步,越来越多的创业团队开始利用现有模型开发应用,寻找降低成本、解决实际问题的机会。
不过,个人 AI 助手赛道其实已有不少竞争者。
OpenClaw 能够替用户执行任务,并支持本地模型;国内也有类似产品。今年 2 月,网易有道推出桌面 AI 助手 LobsterAI,可以在电脑上处理文件、执行办公任务,同样支持本地运行大模型。阿里旗下的 QoderWork 也能直接操作电脑软件和浏览器,完成各类工作。
相比之下,Linger 更强调降低大模型在个人电脑上的运行门槛。它通过专门的推理引擎,让显存有限的电脑也有机会运行参数规模较大的模型,减少对云端算力的依赖。
DeepSeek 也在加强产品端的建设。今年,它已将 Harness、Web、App、Platform 等团队整合为产品部,由崔添翼负责。从基础模型研发到具体应用,越来越多的企业开始关注如何让 AI 真正参与人们的日常工作。
张博的特殊之处还在于,据目前公开可核实的资料,他是已离职的 DeepSeek 核心论文作者中,唯一一位公开创办公司并推出产品的创业者。此前,虎嗅和界面 · 新闻分别在 2025 年 6 月、2026 年 6 月报道过 DeepSeek 离职人员创业的消息,但均未披露当事人姓名。
结语
张博选择的方向,是尽可能降低大模型的本地运行成本,让用户不必持续为云端算力付费。
但这条路也有现实难题。把模型放在个人电脑上,虽然能减少 Token 费用,却也对设备配置、安装维护和数据安全提出了更高要求。Simplex AI 一边开放本地版本,一边计划推出收费托管服务,实际上也在寻找技术理想与商业化之间的平衡。
对于一家创业公司而言,技术突破只是第一步。能否让不懂技术的普通用户也能轻松上手、长期使用,才是 Linger 接下来真正需要回答的问题。
头图封面来源:Tony Zhang X 头像 @zhangboknight


登录后才可以发布评论哦
打开小程序可以发布评论哦