华人00后做“本地Muse”,被硅谷AI圈疯抢,a16z和Anthropic都投了

智东西

作者 | 程茜

编辑 | 李水青

智东西10月19日报道,近日,一家刚成立8个月的美国AI Agent创企Conway Research‌,亮出首款个人AI助手Underdog,同时官宣获得Anthropic旗下投资联合体、硅谷知名风投公司a16z,以及来自谷歌、OpenAI、Hugging Face的AI大牛等个人及机构的投资。

Conway Research‌创始人Sigil Wen官宣融资的推文(图源:X)

该公司将Underdog称作“迄今为止隐私性最强的Muse竞品”。

9月8日,Meta发布个人AI助手Muse,上线仅10天就超过ChatGPT登顶美国App Store免费应用总榜。Muse可自主拆解用户目标、执行任务,覆盖办公、生活、消费等多场景,每名用户拥有云端独立虚拟机,可后台持续执行任务。

这股热潮迅速扩散,OpenAI发布新一代智能体产品Dot、马斯克发布Grok Bot、Manus推出2.0,还有国内字节、腾讯、蚂蚁、阿里也被曝正进行研发类似产品。

Underdog与Muse这类产品的功能类似,都是帮助用户处理日常生活、工作的任务,最大不同之处在于,Underdog完全运行在用户的设备上,且离线也能跑。

Underdog自动添加日程演示(图源:Conway Research‌)

Conway Research‌成立于今年2月,其核心研究方向是能自主运行的AI Agent框架。目前,Conway发布的这款产品仍处于邀测阶段,尚未公开发布。

该公司创始人为大学肄业、自学成才的00后硅谷AI天才少年Sigil Wen,17岁刚搬到硅谷就与一众日后知名的AI创始人朝夕相伴了11个月,包括AI大牛Andrej Karpathy,还有Midjourney、Anthropic的联创。他还在2021年就体验了Midjourney、Claude的原型产品。

Sigil Wen(图源:TechCrunch)

Sigil Wen此前凭借在Apple Watch跑通GPT-2,发布首个能自我生存、自我进化且无需人类干预即可复制的AI Automaton(自动机)在社交平台X上名声大噪。

那么,这家新秀AI公司靠什么收获硅谷顶尖从业者的押注,其给出的Agent解法又有什么不同?我们试图找到这些问题的答案。

 

一、完全本地运行,能帮你查邮件、生图、处理会议记录

Underdog的核心特点是能完全运行在用户的设备上。这意味着数据只在本地保存,即使在离线状态下也能帮助用户做出决策。

该产品目前已经推出支持Mac、Windows电脑的测试版,未来会有Linux、iOS、安卓版本推出。其可以直接在Mac上运行,并连接用户的邮件和日历,处理如查看电子邮件、日程安排、会议记录、语音输入、在线跑腿、私人iMessage等任务。

从推出至今,Underdog的功能正在陆续更新,包括本地图像生成和编辑功能、联合Stripe推出的本地智能体支付、一键导入会议记录等功能。

10月12日,其本地免费的图像生成与编辑功能上线,基于Qwen-Image Flash、Qwen-Image-2.1-Turbo打造。

根据其官方演示,Underdog Images可以根据用户输入的自然语言需求出图,还支持参考图生成,进行局部修改、换背景等。

同一天,Underdog发布其支持一键导入会议记录的功能,并且相关内容不会上传至任何服务器,通话结束后可即时生成摘要、决策事项和行动项。

10月14日,Underdog和Stripe合作,推出了首个设备端智能体支付功能。在本地浏览器中,Underdog能获取对应精确金额的一次性Link卡,并等待用户授权支付。

此外,该公司宣布,还在研究让Agent直接替用户购物等能力,其希望将这类本地AI逐步做成长期掌握个人上下文、直接替用户办事的个人Agent。

 

二、基于Qwen3.8 27B微调模型,专属推理引擎比MLX快4.5倍

根据官方披露,Underdog的性能优势得益于两大关键支撑:更轻量、聪明的模型及专属推理引擎Husky。

先来看模型,Underdog背后的模型有速度更快的Woof 4B、更聪明的Saluki 27B。Saluki 27B已开源。

其中的Saluki 27B是基于Qwen3.8 27B打造,官方数据显示,该模型的权重体积是全精度版本的1/7,同时保留96%的性能,在工具调用方面优于Qwen模型。

Sigil Wen在接受外媒TechCrunch采访时透露,该模型能够完成人们期望AI助手完成的日常任务,比如购物调研或解答数学作业题。他称因为成本极低,所以无需收取订阅费来运营Underdog。

第二大支撑是其为Underdog构建的推理引擎Husky,这也是支撑该应用能在本地设备跑的关键。

官方数据显示,在MacBook上,启用Husky Flash后,Woof 4B每秒最多可处理730个token,速度比苹果的开源机器学习框架‌MLX快4.5倍,在相同权重下,响应速度提升5倍。

其团队在16类提示词场景下对比了Husky和MLX,结果显示Husky在全部测试中速度都更有优势。

这是因为在执行图像编辑时,Husky每一步并行校验8个token,开销为单个token的1.5倍,而且大部分回复内容已经包含在提示词上下文里;文本生成速度的优势来自流水线调度,在当前步骤执行的同时,就对下一步做编码与提交,让GPU不必空等主机。

Sigil Wen称,与同类设备端引擎相比,该引擎在计算机主芯片与图形芯片之间传输的数据量更少。

除了技术优势,Underdog的早期商业化模式也较为特殊。

Sigil Wen透露,Underdog初期免费,且永远不会投放广告。其中一种收入方式是,他们将从AI助手经由Stripe安全支付基础设施完成的每一笔交易中抽取少量分成,模式类似银行卡交换费。这套商业模式下,AI助手无需采集、挖掘用户数据。

这种做法与其他个人AI助手提供商有很大区别,一般企业会允许收集用户数据,然后将这些数据出售给广告商或用来训练其他模型。

 

三、00后大学肄业、自学成才,闯进核心AI大牛朋友圈

虽然未公布具体金额,但Conway Research‌的投资人阵容堪称豪华。

除硅谷头部风投a16z、Anthropic与Menlo Ventures组成的投资联合体Anthology之外,还有一众AI领域标杆人物。

包括Stripe联合创始人Patrick Collison、Vercel创始人Guillermo Rauch、有着“AI推理之父”之称的OpenAI研究员Noam Brown、OpenAI知名研究员Roon、Hugging Face联合创始人Thom Wolf,以及谷歌DeepMind高级产品经理Logan Kilpatrick等。

并且在Sigil Wen的评论区,能看到a16z联合创始人、Vercel创始人、Brown等纷纷发来祝贺。

这样的豪华支持,或与其创始人Sigil Wen自身的特殊背景息息相关。

Sigil Wen的个人主页显示,他出生于2003年,是宾夕法尼亚大学管理与技术双学位项目肄业生。

他17岁只身搬到硅谷后,就与当下一众明星AI独角兽的缔造者朝夕相交,并抢先体验了Midjourney、Claude等产品的原型。

他在硅谷创客之家住了11个月,当时和他在公寓同住的包括OpenAI联合创始人、AI大牛Andrej Karpathy,Midjourney创始人David Holz,Anthropic联合创始人Ben Mann,以及Stable Diffusion、OpenAI、Perplexity等公司的研究人员。

到2023年之后,Sigil Wen实操的多个AI项目频频刷屏X。

2023年9月,Sigil Wen在Apple Watch上跑通了GPT-2,直接在手表上完成文本生成。不过,该模型在生成30个token之后就内存溢出了。之后他还在Airchat公司将OpenAI的语音识别模型Whisper部署到了iPhone上。

Conway Research‌的首次亮相就是在今年2月,Sigil Wen称该团队打造出首个能自我生存、自我进化且无需人类干预即可复制的AI Automaton。当时他宣告,Web 4.0超级智能生命自此诞生。

Automaton会自主研发并推出产品、交易预测市场、注册域名、在服务器上部署应用和服务、制作病毒式社交媒体内容来推广产品、给供应商发邮件搭建电商渠道、致电企业为其搭建网站。只要还能负担运营成本,Automaton就会一直运作下去。

不过这款产品上线后评价两极分化。一方面它收获了大量关注。产品刚推出时,Sigil Wen就在X平台发文称,Conway Automaton注册智能体数量已经突破1.8万个;时至今日,Automaton的GitHub开源项目累计收获7300星。

另一方面质疑声同样不少。以太坊创始人Vitalik Buterin曾公开表态,认为所谓Web4的发展方向存在偏差。在他看来,拉长人类与AI之间的反馈链路,对整个世界而言并非好事。Softswiss首席信息官Denis Romanovskiy当时也提出,AI智能体能否实现真正的经济自主,取决于大模型在成熟度、记忆、规划以及工具调用上的能力;而在这些维度上,现有技术尚不稳定,不足以支撑可靠的无人值守运行。

 

结语:性能不及Muse、Dot,个人Agent跑在终端仍处早期探索阶段

这一轮个人智能体竞赛,主流思路仍是搭建云端虚拟机,让AI在厂商的服务器里持续执行任务。但Agent一旦开始高频循环、反复读写个人文件,持续的Token开销与数据上传风险就会凸显,这也让本地离线方案找到了差异化空间。

不过本地设备的算力会限制模型规模与复杂任务表现。Underdog这类产品的探索,试图让Agent的记忆、权限、任务闭环留在本地。虽然目前来看,其产品性能无法超过Muse、Dot等能力,但这也进一步证明了Agent在本地部署的可行性。

来源:Conway Research、X、TechCrunch