DeepSeek-VL前负责人张博创业:高瓴投600万美元,押注低门槛大模型
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
高瓴这次投了600万美元。出手的对象,是一位从
DeepSeek走出来的早期核心成员。
11月19日,DeepSeek-VL前项目负责人张博(Tony Zhang)对外宣布,他创办的AI公司正式亮相。
这家公司想做的事很具体:让普通电脑也能跑得动大模型,把门槛降下来。
张博离开DeepSeek的时间其实很早,2024年3月就走了,比这家公司真正出圈要早得多。DeepSeek的核心研究团队到现在人员还算稳定,走的人并不多,少数离开的也大多去了别的科技公司。翻遍目前的公开资料,在已经离职的DeepSeek核心论文作者里,张博是唯一一个公开创业、并且把产品做出来的。
从DeepSeek出来之后,他先回了浙大。
他走的那会儿,DeepSeek还远没有今天的名气。
张博是2013年从浙江大学本科毕业的,2019年在香港科技大学拿到电子与计算机工程博士学位。同年5月,他加入微软亚洲研究院,研究方向是计算机视觉和生成模型。那个地方,是他一直很想去的。
2024年他在知乎发过一篇帖子,里面把微软亚洲研究院称为自己“中学以来的白月光”。
在微软的四年里,张博参与了不少工作。
2023年他离开微软,去了当时刚成立不久的DeepSeek。
在DeepSeek,他参与了初代大语言模型的相关工作。
VL是
DeepSeek-VL的技术论文在2024年3月发布。官方项目资料里,张博被明确写成项目负责人(Project Lead),同时他也是论文作者之一。这是他留在DeepSeek最有代表性的一项成果。
可也就在同一个月,他递了辞呈。
离开之后,张博进入浙江大学计算机学院CAD&CG国家重点实验室。
他后来回忆过在DeepSeek的日子。他说,从那家大模型创业公司“极其优秀又极其nice的创始人”身上,自己学到了专注把一件事做好的重要性。这套想法也被他带进了自己的研究团队。招学生的时候,他希望大家看重研究质量,追求“一篇顶三篇”,去做真正有创造性的工作,而不是一味堆论文数量。
回到浙大,张博并没有停下做AI产品。
2025年2月24日,杭州拓扑灵犀科技有限公司注册成立,注册资本100万元,法定代表人是张博。公司的招聘资料里,业务方向也写得很清楚。
再往后,他的创业项目一点点浮出水面。
其实Linger并不是他创业后的第一款产品。2026年1月,Simplex AI就上线了AI商业信息搜索平台。
同月,Lev8官网公告显示,Simplex AI宣布完成600万美元种子轮融资,由高瓴创投(GL Ventures)领投。
在这之后,团队又推出了一款用于深度研究的轻量级AI模型。
18岁的年轻人,做出了一套关键引擎
11月19日,张博发布Linger时,把个人电脑的发展脉络捋了一遍。他说,上世纪60年代,算力基本集中在大型计算系统里;个人电脑问世之后,普通人才慢慢有了属于自己的计算能力。眼下,AI模型大多跑在数据中心,用户得按词元(Token)掏钱。
张博想改掉这个局面——让AI回到个人电脑上。
官方介绍里,Linger是一款开源的个人AI智能体,除了回答问题,还能帮用户干活。它的主助手名为
它也会主动找事做。举个例子:从邮件里翻出一项快要到期的任务,就主动提醒用户;同一类提醒要是被忽略好几回,它就会换个提醒方式。官方把这种跟着用户反馈不断调整行为的机制叫作
碰到复杂任务,Linger还能让多个AI助手分头协作,有的负责写代码,有的负责检查结果。
这类功能其实不是Linger头一个做的。张博团队更想啃的骨头,是让普通电脑也跑得动大模型,把用户用AI的成本压下来。
这就得说到那个18岁的年轻开发者了。
在另一条帖子里,张博介绍了Linger所用的本地推理引擎
这套引擎由他负责,是Linger最要紧的技术亮点之一。
大模型通常很吃显存,参数规模越大,对硬件的要求往往越高。PolyStrata的办法是压缩模型、优化存储方式,让原本在普通电脑上跑不动的大模型,也有机会转起来。
以
Simplex AI公布的测试数据显示,一台配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
当然,这不等于1250亿参数全塞进了12GB显存。上面这组数据也出自企业自己的测试,还没有经过充分的第三方验证。
实际用起来到底怎么样,还得等更多开发者试过才知道。
PolyStrata也不是完全从零起步。项目官方GitHub介绍称,它是在开源引擎Strata的基础上扩出来的。18岁的VecSzn保留了一部分原有技术,同时开发出新的推理引擎,让更多大模型能在普通电脑上运行。
Linger发布后,X平台上也有了些讨论。有人问产品能不能连手机,张博回复说计划一个月内支持相关功能。还有人反映安装时碰上模型下载问题,张博表示团队已经复现了这个Bug,会尽快修。
比起技术性能,更值得聊的是Linger主打的“
按官方说法,用户在自己电脑上跑本地模型,就不用再向云端模型服务商付Token费用。但这不等于用Linger完全免费,硬件、电力这些成本还得自己扛。要是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。
商业化上,Linger允许用户免费本地部署,但其他企业未经授权拿它的源码做商业托管服务,是不行的。Simplex AI自己也有推出托管版本的打算,价格还没公布。
从这些安排看,张博是想让用户不必事事依赖云端模型,也能有一个一直在干活的AI助手。
这条路能走多远,除了看技术性能,还要看普通用户能不能真正用起来。
DeepSeek“唯一的例外”
张博创业之所以受关注,还因为DeepSeek此前几乎没有公开的核心成员创业案例。
《财经》2026年5月8日报道称,DeepSeek在2024年1月至2026年4月发布的27篇技术论文中,去重后累计出现391名内部作者及贡献者,其中25人被明确标注为离职,占比6.4%。论文出现频率最高的15名研究人员里,只有2人离开。
这些数字并不等于DeepSeek真实的员工流失比例。但从中至少能看出,核心研究班底的稳定性相当高。
少数离开的人,去向也大致清楚:参与过DeepSeek-V2研发的罗福莉已经入职。放在AI人才频繁跳槽、纷纷创业的大环境里,DeepSeek核心团队的这份稳定颇有些不同寻常。
外界常把这一点归到梁文锋的管理思路。2024年他在受访时说过,创新要尽量少干预、少管理,给研究人员留出自由探索和试错的空间。这套想法落到组织上,就是相对扁平的架构,研究人员手里的自主权也更大。
另一头,DeepSeek在2026年引入外部融资后,核心员工手里的期权有了更清晰的价值参照。对还想继续做前沿研究的人来说,留下同样有吸引力。梁文锋本人也把团队稳定看得很重,将其列为公司最重要的利益之一。
张博则是另一种情况。他在2024年3月就离开了DeepSeek,那时爆火的R1还没发布,之后他回到。这一转向,也照出了AI行业正在冒出的新机会。
前几年,资本和技术人才基本都围着基础模型转,比的是算力和模型性能。现在开源模型越做越好,越来越多创业团队转而拿现成模型做应用,找降本、解决实际问题的空间。
只是个人AI助手这条赛道上,竞争者已经不少。
OpenClaw
Linger走的是另一条路,重点在于压低大模型在个人电脑上跑起来的门槛。它用专门的推理引擎,让显存不大的电脑也有机会带动参数规模较大的模型,从而少依赖云端算力。
DeepSeek自己也在补产品端。今年它把Harness、Web、App、Platform等团队并成产品部,由崔添翼负责。从基础模型研发到具体应用,越来越多公司开始琢磨怎么让AI真正介入日常工作。
张博还有一点特殊:按目前公开可查证的资料,在已离职的DeepSeek核心论文作者里,他是唯一一位公开办公司、推出产品的创业者。此前虎嗅和界面新闻曾分别在2025年6月、2026年6月报道过DeepSeek离职人员创业,但都没有点出当事人姓名。
结语
张博选的方向,是把大模型本地运行的成本尽量压下来,让用户不用一直为云端算力掏钱。
这条路也有绕不开的难题。模型搬进个人电脑,Token费用是省了,可对设备配置、安装维护和数据安全的要求也跟着抬高。Simplex AI一边放出本地版本,一边筹划收费托管服务,说白了是在技术理想和商业化之间找平衡。
对创业公司来说,技术突破只是开头。能不能让不懂技术的普通用户也轻松上手、长期用下去,才是Linger接下来要回答的问题。
头图封面来源:Tony Zhang X头像 @zhangboknight