DeepSeek-VL前负责人张博创业,Simplex AI开源个人智能体Linger
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
一名
DeepSeek早期核心成员走上了创业路。
11月19日,曾任DeepSeek-VL项目负责人的张博(Tony Zhang)对外宣布,他创办的AI公司Simplex AI正式开源个人智能体产品Linger。该产品可运行在用户自己的电脑上,代用户操作软件、处理邮件,还能让多个AI助手协同完成任务。配套的本地推理项目PolyStrata则用来降低普通电脑跑大模型的门槛,其创建者是团队中一位年仅18岁的开发者。
张博离开DeepSeek的时间是2024年3月,比DeepSeek-R1走红早了将近一年。离开后他回到浙江大学任教,2025年起开始创业。今年1月,Simplex AI宣布拿到高瓴创投领投的600万美元融资。
DeepSeek的核心研究团队眼下仍算稳定,走的人不多,少数离职者也大多去了其他科技公司。从现有公开资料看,在已离职的DeepSeek核心论文作者里,张博是唯一一位公开办公司、并把产品做出来的创业者。

离开DeepSeek,他先回了浙大
张博走的时候,DeepSeek的名气远不如现在。
2013年他从浙江大学本科毕业,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,做计算机视觉和生成模型方向的研究。这里是他一直很向往的去处。2024年他在一篇知乎帖里说,微软亚洲研究院是自己“中学以来的白月光”。
微软四年,张博参与了VQ-Diffusion、Rodin等项目,方向涉及AI图像生成、三维数字人。他参与的CoCosNet v2论文还进入过2021年CVPR最佳论文候选名单。
2023年他离开微软,加入当时刚成立不久的DeepSeek,参与了初代大语言模型DeepSeek LLM的研发,同时负责另一个重要项目DeepSeek-VL。
VL指视觉语言模型。普通语言模型主要处理文字,视觉语言模型则要让AI先看懂图片、图表等视觉内容,再结合文字作答。
2024年3月,DeepSeek发布DeepSeek-VL技术论文,官方项目资料明确标注张博为项目负责人(Project Lead),他也是论文作者之一。这是他留在DeepSeek最具代表性的成果。可也就在同一个月,他选择离开。
离职后,张博进入浙江大学计算机学院CAD&CG国家重点实验室,担任百人计划研究员、博士生导师。
他回忆过在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,自己学到了专注做好一件事有多重要。这种想法也被他带进了研究团队:招学生时,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,别一味堆论文数量。
回浙大之后,张博没有停下对AI产品的探索。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。公司招聘资料把业务定在AI Agent研发上,重点面向海外市场。
再往后,他的创业项目慢慢浮出水面。Linger其实不是他创业后的第一款产品。2026年1月,Simplex AI推出AI商业信息搜索平台Lev8,面向海外企业的销售、招聘、投资等场景,帮用户找潜在客户、人才和商业合作机会。用户在平台上可以让AI去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,系统会检索网络公开信息并做匹配。
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。团队之后又推出轻量级AI模型LiteResearcher,用于深度研究,相关技术也落到了Lev8上。到11月19日个人智能体产品Linger正式开源,Simplex AI的业务延伸到个人AI助手领域,张博这次创业才被更多人看到。
18岁少年,做出一套关键引擎
11月19日发布Linger时,张博把个人电脑的发展脉络讲了一遍。他说,上世纪60年代,算力基本攥在大型计算系统手里,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。反观现在,AI模型多半跑在数据中心,用户得按词元(Token)掏钱才能用上。
张博想换个路子——把AI塞回个人电脑里。
按照官方说法,Linger是一款开源的个人AI智能体,能答疑,也能代用户干活。它有个主助手叫Another Me,意思是“另一个我”,可以操控电脑上的软件和浏览器,读取用户授权过的邮件、会议记录,再把要紧的信息归拢成个人知识库。
它还会主动找事做。举个例子,从邮件里翻出一项快到期的工作,它就主动提醒用户;同一类提醒要是被连着忽略好几回,它就会换一种提醒方式。官方管这种依据用户反馈持续调整行为的机制叫Dreaming。
任务一复杂,Linger还能调多个AI助手分头干,写代码的写代码,查结果的查结果。
这类功能其实算不上Linger独创。张博团队真正想啃的骨头,是让普通电脑也跑得动大模型,把用户用AI的开销压下来。
这里就得提那位18岁的年轻开发者了。
张博在另一条帖子里说,Linger所用的本地推理引擎PolyStrata出自团队一名18岁开发者之手,还专门点了对方的账号@Vec_Szn。GitHub个人主页显示,这位开发者叫VecSzn,眼下是计算机科学专业的学生,其余个人信息没有公开。

他负责的这套引擎,算得上Linger最拿得出手的技术亮点之一。
大模型通常很吃显存,参数越大,对硬件的要求一般也越高。PolyStrata的办法是压缩模型、优化存储方式,让那些原本在普通电脑上跑不动的大模型有机会转起来。
MoE(混合专家)模型就是个例子。这类模型内含多个“专家”模块,每次运行只调用其中一部分。PolyStrata顺着这个特点做文章:一部分模块放进显卡显存,剩下的搁在电脑内存或硬盘里,用的时候再调出来,显存容量的门槛就这么降下去了。
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,能跑起阿里千问1250亿参数的Qwen3.8-Flash-Next模型,文字生成速度每秒45.5个Token。
当然,这不等于1250亿参数全塞进了12GB显存。而且上述数据出自企业自己的测试,第三方验证还不充分。
实际用起来到底怎么样,还得等更多开发者上手试过才知道。
PolyStrata也不是白手起家。项目官方GitHub介绍称,它是在开源引擎Strata基础上扩展出来的。18岁的VecSzn保留了一部分原有技术,同时写出新的推理引擎,让更多大模型能在普通电脑上跑。
Linger发布之后,X平台上冒出一些讨论。有人问能不能连手机,张博回答说计划一个月内支持。也有人反映安装时模型下载出问题,张博称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“零词元(Token)费”。
官方介绍里,用户在自己电脑上跑本地模型,就不用再给云端模型服务商交Token费了。可这并不代表用Linger一分钱不花——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,可能另有费用,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自己也打算推托管版本,价格还没公布。
从这些安排看,张博是想让用户不用事事仰仗云端模型,身边也能有个一直干活的AI助手。
这条路能走多远,技术性能之外,还得看普通用户是不是真能用得起来。
DeepSeek“唯一的例外”
张博这次创业之所以受关注,另一个原因是DeepSeek此前几乎没有公开的核心成员创业先例。
据《财经》2026年5月8日报道,DeepSeek在2024年1月至2026年4月间共发布27篇技术论文,这些论文里累计出现了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%。论文出现频率最高的15名研究人员中,离开的只有2人。
这组数字并不能直接等同于DeepSeek的实际员工离职率,但至少能看出,其核心研究团队相当稳定。
少数离开的人去向也较为清楚。参与过DeepSeek-V2研发的罗福莉去了小米MiMo;第一代大模型核心作者王炳宣进入腾讯混元;DeepSeek-R1的重要研究人员郭达雅加入字节Seed实验室;多模态方向的研究人员阮翀则出任自动驾驶企业元戎启行的首席科学家。这些人大多仍在其他科技公司的研发团队里干活,没有出来创业。
AI人才跳槽、创业这么频繁,DeepSeek核心团队的稳定就显得有些特别。
这或许和梁文锋的管理思路有关。2024年他在接受采访时说,创新需要尽可能减少干预和管理,让研究人员有自由探索、试错的空间。在这种思路下,DeepSeek的组织架构相对扁平,研究人员也保有较大的自主探索余地。
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明确的价值参考。对还想继续做前沿研究的人来说,留在DeepSeek同样有不小的吸引力。梁文锋本人也很看重人才稳定,他把保持核心团队稳定视为公司最重要的利益之一。
张博的情况不一样。他2024年3月就离开了DeepSeek,当时爆火的R1还没发布。之后他回到浙江大学任教,又创办了Simplex AI,重心从大模型研发转向AI产品,想让已有模型在普通电脑上跑起来,真正替用户把活干了。
这个转向,也折射出AI行业正在冒出来的新机会。
前几年,资本和技术人才主要围着基础模型转,比的是算力和模型性能。现在开源模型不断进步,越来越多创业团队开始拿现成模型做应用,寻找降成本、解决实际问题的机会。
不过,个人AI助手这条赛道上,竞争者其实已经不少。
OpenClaw能替用户执行任务,还支持本地模型;国内也有类似产品。今年2月,网易有道推出桌面AI助手LobsterAI,能在电脑上处理文件、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。
降低大模型在个人电脑上的运行门槛,是Linger更看重的方向。它用一套专门的推理引擎,让显存不大的电脑也能试着跑参数规模较大的模型,对云端算力的依赖随之减少。
DeepSeek自己也在加强产品端建设。今年它把Harness、Web、App、Platform等团队整合成产品部,由崔添翼负责。从基础模型研发到具体应用,越来越多企业开始琢磨怎么让AI真正参与人们的日常工作。
张博的特殊之处还在于,按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,但都没有披露当事人姓名。
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,让用户不必一直为云端算力付费。
但这条路也有现实难题。模型放在个人电脑上,虽然能省下Token费用,却对设备配置、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,其实也是在技术理想和商业化之间找平衡。
对一家创业公司来说,技术突破只是第一步。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接下来真正要回答的问题。