7.0
深览指数
产品TechCrunch·Julie Bort··AI 生成
硅谷AI神童推出Underdog：比Instinct/Muse更私密的AI助手
19岁Thiel Fellow Sigil Wen发布完全运行于本地设备、无须联网的AI助手Underdog，所有数据仅存于用户硬件，不采集不训练。与主流AI助手的云端+广告订阅模式相反，Underdog采用极小额交易手续费作为收入来源（类似银行卡清算费）。本文介绍了创始人的硅谷社交圈、其背后的推理引擎Husky、27B参数模型的表现对比，以及该产品在隐私-功能权衡中的独特定位。适合关注AI产品边界、隐私工程、替代商业模式的读者快速判断。原文 ↗
核心观点
- ▍Underdog 的核心判断是：本地运行的小模型已经足够处理日常AI助手任务（购物研究、数学题等），用户不必为了实用性而牺牲隐私。
- 01Underdog 模型完全在用户自己的设备（目前是Mac和Windows PC）上运行，数据不离机。
- 02底层引擎 Husky 通过减少数据在主芯片和显卡芯片之间的移动量，提升了本地推理速度。
- 03Underdog 使用 Qwen3.8-27B 微调的 270 亿参数推理模型，在某些基准测试中与六个月前的顶尖模型Claude Opus 4.6 性能相当。
- 04Underdog 对用户授权的邮箱及其他账户密钥进行加密存储。
- 05创始人 Wen 是 Thiel Fellow，Andrej Karpathy、Perplexity 创始人 Aravind Srinivas 等硅谷AI圈人物为其社交圈子成员。
- 06背后公司 Conway Research 已获 a16z、Khosla Ventures、Hummingbird、SV Angel、Anthology Fund（Menlo Ventures与Anthropic的联合基金）投资，并包括 Stripe 联合创始人 Patrick Collison 在内的多位天使。
- 07Underdog 初期免费，无广告，收入来自通过其AI助手用 Stripe 完成的交易中抽取极小的百分比（类似交换费）。
反方 / 局限
- — 文章未提及 Underdog 在处理需要实时全局知识（如最新新闻、股票行情）或需要大量云端算力的任务时的局限性。本地模型在最新知识同步与推理广度上可能显著逊于云端大型模型。
Sigil WenUnderdog (AI助手)Conway ResearchHusky (推理引擎)Qwen3.8-27BThiel FellowshipStripePatrick CollisonAndrej KarpathyAndreessen Horowitz (a16z)Chris DixonKhosla VenturesAnthropicInstinct/Muse (AI助手)
11 分钟 · 3 卡片 · 9 资料
读原文 →