2024 年冬天，95 后博士田洋辭去高校教職創(chuàng)立了寅譜計(jì)算。隨后，同樣為 95 后博士的熊巍以 CTO 兼聯(lián)合創(chuàng)始人的身份加入，共同搭建公司的核心團(tuán)隊(duì)。

“我們最初的想法很簡(jiǎn)單：能不能把我們?cè)谘芯扛咝阅苡?jì)算時(shí)學(xué)到的技術(shù)，用到普通人能買得起和用得上的設(shè)備上？”熊巍告訴 DeepTech。這位年輕的 CTO 剛剛完成博士論文答辯，并在幾天后的發(fā)布會(huì)上以新的身份亮相。

熊巍與 CEO 田洋的經(jīng)歷存在著諸多相似之處：兩人都曾在華為 2012 實(shí)驗(yàn)室從事研究工作，均為清華大學(xué)博士，并在博士階段提前畢業(yè)，也都放棄了原本穩(wěn)定且清晰的職業(yè)發(fā)展路徑。而正是這種經(jīng)歷上的相似，使他們對(duì)計(jì)算技術(shù)的發(fā)展趨勢(shì)的判斷上形成了高度一致的共識(shí)。

“AI 時(shí)代到來(lái)后，我們觀察到一個(gè)明顯的現(xiàn)象，算力在發(fā)展與競(jìng)爭(zhēng)層面正在造成新的不平等，”熊巍表示，“在今年的求職與招聘中，是否熟練使用 AI 工具、是否具備部署文生圖模型的實(shí)踐經(jīng)驗(yàn)，已成為面試中的高頻問(wèn)題；與此同時(shí)，AI 智能體孵化了大量一人公司和小型工作室，但由于這些基于 AI 的‘?dāng)?shù)字員工’需要處理敏感業(yè)務(wù)數(shù)據(jù)，模型與數(shù)據(jù)往往難以上云；此外，今年年初，不少中小學(xué)嘗試開(kāi)展 AI 教育，僅在起步階段往往就需要投入動(dòng)輒數(shù)十萬(wàn)元的服務(wù)器集群，甚至還要配套建設(shè)專門的機(jī)房，才能支撐這一系統(tǒng)的正常運(yùn)行?！?/p>

他們?cè)诠こ虒?shí)踐中逐漸意識(shí)到，當(dāng)前的解決方案具有一定的局限性。2025 年初，隨著 DeepSeek 等大模型在國(guó)內(nèi)的爆火，市場(chǎng)上涌現(xiàn)出一批一體機(jī)產(chǎn)品，但這些設(shè)備大多采用傳統(tǒng)服務(wù)器的形態(tài)，價(jià)格昂貴、運(yùn)維復(fù)雜，且功能單一。

“一臺(tái)這樣的刀片機(jī)可能要十來(lái)萬(wàn)元，買來(lái)很可能只能用于干這一件事，還需要配備專業(yè)的機(jī)房環(huán)境。對(duì)于學(xué)校和小型企業(yè)來(lái)說(shuō)，這其實(shí)是個(gè)艱難的抉擇?！毙芪”硎尽?/p>

這也讓他們看到了其中的機(jī)會(huì)：如果能將超級(jí)計(jì)算機(jī)的優(yōu)化技術(shù)用到桌面級(jí)設(shè)備上，在有限的體積和成本約束下，實(shí)現(xiàn)接近服務(wù)器級(jí)別的計(jì)算能力，就能打破這種算力門檻。

（來(lái)源：資料圖）

KLEENE：做主板的大腦，讓硬件智能地協(xié)作

寅譜計(jì)算的誕生并非源于宏大的改變世界敘事，而是一群極客們出于對(duì)計(jì)算本身的熱愛(ài)與技術(shù)理想，自然匯聚在一起。在公司成立的一年后，他們正式向外界介紹了主板智控系統(tǒng) KLEENE 與桌面高性能計(jì)算機(jī) Infplane Personal Workstation：Hilbert。

KLEENE 的起點(diǎn)，來(lái)自該團(tuán)隊(duì)對(duì)芯片制程提高所帶來(lái)系統(tǒng)性影響的觀察。隨著計(jì)算芯片制程的提高，晶體管尺寸開(kāi)始接近物理極限，同一型號(hào)芯片之間，在性能和穩(wěn)定性等方面的體質(zhì)差異開(kāi)始變得不可忽略。為了保證產(chǎn)品的可靠性，產(chǎn)業(yè)鏈上下游不得不采用保守的策略，從電壓、頻率到功耗管理，整個(gè)系統(tǒng)層層向下兼容到較弱體質(zhì)的芯片，硬件的理論能力在真實(shí)產(chǎn)品中被系統(tǒng)性地壓制。

這一變化帶來(lái)的影響，并不只體現(xiàn)在單個(gè)芯片上，而是放大到了整個(gè)系統(tǒng)層面。主板的整體性能，并不等于 CPU、GPU、內(nèi)存和固態(tài)硬盤紙面性能的簡(jiǎn)單相加。當(dāng)芯片體質(zhì)差異增大，而主板與固件仍然依賴靜態(tài)和統(tǒng)一的控制策略時(shí)，系統(tǒng)內(nèi)部的協(xié)同效率開(kāi)始明顯下降。早期在復(fù)雜系統(tǒng)研究中的經(jīng)驗(yàn)讓他們意識(shí)到，如果缺乏對(duì)系統(tǒng)內(nèi)部調(diào)控機(jī)制的有效優(yōu)化，即便單個(gè)子組件能力足夠強(qiáng)，整個(gè)系統(tǒng)的性能表現(xiàn)依然可能很差。大約在 2024 年前后，這一問(wèn)題開(kāi)始顯現(xiàn)，逐步轉(zhuǎn)化為系統(tǒng)層面的真實(shí)需求，并顯現(xiàn)出明確的商業(yè)價(jià)值。

“KLEENE 是一個(gè)計(jì)算機(jī)主板智控系統(tǒng)，你可以把它理解為一套讓主板上的各個(gè)部件聰明協(xié)作的系統(tǒng)，”熊巍表示，“傳統(tǒng)的計(jì)算機(jī)硬件的調(diào)度相對(duì)靜態(tài)，CPU、GPU、內(nèi)存、固態(tài)硬盤往往依賴靜態(tài)策略進(jìn)行協(xié)作。KLEENE 通過(guò)針對(duì)這些組件進(jìn)行實(shí)時(shí)建模和協(xié)同優(yōu)化，能使芯片在安全范圍內(nèi)實(shí)現(xiàn)性能與功耗的動(dòng)態(tài)平衡?！?/p>

這項(xiàng)技術(shù)的研發(fā)，源自于他們?cè)诟咝阅苡?jì)算領(lǐng)域的積累。熊巍在博士階段的研究方向?yàn)?AI 與計(jì)算物理，曾參與過(guò)與“太湖之光”相關(guān)的軟件生態(tài)開(kāi)發(fā)工作。

談及二者的差異，他表示：“超級(jí)計(jì)算機(jī)追求的是極致的計(jì)算能力，而面向桌面級(jí)超算的研發(fā)，則是在妥協(xié)中求全的藝術(shù)，需要在有限的體積與成本的約束下，盡可能釋放計(jì)算芯片的最大能力。”在他們看來(lái)，正是這種系統(tǒng)級(jí)的調(diào)優(yōu)思路，使得在成本和體積受到制約的條件下，依然有機(jī)會(huì)優(yōu)化出很強(qiáng)的性能表現(xiàn)，也讓桌面超算成為一種可落地的工程方向。

KLEENE 系統(tǒng)并非針對(duì)某個(gè)特定場(chǎng)景的極限調(diào)控，而是一套可復(fù)用、可遷移的方法論，能夠服務(wù)于筆記本電腦、臺(tái)式機(jī)、手機(jī)、車載機(jī)、機(jī)器人主控等多種終端形態(tài)。它無(wú)需改變處理器硬件設(shè)計(jì)與操作系統(tǒng)的軟件兼容性，這意味著它可以適配到現(xiàn)有的計(jì)算生態(tài)中。

“我們的技術(shù)護(hù)城河不是單一算法或某個(gè)專利，而是一整套系統(tǒng)工程能力，”熊巍說(shuō)，“這源于我們團(tuán)隊(duì)對(duì)計(jì)算體系結(jié)構(gòu)的全棧式理解，即從底層的物理定律發(fā)展到上層的應(yīng)用需求?！?/p>

Hilbert：新的桌面超算

搭載 KLEENE 系統(tǒng)的首款產(chǎn)品 Hilbert，標(biāo)志著寅譜計(jì)算在桌面級(jí)超算產(chǎn)品線的正式起步。這臺(tái)邊長(zhǎng)僅為 199 毫米的立方體主機(jī)，在緊湊體積內(nèi)集成了 AMD Ryzen AI Max+ 395 處理器與核顯 Radeon 8060S Graphics，最高支持 128GB 統(tǒng)一內(nèi)存，并最大可分配96GB顯存。

（來(lái)源：資料圖）

硬件配置只是基礎(chǔ)，真正讓 Hilbert 不同的是它在系統(tǒng)級(jí)優(yōu)化下的表現(xiàn)，這也得益于團(tuán)隊(duì)研發(fā)的 KLEENE 主板智控系統(tǒng)。在內(nèi)部測(cè)試中，這臺(tái)小型主機(jī)在多項(xiàng)基準(zhǔn)測(cè)試中取得了以下成績(jī)：CineBench R23 42.8k、3DMark-CPU 14566、V-Ray GPU 2166，這些數(shù)據(jù)反映了其在基礎(chǔ)計(jì)算和圖形渲染等典型場(chǎng)景下的計(jì)算能力。

然而，Hilbert 的目標(biāo)并不是成為一個(gè)跑分冠軍?！拔覀冏非蟮氖瞧湓谡鎸?shí)工作流中的穩(wěn)定性、可復(fù)現(xiàn)性與長(zhǎng)期體驗(yàn)，”熊巍說(shuō)，“這臺(tái)設(shè)備需要同時(shí)滿足白天的生產(chǎn)力需求和晚上的娛樂(lè)需求，這才是我理想中的全能?！?/p>

打破 AI 算力的奢侈印象

在熊巍看來(lái)，當(dāng)前端側(cè) AI 部署面臨的最大障礙之一是成本?！耙粡?24GB 顯存的公版 RTX 4090 顯卡已經(jīng)突破兩萬(wàn)元，但它仍然無(wú)法部署超過(guò)一定規(guī)模的大模型。對(duì)于大多數(shù)用戶來(lái)說(shuō)，本地搭建基于大模型的工作流其實(shí)是一種奢侈?！彼硎尽?/p>

而 Hilbert 采用的是 128GB 高速內(nèi)存方案，最大 96GB 的顯存使其能夠在本地部署千億參數(shù)級(jí)別的大模型。根據(jù)內(nèi)部測(cè)試，在 GPT-OSS 120B（8bit）的模型上，配合專家混合模型優(yōu)化加速，推理速度可達(dá) 42tokens/s。

“我們希望算力像 Wi-Fi 一樣，”熊巍表示，“一個(gè)小盒子放在家里，整個(gè)屋子的智能設(shè)備都可以通過(guò)局域網(wǎng)來(lái)共享它的算力，處理各種 AI 和計(jì)算任務(wù)，同時(shí)確保數(shù)據(jù)始終留在本地，以滿足用戶對(duì)隱私與安全的需求?！?/p>

這種設(shè)想并非空想。隨著物聯(lián)網(wǎng)設(shè)備的普及以及 AI 應(yīng)用場(chǎng)景的增多，家庭和小型辦公室比如一人公司等場(chǎng)景，對(duì)于本地算力的需求正在快速增長(zhǎng)。智能家居設(shè)備不希望數(shù)據(jù)上云，但又需要智能的能力；小型工作室有財(cái)務(wù)數(shù)據(jù)、設(shè)計(jì)稿等敏感信息，既想用 AI 提高效率，又擔(dān)心數(shù)據(jù)泄露。

雖然寅譜計(jì)算是一家初創(chuàng)公司，但在產(chǎn)業(yè)鏈上已經(jīng)建立了一定的生態(tài)位?！霸谶@個(gè)行業(yè)，單打獨(dú)斗是很難的，”熊巍坦言，“計(jì)算機(jī)和半導(dǎo)體行業(yè)的產(chǎn)業(yè)鏈太長(zhǎng)了，從芯片、主板設(shè)計(jì)、生產(chǎn)制造到銷售渠道，每個(gè)環(huán)節(jié)都需要合作伙伴?！?/p>

寅譜計(jì)算的商業(yè)模式也體現(xiàn)了這種細(xì)微生態(tài)。一方面，公司通過(guò) Hilbert 等終端產(chǎn)品直接服務(wù)目標(biāo)用戶；另一方面，KLEENE 主板智控系統(tǒng)也可以作為技術(shù)解決方案，來(lái)為芯片廠商和計(jì)算機(jī)制造商提供優(yōu)化。

繼 Hilbert 之后，寅譜計(jì)算計(jì)劃在 2026 年發(fā)布基于 AMD 平臺(tái)的第二代產(chǎn)品，并將整合工作站、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索、網(wǎng)關(guān)和 Windows 游戲主機(jī)的復(fù)合能力。

年輕團(tuán)隊(duì)也有務(wù)實(shí)哲學(xué)

盡管團(tuán)隊(duì)成員多數(shù)來(lái)自清華大學(xué)等名校，各自都有豐富的履歷，但在接受采訪時(shí)，熊巍強(qiáng)調(diào)不希望過(guò)多提到個(gè)人。熊巍說(shuō)：“某種意義上，團(tuán)隊(duì)里每個(gè)人都是一個(gè)高性能的處理器，但能維系我們向前走的是團(tuán)隊(duì)體系和合作機(jī)制，可以說(shuō)是一個(gè)團(tuán)隊(duì)意義上的‘KLEENE’系統(tǒng)?！?/p>

“科技公司的 CEO 必須懂技術(shù)，CTO 也必須理解商業(yè)，”這是熊巍在創(chuàng)業(yè)過(guò)程中總結(jié)出的體會(huì)，“單一的商業(yè)思維，容易讓技術(shù)團(tuán)隊(duì)被推向不可行的方向；而只關(guān)注技術(shù)本身，又往往容易脫離真實(shí)的市場(chǎng)需求。只有兩者兼?zhèn)?，才能做出既具?chuàng)新性、又真正可落地的產(chǎn)品?！?/p>

圖 | 從右到左：熊巍、田洋（來(lái)源：資料圖）

采訪接近尾聲時(shí)，熊巍談起了他對(duì)于計(jì)算技術(shù)未來(lái)的看法：“我們正處在一個(gè)重要的轉(zhuǎn)折點(diǎn)。過(guò)去幾十年里，算力資源主要集中在大公司和算力中心；而隨著 AI 能力不斷向端側(cè)遷移，算力也在某種程度上逐步走向去中心化，更多個(gè)人和小團(tuán)隊(duì)開(kāi)始能夠在本地獲得足夠強(qiáng)大的算力，去處理以往難以企及的復(fù)雜任務(wù)?！?/p>

他舉了一個(gè)簡(jiǎn)單的例子：一名用戶希望 AI 助手學(xué)習(xí)并模擬自己的寫(xiě)作風(fēng)格。如果完全依賴云端大模型，這類需求往往會(huì)受到隱私、數(shù)據(jù)安全以及使用成本等因素的限制；而在本地部署的情況下，AI 可以直接學(xué)習(xí)用戶電腦中長(zhǎng)期積累的本地資料，從而生成高度貼合個(gè)人風(fēng)格的內(nèi)容?！斑@種高度個(gè)性化且隱私可控的 AI 體驗(yàn)，是當(dāng)前云端模式下難以提供的，”他說(shuō)，“而我們要做的，就是盡可能降低這種體驗(yàn)的使用門檻?！?/p>