[iphone] 清華博士用iPhone級價格造出個人超算
2024 年冬天，95 後博士田洋辭去高校教職創立了寅譜計算。隨後，同樣為 95 後博士的熊巍以 CTO 兼聯合創始人的身份加入，共同搭建公司的核心團隊。
“我們最初的想法很簡單：能不能把我們在研究高性能計算時學到的技術，用到普通人能買得起和用得上的設備上？”熊巍告訴 DeepTech。這位年輕的 CTO 剛剛完成博士論文答辯，並在幾天後的發布會上以新的身份亮相。
熊巍與 CEO 田洋的經歷存在著諸多相似之處：兩人都曾在華為(专题) 2012 實驗室從事研究工作，均為清華大學博士，並在博士階段提前畢業，也都放棄了原本穩定且清晰的職業發展路徑。而正是這種經歷上的相似，使他們對計算技術的發展趨勢的判斷上形成了高度壹致的共識。
“AI 時代到來後，我們觀察到壹個明顯的現象，算力在發展與競爭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踐經驗，已成為面試中的高頻問題；與此同時，AI 智能體孵化了大量壹人公司和小型工作室，但由於這些基於 AI 的‘數字員工’需要處理敏感業務數據，模型與數據往往難以上雲；此外，今年年初，不少中小學嘗試開展 AI 教育，僅在起步階段往往就需要投入動輒數拾萬元的服務器集群，甚至還要配套建設專門的機房，才能支撐這壹系統的正常運行。”
他們在工程實踐中逐漸意識到，當前的解決方案具有壹定的局限性。2025 年初，隨著 DeepSeek 等大模型在國內的爆火，市場上湧現出壹批壹體機產品，但這些設備大多采用傳統服務器的形態，價格昂貴、運維復雜，且功能單壹。
“壹台這樣的刀片機可能要拾來萬元，買來很可能只能用於幹這壹件事，還需要配備專業的機房環境。對於學校和小型企業來說，這其實是個艱難的抉擇。”熊巍表示。
這也讓他們看到了其中的機會：如果能將超級計算機的優化技術用到桌面級設備上，在有限的體積和成本約束下，實現接近服務器級別的計算能力，就能打破這種算力門檻。
（來源：資料圖）
KLEENE：做主板的大腦，讓硬件智能地協作
寅譜計算的誕生並非源於宏大的改變世界敘事，而是壹群極客們出於對計算本身的熱愛與技術理想，自然匯聚在壹起。在公司成立的壹年後，他們正式向外界介紹了主板智控系統 KLEENE 與桌面高性能計算機 Infplane Personal Workstation：Hilbert。
KLEENE 的起點，來自該團隊對芯片制程提高所帶來系統性影響的觀察。隨著計算芯片制程的提高，晶體管尺寸開始接近物理極限，同壹型號芯片之間，在性能和穩定性等方面的體質差異開始變得不可忽略。為了保證產品的可靠性，產業鏈上下游不得不采用保守的策略，從電壓、頻率到功耗管理，整個系統層層向下兼容到較弱體質的芯片，硬件的理論能力在真實產品中被系統性地壓制。
這壹變化帶來的影響，並不只體現在單個芯片上，而是放大到了整個系統層面。主板的整體性能，並不等於 CPU、GPU、內存和固態硬盤紙面性能的簡單相加。當芯片體質差異增大，而主板與固件仍然依賴靜態和統壹的控制策略時，系統內部的協同效率開始明顯下降。早期在復雜系統研究中的經驗讓他們意識到，如果缺乏對系統內部調控機制的有效優化，即便單個子組件能力足夠強，整個系統的性能表現依然可能很差。大約在 2024 年前後，這壹問題開始顯現，逐步轉化為系統層面的真實需求，並顯現出明確的商業價值。
“KLEENE 是壹個計算機主板智控系統，你可以把它理解為壹套讓主板上的各個部件聰明協作的系統，”熊巍表示，“傳統的計算機硬件的調度相對靜態，CPU、GPU、內存、固態硬盤往往依賴靜態策略進行協作。KLEENE 通過針對這些組件進行實時建模和協同優化，能使芯片在安全范圍內實現性能與功耗的動態平衡。”
這項技術的研發，源自於他們在高性能計算領域的積累。熊巍在博士階段的研究方向為 AI 與計算物理，曾參與過與“太湖之光”相關的軟件生態開發工作。
談及贰者的差異，他表示：“超級計算機追求的是極致的計算能力，而面向桌面級超算的研發，則是在妥協中求全的藝術，需要在有限的體積與成本的約束下，盡可能釋放計算芯片的最大能力。”在他們看來，正是這種系統級的調優思路，使得在成本和體積受到制約的條件下，依然有機會優化出很強的性能表現，也讓桌面超算成為壹種可落地的工程方向。
KLEENE 系統並非針對某個特定場景的極限調控，而是壹套可復用、可遷移的方法論，能夠服務於筆記本電腦、台式機、手機、車載機、機器人主控等多種終端形態。它無需改變處理器硬件設計與操作系統的軟件兼容性，這意味著它可以適配到現有的計算生態中。
“我們的技術護城河不是單壹算法或某個專利，而是壹整套系統工程能力，”熊巍說，“這源於我們團隊對計算體系結構的全棧式理解，即從底層的物理定律發展到上層的應用需求。”
Hilbert：新的桌面超算
搭載 KLEENE 系統的首款產品 Hilbert，標志著寅譜計算在桌面級超算產品線的正式起步。這台邊長僅為 199 毫米的立方體主機，在緊湊體積內集成了 AMD Ryzen AI Max+ 395 處理器與核顯 Radeon 8060S Graphics，最高支持 128GB 統壹內存，並最大可分配96GB顯存。
（來源：資料圖）
硬件配置只是基礎，真正讓 Hilbert 不同的是它在系統級優化下的表現，這也得益於團隊研發的 KLEENE 主板智控系統。在內部測試中，這台小型主機在多項基准測試中取得了以下成績：CineBench R23 42.8k、3DMark-CPU 14566、V-Ray GPU 2166，這些數據反映了其在基礎計算和圖形渲染等典型場景下的計算能力。
然而，Hilbert 的目標並不是成為壹個跑分冠軍。“我們追求的是其在真實工作流中的穩定性、可復現性與長期體驗，”熊巍說，“這台設備需要同時滿足白天的生產力需求和晚上的娛樂需求，這才是我理想中的全能。”
打破 AI 算力的奢侈印象
在熊巍看來，當前端側 AI 部署面臨的最大障礙之壹是成本。“壹張 24GB 顯存的公版 RTX 4090 顯卡已經突破兩萬元，但它仍然無法部署超過壹定規模的大模型。對於大多數用戶來說，本地搭建基於大模型的工作流其實是壹種奢侈。”他表示。
而 Hilbert 采用的是 128GB 高速內存方案，最大 96GB 的顯存使其能夠在本地部署千億參數級別的大模型。根據內部測試，在 GPT-OSS 120B（8bit）的模型上，配合專家混合模型優化加速，推理速度可達 42tokens/s。
“我們希望算力像 Wi-Fi 壹樣，”熊巍表示，“壹個小盒子放在家裡，整個屋子的智能設備都可以通過局域網來共享它的算力，處理各種 AI 和計算任務，同時確保數據始終留在本地，以滿足用戶對隱私與安全的需求。”
這種設想並非空想。隨著物聯網設備的普及以及 AI 應用場景的增多，家庭和小型辦公室比如壹人公司等場景，對於本地算力的需求正在快速增長。智能家居設備不希望數據上雲，但又需要智能的能力；小型工作室有財務數據、設計稿等敏感信息，既想用 AI 提高效率，又擔心數據泄露。
雖然寅譜計算是壹家初創公司，但在產業鏈上已經建立了壹定的生態位。“在這個行業，單打獨斗是很難的，”熊巍坦言，“計算機和半導體行業的產業鏈太長了，從芯片、主板設計、生產制造到銷售渠道，每個環節都需要合作伙伴。”
寅譜計算的商業模式也體現了這種細微生態。壹方面，公司通過 Hilbert 等終端產品直接服務目標用戶；另壹方面，KLEENE 主板智控系統也可以作為技術解決方案，來為芯片廠商和計算機制造商提供優化。
繼 Hilbert 之後，寅譜計算計劃在 2026 年發布基於 AMD 平台的第贰代產品，並將整合工作站、神經網絡架構搜索、網關和 Windows 游戲主機的復合能力。
年輕團隊也有務實哲學
盡管團隊成員多數來自清華大學等名校，各自都有豐富的履歷，但在接受采訪時，熊巍強調不希望過多提到個人。熊巍說：“某種意義上，團隊裡每個人都是壹個高性能的處理器，但能維系我們向前走的是團隊體系和合作機制，可以說是壹個團隊意義上的‘KLEENE’系統。”
“科技公司的 CEO 必須懂技術，CTO 也必須理解商業，”這是熊巍在創業過程中總結出的體會，“單壹的商業思維，容易讓技術團隊被推向不可行的方向；而只關注技術本身，又往往容易脫離真實的市場需求。只有兩者兼備，才能做出既具創新性、又真正可落地的產品。”
圖 | 從右到左：熊巍、田洋（來源：資料圖）
采訪接近尾聲時，熊巍談起了他對於計算技術未來的看法：“我們正處在壹個重要的轉折點。過去幾拾年裡，算力資源主要集中在大公司和算力中心；而隨著 AI 能力不斷向端側遷移，算力也在某種程度上逐步走向去中心化，更多個人和小團隊開始能夠在本地獲得足夠強大的算力，去處理以往難以企及的復雜任務。”
他舉了壹個簡單的例子：壹名用戶希望 AI 助手學習並模擬自己的寫作風格。如果完全依賴雲端大模型，這類需求往往會受到隱私、數據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 可以直接學習用戶電腦中長期積累的本地資料，從而生成高度貼合個人風格的內容。“這種高度個性化且隱私可控的 AI 體驗，是當前雲端模式下難以提供的，”他說，“而我們要做的，就是盡可能降低這種體驗的使用門檻。”?
[加西網正招聘多名全職sales 待遇優]
這條新聞還沒有人評論喔，等著您的高見呢
“我們最初的想法很簡單：能不能把我們在研究高性能計算時學到的技術，用到普通人能買得起和用得上的設備上？”熊巍告訴 DeepTech。這位年輕的 CTO 剛剛完成博士論文答辯，並在幾天後的發布會上以新的身份亮相。
熊巍與 CEO 田洋的經歷存在著諸多相似之處：兩人都曾在華為(专题) 2012 實驗室從事研究工作，均為清華大學博士，並在博士階段提前畢業，也都放棄了原本穩定且清晰的職業發展路徑。而正是這種經歷上的相似，使他們對計算技術的發展趨勢的判斷上形成了高度壹致的共識。
“AI 時代到來後，我們觀察到壹個明顯的現象，算力在發展與競爭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踐經驗，已成為面試中的高頻問題；與此同時，AI 智能體孵化了大量壹人公司和小型工作室，但由於這些基於 AI 的‘數字員工’需要處理敏感業務數據，模型與數據往往難以上雲；此外，今年年初，不少中小學嘗試開展 AI 教育，僅在起步階段往往就需要投入動輒數拾萬元的服務器集群，甚至還要配套建設專門的機房，才能支撐這壹系統的正常運行。”
他們在工程實踐中逐漸意識到，當前的解決方案具有壹定的局限性。2025 年初，隨著 DeepSeek 等大模型在國內的爆火，市場上湧現出壹批壹體機產品，但這些設備大多采用傳統服務器的形態，價格昂貴、運維復雜，且功能單壹。
“壹台這樣的刀片機可能要拾來萬元，買來很可能只能用於幹這壹件事，還需要配備專業的機房環境。對於學校和小型企業來說，這其實是個艱難的抉擇。”熊巍表示。
這也讓他們看到了其中的機會：如果能將超級計算機的優化技術用到桌面級設備上，在有限的體積和成本約束下，實現接近服務器級別的計算能力，就能打破這種算力門檻。
（來源：資料圖）
KLEENE：做主板的大腦，讓硬件智能地協作
寅譜計算的誕生並非源於宏大的改變世界敘事，而是壹群極客們出於對計算本身的熱愛與技術理想，自然匯聚在壹起。在公司成立的壹年後，他們正式向外界介紹了主板智控系統 KLEENE 與桌面高性能計算機 Infplane Personal Workstation：Hilbert。
KLEENE 的起點，來自該團隊對芯片制程提高所帶來系統性影響的觀察。隨著計算芯片制程的提高，晶體管尺寸開始接近物理極限，同壹型號芯片之間，在性能和穩定性等方面的體質差異開始變得不可忽略。為了保證產品的可靠性，產業鏈上下游不得不采用保守的策略，從電壓、頻率到功耗管理，整個系統層層向下兼容到較弱體質的芯片，硬件的理論能力在真實產品中被系統性地壓制。
這壹變化帶來的影響，並不只體現在單個芯片上，而是放大到了整個系統層面。主板的整體性能，並不等於 CPU、GPU、內存和固態硬盤紙面性能的簡單相加。當芯片體質差異增大，而主板與固件仍然依賴靜態和統壹的控制策略時，系統內部的協同效率開始明顯下降。早期在復雜系統研究中的經驗讓他們意識到，如果缺乏對系統內部調控機制的有效優化，即便單個子組件能力足夠強，整個系統的性能表現依然可能很差。大約在 2024 年前後，這壹問題開始顯現，逐步轉化為系統層面的真實需求，並顯現出明確的商業價值。
“KLEENE 是壹個計算機主板智控系統，你可以把它理解為壹套讓主板上的各個部件聰明協作的系統，”熊巍表示，“傳統的計算機硬件的調度相對靜態，CPU、GPU、內存、固態硬盤往往依賴靜態策略進行協作。KLEENE 通過針對這些組件進行實時建模和協同優化，能使芯片在安全范圍內實現性能與功耗的動態平衡。”
這項技術的研發，源自於他們在高性能計算領域的積累。熊巍在博士階段的研究方向為 AI 與計算物理，曾參與過與“太湖之光”相關的軟件生態開發工作。
談及贰者的差異，他表示：“超級計算機追求的是極致的計算能力，而面向桌面級超算的研發，則是在妥協中求全的藝術，需要在有限的體積與成本的約束下，盡可能釋放計算芯片的最大能力。”在他們看來，正是這種系統級的調優思路，使得在成本和體積受到制約的條件下，依然有機會優化出很強的性能表現，也讓桌面超算成為壹種可落地的工程方向。
KLEENE 系統並非針對某個特定場景的極限調控，而是壹套可復用、可遷移的方法論，能夠服務於筆記本電腦、台式機、手機、車載機、機器人主控等多種終端形態。它無需改變處理器硬件設計與操作系統的軟件兼容性，這意味著它可以適配到現有的計算生態中。
“我們的技術護城河不是單壹算法或某個專利，而是壹整套系統工程能力，”熊巍說，“這源於我們團隊對計算體系結構的全棧式理解，即從底層的物理定律發展到上層的應用需求。”
Hilbert：新的桌面超算
搭載 KLEENE 系統的首款產品 Hilbert，標志著寅譜計算在桌面級超算產品線的正式起步。這台邊長僅為 199 毫米的立方體主機，在緊湊體積內集成了 AMD Ryzen AI Max+ 395 處理器與核顯 Radeon 8060S Graphics，最高支持 128GB 統壹內存，並最大可分配96GB顯存。
（來源：資料圖）
硬件配置只是基礎，真正讓 Hilbert 不同的是它在系統級優化下的表現，這也得益於團隊研發的 KLEENE 主板智控系統。在內部測試中，這台小型主機在多項基准測試中取得了以下成績：CineBench R23 42.8k、3DMark-CPU 14566、V-Ray GPU 2166，這些數據反映了其在基礎計算和圖形渲染等典型場景下的計算能力。
然而，Hilbert 的目標並不是成為壹個跑分冠軍。“我們追求的是其在真實工作流中的穩定性、可復現性與長期體驗，”熊巍說，“這台設備需要同時滿足白天的生產力需求和晚上的娛樂需求，這才是我理想中的全能。”
打破 AI 算力的奢侈印象
在熊巍看來，當前端側 AI 部署面臨的最大障礙之壹是成本。“壹張 24GB 顯存的公版 RTX 4090 顯卡已經突破兩萬元，但它仍然無法部署超過壹定規模的大模型。對於大多數用戶來說，本地搭建基於大模型的工作流其實是壹種奢侈。”他表示。
而 Hilbert 采用的是 128GB 高速內存方案，最大 96GB 的顯存使其能夠在本地部署千億參數級別的大模型。根據內部測試，在 GPT-OSS 120B（8bit）的模型上，配合專家混合模型優化加速，推理速度可達 42tokens/s。
“我們希望算力像 Wi-Fi 壹樣，”熊巍表示，“壹個小盒子放在家裡，整個屋子的智能設備都可以通過局域網來共享它的算力，處理各種 AI 和計算任務，同時確保數據始終留在本地，以滿足用戶對隱私與安全的需求。”
這種設想並非空想。隨著物聯網設備的普及以及 AI 應用場景的增多，家庭和小型辦公室比如壹人公司等場景，對於本地算力的需求正在快速增長。智能家居設備不希望數據上雲，但又需要智能的能力；小型工作室有財務數據、設計稿等敏感信息，既想用 AI 提高效率，又擔心數據泄露。
雖然寅譜計算是壹家初創公司，但在產業鏈上已經建立了壹定的生態位。“在這個行業，單打獨斗是很難的，”熊巍坦言，“計算機和半導體行業的產業鏈太長了，從芯片、主板設計、生產制造到銷售渠道，每個環節都需要合作伙伴。”
寅譜計算的商業模式也體現了這種細微生態。壹方面，公司通過 Hilbert 等終端產品直接服務目標用戶；另壹方面，KLEENE 主板智控系統也可以作為技術解決方案，來為芯片廠商和計算機制造商提供優化。
繼 Hilbert 之後，寅譜計算計劃在 2026 年發布基於 AMD 平台的第贰代產品，並將整合工作站、神經網絡架構搜索、網關和 Windows 游戲主機的復合能力。
年輕團隊也有務實哲學
盡管團隊成員多數來自清華大學等名校，各自都有豐富的履歷，但在接受采訪時，熊巍強調不希望過多提到個人。熊巍說：“某種意義上，團隊裡每個人都是壹個高性能的處理器，但能維系我們向前走的是團隊體系和合作機制，可以說是壹個團隊意義上的‘KLEENE’系統。”
“科技公司的 CEO 必須懂技術，CTO 也必須理解商業，”這是熊巍在創業過程中總結出的體會，“單壹的商業思維，容易讓技術團隊被推向不可行的方向；而只關注技術本身，又往往容易脫離真實的市場需求。只有兩者兼備，才能做出既具創新性、又真正可落地的產品。”
圖 | 從右到左：熊巍、田洋（來源：資料圖）
采訪接近尾聲時，熊巍談起了他對於計算技術未來的看法：“我們正處在壹個重要的轉折點。過去幾拾年裡，算力資源主要集中在大公司和算力中心；而隨著 AI 能力不斷向端側遷移，算力也在某種程度上逐步走向去中心化，更多個人和小團隊開始能夠在本地獲得足夠強大的算力，去處理以往難以企及的復雜任務。”
他舉了壹個簡單的例子：壹名用戶希望 AI 助手學習並模擬自己的寫作風格。如果完全依賴雲端大模型，這類需求往往會受到隱私、數據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 可以直接學習用戶電腦中長期積累的本地資料，從而生成高度貼合個人風格的內容。“這種高度個性化且隱私可控的 AI 體驗，是當前雲端模式下難以提供的，”他說，“而我們要做的，就是盡可能降低這種體驗的使用門檻。”?
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： |
| 延伸閱讀 | 更多... |
推薦: