10 月 2 日，a16z 宣布领投 22 岁的 Sigil Wen 创办的 Conway Research 首轮融资，三天后其首款产品 Underdog 开放邀请制测试：模型和数据都留在用户设备上，断网也能用。

你有没有想过，一个 AI 助理要真正替你做事，就得先读你的邮件、日程、文档和聊天记录，而这些东西现在默认都要传到别人的服务器上？Sigil Wen 对这件事的敏感，来自一次亲身经历。几年前，他住在旧金山的一栋 hacker house（黑客屋）里，同住的有 Andrej Karpathy。一款流行邮件应用出了个 bug，他自己的私人邮件被展示给了别的用户。

10 月 2 日，a16z 宣布领投他创办的 Conway Research 的第一轮融资，金额和估值没有公布。三天后，Conway 的第一款产品 Underdog 开放了邀请制测试版，目前有 Mac 和 Windows 版本。Underdog 是一个个人 AI 助理，模型和数据都留在你自己的设备上，哪怕断网也能用。a16z 在公告里写了一句话，大概就是 Sigil 的全部出发点：最了解我们的 AI，应该为我们工作，用的是我们自己掌控的数据。

Conway 官网首页：公司自称“做你能拥有的智能”，右侧是 Underdog’s Law 和 Husky 的更新。截图来自 conway.tech

01 一个 17 岁飞到旧金山，睡在共享办公室的人

Sigil 2003 年底出生在多伦多，父母是移民，17 岁那年他一个人飞到旧金山，没有什么人脉，有一阵子睡在 44 Montgomery 的 WeWork 里。他没有上大学，放弃了宾夕法尼亚大学的 M&T 项目，把“最该读书的几年”花在了 AI 的中心地带。他在自己的网站上写，在那里认识了 David Holz，看到了 Midjourney 的第一版模型，还被拉进一个只有 20 个人的 Discord，那个小群后来成了拥有两千万成员的 Midjourney。

a16z 投资文章的开头几段，写的是 Sigil 17 岁来旧金山、睡在 WeWork 的经历。截图来自 a16z.com

接下来是 11 个月的 hacker house 生活，同住的有 Karpathy，周末一起折腾的人里有 Anthropic、Perplexity、Replicate、RunPod，以及 DALL·E、Whisper、GPT-3 和 Stable Diffusion 背后的创始人和研究者。Anthropic 联合创始人 Ben Mann 到他们家来写代码，顺手邀请他做了一个 Slackbot 的最早期测试用户，那个东西后来就是 Claude。我觉得这一段经历最值钱的不是认识了谁，而是他在 18 岁的时候，每个周末都能看到最前沿的东西是怎么从一个粗糙的原型长出来的。

a16z 在公告里对他的描述，集中在他怎么和人打交道上：他先帮忙，不管是帮人招工程师，还是帮他投的创始人招人、融资，把每一段关系都当成会持续几十年来对待，这是他自己的说法。2021 年，Naval Ravikant 带他去了 Chris Dixon 办的一场活动，这是 a16z 第一次见到他。后来他帮 Naval 做了 Airchat，把新出来的 AI 模型放进一个每天有人用的产品里，还招了大部分工程团队，19 岁成了 Naval 的 Spearhead 基金里最年轻的成员。他 2025 年拿到 Thiel Fellowship，之前还创办过帮技术人才办美国 O-1 签证的公司 Extraordinary，在自己的网站上说第一年就做到了七位数的盈利，后来转任执行董事长。

对 a16z 来说，这次并不是第一次下注。公告开头就写，他们早先就支持过 Sigil，那时看到的是“一个异常有办法的 builder”：他会主动去找出色的人，想办法帮上忙，赢得信任，然后不断选更难的问题。Sigil 自己的网站上也写着他曾是 a16z New Media Fellow。这一轮由 Chris Dixon、Gabriel Vasquez 和 Elizabeth Harkavy 一起署名，投的是人，也是一个他们认为“对每个用 AI 的人都重要”的问题。

02 邮件泄露这件事，是整个产品的起点

a16z 的公告里有一段话写得很直接：Underdog 背后的问题是个人的。那次邮件 bug 的后果，成了 Sigil 想去做“让人更有力量，同时让数据安全”的产品的动力之一。一个把时间花在最前沿 AI 里的人，自己的私人邮件却因为别人家的一个 bug 被暴露，这种体验和读一篇隐私政策是两回事。

同一时间，他在做另一件事：看一个模型能小到什么程度。他说自己 2023 年让 GPT-2 跑在了 Apple Watch 上。在 Airchat 的时候，Whisper 刚开源，他们是第一批把它做进 iPhone 的团队。他家里的设备有超过 2TB 的 GPU 内存，最近还让一个 2.8 万亿参数、据说达到 Opus 4.8 水平的 Kimi K3，在桌上两台各 512GB 的 Mac Studio 上跑了起来，速度大约每秒 6 个 token。这个速度当然谈不上好用，但它说明了他在做什么：一直在试探，本地设备的天花板到底在哪里。

Sigil Wen 的个人主页：他自己写下 44 Montgomery 的 WeWork、11 个月的 hacker house，以及在桌上跑 Kimi K3。截图来自 sigilwen.ca

a16z 把这两条线放在一起看。公告里的逻辑是这样的：AI 正在从回答问题，走向替我们做事，它越有用，就越依赖对我们的对话、承诺、文档和偏好的访问。让助理有价值的那些信息，恰恰是我们最需要保护的信息。他们认为 Underdog 是 Sigil 给出的回答。我认为这个论证有说服力的地方在于，它把“隐私”从一个道德选项，变成了一个产品能力的前提：你越想让助理多做一点，就越需要它待在一个你信得过的地方。

03 Underdog 到底在做什么

Underdog 是一个在你自己电脑上跑的个人助理。它背后是 Conway 自己做的推理引擎 Husky，Sigil 说这个引擎在 CPU 和 GPU 之间搬运的数据比同类方案少，所以本地模型能更快。目前 Underdog 用的是一个 270 亿参数的推理模型，基于 Qwen3.8-27B 训练，比 Claude、Gemini、GPT 这类跑在数据中心里的模型小得多。Sigil 的说法是，这个体量处理大多数日常任务已经够用，比如搜索商品、帮着算数学题。

官网上有一个更大胆的说法：六个月前，全球排名第一的 AI 是 Claude Opus 4.6，现在 Conway 的 Underdog 27B 跑在你的 Mac 或 iPhone 上，在他们的评测里超过了它。官网还给出了 Husky 的一个速度数字，在 M5 Max 上跑一个 40 亿参数的小模型 Woof，在一个函数修改任务上最高达到 Apple 自家 MLX 框架的 4.5 倍。这个“最高”需要读清楚，它是某个模型、某个芯片、某个任务下的峰值，不是所有场景的平均。

除了 270 亿参数的主力模型，Conway 还做了一个更小的 Woof，只有 40 亿参数，用来跑最轻量的任务，Husky 的 4.5 倍数字就是在它身上拿到的。一大一小的搭配，说明他们想的不是“用一个模型包打天下”，而是按任务的重量来分配本地的算力，这和云端助理按调用次数计费的思路完全不同。

这里可以自己算一笔账。按 4-bit 量化粗算，270 亿个参数，每个半个字节，大约是 13.5GB。这个体积放进一台 32GB 内存的 Mac 绰绰有余，这就是“在本地跑一个够用的助理”能成立的物理基础，也是 Sigil 敢在今天发布这个产品的理由。

想象一下这样一个场景。你在飞机上，没有网络，要把积压了一周的邮件理一遍，把下周的会议排好，再从几十份 PDF 里找出合同里的付款条款。云端助理在这时只是一个打不开的网页，而 Underdog 在你的电脑上本来就醒着。这种“不需要网络、不需要把文件上传”的场景，我认为是本地模型最先站稳的地方，因为它连“值不值得为隐私换一点能力”这个问题都不用问。

04 Underdog’s Law：最强的智能，六个月后到你手上

Conway 官网上把自己的想法写成了一条定律，叫 Underdog’s Law：今天最前沿的智能，六个月后会抵达你的设备。放到日历上看，如果这条定律成立，今天云端最强的模型，要到 2027 年 4 月前后，就能在你的电脑上跑起来。

这条定律很大胆，也有一点底气。过去几年，小模型追上上一代大模型的速度确实很快，Sigil 自己家里的那些实验，就是在一次次验证“今天的大模型明天就能小一圈”。Conway 的研究方向里，除了 On-Device AI（端侧 AI），还列了 Confidential Inference（机密推理）、Megakernels、AI Security 和一串与机器经济相关的方向，说明这家公司不想只做一个应用，而是想做一个能让模型更快、更小、更私密的底层。

a16z 的设想则更远。他们在公告里写道，随着 Underdog 改进模型并把它带到更多消费设备上，可以把强大的 AI 交到数十亿人手里。AI 应该是一个“liberating equalizer”（解放性的平等器）：免费的、能干的、可靠的帮助，让每个有手机或电脑的人，对自己的时间、信息和选择拥有主权。

对普通用户，这条定律的含义很具体：他们不需要为了用上好的助理，去按月订云端套餐，也不需要换一台专门的机器，只要电脑的内存和芯片够用，一次软件更新，就把最近半年的进步带了过来。如果这个节奏是真的，设备的价值就会有一部分来自“能装下多聪明的助理”，这会改变人们挑电脑时看的参数。

05 不收订阅费，那它怎么赚钱

Underdog 上线时免费，也没有广告。Conway 的计划是在助理替你完成购买的时候，通过 Stripe 抽一小部分佣金。这个设计很聪明，因为模型跑在你自己的电脑上，Conway 不需要为每一次请求付云端推理的账单，而佣金又只在助理真的帮你办成了事的时候才发生。

RuntimeWire 在分析里把这个模式的两面讲得很清楚。一面是它避开了广告对注意力和数据的追逐，助理不需要为了让你多看点东西而存在。另一面是它同时制造了一种新的激励：助理有了“促成购买”的动机。一个靠你买东西赚钱的助理，建议你“不买”的时候，会是什么立场？

我认为这是整个产品最值得被盯住的地方。订阅制下，助理和用户的利益大致一致：用户满意才会续费。广告制下，两者天然冲突。佣金制处在中间，大多数时候一致，在购买决策的那一刻却会有微妙的偏移。Sigil 和 a16z 都强调“AI 为我们工作”，那么这个产品要拿出的证据，恰恰是在用户最想省钱的时候，它会不会老实地说一句“这个可以不买”。

06 同一周，a16z 还押了另一条路

就在 Underdog 发布的同一周，a16z 还领投了另一家本地 AI 公司。19 岁的 Zain Javaid 创办的 Ghost 走出隐身状态，拿到 1100 万美元种子轮，a16z 领投。它的第一个产品叫 Core，一台专门为 AI agent 设计的个人电脑，售价 3499 美元，里面装了一块 Nvidia RTX Pro 4000 SFF Blackwell GPU，预装 Qwen-3.8-Next、Qwen-3.8-27B 和 Gemma-4-31B，没有屏幕，通过手机和 App 使用，Javaid 管它叫“盒子里的大脑”。

TechCrunch 对 Ghost 的报道头图：19 岁创始人拿到 1100 万美元种子轮，a16z 领投。图片来自 TechCrunch（Image Credits: Ghost）

两家公司的答案很不一样。Ghost 认为，在现有硬件上跑模型“在很多层面都是糟糕的体验”，所以要为 agent 单独造一台机器，数据、记忆和模型都放在里面，加密，甚至在 Ghost 公司倒闭后设备也能继续工作。Conway 的做法相反，不卖硬件，赌的是你手里已经有的那台 Mac 或 Windows 电脑，会随着芯片和模型的进步，越来越够用。

两条路的账也不一样。Core 的售价是 3499 美元，首批 10 月最后一周发货，用户先要掏出这笔钱，换来的是一块专用 GPU 和一个不会被别的软件抢资源的环境。Underdog 对用户的现金成本是零，前提是手上本来就有一台内存够用的电脑。按 13.5GB 的模型体积算，一台 32GB 的 Mac 就够，而 Core 预装的 Gemma-4-31B 这类模型，更适合放在有专用显卡的机器上。

一条路是买一台新的盒子，另一条路是让老设备变聪明。两条路都押在同一个判断上：个人 AI 要想真正替人做事，数据就得留在用户手里。a16z 一周之内下了两笔注，看上去更像是在这个判断的两种实现方式上各放了一个筹码。同一个赛道里，Meta 的 Muse Glimmer 是一个 300 亿参数、可以在 PC 上离线运行的模型，Perplexity 和 Nvidia 也推出了不依赖云的本地 AI agent，Underdog 面对的不只是 Ghost。

07 我担心的几件事

首先是数字的出处。Underdog 27B 超过 Opus 4.6，Husky 最高 4.5 倍，都来自 Conway 自己的评测和展示，Sigil 说它能应付大多数日常任务，也只是他自己的判断。一个在评测里排名靠前的模型，和一个每天帮你处理三十封邮件、不出错的助理，是两件事。

其次是定律能走多远。Underdog’s Law 是一个关于趋势的判断，趋势能不能延续，取决于前沿模型会不会继续长得更大、更依赖大规模的推理算力。如果云端的下一代模型靠的是巨大的集群和长时间的推理，那么“六个月后到你手上”这个节奏可能会被拉长。这个问题眼下还没有人能给出答案。

第三是激励。前面说过，佣金制让助理有了促成购买的动力，这个设计在产品发展起来之后会面对越来越大的商业压力。开始时免费、无广告很容易，真正的考验是公司要给团队发工资、要训练新模型的时候。

最后是信息的缺口。融资的金额和估值没有公布，用户数没有公布，a16z 之前和 Sigil 有过什么形式的合作也没有说。Conway 在官网上自称是一个“tiny but mighty team of underdogs”（小而强悍的弱者团队），一个很小的团队要同时做模型、推理引擎和跨平台应用，需要的资源不会少。

我自己的一点思考

我认为这件事最值得看的，是它把一个老问题换了个问法。过去我们问的是“AI 够不够聪明”，Sigil 和 a16z 问的是“它在哪里思考”。当 AI 要读你的邮件、你的合同、你的日程时，这个问题就从一个技术细节，变成了一个信任问题。能不能把足够好的模型放进你自己的电脑，决定了这个信任是不是一定要交给别人。

另一个我觉得被低估的点，是 Sigil 的个人经历和这个产品之间的关系。很多做隐私的公司，讲的是风险，Sigil 讲的是他自己的邮件被陌生人看到过。一个愿意在 17 岁睡共享办公室、18 岁跟着前沿人物一起折腾的人，在经历了这件事之后，选择把后面的几年用来做一个“让数据待在你自己手里”的产品。这给了这家公司一个很扎实的出发点。

对做产品的人来说，我觉得还有一层意思。把模型放在用户的设备上，推理成本就转移给了用户手里的芯片，“免费”才有可能成立，这是它和云端助理在商业上最根本的差别。但这也意味着，模型一旦装进了几万台各不相同的电脑里，评测、更新和客服都比云端难得多，同一个 bug 在不同的内存配置上可能表现完全不一样。这是我的推断，Conway 要证明的，除了模型够强，还有把这种分散的环境管好的本事。

接下来要看的，其实只有几样东西：Underdog 的测试用户里，有多少人会真的每天打开它；Husky 的速度能不能从峰值走到日常；佣金模式在第一批真实购买里，用户会不会觉得助理站在自己这边；还有 Underdog’s Law 能不能在下一次大模型发布之后，再被验证一次。这些问题不需要等很久，答案会在未来半年里陆续出现。

资料来源：

Andreessen Horowitz，Investing in Conway, the Creator of Underdog，2026-10-02原文 https://a16z.com/announcement/investing-in-conway-the-creator-of-underdog/

Sigil Wen 个人主页，About原文 https://sigilwen.ca/

Conway 官网，Intelligence you can own原文 https://conway.tech/

dev.ua，Startup Conway Research launches private AI assistant Underdog（转述 TechCrunch 10 月 6 日报道），2026-10-07原文 https://dev.ua/en/news/underdog-1791368678

RuntimeWire，Conway launches Underdog, an on-device AI assistant with a purchase-fee plan，2026-10-06原文 https://runtimewire.com/article/conway-underdog-on-device-ai-payment-fees

RuntimeWire，a16z leads Conway Research’s first round for on-device personal AI，2026-10-02原文 https://runtimewire.com/article/a16z-leads-conway-first-round-sigil-wen-on-device-ai

TavJin，Sigil Wen Launches Underdog, a Privacy-First On-Device AI Assistant，2026-10-07原文 https://tavjin.com/news/sigil-wen-launches-underdog-a-privacy-first-on-device-ai-ass

TechCrunch，At 19, founder raises $11M for Ghost, maker of a $3,499 computer for personal AI，2026-10-05原文 https://techcrunch.com/2026/10/05/at-19-ghost-founder-raises-11-million-to-build-a-3499-computer-for-your-personal-ai/