数据不出设备、免费还不卖广告：20 岁天才的 Underdog 要做最私密的 AI 助手

10 月 6 日，周一，TechCrunch 发了一篇报道，主角是一个 20 岁的自学程序员 Sigil Wen。他发布了新产品 Underdog——一个 invite-only 的个人 AI 助手，自我定位是"硅谷最私密的 AI 助手"。模型完全跑在用户自己的设备上，数据不出门；应用先免费，而且承诺永远不加广告。

投资人名单相当豪华：a16z（Chris Dixon 亲自下场）、Khosla Ventures、Hummingbird、SV Angel、Anthology Fund（这是 Menlo Ventures 和 Anthropic 的合资基金），天使轮里还有 Stripe 联创 Patrick Collison、Vercel 创始人 Guillermo Rauch、OpenAI 研究员 Noam Brown。公司叫 Conway Research。

这篇想聊四件事：Wen 这个人的故事为什么有意思；Underdog 的产品和技术到底什么成色；它那个"不收订阅费、靠支付交易抽成赚钱"的商业模式——这可能是整件事里最有料的部分；以及，这件事对独立做 AI 产品的开发者有什么启发。

先看人：17 岁搬到硅谷，蹭过 Karpathy 的 hacker house

Sigil Wen 的履历读起来很不"正规"，但每一条都踩在 AI 圈的神经上。他是自学成才的程序员，17 岁就搬到了硅谷，住进过 Andrej Karpathy 的 AI hacker house——就是那种一屋子人白天写代码、晚上聊模型的传奇小屋。之后他去给 Naval Ravikant 的 Airchat 打过工，还拿到了 Thiel Fellowship（Peter Thiel 那个"辍学去创业就给你钱"的奖学金）。

他还干过一件很出圈的事：把 GPT-2 跑在 Apple Watch 上。听起来像行为艺术，但懂行的人知道这意味着什么——在极端受限的硬件上把模型塞进去、跑起来，考验的是对推理引擎、量化、内存管理的硬功夫。这几乎就是他现在做 Underdog 的预演。

为什么先讲人？因为在 AI 助手这个赛道里，Meta 的 Muse、OpenAI 的 Dots 这些"instinct 助手"已经把声量占满了，一个 20 岁的独立创业者凭什么让人认真看一眼？凭的就是这种履历：他不是在 PPT 上谈隐私，而是真的在 Apple Watch 上把模型跑起来过的人。这种"动手证明"的气质，恰恰是 vibe coding 社区最认的东西——学历不重要，大厂 title 不重要，你能不能把东西做出来、跑起来，才重要。

产品事实：27B 参数模型，全跑在你自己的机器上

Underdog 的定位是个人 AI 助手，直接对标 Meta Muse、OpenAI Dots 这类"常驻型"助手。它的核心卖点只有一个，但很硬：模型完全运行在用户自己的设备上。首发支持 Mac 和 Windows PC，Linux、iPhone、Android 版本在路上。

技术上有两层。第一层是自研推理引擎 Husky。据 Wen 的说法，Husky 在 CPU 和 GPU 之间搬运的数据比市面上的竞品 on-device 引擎更少——搬运数据是端侧推理最大的性能杀手之一，显存带宽和内存带宽决定了 token 生成速度，能把搬运量压下来，27B 这种量级的模型在消费级机器上才有实用价值。第二层是模型本身：当前用的是一个 27B 参数的推理模型，基于 Qwen3.8-27B 微调而来。

Wen 放出的性能说法是：在部分基准测试上，这个 27B 本地模型能打平 Claude Opus 4.6——也就是大约半年前的顶级模型水平。他说这个水平"足以应付购物研究、数学作业这类日常任务"。另外一个细节：用户授权给助手的邮箱等账号，密钥会做加密存储，存在本地。

冷静一下。基准测试的数字永远要打折听，尤其是创业公司自己挑的"部分基准"。Opus 4.6 是半年前的顶级，半年在 AI 圈是半个时代，拿今天的本地 27B 去对标它，赢了也不奇怪。但这不是否定 Underdog 的价值——关键问题从来不是"本地 27B 能不能打过云端旗舰"，而是"本地 27B 的体验够不够好到让用户愿意换"。token 速度、内存占用、发热、续航，这些才是决定 on-device 助手生死的指标，Husky 引擎的真实表现要等 beta 用户上手才知道。

还有一个要较真的点："数据不出设备"这个说法，听着很爽，但边界在哪里？个人 AI 助手的终极形态是要替你办事的：查邮件、订机票、下单买东西。一旦它替你下单、替你发邮件，数据必然要出设备——Wen 自己也承认了这一点，所以才有"邮箱等账号密钥加密存储"的设计。也就是说，"不出设备"指的是模型推理和你的私人数据处理在本地完成，而不是"这个应用永远不联网"。这是诚实的设计，但营销话术和真护城河之间，隔着用户到底在不在乎这个区别。我的判断是：在乎的人会非常在乎，不在乎的人怎么说都没用——隐私是一个强筛选器，不是大众卖点。

最有料的部分：免费、无广告，靠支付抽成赚钱

Underdog 的商业模式可能是整篇报道里最值得琢磨的。应用先免费，而且承诺永远不加广告。Wen 的逻辑很直白：因为推理跑在用户自己的机器上，服务每个用户的边际成本极低，所以"不用收订阅费"。这句话信息量很大——它等于公开承认，AI 助手收订阅费这件事，很大程度上是在为云端推理成本买单，而不是为智能本身买单。

那钱从哪来？学 fintech。Stripe 联创 Patrick Collison 是他的天使投资人，这不是巧合。模式是这样的：当 Underdog 替你完成一笔支付——比如它帮你研究完、替你下单买的东西——这笔交易走 Stripe 的安全通道完成，Underdog 从中抽成，类似信用卡的刷卡手续费。平时你聊天、问问题、做研究，一分钱不收；只有当你通过它花钱，它才赚钱。

Wen 有一句很漂亮的话："AI 助手永远不需要挖你的数据，它和你银行一样与你利益一致。"（原文大意）这句话把商业模式和隐私叙事焊在了一起：银行不靠卖你的流水赚钱，靠的是你交易时收的手续费；Underdog 也不靠卖你的数据赚钱，靠的是你交易时的抽成。激励对齐了，隐私承诺才可信——这比单纯喊"我们重视隐私"有说服力得多。

把三种模式摆在一起看就清楚了。第一种，订阅制（OpenAI、Anthropic 的路）：用户按月付费，简单直接，但问题是本地推理把成本打下来之后，订阅费会显得越来越贵——用户会问，我的机器自己跑的，凭什么每月交钱？第二种，广告/数据变现：免费但代价是隐私，这条路在 AI 助手这种"知道你一切"的产品上尤其危险。第三种，支付抽成：平时免费，只在产生交易时收费。它的天花板取决于一个很现实的问题：AI 助手到底能闭环多少真实的消费场景？如果用户只是拿它聊天、写作业，一年下不了几单，抽成养不活团队；如果它真能成为"买东西先问助手"的入口，那想象空间就大了。

风险也要说在前面。支付是强监管、强信任的场景，Underdog 把命门放在 Stripe 通道上：Stripe 是背书，也是单点依赖。而且抽成模式要求助手深度介入交易链路，这反过来要求用户给它极高的信任——而信任，恰恰是"数据不出设备"这个卖点要解决的问题。你看，商业模式和隐私叙事在这里形成了一个闭环：越私密，用户越敢让它碰钱；越敢让它碰钱，抽成模式越成立。Wen 显然想得很清楚。

观点：隐私路线是真护城河，还是营销话术？

个人 AI 助手这个赛道，Meta 的 Muse、OpenAI 的 Dots 已经把"常驻、主动、有记忆"的范式立起来了。Underdog 选了一条不同的路：不拼模型最大，拼"你的数据不出你的设备"。这条路线的机会和天花板都得掰开看。

机会是真实的。一来，监管和企业市场对数据驻留的要求越来越严，一个"默认本地"的助手在合规上有天然优势；二来，确实有一批用户——记者、律师、研究人员、有商业机密的人——对云端助手有真实的顾虑，他们愿意为"不出设备"付费或者迁移；再者，端侧模型这两年进步神速，27B 今天能在笔记本上跑，明年 70B 可能也行，体验天花板在快速抬升。

但天花板也是真实的。第一，能力差距：云端旗舰模型每半年上一个台阶，本地模型永远在追赶，"打平半年前的 Opus"这个说法本身就承认了代差。第二，生态：个人助手的价值很大程度上来自连接——日历、邮件、购物、支付，连接越多，数据越不可避免地要流动，"纯本地"在实际使用中会被不断妥协。第三，也是最关键的，大部分普通用户对隐私是"嘴上在乎"：问卷里人人都说重视隐私，掏钱的时候还是选了更好用的那个。隐私路线的赢家往往是靠"隐私+别的东西"赢的，单靠隐私很难打穿大众市场。

所以我的判断是：Underdog 的隐私叙事，一半是真护城河（技术架构确实不一样，Husky 加本地推理是实打实的工程），一半是营销话术（"最私密"这个最高级，听听就好）。它真正的聪明之处不在隐私本身，而在把隐私、成本结构、商业模式三件事用一个逻辑串起来了：本地推理→成本极低→可以免费→免费需要新收入→支付抽成→抽成需要信任→隐私建立信任。这是一个自洽的飞轮，单拿任何一环出来看都不惊人，合在一起就很漂亮。

给 vibe 开发者的四个启示

收个尾，说说这件事对独立开发者、vibe coding 玩家最直接的启发。

第一，推理成本结构变了，定价假设也要跟着变。过去做 AI 产品，默认就是"调 API 要花钱，所以得收订阅"。但端侧推理、小模型、蒸馏模型的成熟，正在把"智能"的边际成本打向零。当成本结构变化时，还抱着订阅制定价，就是在用旧地图走新路。下次给你的 AI 产品定价前，先问一句：我的推理真的必须跑在云端吗？如果答案是否定的，"免费+别处赚钱"就成了一个真实选项。

第二，找一个和用户利益一致的收费点。支付抽成这个设计的精髓不是"抽成"，而是"我只在你产生价值的那一刻收费"。用户平时免费用得越爽，越可能在某天通过你花一笔钱；你赚的每一分钱都对应用户的一次真实获益，没有人会觉得被收割。做工具类 AI 产品的 vibe 开发者可以想想：你的产品里有没有类似的"交易时刻"？用户在哪个瞬间最愿意掏钱？把收费点钉在那里，而不是在门口收门票。

第三，隐私可以是差异化卖点，但必须是真的，而且要诚实面对体验代价。Underdog 敢喊"最私密"，是因为 27B 本地推理是真的、Husky 引擎是真的、密钥加密存储是真的。但它也诚实地承认了代价：对标的是半年前的旗舰水平。如果你要做隐私路线的产品，先做到"真的本地"，再想清楚"用户为此放弃了多少智能"，然后把这个 trade-off 摊开讲清楚。用户不怕 trade-off，怕的是被忽悠。

第四，回到 Wen 这个人。17 岁搬到硅谷、蹭 Karpathy 的 hacker house、把 GPT-2 塞进 Apple Watch——这条路没有一步是"先考个证、再进大厂、再出来创业"的标准路径。vibe coding 时代最大的变化，就是"动手"本身成了最好的简历。投资人名单里那些大佬，投的不是他的学历，是他真的把东西做出来过。下次有人问"没背景能不能做 AI 产品"，把 Sigil Wen 的故事甩给他。

来源：TechCrunch，2026 年 10 月 6 日，《Silicon Valley's AI wunderkind launches Underdog, the most private Meta Muse competitor yet》，https://techcrunch.com/2026/10/06/silicon-valleys-ai-wunderkind-launches-underdog-the-most-private-instinct-muse-competitor-yet/