Z Waves｜3年干出280億估值AI獨角獸，前PyTorch負責人、復旦校友喬琳證明：技術務實是AI創業的最佳路徑

喬琳的技術根基，始于復旦大學計算機科學專業的系統培養。本科與碩士階段的深耕，讓她吃透了計算機科學的底層邏輯；隨后赴美深造，在加州大學圣巴巴拉分校（UC Santa Barbara）斬獲計算機科學博士學位，更讓她站上了全球AI科研的前沿陣地。這段橫跨中外的學術經歷，不僅賦予她扎實的理論功底，更培養了她“從科研到落地”的全局思維——這也成為她日后打破“技術實驗室壁壘”的核心競爭力。

然而真正讓喬琳躋身全球AI核心玩家行列的，是她在Meta主導PyTorch生態建設的經歷。彼時，PyTorch尚是科研圈的小眾工具，而喬琳帶領300余人的工程團隊，開啟了一場“框架革命”：她主導重構PyTorch的底層架構，使其突破“僅能在實驗室運行”的局限，成功適配Meta的數據中心、移動端及AR/VR設備，構建起從模型研發到生產部署的全鏈路平臺。最終，PyTorch從“小眾工具”蛻變為支撐全球數百萬開發者的行業標桿，成為AI模型訓練與推理的“基礎設施”，而喬琳也因此成為全球AI框架生態的核心奠基人之一。

離開Meta后，喬琳選擇以創業延續技術理想，創立Fireworks AI，將突破點瞄準了大模型推理的“效率痛點”。她帶領團隊研發的兩大核心技術，直接擊中行業關鍵瓶頸：其一，Fire Attention推理引擎通過無損量化壓縮技術，在幾乎不損失精度的前提下，將模型運行精度從16位降至8位甚至4位，讓資源消耗大幅銳減；其二，推測執行引擎打破“逐字生成”的傳統模式，通過一次預測多個詞序列再反向驗證，徹底突破推理速度瓶頸。這兩項技術的疊加，讓Llama、DeepSeek等主流開源模型的推理速度較行業標桿vLLM提升12倍，同時成本降低53%，為大模型的“普惠化”掃清了關鍵障礙。

圖片來源：

Fireworks

從Meta帶出來的“改代碼習慣”，像一把鑰匙，打開了Fireworks AI進入行業的大門，讓英偉達從最初的A輪投資方，慢慢變成了既要合作又要警惕的競爭對手。而喬琳自己，從復旦大學機房里啃饅頭改算法的姑娘，長成了AI推理服務賽道上，最懂“把復雜技術做簡單”的華人女性創業者。

一、從PyTorch到Fireworks：24年技術生涯里的“問題清單”

喬琳的辦公桌上，始終擺著一個磨破封面的筆記本。翻開第一頁，是1995年復旦大學計算機系的課堂筆記，頁眉處用紅筆寫著：“數據庫索引能不能更輕？”再往后翻，2001年加州大學圣巴巴拉分校的博士論文草稿里，畫著密密麻麻的“拆分箭頭”——把大型計算任務拆成小節點分布式處理，導師當年笑稱“像把大象拆成積木，卻拼得更靈活”。

這本“問題清單”，記了24年。從IBM做研究員時記下“企業級AI服務成本太高”，到LinkedIn標注“用戶數據與模型訓練的矛盾”，再到Meta主導PyTorch框架開發時，貼滿開發者的吐槽便簽：“大模型好用但跑一次要花半個月預算”“開源模型便宜卻調不通”。

圖片來源：

PyTorch

2019年某個深夜，喬琳在Meta的實驗室里改代碼到凌晨。一位初創公司的開發者抱著電腦找到她，眼圈通紅：“我們想用PyTorch做電商推薦模型，可租不起GPU，跑一次數據就要花掉三個月經費。”那天她陪著對方坐了3小時，把原本100億參數的模型拆成三個小模塊，按用戶行為分階段調用算力，最后成本降了60%。開發者走時反復說：“要是能有現成的‘輕量+定制’服務就好了。”

這句話像顆種子，落在了“問題清單”的最后一頁。2021年，喬琳翻完17本筆記，突然在白板上畫了個交叉圖：橫軸是“開源/閉源”，縱軸是“輕量/定制”，交點處寫著“Fireworks”，這一個個簡短的關鍵詞就是喬琳從始至終所追求的企業新定位——Fireworks應該同時具備開源的靈活性與閉源的易用性，并希望在以“輕量”為優勢的同時，做到與其他模型相當的定制化。

圖片來源：

chatgpt

圖片來源：

fireworks

二、雷德伍德市的創業：不買服務器的“算力調度師”

2022年春天，喬琳帶著六位Meta時期的老同事，在雷德伍德市租下一間小辦公室。創業第一天，她沒講估值藍圖，而是把大家分成三組，每組認領一個從“問題清單”里抄來的痛點：“怎么整合閑置GPU”“怎么讓API像點外賣一樣簡單”“怎么幫客戶調模型不花錢”。

“別盯著參數做模型，要注重開發者的難處。”這是喬琳在公司成立大會上說的第一句話。她太清楚中小企業的困境——想做AI，卻買不起英偉達服務器，更養不起頂尖算法團隊。所以Fireworks AI從一開始就走了條“反常規”的路：不直接購買硬件，而是做“算力調度師”。

就像拼車軟件整合私家車，喬琳團隊把全球散落在科技公司、高校實驗室的閑置GPU資源“擰成一股繩”。客戶不用自己找服務器，只要通過Fireworks的API上傳數據，就能直接調用這些整合后的算力。AI編程助手Cursor是最早的客戶之一，創始人曾笑著說：“原本要花200萬美元買服務器，現在用他們的API，每月只花15萬，推理速度還快了3倍。”

圖片來源：

Fireworks

但真正讓Fireworks AI站穩腳跟的，是喬琳藏在背后的“技術殺器”——FireAttention推理引擎。2023年夏天，一家醫療公司找過來，想把基因測序數據的AI分析成本再降30%。喬琳帶著技術總監在辦公室睡了兩晚，給FireAttention加了個“動態參數開關”：根據基因數據的復雜度自動調整模型參數，不用從頭跑130億參數的大模型，80億參數加專有數據微調，精度反而提升了2%，成本直接砍了一半。

“這就是我們的護城河。”喬琳指著測試報告說。那時Fireworks的年化營收ARR剛突破1億美元，但80%的客戶都在復購時追加了“微調服務”——比如Perplexity把70%的推理業務遷過來，只因FireAttention能讓搜索響應快0.3秒；阿里Qwen團隊用它做模型壓縮，原本需要兩周的調試，現在3天就能完成。

2023年11月14日凌晨兩點，Fireworks AI的技術實驗室突然爆發出一陣掌聲。喬琳盯著監控屏上跳動的數字——自研的FireAttention推理引擎，將GPU算力利用率從行業平均的65%硬生生拽到了92%，這意味著客戶的AI模型推理成本能直接砍半。不過在此之后，喬琳將企業的新方向轉至——企業模型微調。

就是這個在算力突破當晚拍板的決定，讓Fireworks AI在半年后估值沖刺40億美元，吸引Lightspeed、Index等資本爭相入局；也讓英偉達從A輪投資方，悄悄將這家初創公司標為“重點關注競爭對手”。而站在白板前的喬琳，指尖還沾著馬克筆的墨漬，恍惚間想起20年前在Meta調試PyTorch框架時，也是這樣憑著一行代碼的突破，推翻過既定的技術路線——這位從復旦機房走出來的華人女性，似乎總能在技術與市場的交叉點上，踩準改變命運的節拍。

三、當英偉達成為競爭對手，喬琳卻微笑選擇共贏——要一起把“蛋糕”做大

圖片來源：

Fireworks

2023年A輪融資時，英偉達的投資經理坐在喬琳對面，拋出一個尖銳的問題：“如果我們自己做推理服務，你們怎么辦？”

喬琳沒回避，遞過去一份客戶清單——上面全是醫療、金融行業的“小而精”需求：幫銀行調信用評估模型，要符合合規要求；幫藥廠做分子模擬，要適配特殊實驗數據。“你們做的是算力水電網，我們做的是水電網上的‘定制水龍頭’。”她指著清單上的微調需求，“這些活兒，巨頭不愿做，小企業做不了，剛好是我們的位置。”

這句話讓英偉達投了錢，也讓雙方的關系變得微妙。2024年3月，英偉達收購推理服務商Lepton，推出自己的GPU云市場，從硬件供應商直接變成了下游服務競爭者。消息傳來那天，喬琳反而在團隊例會上笑了：“這證明我們選的賽道對了。”

她早有準備。在Fireworks AI的技術路線圖上，“反哺硬件優化”成了新方向——通過FireAttention引擎積累的千萬次微調數據，反向給英偉達提GPU優化建議。比如針對金融模型的稀疏計算需求，他們和英偉達聯合開發了專用算力調度插件，讓GPU在處理這類任務時，效率再提15%。“競爭不是你死我活，是一起把蛋糕做大。”喬琳說。

這種“差異化共存”的智慧，藏在她的“問題清單”里。早在Meta時期，她就記下過：“巨頭的優勢在規模，我們的機會在細分。”如今Fireworks AI的客戶里，有70%是英偉達云服務覆蓋不到的中小企業，這些客戶需要的不是“通用算力”，而是“懂行業的微調方案”——就像有家做AI教育的初創公司，用Fireworks的服務把題庫模型調了12版，最終實現“學生錯一道題，模型馬上推同類考點”，這種定制化能力，正是英偉達暫時給不了的。

四、AI界的實干派，把“用不起”改成“用得好”

圖片來源：

Fireworks

在硅谷的華人AI創業者圈里，喬琳不算最張揚的。當別人忙著在行業論壇上講“大模型參數競賽”時，她在跑客戶；當資本追著“通用AI”概念跑時，她在改FireAttention的代碼。

“華人創業者的優勢，從來不是跟風，是把技術‘磨’到落地。”喬琳想起剛到美國時，導師讓她做一個分布式計算項目，她花了三個月，把一個復雜算法拆成20個小模塊，每個模塊的運行時間精確到毫秒。導師說：“你有把‘大象拆成積木’的耐心。”

這種耐心，現在成了Fireworks AI的標簽。2024年，當公司估值沖向40億美元，年化營收逼近3億美元時，喬琳依舊把大部分時間泡在技術團隊。有次為了修復一個API漏洞，她陪著工程師改代碼到凌晨，餓了就像在復旦機房時那樣，啃兩口抽屜里的餅干。

“AI不是地殼式重組嗎？重組的不是技術，是每個行業的做事方式。”喬琳在最新的“問題清單”上寫下這句話。現在她的辦公桌上，擺著兩樣東西：Meta時期的PyTorch代碼本，和Fireworks AI客戶的“微調需求清單”。前者記著“怎么把模型做輕”，后者寫著“怎么把模型用對”。

當華人創業的AI公司估值總額超過300億美元，喬琳知道，自己不是孤身一人。從Scale AI的 Alexandr Wang，到Pika的郭文景，華人創業者正在用“技術務實”改寫AI行業的規則。而Fireworks AI的故事，更像一個縮影——不是靠概念造勢，不是靠參數競賽，而是把每個客戶的“用不起”，改成“用得好”，一錘一錘鑿出屬于自己的護城河。

2024年深秋，喬琳在公司官網更新了slogan：“讓每個企業都能‘用對’AI。”這句話的筆跡，和她1995年在復旦“問題清單”上寫的“把每個算法都做輕”幾乎一樣——工整里帶著點“軸”，就像她這個人：從江南小城到硅谷賽場，從改代碼的姑娘到40億獨角獸的掌舵者，變的是舞臺大小，不變的是那份“把復雜問題做簡單”的初心。

在AI創業的熱潮里，有人追風口，有人造泡沫，而喬琳用Fireworks AI證明：真正的獨角獸，從來不是估值堆出來的，是像打磨FireAttention引擎那樣，在技術與市場的縫隙里，把每個“痛點”磨成“亮點”，慢慢長出來的。

Reference

搜狐｜復旦才女創業

AI

推理，估值超

5

億美元

https://www.sohu.com/a/803134078_403354

[2]36

氪｜

288

億，復旦女學霸

3

年干出一個獨角獸

https://m.36kr.com/p/3407737936137857

[3]Google PyTorch

https://www.google.com.hk/search?q=pytorch&rlz=1C9BKJA_enHK1179HK1179&hl=zh-CN&sourceid=chrome-mobile&ie=UTF-8

[4]Google Fireworks

https://fireworks.ai/

[5]DeepTech

深科技｜一年飆升

7

倍，復旦校友、前

PyTorch

負責人創辦的

AI

云服務初創估值沖刺

40

億美元

https://zhuanlan.zhihu.com/p/1933586626916881606

[6]

頭條｜

AI

創業圈又沖出一個

288

億獨角獸

https://m.toutiao.com/article/7538640901263016457/?webview_progress_bar=1&show_loading=0&upstream_biz=doubao&push_animated=1&theme=light

[7]

頭條｜當華人女性按下

AI

加速鍵：

Fireworks AI

與她的

獨角獸

征程

https://m.toutiao.com/article/7536116477800268297/?show_loading=0&webview_progress_bar=1&push_animated=1&upstream_biz=doubao&theme=light

歡迎掃碼加群參與討論

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生