孟子立（Zili Meng）¶

背景: 1999 年生。15 岁进清华（高考 683 分，当年线 682），清华 EE 本科 + 博士（4 年毕业），本科时赴 MIT 暑研（Mohammad Alizadeh 组，与 Hongzi Mao 合作），博士期间在 CMU 访学一年。23 岁出任港科大助理教授，2026 年创办 WiCi（视频页 [00:02:00]、[00:32:16]、[00:36:17]）。
研究方向: 网络系统 / 实时通信 / 视频传输 / VR-AR 与可穿戴。博士论文是自顶向下逐层消除视频卡顿——从应用层到传输层到网络层再到链路层（[00:19:09]）。
本库定位: 第一份网络系统视角的 AI infra 素材。此前的中方 infra 主来源（游凯超/vLLM、朱邦华/SGLang、江鋆晨/LMCache）都在数据中心内部做推理效率；他做的是数据中心之外——把 GPU 从终端设备里搬到"算力路由器"里。

⚠️ 字幕说明：该期由频道提供英文配音/字幕，转录稿全文为英文，本库引用为中译转述，引号内为对英文原文的翻译而非中文原话。

WiCi：用 Wi-Fi 替代 PCIe¶

一句话定位："任何终端——手机、笔记本、甚至眼镜——只要支持 Wi-Fi，就能连上这个无线 GPU，并认为自己本地就有一块 GPU。"（[00:59:27]）
名字：把 Wi-Fi 的 Fi 换成 Ci = Wireless Computing Infrastructure。长期野心是替代千家万户的 Wi-Fi 路由器，成为到处部署的算力路由器（[01:07:34]、[01:10:35]）。
不需要改应用：拦截驱动层/API 层的函数调用，发到远端执行。应用看到的就是一块本地 RTX 5090（[00:59:27]–[01:00:29]）。实现上是 Wi-Fi 驱动 + GPU 驱动两层。
起点是游戏不是 AI（[00:58:27]）：动因是 2024 年《黑神话：悟空》。他在腾讯做过云游戏，复盘其增长受限的原因——云游戏/云电脑/云手机前后端都在云上、把视频传回来，对互联网可靠性要求极高，而互联网是 best-effort 网络，无法保证。所以换了个问法：前端留本地，只把计算卸载出去。
"remote"要多近：跨公网性能急剧劣化，所以最终形态更像一台 Wi-Fi 路由器——附近物理区域内、可能只有一跳（[01:00:29]–[01:01:29]）。

⚠️ 最硬的一条：重造一种计算机体系结构¶

（[01:12:35]–[01:13:35]）

正常情况下 GPU 通过 PCIe 连设备，PCIe 提供数百 Gbps 带宽与微秒级延迟。"我们实际上是在用 Wi-Fi 替代 PCIe，带宽和延迟都差好几个数量级。"
他们因此"事实上定义了一种新的计算机体系结构：CPU 与 GPU 通过弱链路而非强链路通信"。
这个问题历史上被解决过——二十多年前、PCIe 出现之前就存在；PCIe 之后消费级主板上不再是问题，研究者逐渐离开。"我们等于把这个问题重新提了出来，这也提示了解法：把计算机体系结构几十年的知识拿到新场景下重新优化——缓存、预测、调度。"
从游戏切入的原因：游戏是最吃 PCIe 带宽、最吃低延迟的应用之一。

需求侧：非文本本地数据¶

（[01:01:29]–[01:02:30]）他给"为什么本地算力需求会爆发"的第二条论证，与机器人无关：

coding 之所以先成功，是因为每个文件都是纯文本，本地 grep 就够。
非 coding 领域的区别就在这里：PPT、Word、视频、图像怎么办？难道给每个文件都做 embedding？开销会极其巨大——谁本地没有 100 GB 文件？
结论：未来会有大量必须在本地跑的工作负载，就像机器人一样。

机器人¶

机器人现在带 Jetson Orin、将来是 Jetson Thor，但受功耗限制永远比不上 RTX 5090/6090；他想和机器人公司探索"如果可用算力变大 10 倍、100 倍能拿到什么增益"（[01:03:30]–[01:04:31]）。
状态很诚实：只"开始接触一些公司、有过几次初步对话"；且直说"我不知道投资人会怎么想，但作为一个纯粹的研究者，我相信这有真正的未来"。
物理约束是根：RTX 5090 近 600 瓦、3 公斤，笔记本装不下、手机更不可能；而不移动的设备功耗可一路上涨（3090→5090 从 300 瓦到 600 瓦），"算力增长的空间远大于移动端或端侧芯片"（[01:03:30]）。

市场与护城河¶

长期 B2C，短期"大 C 小 B"：先做视频剪辑师这类专业用户与技术型爱好者，或小型剪辑工作室；引 YC 的"先找一小群死忠用户"（[01:07:34]–[01:08:35]）。
⚠️ "很多场景不等于很多应用，很多应用不等于愿意付费。"（[01:08:35]）主持人追问他做 founder 才多久就有这个洞见，他答"因为我们踩过的坑够多了"。
被大厂抄了怎么办：最现实的答案是快——"起步早是我们唯一真正的优势"；对成熟公司这需要战略决策，不是自下而上的团队能推动的。硬件会被抄（本来就用 ODM），但系统性能远好于对方就够了；"短期，性能就是一切"（[01:11:35]–[01:12:35]）。
技术护城河自我定位：最底层的驱动层与推理层（推理 kernel、推理引擎、Wi-Fi 驱动、GPU 驱动）。其余"能卸载的卸载、能外包的外包"——硬件交 ODM，应用交开发者社区："机器人开发者比我更懂拿更多 GPU 算力能干什么，我为什么要假装比他们更懂他们的领域？"（[01:10:35]）
生态不能人造："它只在人们觉得有用时才出现"；"十个设想里哪怕一个被证明有用，我就觉得对社会有贡献了"（[01:11:35]）。
供应链（[01:14:36]–[01:18:38]）：深圳的优势是迭代速度（"线不合适或空间不够，一小时内快递就能送来新型号的线"）；最大困难是量小，只能靠自上而下的资源与介绍；⚠️ 最大的坑是 GPU 价格波动——产品含顶配 GPU，"大家最近都看到英伟达又调价了"，事后看应多囤货、签长期协议。

AI 眼镜作弊器：一次主动认输¶

起因：2025 年春监考自己教的《计算机网络原理》，看到一个学生戴墨镜，去看了一眼发现不是 AR 眼镜——"那好，那我自己造一个，看看能不能真的戴 AR 眼镜进考场"（[00:50:26]–[00:51:27]）。
不是拍照上传给 GPT 那么简单：眼镜视场很宽，试卷只占画面一小块，角度不对、分辨率差；还要快速返回答案并与页面上的题对齐——所以是超低延迟视频传输问题，与他的实时通信研究同源（[00:51:27]–[00:52:27]）。
为什么没做成公司：瓶颈在硬件封装与续航。评估下来只有 Rokid、Meta Ray-Ban Display、Brilliant Labs 三款能撑住其系统，而电池只有 200 mAh 左右。"这显然不是我擅长的领域，所以我们停了。但能识别一个产品、找到它的瓶颈、并认清自己的强项在哪，这个过程我觉得非常有意思。"（[00:52:27]–[00:53:27]）
立场："我们主要想证明可行性。更重要的是，如果这种产品真能用，那我们就得重新思考人该怎么学习、教育该怎么运作。就算我们不做，别人也会做，只是几个月的事。"（[00:51:27]）

CallArena¶

动因：文本交互、图像视频生成、文本理解都有大量 benchmark，但和基础模型打语音/视频电话没有（[00:55:27]）。
测试用例来自港科大楼的极长走廊与几十扇办公室门：开几个支持 AI 视频通话的 app，从走廊一头走到另一头，问"我们刚才经过了几扇门"（[00:56:27]）。
失败机制诊断：多数 AI 表现很差，"它们大概是把每一帧当成独立图像上传给 LLM 或 VLM 处理"；跨帧序列中门牌号可能极小甚至缺失。"我也不知道怎么整合，我不训练基础模型。但我们至少可以评估什么算好、什么算差。"

学术与治学¶

网络系统 PhD 的核心训练是"讲故事"：ML 有固定 benchmark，"听起来更像在解一道给定的课本题"；网络/系统每篇论文都得自己定义问题——他因此离开 AI 方向（[00:14:07]）。
⚠️ 对可解释性的自我否定：他转去做可解释性并发了 SIGCOMM，"做了一阵才发现，其实大家也不真的在乎可解释性——只要性能够好、能解决现实问题，它就有实用价值"（[00:14:07]–[00:15:07]）。
⚠️ 底层能力正在贬值（本页记录的一处当场分歧）（[00:16:07]–[00:17:08]）：
他认为网络系统研究者过去的第二项本事——贴着硬件写内核与驱动代码——正在失去特殊性，"现在 AI 来了，让模型写就行"，因此"讲故事和技术品味可能是网络系统 PhD 仅剩的两项重要素质"。
主持人当场反驳：从硅谷看这些技能仍很难获得，"你可以让 Codex 或 Claude Code 写，但指挥它们写出好代码仍需多年功力"，今天 ML 系统里薪水最高的常是深谙这些技能的人。
他坚持："这只是时间问题……程序员早就不写机器码、不写汇编了。AI 只是还没到那个水平，我们处在中间阶段。"两方并存，本库不做裁决。
选学生标准每年在变：2023 年他在网站上写"至少完成过一个 1000 行以上代码的项目"；随 AI 变强，原始编程能力不再重要，但"系统直觉"仍必要——那种"我觉得这个路子能解决它"的判断，正是无 benchmark 领域所依赖的（[00:37:18]–[00:38:18]）。
对论文制度的具体提案（[00:41:20]–[00:42:20]）：今天作者用 AI 写、审稿人用 AI 审、读者用 AI 读，论文作为文本媒介就没那么重要。他年初向 SIGCOMM 提案：别交论文了，交 codebase；给每个审稿人配官方 AI agent，直接对着仓库问——在代码里就是有，不在就是没有；作者负责把 README 和仓库做得利于 AI 爬取，"类似 SEO，但更像 generative engine optimization"。
但他给论文留了不可替代的价值：帮学生建立信心与身份认同。他举自己 2017 年大二时 poster 被湾区会议接收——清华国家奖学金一年 8000 元且系里名额很少，而这趟一周会议每天 100 美元补助，一周差不多是半个国家奖学金（[00:42:20]–[00:43:21]）。
大学的两个功能：培养与筛选（[00:44:21]–[00:46:24]）。他认为随 AI 推进培养功能在削弱，尤其对最顶尖的学生——"大概 20%–30% 的学生不需要教"，上课做别的作业或翘课"完全正常"，教授的工作是帮更靠后的学生。
⚠️ 反直觉的分类：用 AI 抄作业、戴 AI 眼镜进考场的学生，至少在试图解决问题——方法未必被当下规范接受，"但你不需要为这些学生担心"。真正需要够到的，是明知 AI 就在那里、却连账号都不愿注册去试的学生。
PhD 阶段最大的错误：只做研究（[00:24:11]–[00:25:11]）。四年博士在清华本部可能只待了半年到一年：腾讯一年、阿里半年、创业公司数月、CMU 一年。论证是博士学位是你的安全网——"一旦开始工作，你可能很少再有勇气离开舒适区"。但他承认这需要极好的运气和能力才能找到支持你往外跑的导师。
导师毕军（去世时 46 岁）：他仍在个人主页保留导师。纪念文章标题大致是《与时间赛跑的人》，"我读的时候立刻想起我们相处的每一个细节，全是真的"——一周大部分时间睡办公室；deadline 若在早八，可能凌晨两点送一轮咖啡、五点再送一轮（[00:30:14]–[00:31:15]）。由此他反复强调长期主义与健康："首先它得可持续。如果只是爆发式地工作，无论如何都撑不下去。"

中美与香港¶

不出国读博的边际计算（[00:20:09]–[00:22:11]）：2018 年申请时正逢贸易战——他那届暑研顺利，但下一届很多清华学生签证被吊销。他的算法是边际成本清楚（考 GRE 与语言，近半年）、边际收益不清楚，所以先去 MIT 暑研亲自验证，结论是"确实更好，但不足以抵掉为申请而放弃的半年研究"。
事后补的一条没算到的成本：换一所学校会给你一个全新的校友网络——"人开始工作后越来越认识到校友网络的重要性，但学生时期很难体会到"。
研究判断被后来验证：2017/18 年中国机构在网络顶会的完整论文"一两只手数得过来"，如今"未必主导，但已有非常显著的存在"；当年他在清华组里的感受是"和 MIT 那个组差别不大，如果有的话，国内的人反而更拼"。
在香港做教授反而更轻松（[00:48:24]–[00:49:25]）：内地与北美申经费时人脉常起大作用，"而香港太小了——每份基金申请都被送到全世界评审，你想靠关系都不知道该找谁，这反倒逼所有人聚焦研究本身"。
但在香港创业是另一回事：香港主要是金融中心，隔壁深圳活跃得多。他的判断是香港适合与金融紧密相关的创业；否则更该去湾区、深圳或北京——技术密度更高、资本更敢投深科技，"或者更重要的是，有懂得欣赏技术价值的人才。香港可能更懂得欣赏金融的价值"。
为什么选港科大：面试时发现系里有位教授是 Atheros（无线芯片公司，后被高通收购）联合创始人，"那个驱动我用过"；以及创业文化——大疆是本系李泽湘教授的学生创办的。他在香港三所里只申了港科大（[00:34:17]–[00:36:17]）。⚠️ 他明确说当时没打算创业，选港科大是为了保留更多选项。
看着大模型爆发的心态波动（[00:47:24]–[00:48:24]）："说没有就是撒谎。尤其当同届同学在买房买车，而大学教师还在挣扎的时候。"同届若去了某些工业研究实验室，"现在的年薪可能是你的一百倍"。但他归给时机与判断力："那些拿百万美元包的人是靠自己的能力挣来的。他们敢在早期 all in。"
⚠️ 2022 年他没看见 AI 的浪潮（[00:32:16]–[00:33:16]）：他 2022 年整年在 CMU 并走完全套美国教职市场流程，"我甚至试过 ChatGPT，但我还是没看到那个趋势"。他看到的是疫情期间大厂裁员。他特意提到朱邦华几天前在同一个节目上说他 2022 年就看见了 AI 的崛起——"很遗憾，我没看见。"这构成本库中同一频道两位嘉宾对同一时点判断力的直接自我对照。

方法论：能力、时机、人脉¶

主持人从访谈中提炼、嘉宾反复确认的三元组（[00:29:13]）。他自己给的最强版本："你的洞察力和时机感，往往比单纯的努力重要得多。"（[00:13:07]）
阿里是时机的反面教材（[00:27:12]–[00:29:13]）：在达摩院做延迟更稳定的 Wi-Fi 路由器。找场景的推理链很实用——淘宝直播卡顿不足以让用户换路由器（商业模式不成立）；钉钉有动机但太大，小实验推不动；最后落在 2021 年的在线教育。他到岗三个月后"双减"落地，行业基本消失，产品未能上线。
腾讯是工程与论文的差别（[00:26:12]–[00:27:12]）：做云游戏学到的是要上生产必须考虑每一个细节——"A/B 测试永远覆盖不到的、你设计之初永远没想到的"，需要匠人精神。"论文里某个 case 能跑通你就能说它能跑通；上生产你必须保证没有任何 corner case 能搞垮它。"
敢于开口求助（[01:05:33]–[01:06:34]）：头两年连写 20 份提案只中了一份，"极其痛苦"，由此明白"你坐在那里，没有任何大牛或有资源的人会来帮你，你必须主动伸手"。"你得脸皮厚……或者用今天流行的说法，小 ego 加强韧性。"他举费德勒——世界第一也只赢了 54% 的分。
理解他人的位置（[01:19:38]–[01:20:39]）：最大的成长是"性格的持续打磨"（15 岁进大学时心态不成熟）。"很多人纳闷'那个人为什么不肯和我合作'，很大一部分问题是你没有和他在共同利益上对齐。"他明确说这同样适用于研究：读旧工作要问作者的立场、它为什么能发表；写作时不能把别人的工作说得一文不值——他可能就是你的审稿人。
墓志铭（[01:24:43]）：希望被记住的是一件具体的作品而不是人——"人们不需要知道我是谁；但如果有一天他们看到我的墓碑说'哦，这就是发明了 WiCi 的人'，那就够了"。

呼应与分歧¶

⚠️ 与阳萌（安克）的端侧路线正面张力：阳萌主张端侧模型 + 存算一体芯片（把算力塞进设备）；孟子立的前提相反——移动设备的功耗与重量约束不可突破，所以正确答案是把算力搬出去。两人对"约束在哪"判断相同（功耗/重量），对"往哪走"结论相反。本库不做裁决。
与"实时性即护城河"同族：Applied Intuition 的"物理 AI 面对真实时钟、只有那么多毫秒"，与"用 Wi-Fi 替代 PCIe，带宽和延迟差好几个数量级"是同一约束的两个战场。
与 Yunzhu Li 互补：那边说机器人卡在数据与评测，这边说机器人卡在板载算力；两条约束都真实，且都指向"把不得不在本地做的事移出去"（一个移到仿真、一个移到附近的算力盒子）。
"底层技能会被替代 vs 仍然稀缺" 顶到 AI 与就业，是本库中同一场访谈内主持人与嘉宾当场分歧的少数案例。
香港视角是本库首次出现的第三地视角，可与中美 AI 生态对照的两极框架对读。

已收录¶

日期	视频	场合
2026-07-28	15 岁上清华、23 岁当港科大教授，做"无线 GPU"WiCi	月球大叔