
1. 贾扬清创立新公司 Intent Lab
一个月前报道了贾扬清离开英伟达,当时外界猜测他大概率回到 GPU 云领域。毕竟他过去几年一直在和算力调度、多云部署、GPU 利用率等 Infra 问题打交道。6 月初,GPU 云服务商 Hyperbolic 聘请他担任顾问,业务方向接上 LeptonAI 旧路线。但现在,他联合 Junjie Bai、Xiang L.、Casber Wang 等开源领域老将,正式创立新公司 Intent Lab(意图实验室)。这次他没继续做 GPU 云平台,也不是重走 AI Infra 老路,而是试图解决更上层问题:当模型会写代码,AI 离自主开发生产级软件还差哪一步?
2. Intent Lab 首批成果亮相
伴随官宣,Intent Lab 展示了首批成果:一是 GLM - 5.2 推理引擎,在两台 Grace Blackwell 节点上,输出速度从 102 tokens/s 提升到 647 tokens/s,提升 6.3 倍;二是数据库引擎,从模糊需求出发,跑通 600 万条 SQLite 兼容性测试;三是带形式化验证的分布式文件系统,能抓出普通 coding agent 生成代码里的数据损坏 bug。这些看似无承接联系的底层工具,实际展示的是同一套系统 Fleet 的能力。贾扬清把 Fleet 定义为“全球第一个把意图变成生产级软件的自主团队”,用户提出高层目标,由智能体完成理解、设计、编码、验证和后续演进。
3. AI Infra 底层命题转变
过去十年,贾扬清是上一代 AI 框架公认的奠基人,参与过大规模 AI 基础设施建设。LeptonAI 降低开发者使用 GPU 和部署模型的门槛,而 Intent Lab 让 AI 构建具备交付能力的基础软件,这背后是 AI Infra 的价值重估。过去降低开发者使用和管理 GPU 集群门槛是重要命题,但如今解法和门槛已松动。以 Cursor、Claude Code、Codex 为代表的 Agentic Coding 工具重塑软件开发底层逻辑,传统 AI Infra 封装的复杂性被绕过,只停留在“让工程更省事”的工具层平台面临挑战。所以 AI Infra 层创业核心拷问变为:解决的是表层复杂性还是底层稀缺性?贾扬清用 Intent Lab 给出答案,不做包装复杂性的中间件,而是做“能产出一千个系统的系统”。
4. 不是 AI 写代码,而是造工程团队
Intent Lab 核心产品 Fleet 是面向生产系统的自主智能体团队,与大多数 coding agent 不同。如今多数 coding agent 解决“代码生成”问题,但距离真实软件工程很远。真实工程有复杂流程,Intent Lab 想把整条链路交给 AI,Fleet 从人类意图出发,端到端完成设计、实现和验证,并在生产环境持续进化,复刻工程团队协作流程。所以首批展示的是推理引擎、数据库和文件系统等对性能、可靠性、兼容性和正确性要求高的系统软件。
5. GLM - 5.2 推理引擎体现 Fleet 能力
GLM - 5.2 推理引擎案例体现了 Fleet 的能力边界。最初目标是改造 TensorRT - LLM,让 GLM - 5.2 在 Grace Blackwell 节点上更快,并自行识别优化空间、实现和验证。这是在英伟达高度优化体系上榨取性能,属于硬核系统优化。最后交付了四类优化:内核层优化、运行时优化、通信优化和投机解码优化。最终 GLM - 5.2 输出速度提升 6.3 倍。更重要的是,Fleet 像系统工程团队,先做瓶颈分析,再提出方案、实现方案、验证结果,类似自动化的系统工程循环 Looping。
6. 数据库和文件系统展示的能力
数据库和文件系统展示了 Fleet 复杂系统的正确性能力。数据库要处理诸多复杂问题,Intent Lab 一句话生成数据库引擎并通过 600 万条 SQLite 兼容性测试,难的是让其符合真实生产系统要求。文件系统 AgentFS 是为 AI Agent 设计的分布式文件系统,传统方案不适合 Agent 工作负载,AgentFS 从零构建,在基础操作上相比 EFS 有数十倍到数百倍提升,部分指标超 600 倍,Git 仓库操作也快了 2.5 到 14 倍。Fleet 还对核心协议做形式化验证和多种测试,发现并修复了数据损坏 bug,说明其能围绕真实负载设计系统,兼顾性能和正确性,这是当下 Agentic Coding 的最大分界线。
7. AI Infra 的新分水岭
贾扬清这几年一直在降低别人用上算力和系统的门槛,从 Caffe 到 PyTorch,再到 Lepton AI,到现在的 Intent Lab,试图让“造生产级系统”自动化。这意味着 AI Infra 价值重估,过去 Infra 值钱的是“资源和封装”,现在 Agentic Coding 崛起,部分封装复杂性价值被 AI 吃掉,真正稀缺的是让 AI 理解模糊意图等深层系统能力。AI Infra 竞争从“帮人管理基础设施”转向“让 AI 成为基础设施建造者”,贾扬清押注后者,若方向跑通,未来软件形态可能更碎片化、更专用。那么,贾扬清这次创业能否成功推动 AI Infra 的变革呢?
60



被折叠的 条评论
为什么被折叠?



