
开源大神贾扬清,有了新动作
开源大神贾扬清,有了新动作。就在今天,他官宣又一次创业,启动名为Intent Lab的创业项目,构建了一个称之为“fleet”的自主AI团队,将意图转化为生产软件。与此同时,他还秀出三个早期成果:最快的GLM 5.2推理引擎、一句话生成的数据库引擎、一套带形式化验证的文件系统。
伴随着这一推文发布,贾扬清有了新角色。他的X账号简介已更新为Intent Lab创始人兼CEO,并将英伟达列入过往任职经历,彻底落实为期一个月来与英伟达的“决裂”传闻。这位在硅谷被称为“AI框架领域最厉害的华人科学家”,从阿里出走、创立Lepton AI再到7亿美元售予英伟达,又站上新起点。
价值7亿美元的“双向奔赴”,一年走到尽头
贾扬清的二次创业,早有端倪。6月29日,半导体研究机构SemiAnalysis发推文称,Lepton AI创始人兼CEO贾扬清在Lepton AI被收购仅一年后离职。彼时消息虽未坐实,却勾起很多行业内尤其是开发者群体的好奇,推文直接刷屏。
几乎在SemiAnalysis爆料同一时间,2026年6月初,GPU云服务商Hyperbolic宣布聘请贾扬清担任公司顾问。Hyperbolic在公告中称,贾扬清将为其在AI系统、云基础设施、GPU marketplace、多云编排和GPU利用率提升等方向提供经验支持,这在业务层面与他在英伟达负责的DGX Lepton平台高度相似。两大消息叠加,为贾扬清的离开埋下伏笔。
而他离开的原因,很可能是黄仁勋改变主意,让贾扬清的开源信仰破灭。回想2023年,贾扬清3月离开阿里,4月在硅谷创立云原生AI平台Lepton AI,创始团队星光熠熠,齐聚ONNX联创白俊杰、etcd创始人李响。彼时,Lepton定位清晰,是多云原生AI推理算力平台,打造统一调度层,帮助开发者跨各大云厂商调度GPU资源,依靠轻量化Tuna推理引擎降低大模型部署门槛。简而言之,就是通过运维平台打包复杂性,降低AI工程师使用和管理GPU集群的门槛,让开发者专注于模型本身。
创业仅2年,在SemiAnalysis ClusterMAX GPU云服务评级系统中,Lepton AI就进入第二梯队“黄金”,与Microsoft Azure、Together AI、Oracle同档。随之而来的是2025年4月,英伟达豪掷7亿美元完成对Lepton AI的“收编”,这笔交易一度被行业视作双赢。
在收购完成前,黄仁勋曾在去年三月的GTC大会上表态:英伟达不再是一家芯片公司,也不再是一家AI公司,而是一家算法和基础设施公司。他认为英伟达不能只是GPU卖家,要变成AI时代的云和软件入口。他希望英伟达补齐DGX Cloud软件调度能力,搭建自有全球算力市场,直面公有云厂商与CoreWeave等GPU云对手,而收购Lepton AI便是黄仁勋“AI工厂”野心拼图的最后几块之一。对贾扬清团队而言,借助英伟达的硬件版图,有望让跨云算力平台理念落地。
但很快,理想遭遇现实冲击。Lepton AI产品理念“Python原生、开箱即用”等,与英伟达面向大企业客户、更为封闭的产品管理体系格格不入。从公开报道看,更名后的DGX Lepton在2025年中期已基本停止对外运营,运营效果不及预期。而更深、无法调和的矛盾落在开源承诺上。
英伟达收购时曾承诺2026年开源Lepton核心平台,但对英伟达而言,核心商业模式依托GPU硬件销售。一旦开放Lepton核心调度代码,AMD、国内各类异构芯片厂商都能使用这套高效工具调度算力,相当于主动削弱自身硬件护城河。最终,开源计划被正式否决。而这份承诺,曾是贾扬清同意被收购、带队加入英伟达担任系统软件副总裁,直接向黄仁勋汇报的核心基础。
要知道,贾扬清的整个职业生涯都建立在“我为人人,人人为我”的开源精神之上。他用开源重塑AI工程基础设施,从Caffe、PyTorch再到ONNX,职业生涯所有里程碑成果全部开源。一边是必须维护硬件壁垒的芯片巨头,一边是追求中立开放的基础设施信徒,二者注定无法长期共存。这才有了“双向奔赴”仅一年,贾扬清便再次离职创业的局面。
原班人马再创业,“开源大神”盯上自主AI软件工程
就创始团队而言,Intent Lab还是原班人马。联创包括Lepton AI联创白俊杰、李响这两个开源老伙计,但所做内容与在Lepton AI时大有不同。贾扬清不再打造新一代算力云、推理调度平台,而是将新公司瞄准自主AI软件工程。
全新产品Fleet的目标不再是“帮助人类部署AI模型”,而是直接让AI智能体团队完成从需求理解、架构设计、编码开发、测试验证到持续运维的全流程。其背后核心逻辑是,AI Infra正在发生价值重估。
眼下,Cursor、Claude Code、Codex这类Agentic Coding工具正在重塑软件开发底层逻辑。“Vibe - coding”让开发者用自然语言描述需求,AI Agent自动生成、调试、部署完整的基础设施代码。比如AMD开源的Spur项目,是与Slurm兼容的开源调度器替代品,可由AI Agent直接调用和配置,几乎零门槛。这意味着,传统AI Infra试图用产品化方式封装的复杂性,正被Agentic Coding用代码生成的方式直接绕过。这也是DGX Lepton未达黄仁勋预期、开源承诺未兑现等一系列问题的客观背景。
不走Lepton走过的路,是贾扬清作为创业者的清醒,创办Intent Lab更是顺势而为。贾扬清在社交平台写下赛道转向的核心思考:过去数十年,我们都在亲手搭建分布式AI系统,一次只能打造一套系统。现在他希望构建一套系统,可以批量生成上千套软件。
在他看来,现在的模型写代码速度非常快,但“代码可以运行”与“可以放心投入生产并维护多年”之间仍存在较大距离。他不认为这种差距是模型的局限性,更像是缺少一层能力。这层缺失的能力,就是把模糊意图变成真实设计,检查结果是否站得住,以及在系统运行后让它继续演进,并且全部自主完成的生产系统。而这正是Intent Lab在努力的层面。
故而,不同于Cursor、Claude Code这类代码辅助工具,Fleet追求产出可长期稳定运行的生产级底层系统,填补这一空白。目前,贾扬清首批已交出三份作业。
- 一是Fleet重新设计了TRT - LLM推理引擎,使其成为团队所知最快的GLM 5.2引擎:在两台Grace Blackwell节点上,把输出速度从102 tokens/s推到647 tokens/s,提升整整6.3倍。这是Fleet从端到端构建和实施优化的结果。
- 二是从一行prompt开始,创建了一个数据库引擎。Fleet从零现有的文档或代码开始,承担强大团队的每个角色:架构设计、编码、测试、审查、质量保证,自主运行直到所有600万个SQLite兼容性测试全部通过。
- 三是为一个由agent而非人类使用基础设施的世界,构建了一个文件系统。在这个例子中,Fleet通过形式化验证,识别并修复一个瞬态损坏状态,捕获coding agent写出来的bug。
这三份作业看似没有承接联系,但指向明确,即贾扬清真正想强调的是背后同一套系统Fleet的能力。AI不只承担编程工作,还能像完整的软件工程团队一样,对最终系统负责。如果成功,贾扬清认为,计算机工程的经济模式将永远改变。“50年来,明智的做法是开发一款软件,然后尽可能多地销售给不同需求的用户,哪怕需求各异。现在这种情况可以改变了。世界将看到更多的软件,更高定制化的软件。”也就是说,一旦AI能够稳定生成并运营生产级系统,未来企业或个人都可以直接描述自己的流程和限制条件,由AI生成一套专门适配需求的软件。
目前Intent Lab计划与外部合作,专门面向那些“工程量太大、一直排在清单上没人力去做”的系统。纵观贾扬清的历程,主线一直明确。从打造Caffe、推动ONNX开源标准,到任职阿里云,创办Lepton AI,他始终在做同一件事的不同版本:让别人更容易用上算力。而伴随着AI成为基础设施的建造者,他的下一步也从“管算力”向上“造系统”。
267



被折叠的 条评论
为什么被折叠?



