贾扬清再创业，AI换道

开源大神贾扬清，又搞了个大动作。

就在今天，他正式官宣再次创业，这次启动的项目叫 Intent Lab，核心是一个名为“Fleet”的自主 AI 团队——目标是直接把意图转化成生产级软件。

不仅如此，他还顺手秀了三个早期成果：号称最快的 GLM 5.2 推理引擎、一句话生成的数据库引擎，以及一套带形式化验证的文件系统。

来源：贾扬清X账号

随着这条推文一发，贾扬清的身份也变了。他的 X 账号简介已经更新为 Intent Lab 创始人兼 CEO，还把英伟达列入了过往任职经历。这算是彻底坐实了此前一个月来关于他“与英伟达分道扬镳”的传闻。

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、再到以 7 亿美元卖给英伟达，如今又站上了新的起点。

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，其实早有苗头。

6月29日，半导体研究机构 SemiAnalysis 就发了一条推文，说 Lepton AI 创始人兼 CEO 贾扬清在收购完成仅一年后便离职了。

消息虽然还没坐实，但已经足够在开发者圈子里炸开锅，那条推文很快就被刷屏了。

几乎在同一时间，2026 年 6 月初，GPU 云服务商 Hyperbolic 宣布聘请贾扬清担任公司顾问。公告里提到，贾扬清将为他们提供 AI 系统、云基础设施、GPU marketplace、多云编排以及 GPU 利用率提升等方面的经验支持。从业务层面看，这跟他在英伟达负责的 DGX Lepton 平台高度重合。

两个消息叠加在一起，离开的伏笔其实已经埋下了。

至于为什么离开，根源很可能是黄仁勋在开源这件事上改变了主意，而这对贾扬清来说，几乎是信仰层面的冲突。

回头看看 2023 年，贾扬清 3 月离开阿里，4 月就在硅谷创立了云原生 AI 平台 Lepton AI。创始团队堪称星光熠熠：ONNX 联创白俊杰、etcd 创始人李响都在其中。

当时 Lepton 的定位很清晰：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，依靠轻量化的 Tuna 推理引擎降低大模型部署门槛。

简单来说，就是通过一个打包了所有复杂性的运维平台，降低 AI 工程师使用和管理 GPU 集群的门槛，让开发者能更专注于模型本身。

创业仅仅两年，在 SemiAnalysis ClusterMAX GPU 云服务评级系统中，Lepton AI 就进入了第二梯队“黄金”，与 Microsoft Azure、Together AI、Oracle 同档。

紧跟着的，就是 2025 年 4 月，英伟达豪掷 7 亿美元完成了对 Lepton AI 的“收编”。

这笔交易在当时被行业普遍视为双赢。

收购完成前，黄仁勋曾在去年三月的 GTC 大会上表示：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。他的逻辑很清晰——英伟达不能只做 GPU 卖家，它要变成 AI 时代的云和软件入口。

他希望英伟达补齐 DGX Cloud 的软件调度能力，搭建自有全球算力市场，直面公有云厂商和 CoreWea ve 等 GPU 云对手。而收购 Lepton AI，正是黄仁勋“AI 工厂”野心拼图上的最后几块之一。

对贾扬清团队来说，借助英伟达的硬件版图，跨云算力平台理念也有望落地。

但理想，很快就撞上了现实。

Lepton AI 的产品理念——“Python 原生、开箱即用”——跟英伟达面向大企业客户的、更封闭的产品管理体系格格不入。从公开报道来看，更名后的 DGX Lepton 在 2025 年中期已基本停止对外运营，运营效果远不及预期。

而更深层、更无法调和的矛盾，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。但对英伟达来说，核心商业模式是 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用这套高效工具调度算力，等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，恰恰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并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。他用开源重塑了 AI 工程基础设施，从 Caffe、PyTorch 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。

这才有了这场“双向奔赴”仅一年便告终的局面。

原班人马再创业，“开源大神”盯上自主AI软件工程

从创始团队来看，Intent Lab 还是原班人马。联创包括了 Lepton AI 的两位老伙计——白俊杰和李响。不过，这次做的事跟 Lepton AI 大不相同。

贾扬清不再打造新一代算力云或推理调度平台，而是把新公司瞄准了自主 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。

背后的核心逻辑是：AI Infra 正在经历一次价值重估。

眼下，Cursor、Claude Code、Codex 这类 Agentic Coding 工具正在重塑软件开发的底层逻辑。“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，一个与 Slurm 兼容的开源调度器替代品，可以由 AI Agent 直接调用和配置，几乎零门槛。

这也意味着，传统 AI Infra 试图用产品化方式封装的复杂性，正在被 Agentic Coding 用代码生成的方式直接绕过。这也是导致 DGX Lepton 未达预期、开源承诺未兑现等问题的客观背景。

不走 Lepton 走过的路，是贾扬清作为创业者的清醒。创办 Intent Lab，更像是顺势而为。

来源：贾扬清X账号

贾扬清在社交平台上写下了自己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，现在的模型写代码的速度非常快，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，就是一个把模糊的意图变成真实的设计、检查结果是否站得住、以及在系统跑起来之后让它继续演进——并且全部自主完成的生产系统。

而这正是 Intent Lab 在努力的方向。

来源：Intentlab官网

所以，不同于 Cursor、Claude Code 这类代码辅助工具，Fleet 追求的是产出可长期稳定运行的生产级底层系统，去填补这一空白。

目前，贾扬清首批已经交出了三份作业。

第一，Fleet 重新设计了 TRT-LLM 推理引擎，使其成为团队所知的最快的 GLM 5.2 引擎：在两台 Grace Blackwell 节点上，把输出速度从 102 tokens/s 推到了 647 tokens/s，提升了整整 6.3 倍。这是 Fleet 从端到端构建和实施优化的结果。

来源：Intentlab官网

第二，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，承担了一个强大团队的每一个角色：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。

第三，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，识别并修复了一个瞬态损坏状态，捕获了一个 coding agent 写出来的 bug。

这三份作业看似没有直接联系，但指向很明确：贾扬清真正想强调的，是它们背后同一套系统 Fleet 的能力。AI 不只承担编程工作，还能像一支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，主线其实一直很明确。从打造 Caffe、推动 ONNX 开源标准，到任职阿里云，再到创办 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”向上走到了“造系统”。