From "managing computing power" up to "building systems".

Autor y fuente del artículo: Selección de Lieyun

El gran experto de código abierto Jia Yangqing emprende

El gran desarrollador de código abierto Jia Yangqing tiene nuevos movimientos.

Hoy mismo, Jia Yangqing anunció oficialmente su nuevo emprendimiento: está lanzando el proyecto Intent Lab y construyendo un equipo autónomo de IA denominado "fleet" para convertir intenciones en software productivo.

Al mismo tiempo, también mostró tres logros tempranos: el motor de inferencia GLM 5.2 más rápido, un motor de base de datos generado con una sola frase y un sistema de archivos con verificación formal.

Fuente: cuenta X de Jia Yangqing

Con la publicación de este tweet, Jia Yangqing también asumió un nuevo rol.

Su biografía en X se ha actualizado a Fundador y CEO de Intent Lab, y ha incluido a NVIDIA en su experiencia laboral previa, confirmando por completo los rumores de un mes de separación de NVIDIA.

Este científico chino, conocido en Silicon Valley como el más destacado en el campo de los marcos de IA, dejó Alibaba, fundó Lepton AI y luego vendió la empresa por 700 millones de dólares a NVIDIA, y ahora se encuentra nuevamente en un nuevo punto de partida.

El segundo emprendimiento de Jia Yangqing ya tenía indicios evidentes.

El 29 de junio, la institución de investigación de semiconductores SemiAnalysis publicó un tweet indicando que Jia Yangqing, fundador y CEO de Lepton AI, dejó la empresa solo un año después de la adquisición.

En ese momento, aunque este mensaje no se confirmó, fue suficiente para despertar la curiosidad de muchos dentro de la industria, especialmente entre la comunidad de desarrolladores, y el tweet se volvió viral.

Casi al mismo tiempo que SemiAnalysis reveló la información, a principios de junio de 2026, el proveedor de nube GPU Hyperbolic anunció la contratación de Jia Yangqing como asesor de la empresa.

Hyperbolic anunció que Jia Yangqing aportará su experiencia en áreas como sistemas de IA, infraestructura en la nube, mercado de GPU, orquestación multi-nube y mejora de la utilización de GPU. En términos operativos, esto es altamente similar a la plataforma DGX Lepton que dirigió en NVIDIA.

Al considerar juntos ambos mensajes, ya se habían sentado las bases para la partida de Jia Yangqing.

Y la razón por la cual se fue es muy probable que sea que Huang Renxun cambió de opinión, haciendo que la creencia de Jia Yangqing en el código abierto se desmoronara.

Recordemos 2023: Jia Yangqing dejó Alibaba en marzo y en abril fundó Lepton AI, una plataforma de IA nativa de la nube en Silicon Valley, con un equipo fundador de lujo: reunidos estaban Bai Junjie, cofundador de ONNX, y Li Xiang, creador de etcd.

En ese momento, Lepton tenía una definición clara: una plataforma de cálculo de inferencia de IA nativa multi-nube, que crea una capa de programación unificada para ayudar a los desarrolladores a gestionar recursos GPU entre los principales proveedores de nube, reduciendo la barrera de entrada para el despliegue de modelos grandes mediante su motor de inferencia ligero Tuna.

En resumen, se trata de una plataforma de operaciones que agrupa esta complejidad, reduciendo la barrera de entrada para que los ingenieros de IA utilicen y gestionen clústeres de GPU, permitiendo a los desarrolladores centrarse en el modelo mismo.

Solo dos años después de su fundación, Lepton AI ingresó al segundo grupo "Oro" en el sistema de clasificación de SemiAnalysis ClusterMAX GPU Cloud Services, junto con Microsoft Azure, Together AI y Oracle.

En abril de 2025, NVIDIA invirtió 700 millones de dólares para adquirir Lepton AI.

This transaction was once viewed by the industry as a win-win.

Antes de la finalización de la adquisición, Huang Renxun declaró en la conferencia GTC de marzo del año pasado: NVIDIA ya no es una empresa de chips, ni tampoco una empresa de IA, sino una empresa de algoritmos e infraestructura.

La lógica de Jensen Huang es que NVIDIA no puede ser solo un vendedor de GPUs; debe convertirse en la nube y la puerta de entrada de software de la era de la IA.

Él espera que NVIDIA complete la capacidad de programación de software de DGX Cloud, construya su propio mercado global de capacidad de cómputo y se enfrente directamente a proveedores de nube pública y competidores como CoreWeave; la adquisición de Lepton AI es uno de los últimos fragmentos del ambicioso rompecabezas de Huang Renxun para su "fábrica de IA".

Para el equipo de Jia Yangqing, aprovechar la red de hardware de NVIDIA podría hacer realidad el concepto de una plataforma de cómputo entre nubes.

Pero pronto, la idealización se encontró con el impacto de la realidad.

La filosofía del producto Lepton AI, como "nativo de Python, listo para usar", no encaja con el sistema de gestión de productos más cerrado de NVIDIA dirigido a clientes corporativos.

Según informes públicos, DGX Lepton, tras su cambio de nombre, prácticamente dejó de operar externamente a mediados de 2025, y su desempeño no cumplió con las expectativas.

Pero la contradicción más profunda e insuperable radica en el compromiso de código abierto.

NVIDIA prometió abrir el código de la plataforma Lepton en 2026 al adquirirla, pero para NVIDIA, su modelo de negocio principal se basa en la venta de hardware GPU.

Una vez que se abra el código de programación del núcleo Lepton, AMD y diversos fabricantes nacionales de chips heterogéneos podrán utilizar esta herramienta eficiente para programar la capacidad de cómputo, lo que equivale a debilitar activamente su ventaja competitiva en hardware.

Finalmente, el plan de código abierto fue rechazado oficialmente.

Y este compromiso fue la base fundamental para que Jia Yangqing aceptara la adquisición, liderara la incorporación a NVIDIA como vicepresidente de software de sistemas, informando directamente a Huang Renxun.

Sabe que toda la carrera de Jia Yangqing se ha construido sobre el espíritu de código abierto "todos para uno, uno para todos".

Él redefinió la infraestructura de ingeniería de IA con código abierto, abriendo todo el código de sus hitos profesionales, desde Caffe y PyTorch hasta ONNX.

Por un lado, los gigantes de los chips que deben mantener barreras de hardware; por el otro, los creyentes en una infraestructura neutral y abierta; ambos no pueden coexistir a largo plazo.

Solo un año después de la "mutua dedicación", Jia Yangqing vuelve a dejar su puesto para emprender.

En cuanto al equipo fundador, Intent Lab sigue siendo el mismo equipo.

Los cofundadores incluyen a Bai Junjie y Li Xiang, antiguos compañeros de Lepton AI, pero lo que hacen es muy diferente de lo que hicieron en Lepton AI.

Jia Yangqing ya no está desarrollando una nueva nube de capacidad de cómputo ni una plataforma de programación de inferencia, sino que dirige su nueva empresa hacia la ingeniería de software AI autónoma.

El nuevo producto Fleet ya no tiene como objetivo "ayudar a los humanos a implementar modelos de IA", sino permitir directamente que equipos de agentes de IA completen todo el proceso, desde la comprensión de los requisitos, el diseño de la arquitectura, el desarrollo de código, la prueba y validación hasta el mantenimiento continuo.

La lógica central detrás de esto es que la infraestructura de IA está experimentando una reevaluación de valor.

Actualmente, herramientas de codificación agente como Cursor, Claude Code y Codex están redefiniendo la lógica subyacente del desarrollo de software.

"Vibe-coding" permite a los desarrolladores describir sus necesidades en lenguaje natural, y el agente de IA genera, depura y despliega automáticamente el código de infraestructura completo.

Por ejemplo, el proyecto Spur, abierto por AMD, es una alternativa de programador de código abierto compatible con Slurm que puede ser llamada y configurada directamente por agentes de IA, con prácticamente cero barreras de entrada.

Esto también significa que la complejidad que la infraestructura de IA tradicional intentaba encapsular mediante un enfoque de producto está siendo directamente evitada por el Agentic Coding mediante la generación de código.

Este es también el contexto objetivo que llevó a que DGX Lepton no cumpliera con las expectativas de Jensen Huang y que se incumplieran los compromisos de código abierto.

No seguir el camino recorrido por Lepton es la claridad de Jia Yangqing como emprendedor; fundar Intent Lab es simplemente aprovechar la tendencia.

Fuente: cuenta X de Jia Yangqing

Jia Yangqing escribió en las redes sociales sus reflexiones clave sobre su cambio de rumbo: durante las últimas décadas, hemos estado construyendo manualmente sistemas distribuidos de IA, creando solo un sistema a la vez. Ahora él desea construir un sistema que pueda generar en masa miles de software.

En su opinión, los modelos actuales escriben código muy rápido, pero aún existe una gran distancia entre "el código puede ejecutarse" y "puede implementarse con confianza en producción y mantenerse durante años".

Él no considera que esta brecha sea una limitación del modelo, sino más bien la falta de una capa adicional.

Este sistema de producción falta la capacidad de convertir intenciones ambiguas en diseños concretos, verificar si los resultados son sólidos y hacer que el sistema siga evolucionando una vez que esté en funcionamiento, todo de forma autónoma.

Y es precisamente en este nivel en el que Intent Lab está trabajando.

Fuente: Sitio web oficial de Intentlab

Por lo tanto, a diferencia de herramientas de asistencia de código como Cursor o Claude Code, Fleet busca generar sistemas de nivel básico producibles y estables a largo plazo para cubrir este vacío.

Actualmente, Jia Yangqing ya ha entregado sus tres primeras tareas.

En primer lugar, Fleet rediseñó el motor de inferencia TRT-LLM para convertirlo en el motor GLM 5.2 más rápido conocido por el equipo: en dos nodos Grace Blackwell, aumentó la velocidad de salida de 102 tokens/s a 647 tokens/s, una mejora de 6.3 veces.

Este es el resultado de la construcción e implementación optimizada de Fleet de extremo a extremo.

Fuente: Sitio web oficial de Intentlab

En segundo lugar, se creó un motor de base de datos a partir de una sola línea de prompt.

Fleet comenzó desde cero, sin documentación ni código existentes, asumiendo todos los roles de un equipo sólido: diseño de arquitectura, codificación, pruebas, revisiones, garantía de calidad, y operó de forma autónoma hasta que se aprobaron los 6 millones de pruebas de compatibilidad con SQLite.

Tercero, se construyó un sistema de archivos para un mundo donde la infraestructura es utilizada por agentes, no por humanos.

En este ejemplo, Fleet identificó y corrigió un estado dañado transitorio mediante verificación formal, capturando un error escrito por un agente de codificación.

Estos tres trabajos parecen no estar conectados, pero apuntan claramente a lo que贾扬清 realmente quiere enfatizar: la capacidad del mismo sistema subyacente, Fleet.

La IA no solo se encarga de la programación, sino que también asume la responsabilidad del sistema final, como lo haría un equipo completo de ingeniería de software.

Si tiene éxito, Jia Yangqing cree que el modelo económico de la ingeniería informática cambiará para siempre.

Durante 50 años, ha sido sabio desarrollar un software y venderlo en la mayor cantidad posible a usuarios con necesidades diversas, incluso si estas varían. Ahora esta situación puede cambiar. El mundo verá más software, software más personalizado.

Es decir, una vez que la IA pueda generar y operar de manera estable sistemas de producción, empresas o individuos podrán simplemente describir sus procesos y condiciones de limitación, y la IA generará un software específicamente adaptado a sus necesidades.

Actualmente, el programa Intent Lab está colaborando con externos, enfocándose específicamente en sistemas con "demasiado trabajo técnico y que siempre han estado en la lista sin personal asignado para realizarlos".

Mirando el recorrido de Jia Yangqing, la línea principal siempre ha sido muy clara.

Desde la creación de Caffe, la promoción del estándar abierto ONNX, hasta su cargo en Alibaba Cloud y la fundación de Lepton AI, siempre ha estado haciendo versiones distintas de lo mismo: facilitar el acceso a la capacidad de cómputo para otros.

Y mientras que la IA se convierte en el constructor de la infraestructura, su siguiente paso también avanza desde "gestionar la capacidad de cómputo" hacia "crear sistemas".