「管算力」から「造システム」へ。

記事執筆者、出典：獵雲精選

オープンソースの巨匠、賈揚清が起業

オープンソースの巨匠、ジャ・ヤンチンが新たな動きを見せた。

今日、贾揚清は再び起業を発表し、Intent Labという起業プロジェクトを開始し、「fleet」と呼ばれる自律型AIチームを構築して、意図をソフトウェア製品に変換しています。

同時に、彼は以下の3つの初期成果を公開しました：最速のGLM 5.2推論エンジン、1文で生成されるデータベースエンジン、形式的検証を備えたファイルシステム。

出典：贾扬清Xアカウント

このツイートの公開に伴い、賈揚清は新しい役割を担うことになりました。

彼のXアカウントのプロフィールは、Intent Labの創設者兼CEOに更新され、NVIDIAを過去の勤務先に追加し、1か月にわたるNVIDIAとの「決裂」の噂を完全に払拭した。

シリコンバレーで「AIフレームワーク分野で最も優れた華人科学者」と称される彼は、アリババを退職し、Lepton AIを創業した後、7億ドルでエヌビディアに売却し、再び新たな出発点に立った。

贾揚清の二番目の起業には、以前から兆しがあった。

6月29日、半導体研究機関SemiAnalysisは、Lepton AIの創設者兼CEOであるJia YangqingがLepton AIの買収から1年後に退任したとツイートした。

そのとき、このメッセージはまだ確認されていなかったが、業界内、特に開発者コミュニティの関心を十分に引き、ツイートは一気に拡散した。

SemiAnalysisが情報を暴露したほぼ同時に、2026年6月初頭、GPUクラウドサービスプロバイダーのHyperbolicは、贾揚清を会社アドバイザーに招聘すると発表した。

Hyperbolicは、ジャ・ヤンチンがAIシステム、クラウドインフラストラクチャ、GPUマーケットプレイス、マルチクラウドオーケストレーション、GPU利用率の向上などの分野で経験を提供すると発表しました。これは、彼がNVIDIAで担当したDGX Leptonプラットフォームと業務面で非常に類似しています。

二つの大きなニュースを合わせて見ると、贾揚清の退任の伏線がすでに敷かれていた。

そしてなぜ去ったのかというと、おそらく黄仁勲が考えを変えて、賈揚清のオープンソースへの信念を打ち砕いたからである。

2023年を振り返ると、贾揚清は3月にアリババを退職し、4月にシリコンバレーでクラウドネイティブAIプラットフォームLepton AIを設立した。創業チームは、ONNXの共同創設者である白俊傑やetcdの創設者である李響ら、顕著な人材が集まった。

当時、Leptonは明確な位置づけを持っていました：マルチクラウドネイティブなAI推論計算能力プラットフォームとして、統一されたスケジューリングレイヤーを構築し、開発者が複数のクラウドプロバイダー間でGPUリソースをスケジュールできるように支援し、軽量なTuna推論エンジンにより大規模モデルの導入障壁を低減しました。

簡単に言えば、複雑な処理を1つの運用プラットフォームにまとめることで、AIエンジニアがGPUクラスタを操作・管理するハードルを下げ、開発者がモデルそのものに集中できるようにします。

設立から2年で、SemiAnalysis ClusterMAX GPU クラウドサービス評価システムにおいて、Lepton AIはMicrosoft Azure、Together AI、Oracleと並ぶ第二陣「ゴールド」にランクインしました。

その後、2025年4月、NVIDIAはLepton AIを7億ドルで買収した。

この取引は一時、業界でウィンウィンと見なされていました。

買収が完了する前に、黄仁勲は昨年3月のGTCカンファレンスで、NVIDIAはもはやチップ会社でもなく、AI会社でもなく、アルゴリズムとインフラストラクチャー会社であると表明しました。

黄仁勲のロジックは、NVIDIAが単なるGPU販売者にとどまらず、AI時代のクラウドおよびソフトウェアの入口になるべきだということである。

彼は、NVIDIAがDGX Cloudのソフトウェアスケジューリング機能を補完し、自社のグローバル計算リソース市場を構築して、パブリッククラウドプロバイダーやCoreWeaveなどのGPUクラウド競合に対抗することを望んでいる。Lepton AIの買収は、黄仁勲の「AI工場」への野望を完成させるための最後のピースの一つである。

贾揚清チームにとって、NVIDIAのハードウェアネットワークを活用することで、クロスクラウドコンピューティングプラットフォームの理念を実現できる可能性がある。

しかし、すぐに理想は現実の衝突に遭った。

Lepton AIの製品コンセプト「ネイティブPython、開梱即使用」は、NVIDIAが大企業顧客向けに採用するより閉鎖的な製品管理体制とは合致しない。

公開情報によると、名称変更後のDGX Leptonは2025年半ばまでに对外的な運用をほぼ停止しており、その運用効果は予想を下回りました。

そして、より深く、より解決不可能な矛盾は、オープンソースの約束にあります。

NVIDIAは收购時に2026年までにLeptonコアプラットフォームをオープンソース化すると約束したが、NVIDIAにとっての核心的なビジネスモデルはGPUハードウェアの販売に依存している。

Leptonコアスケジューリングコードを公開すれば、AMDや国内のさまざまな非同質チップメーカーがこの効率的なツールを使って計算リソースをスケジュールできるようになり、自社のハードウェアの競争優位性を自ら弱めることになる。

最終的に、オープンソース計画は正式に却下されました。

そして、この約束は、贾揚清が收购に同意し、NVIDIAのシステムソフトウェア副社長としてチームを率いて加入し、黄仁勲に直接報告するための核心的な基盤であった。

贾扬清のキャリア全体は、「すべての人のために、すべての人が私のために」というオープンソースの精神に基づいて築かれてきました。

彼はCaffe、PyTorchからONNXに至るまで、AIエンジニアリングインフラをオープンソースで再構築し、キャリアにおけるすべてのマイルストーンをオープンソース化した。

ハードウェアのバリアを維持しなければならないチップ大手と、中立的でオープンなインフラを追求する信奉者とは、長期的に共存することはできない。

「双方向の努力」が実現してからたった1年で、贾揚清は再び退職して起業した。

創業チームに関しては、Intent Labは元のチームのままです。

共同創設者にはLepton AIの共同創設者である白俊傑と李響が含まれているが、彼らが取り組んでいる内容はLepton AIとは大きく異なる。

贾揚清は次世代の計算力クラウドや推論スケジューリングプラットフォームの開発をやめ、新会社を自律的AIソフトウェアエンジニアリングに焦点を当てる。

新製品Fleetの目標は、もはや「人間がAIモデルをデプロイするのを支援すること」ではなく、要件理解からアーキテクチャ設計、コーディング開発、テスト検証、継続的な運用に至るまでのフルプロセスをAIエージェントチームが直接完了することです。

その背後にある核心的なロジックは、AIインフラが価値の再評価を正在しているということです。

現在、Cursor、Claude Code、Codex などの Agentic Coding ツールがソフトウェア開発の基盤ロジックを再定義しています。

"Vibe-coding"により、開発者は自然言語で要件を記述し、AIエージェントが完全なインフラストラクチャコードを自動生成、デバッグ、デプロイします。

例えば、AMDがオープンソース化したSpurプロジェクトは、Slurmと互換性のあるオープンソースのスケジューラーの代替品であり、AIエージェントによって直接呼び出し・設定でき、ほぼゼロのハードルで利用できます。

これは、従来のAIインフラが製品化によって封装しようとしていた複雑さが、Agentic Codingによってコード生成によって直接回避されていることを意味します。

これは、DGX Lepton が黄仁勲の期待に応えられなかったことや、オープンソースの約束が実現されなかった等一系列の問題の客観的背景でもある。

レプトンが歩んだ道を歩まないことは、贾揚清が起業家としての清醒さを示すものであり、Intent Labを設立することは、流れに従った必然的な選択である。

出典：贾扬清Xアカウント

ジャ・ヤンチンはソーシャルメディアに、自身の分野転換の核心的な思考を記した：過去数十年、私たちは分散型AIシステムを一つずつ自ら構築してきた。今、彼は数千のソフトウェアを一括で生成できる一つのシステムを構築したいと考えている。

彼の見解では、現在のモデルはコードを非常に速く書けるが、「コードが動作する」ことと「安心して本番環境に投入し、長年にわたり維持できる」ことの間にはまだ大きな差がある。

彼はこの差がモデルの限界であるとは考えず、むしろ一つの層が欠けているように見える。

この欠けている能力とは、曖昧な意図を現実の設計に変換し、結果が成り立つかを検証し、システムが稼働した後も継続的に進化させ、すべてを自律的に完了する生産システムである。

そして、それがIntent Labが取り組んでいるレベルです。

出典：Intentlab公式サイト

そのため、CursorやClaude Codeのようなコード補助ツールとは異なり、Fleetは、この空白を埋めるために、長期的に安定して動作するプロダクションレベルの基盤システムの生成を追求しています。

現在、贾揚清は最初の3つの課題を提出しました。

まず、FleetはTRT-LLM推論エンジンを再設計し、チームがこれまで知っていた中最速のGLM 5.2エンジンに仕上げました。Grace Blackwellノード2台で、出力速度を102トークン/秒から647トークン/秒まで引き上げ、6.3倍の向上を実現しました。

これはFleetがエンドツーエンドで構築し、最適化を実施した結果です。

出典：Intentlab公式サイト

次に、一行のプロンプトからデータベースエンジンを構築しました。

Fleetは、既存のドキュメントやコードから始め、アーキテクチャ設計、コーディング、テスト、レビュー、品質保証という強力なチームのすべての役割を担い、600万のSQLite互換性テストがすべて通過するまで自立して運営した。

三つ目は、エージェントが人間ではなく使用するインフラストラクチャのためのファイルシステムを構築することである。

この例では、Fleetが形式的検証を通じて一時的な損傷状態を特定・修正し、コーディングエージェントが作成したバグを検出しました。

この3つの課題は表面上つながっていないように見えるが、明確に指向しているのは、その背後にある同じシステム「Fleet」の能力である。

AIはプログラミングの作業を担うだけでなく、最終的なシステム全体に対して、まるで一貫したソフトウェアエンジニアリングチームのように責任を負うことができます。

成功した場合、贾揚清は、コンピュータ工学の経済モデルが永遠に変わると考えている。

50年間、賢明な做法は、ソフトウェアを開発し、ニーズが異なってもできるだけ多くのユーザーに販売することだった。しかし、今ではその状況が変わることができる。世界は、より高度にカスタマイズされたソフトウェアをより多く見ることになる。

つまり、AIが安定してプロダクションレベルのシステムを生成・運用できるようになれば、今後企業や個人は自らのプロセスと制約条件を記述するだけで、AIがその要件に最適化されたソフトウェアを生成してくれるようになる。

現在、Intent Labは外部と協力し、「工数が大きすぎてリストに上がったまま誰も手をつけていない」システムに特化しています。

ジャ・ヤンチンの経歴を振り返ると、その主軸は一貫して明確である。

Caffeの開発、ONNXのオープンソース標準の推進、阿里雲での勤務、Lepton AIの設立に至るまで、彼は常に同じことの異なるバージョンを手がけてきた：誰もがより簡単に計算リソースを利用できるようにすること。

AIがインフラの構築者となるとともに、次のステップは「計算能力を管理」から「システムを構築」へと進んでいます。