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

文章作者、來源：獵雲精選

開源大神賈揚清創業

開源大神賈揚清有了新動向。

今天，賈揚清官宣再次創業，他正啟動名為 Intent Lab 的創業項目，並構建了一個稱為 "fleet" 的自主 AI 團隊，將意圖轉化為生產軟體。

同時，他還展示了三個早期成果：最快的 GLM 5.2 推理引擎、一句話生成的資料庫引擎、一套帶形式化驗證的檔案系統。

來源：賈揚清X賬號

隨著這則推文的發布，賈揚清也有了新角色。

他的 X 帳號簡介已更新為 Intent Lab 創辦人兼 CEO，並將英偉達列入過往任職經歷，徹底落實了為期一個月來與英偉達的「決裂」傳聞。

這位在矽谷被稱為「AI 框架領域最厲害的華人科學家」，從阿里出走、創立 Lepton AI 後再以 7 億美元售予英偉達，又再次站上新起點。

賈揚清的二次創業，早有端倪可循。

6月29日，半導體研究機構 SemiAnalysis 發了一條推文，表示 Lepton AI 創始人兼 CEO 賈揚清在 Lepton AI 收購僅一年後離職。

當時，這條訊息雖未得到證實，但已足以引發業界、尤其是開發者群體的興趣，推文直接刷屏。

幾乎在 SemiAnalysis 爆料的同一時間，2026 年 6 月初，GPU 雲服務商 Hyperbolic 宣布聘請賈揚清擔任公司顧問。

Hyperbolic 表示，賈揚清將為其在 AI 系統、雲基礎設施、GPU marketplace、多雲編排和 GPU 利用率提升等方向提供經驗支持。這在業務層面，與他在英偉達負責的 DGX Lepton 平台高度相似。

From the combination of these two pieces of news, it is already evident that Jia Yangqing's departure was inevitable.

而離開的原因，很可能是黃仁勳改變了主意，讓賈揚清的開源信仰破滅。

回顧2023年，賈揚清於3月離開阿里，4月在矽谷創立雲原生AI平台Lepton AI，創始團隊星光熠熠：匯聚了ONNX 聯創白俊傑、etcd 創始人李響。

當時，Lepton 定位清晰：多雲原生 AI 推理算力平台，打造統一調度層，幫助開發者跨各大雲廠商調度 GPU 資源，依靠輕量化 Tuna 推理引擎降低大模型部署門檻。

簡而言之，就是透過一個將這些複雜性打包起來的運維平台，降低 AI 工程師使用和管理 GPU 集群的門檻，讓開發者可以專注於模型本身。

成立僅2年，Lepton AI 在 SemiAnalysis ClusterMAX GPU 雲服務評級系統中躋身第二梯隊「黃金」，與 Microsoft Azure、Together AI、Oracle 同級。

隨之而來的是2025年4月，英偉達豪擲7億美元完成對Lepton AI的「收編」。

這筆交易一度被行業視為雙贏。

在收購完成前，黃仁勳曾在去年三月的 GTC 大會上表示：英偉達不再是一家晶片公司，也不再是一家 AI 公司，而是一家演算法和基礎設施公司。

黃仁勳的邏輯是，英偉達不能只做 GPU 供應商，它要成為 AI 時代的雲端和軟體入口。

他希望英偉達補齊 DGX Cloud 的軟體調度能力，搭建自有全球算力市場，直面公有雲廠商與 CoreWeave 等 GPU 雲對手，而收購 Lepton AI 便是黃仁勳「AI 工廠」野心拼圖上的最後幾塊之一。

For Jia Yangqing’s team, leveraging NVIDIA’s hardware ecosystem could help bring the concept of a cross-cloud computing platform to life.

但很快，理想就遭遇了現實的衝擊。

Lepton AI 的產品理念「原生 Python、開箱即用」等與英偉達面向大型企業客戶、更為封閉的產品管理體系格格不入。

根據公開報導，更名後的 DGX Lepton 已於 2025 年中期基本停止對外運營，其運營效果未達預期。

而更深、更無法調和的矛盾，則落在開源承諾之上。

英偉達在收購時曾承諾於2026年開源 Lepton 核心平台，但對於英偉達而言，核心商業模式依賴 GPU 硬體銷售。

一旦開放 Lepton 核心調度代碼，AMD 和國內各類異構晶片廠商都能使用這套高效工具調度算力，相當於主動削弱自身硬體護城河。

Ultimately, the open-source initiative was officially rejected.

而這份承諾，曾是賈揚清同意被收購、帶隊加入英偉達擔任系統軟體副總裁、直接向黃仁勳匯報的核心基礎。

要知道，賈揚清的整個職業生涯都建立在一句「我為人人，人為我」的開源精神之上。

他以開源重塑了 AI 工程基礎設施，從 Caffe、PyTorch 到 ONNX，職業生涯的所有里程碑成果均為開源。

一邊是必須維護硬體壁壘的晶片巨頭，一邊是追求中立開放的基礎設施信徒，二者註定無法長期共存。

僅一年後，賈揚清便再次離職創業，上演了「雙向奔赴」的畫面。

From the founding team perspective, Intent Lab remains the same team.

共同創始人包括 Lepton AI 的共同創始人白俊傑和李響，但他們所從事的內容與 Lepton AI 大不相同。

Jia Yangqing 不再打造新一代算力雲、推理調度平台，而是將新公司瞄準自主 AI 軟體工程。

Fleet 的全新目標不再是「幫助人類部署 AI 模型」，而是直接讓 AI 智能體團隊完成從需求理解、架構設計、編碼開發、測試驗證到持續運維的全流程。

其背後的核心邏輯是，AI Infra 正在經歷一次價值重估。

目前，Cursor、Claude Code、Codex 等 Agentic Coding 工具正在重塑軟體開發的底層邏輯。

"Vibe-coding" 讓開發者用自然語言描述需求，AI Agent 自動生成、調試、部署完整的基礎設施代碼。

例如，AMD 開源的 Spur 專案是一個與 Slurm 兼容的開源排程器替代方案，可由 AI Agent 直接調用和配置，幾乎零門檻。

這也意味著，傳統 AI 基礎設施試圖以產品化方式封裝的複雜性，正被 Agentic Coding 以代碼生成的方式直接繞過。

這也是導致 DGX Lepton 未達黃仁勳預期、開源承諾未兌現等一系列問題的客觀背景。

不走 Lepton 走過的路，是賈揚清作為創業者的清醒，創辦 Intent Lab，更是順勢而為。

來源：賈揚清X賬號

賈揚清在社交平台上寫下自己賽道轉向的核心思考：過去數十年，我們都在親手搭建分佈式 AI 系統，一次只能打造一套系統。現在他希望構建一套系統，可以批量生成上千套軟體。

In his view, current models can write code very quickly, but there is still a significant gap between "code that runs" and "code that can be confidently deployed to production and maintained for years."

他不認為這種差距是模型的局限性，更像是缺少一層。

這層缺失的能力，是一個能將模糊的意圖轉化為實際設計、檢驗結果是否站得住腳，並在系統運行後持續推動其演進，且全部自主完成的生產系統。

這正是 Intent Lab 正在努力的層面。

來源：Intentlab 官網

因此，與 Cursor、Claude Code 等程式碼輔助工具不同，Fleet 追求的是產出可長期穩定運行的生產級底層系統，以填補這一空白。

Currently, Jia Yangqing has already submitted three assignments.

一是 Fleet 重新設計了 TRT-LLM 推理引擎，使其成為團隊所知最快的 GLM 5.2 引擎：在兩台 Grace Blackwell 節點上，將輸出速度從 102 tokens/s 提升至 647 tokens/s，提升整整 6.3 倍。

這是 Fleet 從端到端構建和實施優化的結果。

來源：Intentlab 官網

二是從一行 prompt 開始，建立了一個資料庫引擎。

Fleet 從零開始，無需現有的文件或代碼，承擔了強大團隊的每一個角色：架構設計、編碼、測試、審查、質量保證，自主運行直至所有 600 萬個 SQLite 兼容性測試全部通過。

三是為一個由 agent 而非人類使用基礎設施的世界，構建了一個文件系統。

在這個例子中，Fleet 透過形式化驗證，識別並修復了一個瞬態損壞狀態，捕獲了由 coding agent 寫出的 bug。

這三份作業看似沒有承接聯繫，但指向明確，那就是賈揚清真正想強調的，是他們背後同一套系統 Fleet 的能力。

AI 不只承擔編程工作，還能像一支完整的軟體工程團隊一樣，對最終系統負責。

If successful, Jia Yangqing believes that the economic model of computer engineering will be permanently changed.

For the past 50 years, the wise approach has been to develop a software and sell it to as many users as possible, even if their needs vary. Now, this situation can change. The world will see more software, more customized software.

In other words, once AI can reliably generate and operate production-grade systems, businesses or individuals will be able to simply describe their processes and constraints, and AI will generate software specifically tailored to their needs.

目前 Intent Lab 計畫與外部合作，專門針對那些「工程量太大、一直排在清單上卻無人手處理」的系統。

纵观賈揚清的歷程，其實主線一直都很明確。

從打造 Caffe、推動 ONNX 開源標準，到任職阿里雲、創辦 Lepton AI，他始終在做同一件事的不同版本：讓別人更容易用上算力。

而隨著 AI 成為基礎設施的建造者，他的下一步也從「管算力」向上「造系統」。