开源大神贾扬清再次有了新动作。就在今天，他宣布启动名为 Intent Lab 的创业项目，并组建了一支名为“Fleet”的自主 AI 团队，致力于将模糊的意图转化为生产级软件。与此同时，他还展示了三个早期成果：最快的 GLM 5.2 推理引擎、一句话生成的数据库引擎，以及一套带有形式化验证的文件系统。贾扬清的 X 账号简介也已更新为“Intent Lab 创始人兼 CEO”，并将英伟达列入过往任职经历，正式终结了与英伟达为期一个月的决裂传闻。这位被硅谷称为“AI 框架领域最厉害华人科学家”的人物，从阿里出走、创立 Lepton AI 再到以 7 亿美元售予英伟达，如今再次站在了新起点。
贾扬清的二次创业，早有端倪可循。6 月 29 日，半导体研究机构 SemiAnalysis 发推称 Lepton AI 创始人兼 CEO 贾扬清在收购仅一年后就离职。彼时这一消息虽未坐实，但足以引发行业尤其是开发者群体的好奇。几乎在 SemiAnalysis 爆料同一时间，GPU 云服务商 Hyperbolic 宣布聘请贾扬清担任公司顾问。Hyperbolic 在公告中表示，贾扬清将为其在 AI 系统、云基础设施、GPU Marketplace、多云编排及 GPU 利用率提升等方向提供经验支持，这与他在英伟达负责的 DGX Lepton 平台业务高度相似。两大消息叠加，已然为贾扬清的离开埋下了伏笔。而离开的原因，很可能是黄仁勋改变了主意，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，汇聚了 ONNX 联创白俊杰、etcd 创始人李响。彼时 Lepton 定位清晰：打造多云原生 AI 推理算力平台，通过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，就是通过一个打包复杂性的运维平台，降低 AI 工程师使用和管理 GPU 集群的门槛，让开发者专注于模型本身。创业仅 2 年，Lepton AI 就在 SemiAnalysis ClusterMAX GPU 云服务评级系统中进入第二梯队“黄金”，与 Microsoft Azure、Together AI、Oracle 同档。随之而来的便是 2025 年 4 月，英伟达豪掷 7 亿美元完成了对 Lepton AI 的“收编”。
这笔交易一度被行业视作双赢。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”野心拼图上的关键一块。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，理想就遭遇了现实的冲击。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的封闭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，其运营效果不及预期。而更深、更无法调和的矛盾，则落在开源承诺之上。英伟达收购时曾承诺 2026 年开源 Lepton 核心平台，但对于英伟达而言，其核心商业模式依托 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够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。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。他用开源重塑了 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画面。
从创始团队来看，Intent Lab 依然是原班人马。联创包括了 Lepton AI 联创白俊杰、李响这两个开源老伙计，不过所做内容与在 Lepton AI 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。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。其背后的核心逻辑是，AI Infra 正在发生一次价值重估。眼下，Cursor、Claude Code、Codex 这一类 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。例如 AMD 开源的 Spur 项目，是一个与 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。
贾扬清在社交平台上写下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。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。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 647 tokens/s，提升整整 6.3 倍。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。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，捕获了一个 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，那就是贾扬清想真正想强调的，是他们背后的同一套系统 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，其实主线一直都很明确。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”。