智东西7月29日消息，AI领域领军人物、阿里云前副总裁、Lepton AI创始人贾扬清，在结束英伟达工作约一个月后，宣布创立新公司Intent Lab。他组建了一支名为Fleet的自主AI团队，致力于将用户的模糊意图直接转化为生产级软件系统。
与传统的编程Agent不同，Fleet试图扮演一支完整工程团队的角色。其工作范围涵盖需求理解、架构设计、任务协调、代码编写、测试验证以及上线后的持续迭代。
Intent Lab此次公布了Fleet的三项早期成果：
一、从理解意图到持续演进：包揽软件开发全流程
Intent Lab指出，Fleet的工作模式类似一支遵循工程规范的软件团队，开发流程包含六个环节：理解、设计、协调、构建、验证和演进。由于大多数项目始于模糊意图，Fleet首先与用户共同明确目标，转化为具体结果并设定约束标准。随后，它权衡方案，确定接口和架构，拆分任务并管理依赖。在构建过程中，Fleet会根据新信息同步更新设计，并利用形式化证明、集成测试和故障注入等方法进行验证。最终，软件上线后，Fleet仍会持续观察表现，根据反馈优化系统。
二、GLM-5.2推理速度提升534%，达到647token/s
Fleet的首个任务是优化GLM-5.2在Grace Blackwell计算节点上的推理速度。通过重新设计英伟达的TensorRT-LLM代码，Fleet从内核、运行时、通信和推测解码四个维度进行优化：内核层面通过融合减少启动次数提升24%；运行时利用H2D批处理实现零拷贝提升16%；通信层面融合集合通信与残差相加提升18%；推测解码加入DSpark提升约4倍。最终，端到端推理速度较原版提升了534%，达到647 token/s，这是目前GLM-5.2的最快推理速度。整个过程完全自主完成，无需人工介入。
三、一条指令从头构建数据库，产生8720万个输出token
第二个任务是根据一条指令，构建一个与SQLite兼容但内部架构全新的数据库引擎。Fleet将SQLite测试集作为验收标准，将工作分配给决策、架构、编码、测试、审查和质量保障等角色。整轮运行产生8720万个输出token，其中编码占38.6%，测试占21.7%，设计占31.1%。Fleet仅用一行提示词就完成了从零开始的设计、构建和验证，通过了全部600万项测试。若使用开源模型，整轮成本约为350美元。
四、从头构建分布式文件系统，目录查询速度达到626倍
第三个任务是构建面向Agent的分布式文件系统AgentFS。针对Agent工作负载中频繁创建沙箱和扫描小文件的特点，Fleet在云环境中从头设计了AgentFS。在mdtest测试中，其目录和文件创建速度分别为EFS的45倍和30倍，而在Agent常用的状态查询操作中，目录查询速度更是达到了EFS的626倍。此外，Fleet对AgentFS进行了严格验证，检查了约190万个系统状态模型和300项集成测试，并发现并修复了一个由编程Agent引入的潜在数据损坏Bug。
结语
Intent Lab通过Fleet展示了多Agent协作的自主工程团队潜力，从推理引擎优化到分布式系统构建，Fleet都能自主完成设计、开发与验证。这标志着AI编程正从单纯的代码生成迈向完整的软件工程流程。不过，这些目前仍是早期成果，Fleet能否稳定处理复杂项目并长期运行，仍需更多实践检验。