近日，AI领域知名人物贾扬清在离开英伟达后再次创业，新公司Intent Lab正式亮相。该团队推出的首批成果包括GLM-5.2推理引擎、一句话生成的数据库引擎以及带形式化验证的文件系统，三者均由同一套智能体系统Fleet端到端完成，无人工介入。这一动态引发行业广泛关注，标志着贾扬清从基础设施层向智能体系统层的战略转向。
希鸥网观察到，Fleet被定位为“首个将意图转换为生产级软件的自主团队”。以GLM-5.2推理引擎为例，其初始意图仅为一句指令：改造TensorRT-LLM代码，使GLM-5.2在Grace Blackwell节点上运行。最终，系统自主完成了内核融合、运行时优化、通信层面改进及投机解码等四类优化，输出速度从102 tokens/s提升至647 tokens/s，提升6.3倍。这一过程展现了AI系统在复杂工程任务中的自主能力。
回顾贾扬清的职业生涯，他先后参与Caffe、PyTorch、ONNX等开源项目，2023年创立Lepton AI提供AI Infra服务。2025年3月，英伟达以约7亿美元收购Lepton AI，将其并入DGX Cloud体系。然而收购后，Lepton AI产品理念与英伟达面向大企业客户的封闭体系格格不入，半年后基本停止对外运营，开源承诺也未能兑现。贾扬清随后于6月离职，并短暂担任Hyperbolic Labs顾问。
此次Intent Lab的成立，其目标与以往不同。贾扬清在官宣文章中表示，过去团队精心设计单个系统，如今更感兴趣的是“一次能产出一千个系统的系统”。他判断，模型能力已足够强大，但“从能跑起来的代码到生产级软件”之间缺少一层：一个能将模糊意图转化为设计、检查结果、并自主演进的系统。Intent Lab将这一过程拆解为理解、设计、协调、构建、验证、演进六个环节。
希鸥网认为，贾扬清的创业路径反映了AI行业从模型训练向工程化落地的深层转变。其核心逻辑在于，当模型代码生成能力日趋成熟时，真正的瓶颈在于如何让系统自主完成工程化全流程，包括架构设计、验证测试和持续演化。这种“意图到系统”的范式，可能重塑软件开发的劳动分工——从人工团队主导转向智能体系统自主执行，进而大幅降低定制化软件的生产成本。
对于创业者而言，贾扬清的模式提示了一个关键方向：AI创业不应只聚焦模型能力，更需构建“意图理解”到“系统交付”的完整闭环。这要求创业者在技术选型上，优先设计能覆盖用户模糊、矛盾需求的“意图空间”，而非简单罗列功能清单。同时，商业模式需考虑如何通过模型蒸馏或自建小模型降低单位成本，避免陷入纯API搬运的竞争泥潭。正如语料所强调，成功的MaaS必须要么有极高客单价，要么能有效降低成本，纯搬运工无生存空间。
此外，创业系统应具备“反脆弱”的韧性架构。如同“全天候资产组合”适应多种环境，创业者需设计能应对不同增长与通胀组合的商业模式，而非依赖单一成功路径。贾扬清从Lepton AI到Intent Lab的转变，也印证了“成熟意味着放弃一些好的选择，追求更好的选择”的原则。在不确定的市场中，预设韧性机制、承认市场不可精准预判，并通过多元对冲结构降低对个人判断力的依赖，是长期成功的关键。
2026人工智能+实战应用及产业创新论坛将于7月31日在南京举办，欢迎全国各地人工智能创业者报名。本文内容整理自网络，将同步发布在希鸥网创投联盟网站（希鸥网、AI联播网、斯贝瑞品牌资讯、华商资讯网、金鸥财经、锐CEO网、AEXNEWS美讯社、创新日报）。欢迎媒体合作、会议咨询、纳斯达克大屏等业务对接~ 如需修改或发布文章，请加微信号：sheisceo