贾扬清在离开英伟达仅一年后，再次投身创业浪潮，新公司Intent Lab甫一亮相便引发行业关注。其首批公布的三大成果——号称当前最快的GLM 5.2推理引擎、仅凭一句话指令生成的数据库引擎，以及配备形式化验证的文件系统，看似各自独立，实则均源于同一套名为Fleet的智能体系统。这一系统被定位为“首个能将用户意图直接转化为生产级软件的自主团队”，标志着贾扬清在AI基础设施领域的又一次突破性尝试。
回顾贾扬清的职业生涯，其技术轨迹始终围绕“降低算力使用门槛”展开。2023年3月，他从阿里巴巴离职后创立Lepton AI，选择AI Infra赛道，通过云原生与多云整合技术调度全球GPU资源，为开发者提供算力租赁与模型部署服务。创始团队中不乏ONNX联合创始人等开源领域资深人士，团队构成堪称“开源老兵重聚”。2025年3月至4月，英伟达以约7亿美元（约合人民币48亿元）收购Lepton AI，旨在通过其技术强化自身云业务，构建独立于AWS与Google的软件平台。收购后，Lepton AI更名为DGX Cloud Lepton，并入英伟达DGX Cloud体系。
然而，这场收购并未如预期般顺利。作为以“Python原生、开箱即用”为核心理念的轻量级初创公司，Lepton AI的产品逻辑与英伟达面向大企业客户的封闭式管理体系存在根本冲突。据内部人士透露，团队在收购后数月内便陷入困境：资源被消耗在UI调整等表层工作上，而多租户等核心技术问题始终未能解决，导致产品无法满足AI原生开发者的需求。更令开源社区失望的是，英伟达曾承诺在2026年前开源Lepton的核心软件平台，最终却因商业利益考量而反悔，目前GitHub仓库仅保留客户端SDK与命令行工具，后端调度引擎与云平台管理系统仍保持封闭状态。这一决策背后，是英伟达对核心调度器开源后可能被竞争对手用于管理非英伟达GPU的担忧，但这与贾扬清长期坚持的开源理念形成尖锐对立。
2026年6月，贾扬清以顾问身份加入Hyperbolic Labs，该公司业务聚焦云基础设施、GPU市场与多云编排，与Lepton AI的初始目标高度契合。这一举动曾被外界解读为其“重操旧业”的信号，但事实证明这仅是过渡阶段的插曲。真正代表其技术理想延续的，是此次成立的Intent Lab与核心产品Fleet。
Fleet系统的技术逻辑颠覆了传统软件开发模式。以GLM-5.2推理引擎的优化为例，其初始指令仅为一句话：“重构TensorRT-LLM代码，使GLM-5.2在Grace Blackwell节点上运行，并自主识别、实现与验证优化类别。”Fleet最终交付的成果令人瞩目：在两台Grace Blackwell节点上，输出速度从102 tokens/s提升至647 tokens/s，增幅达6.3倍。这一突破源于四类优化：内核层面通过kernel fusion与直接生成PTX和SASS指令，绕过编译器实现指令级控制；运行时采用H2D batching技术，将host-to-device元数据拷贝次数从约十次降至零；通信层面通过融合MNNVL all-reduce操作，将residual add与RMSNorm整合进集合通信，每层节省一次kernel launch与内存往返；投机解码环节配合优化后的DSpark drafter，实现多token同步提出与一次性验证。整个优化流程完全由Fleet自主完成，涵盖roofline分析、瓶颈识别、方案提出、验证与迭代，宛如一个完整的开发团队在运作。
数据库与文件系统的开发同样展现了Fleet的自主能力。在数据库项目中，Fleet从零开始，仅凭一行提示词便完成架构设计、编码、测试与评审全流程，最终通过600万条SQLite兼容性测试。文件系统开发则更具挑战性：面对这一以复杂度著称的领域，Fleet通过形式化验证技术捕捉到coding agent编写的代码中的瞬态损坏状态bug，并自动完成修复。这些案例证明，Fleet已具备从模糊意图到生产级系统的全链条转化能力。
贾扬清在官宣创业的帖子中指出，当前大模型虽能快速生成代码，但“可运行代码”与“可长期投入生产的软件”之间仍存在鸿沟。他认为，这一差距并非源于模型能力不足，而是缺乏中间转化层——一个能将模糊意图转化为明确设计、持续验证并推动系统演进的自主机制。Intent Lab将这一转化过程拆解为六个环节：理解意图并制定验收标准、权衡设计取舍、任务拆解与依赖管理、代码与架构同步演进、贯穿全程的验证（从形式化证明到故障注入）、基于生产环境表现的持续优化。这六个环节完整复现了专业工程团队的日常工作流程，只是执行主体从人类工程师转变为智能体系统。
从经济模型角度看，贾扬清预测软件行业将发生根本性变革：过去50年“一款软件服务尽可能多用户”的模式将逐渐被“海量高度定制化软件”取代。Intent Lab的初期战略正是瞄准这一趋势，计划与外部企业合作，承接那些因工程量庞大而长期搁置的系统开发需求。从Caffe、PyTorch到Lepton AI，再到如今的Intent Lab，贾扬清的技术探索始终围绕一个核心目标：让算力更易被获取与使用。这一理念在Fleet系统中得到了全新诠释——通过智能体自主开发，将算力转化为生产力的效率提升至前所未有的高度。
