据半导体行业研究机构 semianalysis 披露，leptonai 创始人兼 ceo、前英伟达系统软件副总裁贾扬清已正式离开英伟达。值得注意的是，此次离职距黄仁勋以 7 亿美元高价收购这家仅 20 人规模的初创团队，尚不足一年。
更引人关注的是，就在本月初，GPU 云服务提供商 Hyperbolic 宣布正式聘请贾扬清出任公司顾问。Hyperbolic 在官方声明中指出，贾扬清将围绕 AI 系统架构、云基础设施优化、GPU marketplace 构建、多云资源编排以及 GPU 利用率提升等关键方向提供战略指导与技术经验。从职能覆盖范围来看，其职责与他在英伟达主导的 DGX Lepton 平台高度重合。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
笔者就该离职传闻向贾扬清本人求证，截至本文发布时尚未获得明确回应。目前其社交平台 X（原 Twitter）及领英（LinkedIn）上的职业信息仍显示为“英伟达系统软件副总裁”。
关于离职动因，SemiAnalysis 明确指出：DGX Lepton 的实际运营成效未达黄仁勋设定的预期目标；而更深层矛盾则源于双方在开源承诺履行、产品落地节奏及执行能力等方面的显著分歧。
作为 Caffe、PyTorch 与 ONNX 等标志性 AI 框架的核心缔造者，贾扬清被公认为上一代 AI 工程体系的重要奠基人。此次连人带团队被英伟达以 7 亿美元整体并购，本被视为软硬协同演进的经典范例，却在短短一年后宣告终结。
深入剖析这场骤然落幕的合作，背后折射出两大不容忽视的产业趋势：
第一，GPU 凭借硬件稀缺性仍可维持强势定价权，但 AI 基础设施（AI Infra）领域却难以复制垄断逻辑。当英伟达这位硬件巨头试图向上渗透至软件层时，所遭遇的阻力甚至超过其打造 GPU 芯片本身。
第二，随着 AI 具备自主编写代码、调度集群的能力，那些主打“降低工程门槛”的中间件平台，正面临被原生智能体（Agent）直接绕过的价值塌方风险。
贾扬清带来的核心资产
2025 年 4 月，英伟达完成对 LeptonAI 的收购，并于同年 6 月将其整合升级为 DGX Cloud Lepton 平台并重新发布。
表面看，这是一次对软件能力的战略补强；但若结合英伟达当时的整体布局，则不难发现其真实意图远不止于此。叠加此前斥资约 12 亿美元收购的 AI 基础设施编排平台 Run:ai，英伟达在 GPU 云软件栈上的累计投入已逼近 20 亿美元。
过去两年间，英伟达稳坐 AI 时代“卖铲人”头把交椅，但这显然不够。黄仁勋的目标不仅是销售 GPU、推广 CUDA、绑定开发者使用其工具链，更希望将全球分散的 GPU 算力资源整合为统一入口。
换言之，即在 AWS、Azure、阿里云等主流云厂商之上，再构建一层属于英伟达自己的软件中枢——让开发者不再四处打听“哪家还有 H100”，而是直接登录英伟达平台完成算力查找、租赁与模型部署全流程。
而贾扬清，正是承载这一宏大构想的理想代言人。
对于中文技术社区而言，贾扬清长期被视为 AI 领域的精神领袖之一，亦是开源理念的坚定践行者。
2013 年，尚在加州大学伯克利分校攻读博士期间，他便开发出 Caffe——首个被工业界大规模采用的深度学习框架。它确立了“模型即配置文件”的工程范式，推动深度学习真正走出实验室、走向规模化应用。
2016 年加盟 Meta 后，他联合微软推出 ONNX 标准，并主导 PyTorch 1.0 版本发布；如今绝大多数主流 AI 模型均运行于 PyTorch 之上。三年后，他以技术副总裁身份加入阿里巴巴，全面负责大规模 AI 基础设施建设，积累了丰富的 GPU 集群生产环境运维实战经验。
2023 年，贾扬清离开阿里创业，携手同出自 Meta AI 的白俊杰共同创立 LeptonAI，获得 1100 万美元种子轮融资，核心使命正是“大幅降低 AI 工程师使用与管理 GPU 集群的技术门槛”。
三大主流开源框架、两家顶尖科技企业、一段深耕中国市场的落地经历——这些构成了贾扬清献给英伟达的关键筹码。英伟达所购入的，不只是 Lepton 这家初创公司，更是贾扬清在过去十年间，在全球 AI 开源生态中所建立的信任资本。
黄仁勋给出了极具诚意的估值与支持，贾扬清亦怀抱重塑 AI Infra 格局的雄心加入。这原本应是一场双向奔赴的理想主义合作，遗憾的是，在商业现实与开源信仰的激烈碰撞中，双方最终未能抵达共识彼岸。
三道难以弥合的根本裂痕
从万众期待到创始人悄然离场，仅历时一年。SemiAnalysis 分析指出，问题根源集中于以下三方面。
第一道裂痕，源自开源承诺的落空。
英伟达在收购协议中曾明确承诺：Lepton 的核心软件平台将于 2026 年实现开源。这一条款对贾扬清而言绝非技术细节——他的整个职业生涯，都深深扎根于开源实践：Caffe 开源、ONNX 开源、PyTorch 开源。他不是偶然拥抱开源的工程师，而是以开源为武器重构 AI 工程基础设施的奠基者。
通过本地 Codex 或 OpenClaw OAuth 凭证直接调用 ChatGPT/Codex Responses 的 image_generation 工具来生成或编辑光栅图像，然后保存
然而，该承诺至今未见实质性推进。
SemiAnalysis 推测：黄仁勋最终否决了开源计划。 对一位将开源奉为信仰的创始人而言，这已非单纯的产品路线之争，而是触及价值观底层的根本冲突。
回溯英伟达近年开源轨迹：NIMs 名义开放实则封闭，flashinfer 由社区项目转为闭源 cubin 内核，RIVA 等 ML 平台亦呈现类似演化路径。贾扬清对此未必毫无预判，但他或许仍存一丝改变现状的期许。直至这份期待彻底消散。
第二道裂痕，体现在产品执行的严重偏移。
SemiAnalysis 的评价直截了当：“NVIDIA's product management culture did not let Lepton bloom into what it could have become.”（英伟达的产品管理文化，扼杀了 Lepton 的真正潜力。）
现实令人唏嘘：团队大量精力被消耗在UI 配色调整、登录页视觉优化等表层工作上，而关乎平台成败的核心难题——如多租户（multi-tenancy）支持——始终未获有效突破。某头部云厂商合作伙伴甚至直言：“Lepton 解决了 GPU 云的所有问题，唯独漏掉了最难的那个。”
须知，AI 原生开发者向来对英伟达非核心路径软件持谨慎态度。他们更信赖 vLLM、SGLang、SLURM 等源自开源社区的真实工具链，而非某家大厂包装推出的 SaaS 化平台。
而 Lepton/DGX Lepton 的目标用户，恰恰是这群最挑剔、最懂技术、也最不愿为“伪刚需”付费的开发者群体。
第三道裂痕，隐匿于股权结构之中。
常规并购协议中，创始人股权通常按 3 至 4 年分期归属。贾扬清仅任职一年即选择离开，意味着：要么他主动放弃了大量尚未解锁的股权，要么在谈判阶段已争取到“一年内全额归属”的特殊条款。
无论哪种情形，均表明其离职决定异常坚决。这不是一次被动的人事变动，而是一场主动、彻底、不留余地的告别。
据早期线索显示，Lepton 平台自 2025 年中起已基本停止对外商业化运营。
Agentic Coding 的降维冲击
如果说价值观冲突与执行偏差属于内部症结，那么外部模型能力跃迁与市场格局演变，则从根本上动摇了 AI Infra 赛道的价值根基。
LeptonAI 初创之时瞄准的，是一个真实且迫切的痛点：显著降低 AI 工程师使用与管理 GPU 集群的技术门槛。 开发者不愿折腾 Kubernetes、不愿手写部署脚本、不愿反复调试推理服务、不愿处理扩缩容、监控与日志……这些任务既繁琐又专业，耗时耗力。因此，一个能将上述复杂性封装整合的运维平台，可使开发者聚焦于模型本身。
2023 年，这确实是一个值得数亿美元投入解决的问题；但到了 2026 年，这个问题的解法与必要性已发生根本性松动。
以 Cursor、Claude Code、Codex 为代表的 Agentic Coding 工具，正在重构软件开发的底层范式。“Vibe-coding”早已超越概念阶段——开发者仅需用自然语言描述需求，AI Agent 即可自动生成、调试并部署完整的基础设施代码。
例如，竞争对手 AMD 开源的 Spur 项目，作为一款与高性能计算调度器 Slurm 完全兼容的开源替代方案，已可被 AI Agent 直接调用与配置，几乎零学习成本。
这意味着什么？
Lepton 曾试图通过产品化方式解决的问题，正被 Agentic Coding 以代码生成的方式直接跳过。 当你的平台仅是将部署流程做得更顺滑、将常见操作自动化、将 API 封装得更美观，那么 Agentic Coding 的崛起必将稀释其不可替代性。
因为开发者正日益具备能力：用开源组件灵活组装专属工作流，借助 Agent 编写集群管理脚本、修复配置、对接监控系统、修改 SDK、迁移部署环境。
这并非 Lepton 一家面临的困局，而是整个“AI 基础设施抽象层”赛道正在遭遇的系统性挑战。
那些曾在 2022 至 2024 年间，以“降低 AI 工程门槛”为叙事主线完成融资的公司，如今都必须严肃回答一个更尖锐的问题：你究竟解决的是表层的工程复杂性，还是底层的资源稀缺性？
本文来自微信公众号 “AI前线”（ID：ai-front），作者：青和，36氪经授权发布。
