收购仅一年即“决裂”，创始人贾扬清出走英伟达：黄仁勋不满运营效果，20亿美金的AI Infra 突围为何折戟？

本文来自微信公众号： AI前线 ，作者：青和，原文标题：《收购仅一年即“决裂”！创始人贾扬清出走英伟达：黄仁勋不满运营效果，20 亿美金的 AI Infra 突围为何折戟？》

据半导体调研机构SemiAnalysis爆料，LeptonAI的创始人兼CEO、英伟达系统软件副总裁贾扬清，已从英伟达离职。距离黄仁勋豪掷7亿美元，收购这家仅有20人的创业团队，才刚刚过去一年。

更耐人寻味的是，就在本月初，GPU云服务商Hyperbolic宣布聘请贾扬清担任公司顾问。Hyperbolic在公告中称，贾扬清将为其在AI系统、云基础设施、GPU marketplace、多云编排和GPU利用率提升等方向提供经验支持。这在业务层，与其在英伟达负责的DGX Lepton平台高度相似。

笔者对此向贾扬清本人求证离职消息，截止发稿前暂无正面回应。目前贾扬清社交平台x、领英的就职信息仍停留在英伟达阶段。

对于离职原因，SemiAnalysis直言，DGX Lepton的运营效果不及黄仁勋预期；但更深层的原因还涉及，黄仁勋与贾扬清在项目开源承诺的分歧、产品落地执行力等层面的问题。

Caffe、PyTorch、ONNX的缔造者，上一代AI框架公认的奠基人。连人带团队7亿美金被英伟达收编，原本是一段软硬融合的佳话，为何短短一年就分道扬镳？

细究下来，在这个戏剧性的转折背后，还藏着两个强烈的行业信号：

第一，GPU可以靠稀缺性卖断货，但AI Infra却无法实现垄断。当英伟达作为硬件霸主试图向上层软件扩张时，遇到的阻力，比造GPU还大。

第二，当AI已经能自己写代码、管集群，那些以“降低工程门槛”为卖点的中间件平台，正在面临被直接被取代的价值危机。

贾扬清交付的筹码

2025年4月，英伟达正式完成收购，随即将LeptonAI更名为DGX Cloud Lepton，并于当年6月重新对外发布。

表面上看，这是一次软件能力的补强。但如果联系英伟达当时的战略处境，就会发现这笔收购的野心远不止于此。加上此前收购的AI基础设施编排和工作负载管理平台Run:ai约12亿美元，英伟达先后在GPU云软件栈上的总投入将近20亿美元。

过去两年，英伟达是AI时代最大的“卖铲人”，但这还不够。黄仁勋不仅想让大家买它的卡、用它的CUDA、接它的软件栈，还希望把全球GPU资源变成一个统一入口。

简单来说，就是从AWS、Azure、阿里这些客户手里再分一杯羹：在云厂商之上，再建一层属于自己的软件平台。让开发者不再到处问“哪里还有H100”，而是直接在英伟达的平台上找卡、租卡、部署模型。

而贾扬清，就是这个计划最完美的代言人。

对华人开发者来说，贾扬清曾一度被视为AI领域的大神，并长期推崇践行开源精神。

2013年，还在UC Berkeley读博士的他，写出了Caffe——第一个被工业界大规模采用的深度学习框架。它奠定了"模型即配置文件"的工程范式，让深度学习第一次真正走出了实验室。

2016年他加入Meta，联合微软推出ONNX，主导PyTorch 1.0，今天几乎所有主流AI模型都跑在PyTorch上；三年后，他以技术副总裁的头衔加入阿里，主导大规模AI基础设施建设，积攒了生产环境运营GPU集群的一手经验。

2023年贾扬清离职创业，与同样来自Meta AI的白俊杰联合创立LeptonAI，拿到了1100万美元种子轮融资，承载的正是“降低AI工程师使用和管理GPU集群门槛”的想象力。

三大开源框架、两家顶级大厂、一段中国市场经历——这是贾扬清带给英伟达的筹码。英伟达买下的，也不只是Lepton这家创业公司，还有AI开源社区对于贾扬清长达十年信任积累。

黄仁勋给出了足够的诚意和价格，贾扬清也带着将AI Infra推向新高度的抱负入局。这本该是一场完美的双向奔赴，但遗憾的是，在商业变现与开源信仰的碰撞下，双方最终没能走向共同的愿景。

三道无法弥合的裂缝

从万众瞩目到创始人出走，仅仅一年。据SemiAnalysis拆解，问题主要出在三道裂缝上。

第一道裂缝，是开源信仰的破灭。

英伟达在收购时承诺，Lepton的核心软件平台将于2026年开源。这个承诺，对贾扬清而言绝不是一个可有可无的细节——他的整个职业生涯，都建立在开源精神之上。Caffe开源，ONNX开源，PyTorch开源。他不是一个偶尔拥抱开源的工程师，他是那个用开源重塑了整个AI工程基础设施的人。

然而这个承诺，至今没有兑现。

SemiAnalysis的推断是：黄仁勋最终改变了主意，否决了开源计划。对于一个把开源视为信仰的创始人而言，这不是产品路线的分歧，而是根本性的价值观冲突。

回顾英伟达的开源记录：NIMs名义开放实则封闭，flashinfer也从开源社区项目变为闭源cubin内核，RIVA等ML平台也走向了类似命运。贾扬清对此不可能没有预判，但他或许仍抱有改变的希望。直到希望落空。

第二道裂缝，是产品执行的跑偏。

SemiAnalysis的措辞相当直接："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，没能让Lepton开花结果。）

实际情况令人唏嘘：团队的资源被消耗在更换配色方案和登录界面UI等表面工作上，而真正的核心技术问题，比如多租户（multi-tenancy）始终没有被解决。某云厂商（合作方）更是直言不讳："Lepton解决了GPU云的所有问题，除了最难的那个。"

要知道，AI原生开发者历来不愿为英伟达的非关键路径软件付费。他们信任的是vLLM、SGLang、SLURM这些从开源社区里长出来的工具链，而不是某个大公司包装过的SaaS平台。

Lepton/DGX Lepton的目标用户，恰恰是对这类产品最挑剔的一群人。

第三个裂缝，写在股权结构里。

一般来说，标准的收购协议中，创始人股权通常分3到4年归属。贾扬清仅一年便离职，这也意味着：要么他放弃了大量未归属的股权，要么他在谈判时就争取到了一年内完全归属的特殊条款。

无论哪种情况，都说明他离开的决心极为坚定。这不是一次被动的人事调整，而是一次主动的、彻底的告别。

据早期信息显示，Lepton平台在2025年中期前后已基本停止对外运营。

Agentic Coding的降维打击

如果说价值观冲突和产品跑偏是内部问题，那么外部的模型发展和市场走向，则动摇了整个AI Infra赛道的价值结构。

LeptonAI当初试图解决的，是一个真实存在的痛点：降低AI工程师使用和管理GPU集群的门槛。开发者不想管Kubernetes，不想写部署脚本，不想折腾推理服务，不想处理扩缩容、监控和日志……这些事情繁琐、专业、耗时。所以，一个把这些复杂性打包起来的运维平台，可以让开发者专注于模型本身。

2023年，这是一个值得花数亿美元去解决的问题。但到了2026年，这个问题的门槛和解法已经松动。

以Cursor、Claude Code、Codex为代表的Agentic Coding工具正在重塑软件开发的底层逻辑。"Vibe-coding"不再是一个噱头——开发者可以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。

比如，竞争对手AMD开源的Spur项目，一个与高性能计算调度器Slurm完全兼容的开源替代品，可以直接被AI Agent调用和配置，几乎零门槛。

这意味着什么？

Lepton试图用产品化方式解决的问题，正在被Agentic Coding用代码生成的方式直接跳过。当你的平台仅仅是把部署流程包装得更顺滑，把一些常见操作自动化，把API封得更漂亮，那么Agentic Coding的崛起会削弱它的稀缺性。

因为开发者会越来越有能力用开源组件拼出自己的工作流，用Agent修配置、写出集群管理脚本、接监控、改SDK、迁移部署环境。

这不是Lepton一家的困境，而是整个"AI基础设施抽象层"赛道正在面临的系统性挑战。

那些在2022年到2024年间以"降低AI工程门槛"为卖点融资的公司，都需要重新回答一个更尖锐的问题：你到底解决的是表层的复杂性，还是底层的稀缺性？