收购仅一年即"决裂"！贾扬清出走英伟达：20 亿美金的 AI Infra 突围为何折戟？
事件回顾
据半导体调研机构 SemiAnalysis 爆料，LeptonAI 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，截至发稿前暂无正面回应。目前贾扬清社交平台 X、领英的任职信息仍停留在英伟达阶段。
核心原因
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，而是那个用开源重塑了整个 AI 工程师基础设施的人。
然而这个承诺，至今没有兑现。SemiAnalysis 的推论是：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）更是不讳直言："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。
行业影响
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？
我的判断
从 PC 前端工程师的视角看，这个事件本身不八卦，重点是它把"中间层平台"的价值危机讲得异常清晰——而这套逻辑在前端圈我们已经经历过一遍了。
1. 当抽象层被生成式工具穿透，封装就不稀缺了。
Lepton 把"找卡、租卡、部署模型"打包成 SaaS，本质上和我们熟悉的"低代码平台、组件库市场、构建工具链"是同一种生意：用一层抽象吃掉重复劳动。但当 Agentic Coding 能直接生成 Kubernetes 配置文件、调用 Slurm 兼容的 Spur、甚至自己接 Prometheus——这层抽象就从"省时间"变成了"挡路"。前端这几年，Vite 干掉了一票构建配置工具，shadcn/ui 干翻了 Material UI 的部分市场份额，本质都是同一件事：当生成能力下沉到比封装更廉价的层级，平台型生意就被抽空了一截。
2. 商业现实与开源信仰的冲突，是结构性的，不是沟通问题。
贾扬清的"开源承诺落空"不是个案。NIMs、flashinfer、RIVA 都指向同一个方向：英伟达作为硬件霸主，试图把"统一 GPU 入口"这件事做成商业护城河，而开源和护城河在逻辑上就是冲突的。这给前端同行的信号是：当你的平台客户/雇主利益模型与开源精神不兼容时，承诺会失效。 任何口头承诺都需要在"对方为什么需要护城河"这个层面做压力测试，否则就是空中楼阁。
3. 执行偏差的真正信号在"没解决最难的那个"。
云厂商的原话"Lepton 解决了所有问题，除了最难的那个"——这恰好是工程化项目里最常见的死亡方式：UI 改得漂亮、登录流程顺畅、API 文档齐全，但 multi-tenancy 这种核心架构问题一直拖着。前端项目里这叫"demo 阶段很惊艳，上线后多用户并发就崩"。判断一个工程化项目是否真的在解决问题，问的不是它做了多少事，而是它有没有在啃最硬的那块骨头。
4. 一年离职 = 主动告别，不是一次失败。
创始人放弃大量未归属股权也要一年内走人，说明这不是"试过没成"的故事，而是"看清了结构性矛盾，止损离场"的故事。对我们做工程决策的启示是：当一个项目的价值观前提已经被破坏，留下来优化执行毫无意义，该退就退。 沉没成本不是成本。
接下来值得盯的两个方向：① 贾扬清在 Hyperbolic 的下一步，是继续做 GPU marketplace 还是回到底层框架；② 英伟达 DGX Cloud 这条线，下一棒谁来接、接的人愿不愿意重新做开源承诺。两条线都会决定 AI Infra 中间层未来 12 个月的走向。
声明：本文为 AI 前线原创，不代表平台观点，也不构成投资建议，未经许可禁止转载。