贾扬清离职英伟达：黄仁勋7亿美元收购DGX Lepton折戟，AI Infra软件层逻辑存疑
贾扬清离职英伟达：黄仁勋7亿美元收购DGX Lepton折戟，AI Infra软件层逻辑存疑
2026/06/30
7 亿美元收购 20 人团队，一年后创始人出走。据半导体调研机构 SemiAnalysis 爆料，Caffe 之父贾扬清已离开英伟达，本月初已以顾问身份加入去中心化 GPU 云平台 Hyperbolic Labs，工作方向与其在英伟达负责的 DGX Lepton 高度重合。
AI前线 的深度报道将此次分手定性为两个行业信号：GPU 芯片可以靠稀缺性卖断货，但这个逻辑在 AI Infra 软件层走不通；与此同时，Agentic Coding 工具崛起，正在从根本上替代"降低 GPU 集群管理门槛"这个中间件平台的价值主张。
从 Lepton 到 DGX Cloud：这一年发生了什么
2023 年，贾扬清离开阿里云后与同来自 Meta AI 的白俊杰、李响联合创立 LeptonAI，获 1100 万美元种子轮融资。Lepton 的定位是 GPU 经销商加软件层：从云供应商批量租用 GPU 服务器再转租，同时提供软件帮助企业在云端构建和管理 AI 应用，直接竞品是 Together AI 等创企。
贾扬清带来的不只是技术能力，还有开源社区对他长达十年的信任积累——Caffe（2013）是第一个被工业界大规模采用的深度学习框架；PyTorch 1.0（2018）至今承载着几乎所有主流 AI 模型的训练。这张名片，是英伟达花 7 亿美元真正想买的东西。
2025 年 4 月英伟达正式完成收购，6 月将其更名为 DGX Cloud Lepton 对外发布。战略定位是：在 AWS、Azure 等云厂商之上再建一层，把全球 GPU 资源整合为统一入口，让开发者不再四处询问"哪里还有 H100"，而是直接在英伟达平台上找卡、租卡、部署模型。加上此前约 12 亿美元收购 Run:ai，英伟达在 AI 软件栈的总投入接近 20 亿美元。
SemiAnalysis 拆解了导致分手的三道裂缝：
第一道：开源承诺失效。 英伟达收购时承诺 Lepton 核心软件将于 2026 年前开源，但至今未兑现。SemiAnalysis 推断黄仁勋最终否决了这一计划。对贾扬清而言，这不是产品路线分歧，而是价值观根本冲突——Caffe、ONNX、PyTorch 全部开源，开源是他职业生涯的核心信条。AI前线 指出，英伟达过去对 NIMs、flashinfer、RIVA 的处理均从开源走向封闭，这是内部系统性倾向，而非偶发决策。
第二道：产品执行跑偏。 SemiAnalysis 直接评价："NVIDIA's product management culture did not let Lepton bloom into what it could have become。"团队资源被消耗在配色方案和登录界面 UI 上，核心技术问题多租户（multi-tenancy）始终未被解决。一家合作云厂商说：Lepton 解决了 GPU 云的所有问题，除了最难的那个。
第三道：股权结构。 标准收购协议里创始人股权通常分 3 至 4 年归属。贾扬清仅一年就离职，要么放弃了大量未归属权益，要么谈判时争取到了一年完全归属的特殊条款——两种情况都说明他离开的决心相当坚定。早期信息显示，DGX Lepton 平台在 2025 年中期前后已基本停止对外运营。
GPU 稀缺性为什么搬不到软件层
英伟达的芯片垄断建立在三个同时成立的条件上：H100/H200 产能有限、替代方案性能差距明显、客户切换成本极高。软件层没有一个条件能复制。
与 DGX Lepton 解决同一问题的 Together AI、CoreWeave、Lambda Labs 等独立 GPU 云平台，走的是完全不同的路径。它们没有硬件品牌背书，但也没有"开源承诺能否兑现"的利益冲突；它们的核心竞争力是灵活定价、快速响应和对开源工具链的兼容，而不是把开发者锁定在一个封闭平台上。DGX Lepton 的目标用户——AI 原生开发者——信任 vLLM、SGLang、SLURM 这些从开源社区长出来的工具，而不是大公司封装的 SaaS 平台。英伟达的品牌在这个群体里并不构成购买理由。
外部环境在 DGX Lepton 运营期间发生了另一个结构性变化。Lepton 的价值主张是：开发者不想管 Kubernetes，不想写部署脚本，不想处理扩缩容和监控。到了 2025 年，Codex 和 Claude Code 等 Agentic Coding 工具开始能够自动完成这些工作流。DGX Lepton 解决的痛点，正在被 AI 工具本身替代。
两个结论叠加在一起：英伟达以接近 20 亿美元押注的 AI 软件层（Lepton + Run:ai），遭遇的是一个双重困境——用户群体对封闭平台天然抵触，而 Agentic Coding 在快速压缩这个市场本身的大小。GPU 稀缺性形成了护城河，但护城河只在芯片层有效。当向上扩展到软件层时，进入的是一个对开源和灵活性有高度偏好的用户群，而不是一个对稀缺性定价无感知的普通企业市场。
英伟达下一笔类似规模的软件层收购，面临的核心问题仍然是同一个：这个团队的价值，到底有多少是技术能力，有多少是它作为独立开源社区参与者的身份？收购之后，后者往往消失得比前者快。