2026 年 6 月 29 日，半导体研究机构 SemiAnalysis 发了一条推文，把一个已在中国 AI 圈沉寂很久的名字重新推上风口：贾扬清已从英伟达离职。
这是这位 41 岁的框架大神，距离被黄仁勋以数亿美元（SemiAnalysis 称约 7 亿美元）收编，仅一年。
这场尚未坐实的"决裂"，勾起了很多行业内，尤其是开发者群体的好奇：
在中国语境里被称为"Caffe 之父"、在硅谷被称为"AI 框架领域最厉害的华人科学家"的贾扬清，到底是怎样一步步从浙江绍兴县的小镇青年走到被黄仁勋认可的位置，又为什么在一年后，掉头就走？
01
绍兴小镇的"高考失误"，686 分进清华
贾扬清是典型的“别人家的孩子”。
1984 年，贾扬清生在浙江绍兴上虞县。父母都是中学语文老师，家就住在校园里。六点父母出门守早自习，他也跟着起床。三岁识两百多个字，五岁能独立读完整本《安徒生童话》。
但他的童年并不是典型的"计算机早慧"路径。
父母书架上文学类书多，他翻过《西方文学史》《荷马史诗》，看《十四行诗》跟中国古诗平仄的"相互印证"。
初一那年他在学校机房里第一次看见奔腾Ⅱ，回家后用 BASIC 写了个小程序：输入年份，屏幕上显示出对应的生肖。这是他写的第一段"代码"，但他没有立刻上瘾。
他把力气放在了高考上。全国物理、化学两科一等奖，英语综合二等奖，数学联赛二等奖。高考理综最后一题失误，痛失 27 分，总分 686。
原本想进清华计算机系，招办老师劝他"稳妥起见"改填自动化系。父亲从书架上抽出钱钟书的《谈艺录》，看一会儿，又放下了。这种时候，文学这位旧情人需要让位。
2006 年本科毕业，贾扬清免试升入本校读硕士，跟清华张长水教授做模式识别。这才正式走上人工智能研究。
2008 年夏天，芝加哥一场国际学术会议。25 岁的贾扬清穿着短袖，被会议厅巨冷的空调吹得瑟瑟发抖。
他要替实验室五位入围的同学，挨个讲 5 篇论文，其中 4 篇都不是他熟悉的领域。
导师鼓励他："你放心，讲得烂，别人都不会记得。你没那么重要。"
这次"代讲"对他冲击很大。欧美同行把会议室当成表达场，"讲起自己正做的事便眉飞色舞、眼里放光"。国内实验室普遍闷头做自己的科研，缺乏这种"让别人看见自己"的本能。
后来他回忆那天的收获："我学会了跟别人沟通自己做科研背后的想法。"
2009 年，他申请了十几所美国大学的博士项目，加州大学伯克利分校给了全奖。导师是计算机科学家 Trevor Darrell。
02
戒咖啡的 Decaf，黄仁勋送来了第一块 K20
伯克利第一年，贾扬清在 NEC 实验室做稀疏编码研究。博士二年级暑假（2012年），他去 Google 实习，导师是华人韩玫。
他在 Google 学到两件事：一是写代码时把单元测试写进流程规范；二是大型分布式工程团队如何做到几万人高效协作。
从 Google 回来，他在伯克利的日常除了写论文，还有一份来自伯克利心理学系 Thomas Griffith 教授的合作课题：研究人在成长过程中如何形成"类别"概念。这个心理学项目本来不在他的 AI 主线上，但他需要一个图像特征提取的工具。
2013 年上半年，Alex Krizhevsky 那篇 ImageNet 论文被整个行业反复传阅：两块 GPU 击败 Google 一万 CPU 方案，把错误率从 25% 降到 15%。
贾扬清去找 Alex 要源代码，Alex 已经开了公司，"知识产权原因不能直接给代码，但你在研究过程中遇到问题可以随时问我。"
恰好，2013 年下半年，NVIDIA 通过学术捐赠计划送了他一块 K20 GPU。"对学生来说，GPU 是很贵的。"
2013 年 6 月，他动手写 Decaf。这是个图像特征提取的程序，名字"Decaf"（脱咖啡因）是写给自己的戒咖啡提醒。他在 Google 实习那阵喝得太多。伯克利每天搭地铁去 Google 实习，他在座位上打开电脑摊在腿上，见缝插针地继续写框架。
时间分配从 20%、40%、80% 一路倾斜。Decaf 上的时间把写毕业论文的时间挤掉了。他找导师 Trevor Darrell 谈，导师只问一句：
“你是想多花时间写一篇大家估计不是很在意的毕业论文呢，还是多花时间写一个将来大家都会用的框架？”
贾扬清把论文搁在了一边。
团队只有五个人：贾扬清、Evan Shelhamer、Jonathan Long、Jeff Donahue、Sergio Guadarrama。复现 AlexNet 之后，他们决定把它做成"通用又干净的 AI 框架工具"。
因为 GPU 训练飞快。伯克利小组跑去向导师申请了一笔费用，买来一台冰滴咖啡机放在研究室，困了就喝咖啡。结果以戒咖啡为目标的贾扬清，反倒喝得更凶。"Decaf"也被改名为 "Caffe"。
接下来一周才是真正挑战。他要说服合作者把 Caffe 开源。这是"写代码之外最大的挑战"。每个合作者意见不同，有人想开公司，有人想做成纯科研的程序库。贾扬清挨个谈，前后谈了 7 天。最后终于说服了所有人。
2013 年 12 月，Caffe 放到 GitHub 上，被微软、雅虎、Adobe、英伟达陆续采用。
这是英伟达第一次走进贾扬清的世界。不是收购，是一笔 GPU 捐赠加长期派工程师合作的隐性默契。Caffe 成为工业界受欢迎的开源深度学习框架之一，GitHub star 数年稳居同类项目榜首。
贾扬清的署名下面，多了一行"Y Jia, UC Berkeley EECS, currently at Google"。这一行会陪他走很远。
03
在 Google "常常说不上话"，在 Facebook 写下那封回信
Caffe 让贾扬清从一位"刚毕业的伯克利博士"跃升为产业界知名人物。
2013 年 12 月，他正式入职 Google Brain。前一年他还只是实习生，现在他和 Hinton、Jeff Dean 一起工作。
两年后，他参与 TensorFlow 创始，参与 GoogLeNet（首个在 ImageNet 分类任务上突破人类准确率的神经网络）。
这是他学术履历最金光的两年。但 Meta 现 PyTorch 首席工程师王益多年后回忆，贾扬清在 TensorFlow 创始团队里"常常说不上话"。"毕竟是刚刚毕业，在 TensorFlow 团队中话语权不大"。
2016 年 2 月，贾扬清从 Google 跳到 Facebook（Meta），担任研究科学家。
他自己后来给了两个理由：一是这里有更偏向工业级 AI 应用的场景，二是伯克利同实验室的好友 Ross Girshick、Bharath Hariharan 也在 Facebook，"增加了一份亲切感"。
Facebook 给他的命题清晰：搭建支持广告、Feed、搜索推荐、计算机视觉、自然语言处理、AR/VR 的统一 AI 底座平台。
他的团队很小，4 个人。2016 年 11 月，Caffe2Go 发布。这是深度学习网络首次跑进 10 亿台手机。扎克伯格亲自发了一条动态，官宣了"艺术家风格转换"功能。这是当年最有 PR 价值的一条工程师成果。
2017 年 4 月，Caffe2 开源。2017 年，他成为 Facebook AI 架构总监。同年，他写了 ONNX 的最初代码（联合微软、亚马逊、AWS 把多种框架模型互通）。
2018 年 5 月，PyTorch 1.0 发布。这是贾扬清主导的合并：Caffe2 的后端、PyTorch 的前端、ONNX 的标准，合成一个完整框架。
PyTorch 1.0 之后，深度学习框架从"群雄割据"进入"TF 与 PyTorch 双雄"的时代。这背后，是贾扬清。
但公司政治的暗流也在同一时刻转向。
2018 年下半年开始，贾扬清在 Facebook 内部的两支团队，因公司内部派系斗争逐渐被边缘化。Caffe2 让位给 PyTorch，而 PyTorch 的主导团队以印度裔工程师居多。
决定离开 Facebook 时，贾扬清写了一封告别信。信的开头照例感谢了一众人。但末尾留了一句锋利的话，大意是：
“对那些挑衅的人，如果你们认为我只会说不会做、没有真才实干，那我们就直接比一比代码吧。”
这是贾扬清职业生涯里最不克制的一次公开发声。
时任阿里云总裁张建锋（行癫）向贾扬清抛来橄榄枝。他决定换一条完全不同的路，去中国。
04
P11 的中国四年
2019 年 3 月 18 日傍晚，阿里巴巴达摩院通过知乎账号官宣：原 Facebook 人工智能科学家贾扬清已正式加入阿里巴巴，担任技术副总裁岗位。
知乎上"如何评价贾扬清离职 Facebook"的提问，几小时内被浏览近 10 万次。
贾扬清那年 35 岁，空降阿里达摩院，职级 P11（仅次于 CTO 的 P12），是阿里最年轻的技术副总裁之一。
他要负责的命题很"阿里"：把大数据和 AI 两个平台打通。
"阿里是全球少数的几个把大数据和人工智能放在一起的部门"，他在接受媒体采访时这样解释这个选择，"这种融合很具有前瞻性"。
四年里他推动了产业级的几件事：
M6 多模态预训练模型是其中之一。
2021 年 5 月，阿里与清华大学联合发布 M6。这是中文社区首个千亿参数多模态预训练模型。M6 在犀牛新制造服装设计场景中落地，能根据潮流趋势文本描述自动产出符合生产标准的服装图。
后来贾扬清离开阿里，M6 的迭代延续成了通义系列，通义千问、通义万相、通义听悟一路铺开。但 M6 的奠基，贾扬清在场。
ODPS 和 PAI 双平台打通是另一件大事。
这是阿里云历史上第一次把离线大数据计算平台（ODPS）和机器学习平台（PAI）在工程层做实时离线一体的重构。这是个苦活，动的是阿里最底层的基础设施，他完成了。
第三件大事是出任阿里开源技术委员会负责人。
2019 年 9 月 27 日云栖大会上，他正式接手。阿里内部的开源从"部门零散贡献"进入"集团统一策略"。
2021 年 5 月，贾扬清在一场媒体沟通会上说："对企业来说，业务要创新提高效率，仅仅把数据管的好、用的好还不够，还需要 AI 技术的加持。大数据和 AI 密不可分，结合在一起，更能帮助企业在数字时代从容应对不确定性。"
这是他在阿里语境里说得最远的一段话。也是四年里他在中国产业圈留下最重的一个判断。
不过中间有一个插曲。
2022 年 4 月，上海疫情期间。贾扬清在 Facebook 上发了一篇英文长文，记述自己凌晨 4 点从面包车后座穿过静默城市、前往浦东机场飞美国的经历。
文章里用了"with connection"和"Don't-ask-don't-tell"两个词，在国内互联网引发争议。朋友圈澄清是因病返美。
这件事和他此后的技术工作无关，但在中文舆论场上留下了一道擦痕。贾扬清在中国的产业声望，正是从这一年开始松动。
2023 年 3 月 21 日，他在朋友圈发文：
“阿里这段旅程，最吸引我的是云计算给社会带来的独特贡献：Al，Big data， Compute，Developer，and Ecosystem。有幸能够带领计算平台事业部，一起建设大数据和AI的平台，建设从技术到产品到解决方案的团队，把大数据和AI业务做到行业领先的位置，为云上的客户创造价值。
白驹过隙，我也计划走向职业生涯的下一个挑战。祝愿团队的兄弟姐妹们再创辉煌，祝愿阿里云能够越走越好。”
显然，贾扬清的下一步已经在筹备：第一轮融资已经投好，资方是国内超头部投资机构。
05
7 个人的接线板，接上 7 亿美金
2023 年 4 个月后，Lepton AI 出现在硅谷。
联创阵容很豪华。白俊杰是 ONNX 联合创始人、PyTorch 框架的核心开发者，与贾扬清同在 Meta AI 一起推动了 PyTorch；李响是 Kubernetes 生态关键组件 etcd 的创始人。
三个人凑在一起，是"AI Infra 圈最强创业组合"之一。
种子轮 1100 万美元，红杉中国、Fusion Fund、CRV 三家。估值 6000-8000 万美元。
特别搞笑，媒体曾经记录过这家公司的"全部资产"：
整个公司当时只有七个人，全部资产，除了笔记本电脑之外，只有桌子上插着各类充电器一只大号插线板。这应该是当时"全球最贵"的接线板，它坏了，这家目前估值在 6000-8000 万美元的初创团队的全部 infra 就全挂了。
业务模式也是贾扬清式的克制：Lepton 不持有任何 GPU 硬件，从云服务商租用基于英伟达 GPU 的服务器，再附上自己的 ML 平台软件，转租给客户。
"云原生多云整合"是 Lepton 区别于其他 GPU 云的做法。每 GPU 小时只在市场价之上"多花几分钱"。
2024 年 6 月，FastGPU 上线。Lepton Search 是贾扬清在社交平台上分享的 demo：用不到 500 行的 Python 代码构建一个对话式搜索引擎。这个项目后来开源，斩获 8.1k 星。
2025 年 3 月，SemiAnalysis ClusterMAX GPU 云服务评级系统发布。这是全球第一个对 GPU 云做打分的体系。CoreWeave 是唯一的"白金"，Lepton AI 进了第二梯队"黄金"。Microsoft Azure、Together AI、Oracle 同档。
一个月后，2025 年 3 月 27 日，The Information 曝出英伟达即将收购 Lepton AI，交易价值"数亿美元"。一个月后，英伟达正式完成收购。
这是黄仁勋的"彩礼"。
贾扬清和白俊杰同批加入英伟达，担任系统软件副总裁。英伟达把 Lepton 更名为 DGX Cloud Lepton。
2025 年 6 月，DGX Cloud Lepton 重新对外发布。这是黄仁勋"AI 工厂"野心拼图上的最后几块之一。在收购完成前，黄仁勋在三月的 GTC 大会上已经表态：
英伟达不再是一家芯片公司，也不再是一家 AI 公司，而是一家算法和基础设施公司。
收购前的 2025 年 5 月 20 日，Lepton 平台已经开始通知用户："将于 2025 年 5 月 20 日正式停止运营，此后用户将无法再访问 Lepton AI 平台上的服务或提交的数据。"贾扬清的旧公司在停服，新的 DGX Cloud Lepton 在诞生。
英伟达此前在 GPU 云软件栈上的总投入接近 20 亿美元，包括 Run:ai（约 12 亿美元）、Deci、OctoAI，加上 Lepton（数亿美元）。贾扬清是这一系列收购中名气最大、最具技术号召力的标的。
这正是黄仁勋的逻辑：英伟达不能只是 GPU 卖家，它要变成 AI 时代的云和软件入口。贾扬清代表的不是 Lepton 这家 20 人的小公司，是 AI 开源社区对"Caffe 之父"持续 10 年的信任积累。
06
开源信徒与黄仁勋的分歧
一年后，这个"双向奔赴"走到尽头。
2026 年 6 月 29 日，SemiAnalysis 的推文刷屏：贾扬清已从英伟达离职。截至发稿前，贾扬清 X 平台和领英的就职信息仍停留在英伟达阶段，这是一种典型的"悄悄离开"信号。
SemiAnalysis 认为是开源信仰的破灭。
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不是可有可无的细节，他的整个职业生涯都建立在一句"我为人人，人人为我"的开源精神之上。Caffe 开源，ONNX 开源，PyTorch 开源，他一个都没落下。他是那个用开源重塑了 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。
这不是没有前科。
回顾英伟达过去几年的开源记录：NIMs 名义开放实则封闭；flashinfer 从开源社区项目变成闭源 cubin 内核；RIVA 等 ML 平台走向类似命运。
贾扬清不可能没有预判，但他或许仍抱有改变的希望。直到希望落空。
几乎在 SemiAnalysis 爆料同一时间，2026 年 6 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。这在业务层面，与他在英伟达负责的 DGX Lepton 平台高度相似。
这不是偶然。
Lepton AI 当初试图解决的，是 2023 年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。一个把这些复杂性打包起来的运维平台，让他们可以专注于模型本身。
但到了 2026 年，这个问题的门槛和解法已经松动。
Cursor、Claude Code、Codex 这一类 Agentic Coding 工具正在重塑软件开发的底层逻辑。"Vibe-coding" 不再需要营销噱头，开发者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 AMD 开源的 Spur 项目，是一个与 Slurm 兼容的开源调度器替代品，可以由 AI Agent 直接调用和配置，几乎零门槛。
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、把常见操作自动化、把 API 封得更漂亮，Agentic Coding 的崛起就会削弱它的稀缺性。开发者会越来越有能力用开源组件拼出自己的工作流。
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？
07
尾声
贾扬清在 2024 年 6 月 Lepton 时期的朋友圈里说过一段话：
“站在整个 AI 业界的角度我想说，降价是个拍脑袋就可以做的简单策略。但是真正的 To B 商业成功更难。也许不是最便宜地赢得商战，而是最能落地的赢得利润。”
这是 Lepton 走过的路，也是贾扬清作为创业者的清醒。但到了英伟达，"最落地"的路径要被"最赚钱"的路径让步，这是 7 亿美金收购无法逾越的底层冲突。
显然这是一个并不光彩的"决裂"。但显然，这也不是谁的失败。
这是 AI Infra 赛道在 2026 年的成本结构、价值结构、产品结构都已经发生位移的必然产物。一个愿意把 Caffe 开源的人，与一个不愿意把 CUDA 生态让步的人，他们彼此需要了一年时间，才看清楚彼此的不兼容。
那个在 2013 年地铁上写代码的伯克利博士生，用 13 年走完了从绍兴小镇到黄仁勋身边再转身出走的全程。从籍籍无名到框架大神，再到黄仁勋愿意用 7 亿美金礼聘，他从未失去对自己"开源信徒"身份的确信。
但显然，也正因为这一点，他和英伟达的结合注定短暂。
这不是一个还在寻找终极目的地的天才，但他是少数几个始终知道自己不愿意去哪里的人。在中国 AI 从业者里，这是一种少见的清醒。
-END-
