贾扬清再创业，Intent Lab 展示 Fleet 三大成果

AI 大牛、阿里云前副总裁、Lepton AI 创始人贾扬清在离开英伟达约一个月后，宣布启动新公司 Intent Lab，并发布了一支名为 Fleet 的自主 AI 团队。与主要负责编写代码的编程 Agent 不同，Fleet 试图承担一支完整工程团队的工作，从理解需求、设计架构、协调任务，到编写代码、测试验证和上线后的持续改进。Intent Lab 同步公布了 Fleet 的三项早期成果，覆盖大模型推理优化、数据库重建以及分布式文件系统构建。

Fleet 的工作方式：六个环节覆盖软件工程全流程

Intent Lab 介绍，Fleet 的工作方式类似一支遵循工程原则的软件团队，整个流程被划分为理解、设计、协调、构建、验证和演进六个环节。

在「理解」环节，Fleet 会先与用户共同明确目标，把模糊意图转化为具体结果，并确定约束条件与验收标准。
「设计」环节负责权衡不同方案，确定系统接口和架构，并持续记录每项决策对系统其他部分的影响。
对于由多个组件组成的大型系统，Fleet 会在「协调」环节拆分任务、分配责任并管理依赖。
「构建」与「验证」并行推进，Fleet 会综合使用形式化证明、集成测试和运行时故障注入等方法，尽早发现问题。
软件上线后，「演进」环节继续观察系统表现，把使用情况、性能和成本反馈到设计中，使软件随用户需求持续改进。

GLM-5.2 推理提速 534%，达到 647 token/s

Fleet 的第一个任务，是重新设计英伟达大模型推理优化工具 TensorRT-LLM 的代码，让智谱的 GLM-5.2 在 Grace Blackwell 计算节点上运行，并自主寻找、实现和验证优化方案。

由于 TensorRT-LLM 本身已经过大量性能优化，进一步提速并不容易。Fleet 最终从内核、运行时、通信和推测解码四个方面入手：

内核：通过内核融合和 Agent 生成的 PTX、SASS 代码减少内核启动，推理性能提升 24%。
运行时：利用 H2D 批处理实现稳态解码零拷贝，性能提升 16%。
通信：将集合通信、残差相加和 RMSNorm 融合，性能提升 18%。
推测解码：加入 DSpark，一次提出并验证多个候选 token，推理速度进一步提升约 4 倍。

测试结果显示，原版 TensorRT-LLM 运行 GLM-5.2 时的速度为 102 token/s，完成内核、运行时和通信优化后提升至 161 token/s，加入 DSpark 后达到 647 token/s，端到端性能较原版提高 534%。Intent Lab 称这是目前 GLM-5.2 所达到的最快推理速度，整个优化过程由 Fleet 端到端完成，无人工介入。

一条指令重建 SQLite 兼容数据库，输出 8720 万 token

Fleet 的第二个任务，是构建一个与现有系统兼容、内部架构完全重新设计的新系统。Intent Lab 仅提供一条指令：构建一个与 SQLite 兼容的 SQL 数据库引擎，使其能够通过全部 sqllogictest 测试用例，性能达到或超过 SQLite。

整轮运行共产生 8720 万个输出 token，其中：

编码占 38.6%
测试占 21.7%
决策和架构设计分别占 17.8% 和 13.3%
审查与质量保障合计占 8.6%

最终系统通过了全部 600 万项验收测试。同样的 Fleet 可以搭配不同模型完成任务，使用 Opus 4.8 时成本约为 2000 美元，全部使用开源模型时成本约为 350 美元（约合人民币 2368 元）。

AgentFS：状态查询速度达 EFS 的 626 倍

Fleet 的第三个任务是在云环境中构建一个针对 Agent 工作负载优化的分布式文件系统 AgentFS。Intent Lab 测试了亚马逊 EFS 和 S3FS 等现成方案，认为它们在 Agent 高频创建沙箱、扫描目录、处理大量小文件等场景下存在限制。

在 mdtest 测试中：

目录和文件创建速度为 EFS 的 45 倍
文件读取速度为 EFS 的 30 倍
目录状态查询速度达到 EFS 的 626 倍
文件状态查询速度达到 EFS 的 625 倍

在 Git 代码库测试中，AgentFS 克隆代码库的速度约为 EFS 的 2.5 至 3 倍，查询代码库状态的速度约为 6.9 至 9.5 倍，删除代码库的速度约为 13 至 14 倍。S3FS 未能完整检出 Kubernetes 代码库，仅获得部分结果。

在正确性方面，Fleet 检查了 31 个模型中约 190 万个可达状态，覆盖不同并发顺序、系统崩溃和竞争情况，并完成约 300 项集成测试以及故障注入和模糊测试。验证过程中发现的一处由编程 Agent 引入的 Bug 被修复，相关的分布式创建和删除数据损坏问题被消除。

早期成果仍待更复杂场景检验

Intent Lab 的尝试显示，多个 Agent 可以组成一支具备不同分工的自主工程团队，从推理引擎优化、数据库重建到分布式文件系统创建，跨过单纯的代码生成环节，进入完整的软件工程流程。不过这些仍是公司公布的早期成果，自主 AI 团队能否稳定处理更复杂的真实项目，并以可接受的成本长期运行，仍需要更多实践验证。