编译 | 杨京丽

智东西7月29日讯息，今天，AI大牛、阿里云前总裁、Lepton AI创举东说念主贾扬清，在离开英伟达约个月后再次创业，书记启动Intent Lab，并配置了支名为Fleet的自主AI团队，但愿将用户提议的意图径直飘浮为坐褥软件系统。

贾扬清先容Intent Lab的家具（图源：X）

与主要肃穆编写代码的编程Agent不同，Fleet试图承担支完好工程团队的责任，从领略需求、想象架构、和洽任务，到编写代码、测考试证和上线后的握续蜕变。

Intent Lab这次公布了Fleet的三项早期服从：

，通过再行想象大模子理化器用TensorRT-LLM代码，将GLM-5.2的理速率擢升了534。Intent Lab称，这是现在GLM-5.2的快理速率。

二，字据条运转指示，重新构建匹配SQLite外部行为的数据库，整轮运行产生8720万个输出token，终通过通盘600万项验收测试，通盘使用开源模子时，老本约为350好意思元（约合东说念主民币2368元）。

三，造面向Agent的散布式文献系统AgentFS，部分能达到EFS的626倍，并完成约190万个景色的面孔化模子查验和约300项集成测试。

、从领略意图到握续演进，包揽软件开拓六个门径

Intent Lab称，Fleet的责任式相通支死守工程原则的软件团队，系数开拓经过包含领略、想象、和洽、构建、考据和演进六个门径。

由于大多数形式皆始于个比拟模糊的意图，Fleet会先与用户共同明确成见，将其飘浮为具体闭幕，并细则敛迹条目和验收表率。而后的通盘责任皆会围绕这些表率张开。

完成需求领略后，Fleet会衡量不同案，细则合适要求的系统接口和架构，并握续纪录每项有盘算会若何影响系统的其他部分。濒临由多个组件构成的大型系统，它还会拆分任务、分拨累赘柳州罐体保温工程，并处分任务之间的依赖干系。

后续Fleet会边终了系统，边完善想象。当开拓过程中出现新信息时，它会同步新架构和代码，让想象案与本色运行的系统保握致。考据也会讨好系数构建过程，Fleet会详细使用面孔化证实、集成测试和运行时故障注入等法，尽可能在代码仍在变化时发现问题。

软件参预坐褥后，Fleet的责任不会罢手。它会链接不雅察系统的本色进展，并把使用情况、能和老本等信息反映到想象中，使得软件跟着用户需求的变化握续蜕变。

二、GLM-5.2理速率擢升534，达到647token/s

Intent Lab为Fleet设定的个任务，是再行想象英伟达大模子理化器用TensorRT-LLM的代码，让GLM-5.2在Grace Blackwell的计较节点上运行，并自主寻找、终了和考据化案。

由于TRT-LLM自己照旧经过多半能化，念念逾越提速并拦阻易。Fleet终从内核、运行时、通讯和测解码四个面脱手。

内核层面，Fleet通过内核交融和Agent生成的PTX、SASS代码减少内核启动，理能擢升24；在运行时层面，驾驭H2D批处理终了稳态解码拷贝，使能擢升16；通讯层面，将集会通讯、残差相加和RMSNorm进行交融，使能擢升18；在测解码面，加入DSpark，次提议并考据多个候选token，将理速率逾越擢升约4倍。终，端到端理能较原版TRT-LLM擢升534。

内核、运行时、通讯和测解码能擢升情况（图源：Intent Lab）

系数化过程由Fleet自主进。系统先分析能上限、识别瓶颈，再提议和考据化案。莫得通过考据的案会被废弃并再行尝试，管道保温施工通过考据的案则会被保留，再进入下轮化。

测试闭幕示，原版TensorRT-LLM运行GLM-5.2时的速率为102token/s，完成内核、运行时和通讯化后擢升至161token/s，加入DSpark后达到647token/s，端到端能提534。

输出速率擢升情况（图源：Intent Lab）

据Intent Lab称柳州罐体保温工程，这亦然现在GLM-5.2所达到的快理速率。系数过程莫得东说念主工介入，皆是由Fleet端到端完成。

三、条指示重新构建数据库，产生8720万个输出token

Fleet的二个任务，是构建个与现存系统兼容、但里面架构重新想象的新系统。

系统当代化并不是通俗修改旧代码，而是在保握外部行为不变的情况下再行想象里面架构。在这个任务中，Fleet莫得参考SQLite的现存代码和文档，而是把SQLite测试集算作验收表率。

Intent Lab只提供了条指示：“构建个与SQLite兼容的SQL数据库引擎，使其大略通过通盘sqllogictest测试用例，能达到或过SQLite。”

Fleet将责任分给有盘算、架构想象、编码、测试、审查和质料保险等不同角。各角在系数过程中反复配合，跟着代码变化握续换取想象、进行测试和审查。

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，有盘算和架构想象别离占17.8和13.3，审查与质料保险系数占8.6。这意味着，构建数据库并不仅仅生成代码，多半责任也被用于想象、有盘算和考据。

Fleet的输出token散布（图源：Intent Lab）

Fleet仅字据行请示词就完成了数据库当代化矫正，重新想象并考据系统，终通过通盘600万项验收测试。

同套Fleet不错使用不同模子完成任务。使用Opus 4.8时，整轮运行老本约为2000好意思元（约合东说念主民币13532元）；通盘使用开源模子时，老本约为350好意思元（约合东说念主民币2368元）。

四、重新构建散布式文献系统，目次查询速率达到626倍

Fleet的三个任务，是在云环境中构建个针对Agent使用式化的散布式文献系统，并严格查验其正确和容错能力。

Agent会频繁创建沙箱、扫描目次，并在分享云存储中处理多半小文献。Intent Lab尝试了亚马逊EFS和S3FS等现成案，但这些家具在Agent责任负载下均存在截止，因此Fleet重新构建了AgentFS。

在mdtest测试中，AgentFS施行目次和文献创建操作的速率为EFS的45倍，文献读取速率为EFS的30倍。在Agent通常使用的景色查询操作中，其势加明：目次景色查询速率达到EFS的626倍，文献景色查询速率达到EFS的625倍。

mdtest测试闭幕（图源：Intent Lab）

在Git代码库测试中，AgentFS克隆代码库的速率约为EFS的2.5倍至3倍，查询代码库景色的速率约为6.9倍至9.5倍，删除代码库的速率约为13倍至14倍。测试别离使用etcd和Kubernetes算作袖珍与大型代码库。S3FS未能完好检出Kubernetes代码库，因此只获取了部分闭幕。

Git代码库测试闭幕（图源：Intent Lab）

除了能，AgentFS还接收了严格考据。Fleet查验了31个模子中的约190万个可达景色，掩饰不同的并发法律解释、系统崩溃和竞争情况。AgentFS还完成了约300项集成测试，以及故障注入和模糊测试。

考据过程中，Fleet发现了处由编程Agent引入的Bug，该问题可能致散布式创建和删除操作出现数据损坏。缔造并再行考据后，系统中的损坏景色被摈斥。

结语：从“AI写代码”走向“AI造系统”

Intent Lab尝试让多个Agent构成支具备不同单干的自主工程团队。从理引擎化、数据库重建到散布式文献系统创建，Fleet需要我方想象案、和洽任务、完成开拓并考据闭幕。这意味着AI编程正在尝试跨过单纯的代码生成门径，逾越进入完好的软件工程经过。

不外，现在这些仍是Intent Lab公布的早期服从。自主AI团队能否相识处理复杂的确切形式，并以可接收的老本恒久运行，还需要多推行考据。地址：大城县广安工业区相关词条:储罐保温     异型材设备     钢绞线厂家    玻璃丝棉厂家    万能胶厂家

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》，以此来变相勒索商家索要赔偿的违法恶意行为。