2026年7月29日，AI创业圈格外热闹——贾扬清、吴恩达，以及前Meta FAIR JEPA团队核心研究员Sonia Joseph，在同一天分别官宣创业。三位创始人，三条完全不同的赛道：贾扬清的Intent Lab想做一支能从理解需求、设计架构到交付与持续演进的「软件工程AI团队」；吴恩达的LearnVector把目光投向教育，做可信赖、真正个性化的学习向导；Sonia Joseph的World Mechanics瞄准物理世界，构建面向科学模拟与机器人的可解释基础模型。软件工程、教育、物理世界，三个入口代表了各自团队对下一代AI应用的判断，也共同指向一个趋势：Agent正在从「辅助人」走向「承担完整任务」。
一、Intent Lab：把软件工程全生命周期交给「AI舰队」
离开英伟达仅一个月，贾扬清正式创立Intent Lab，官网只有一句话：「把你的意图，打造成生产级系统」。老搭档白俊杰作为联合创始人共同加盟。它打造的「舰队」（Fleet）不是又一个更会写代码的Coding Agent，而是接管从架构设计、代码编写、运行测试到代码审查与QA验收全链路的AI团队——人类要做的只剩说清楚想要什么。演示案例相当硬核：用Fleet重构英伟达自家的TRT-LLM推理引擎，在两台Grace Blackwell节点上，同一开源模型吞吐从102 token/秒拉到647 token/秒，提升6.3倍，且性能分析、优化到落地端到端由Agent完成；一行提示词从零造出数据库引擎，通过600万条SQLite兼容性测试；还写了一套「使用者是Agent而非人」的极快文件系统，并靠形式化验证精准揪出编码Agent遗留的Bug。其卖点不是单次代码生成，而是「把工程组织外包给Agent团队」。
二、LearnVector：吴恩达押注「一对一」个性化学习向导
吴恩达的新公司LearnVector由他亲自担任创始人兼CEO，总部设在加州山景城，启动方式颇为特别：由他十五年前创办的Coursera战略投资一亿美元，按完全稀释计算Coursera将获约三分之一股权，并与Coursera、Udemy深度合作。它的命题是破解「一对多」教学的局限——聊天机器人能给答案，但答案不等于教育，把思考外包给AI反而可能让技能退化。LearnVector要做的是「可信赖的学习向导」：和你一起规划学习路径、适应你的学习方式、陪你走到真正掌握为止，从「一对多」转向「一对一」，从「苦差事」变成「乐在其中」。官方时间表显示首批产品将于2027年初面世，团队同时招募AI工程师与以教学法为核心的学习科学家。
三、World Mechanics：为物理AI打造可解释基础模型
Sonia Joseph的World Mechanics仍处于低调状态，方向是面向物理世界的前沿神经实验室，核心是可解释基础模型与科学模拟。她在Meta度过了最具塑造性的两年，既领导内部可解释性社区，也在JEPA团队从事研究，并发表过首个关于视频世界模型中物理推理的机制可解释性工作。她判断，可解释性不应只用于调试物理模型，而应贯穿训练、验证与信任的整个生命周期。公司正把基础模型视为「学习到的潜在空间科学模拟器」，用于推动气候科学、天体物理、供应链、电网等复杂物理系统的突破。三家公司的共性，是把Agent/基础模型从「数字世界的对话者」推向「能办事、能成长、能理解现实」的执行者。
四、客观看：明星创业潮背后的信号与不确定性
信号是明确的：顶级研究者与工程大牛集中下场，说明业界对Agent从「工具」升级为「承担任务的生产单元」有强烈共识，资本与人才正涌向「把一件事完整办成」的赛道。但不确定性同样真实：Intent Lab展示的案例虽亮眼，离通用化、产品化、可稳定交付企业级系统仍有距离，且高度依赖底层模型与算力生态；LearnVector首批产品还要等到2027年，教育赛道变现与效果验证周期长；World Mechanics偏前沿研究，商业化路径更远。明星光环能带来起点优势，却换不来产品护城河——三家公司最终都要回答同一个问题：当潮水退去，用户为什么非你不可。