Vercel CEO 谈模型与智能体分离之争

背景

Vercel 以提供开发者无需管理服务器即可部署智能体的云基础设施而闻名，已悄然成为 AI 软件领域最核心的公司之一。目前 Vercel 每天处理 600 万次部署，其中一半由编码智能体触发，每天有超过 1 万亿个 token 通过其 AI 网关流动。在公司举办的 ShipNYC 大会之后，TechCrunch AI 与 Vercel CEO Guillermo Rauch 坐下来聊了聊他对当前 AI 时刻的看法，以及像 Vercel 这样的平台公司如何最终与主要实验室竞争。

核心内容

Rauch 观察到，今年社区的氛围与去年截然不同——试点项目变少了，大家更专注于如何让东西在实际中真正跑起来。去年是原型之年，天空才是极限，释放智能体，人人都能开发。Vercel 内部也这么做了，有机地开发并部署了数百个智能体，学到了很多，但也遭遇了把智能体投入生产环境后的现实挑战。

他总结道，智能体有两个杀手级应用。第一个当然是编码智能体，它驱动了全球大多数 token 的消耗，但当你生产出那么多软件时，你需要一个地方来存放它。第二个杀手级应用是帮助公司运营的内部智能体。其挑战在于：如何安全地访问数据？如何审计智能体的行为？如何获得智能体为完成任务而进行的所有工具调用和访问控制的完整轨迹？

为解决这些问题，Vercel 推出了一个名为 Eve 的框架，你可以用自然语言制定智能体的指令和技能。另一个工具是 Vercel Sandbox（沙箱），你把智能体放进一个小笼子里，它仍然可以自由地表达其智能，但你可以对它可以访问哪些数据以及哪些数据可以离开沙箱施加策略。

对于 Sandbox，最大的优势是数据控制。Rauch 经常思考的一个真实风险是：当你使用 Devin 或 Cursor 这样的编码 IDE 时，如果设置不当，它们可能会在你整个代码库上进行训练。他回忆起与空客总裁的一次对话——空客有几十年非常具体的航空航天工程 C++ 代码，有人进来安装了错误的开发工具，然后所有代码都传到云上用于训练了。

关于第二个杀手级用例（企业内部智能体），Rauch 举了 Vercel 自己办公室里的一个销售代表的例子。她的工作是增长现有账户。对她这样的人来说，瓶颈从来不是创造力、智力或建立关系的能力，而是数据。她过去无法问出“哪些账户增长更快？给我过去两周新增席位最多的五个账户，这样我就可以优先安排工作”这类问题。她需要等到第一季度销售仪表盘项目完成。Vercel 多年来一直处于这个瓶颈中，研发端是全球最快的公司，但销售引擎（Salesforce 工程端）却非常低效。现在他感觉自己能对整个公司产生影响了，因为 Eve 既可用于面向客户的智能体，也可用于提高生产力——同样的技术，只是 API 而已。

Rauch 认为，智能体正在迫使公司开放，这将产生深远的长期影响。许多 SaaS 巨头整个王国都建立在困住你的数据之上，这与智能体是不兼容的。

关于客户与大型 AI 实验室关系的变化，Rauch 说去年很多人选择只与一家实验室合作——要么一切建立在 OpenAI 上，要么一切建立在 Anthropic 上。现在他们明白了整个体系如何运作：模型、工具、数据平台、沙箱、网关——每一块都是即插即用的。你可以用 OpenAI、Anthropic 或 Gemini。他们看到 Gemini 增长很快，尽管新闻不多，因为人们现在为生产优化。当你为生产优化时，你会看性价比，Gemini 模型的性价比非常出色。开源模型也在崛起，Deepseek 和 GLM-5.2 正在起飞。

Rauch 也承认 Vercel 与实验室存在直接竞争。例如，OpenAI 最近发布了一套新工具，可以直接发布到网页上，无需离开 OpenAI 的领地。Rauch 认为这对他们来说是一个自然的下一步——托管小网站。这对 Vercel 来说也是一个很好的机会，因为现在人们会把 ChatGPT 当作制作网站的工具，而当他们询问模型关于网页托管的问题时，模型会推荐 Vercel。但他指出，随着模型或平台增加更多功能，它们会与现有的基础设施平台直接竞争。

Rauch 认为，当前的决定性问题是：模型和智能体是否要耦合在一起。你是从一个地方获取所有智能？还是从一个供应商获取一个模块、一个库或一个构建块，然后在其上构建？后者更像软件工程一直以来的做法，而这正是 Vercel 带给市场的。Vercel 要做这个时代的 AWS，因此他们显然在为开放协议的世界而战。

关键要点

• 智能体两个杀手级应用：编码智能体（驱动 token 消耗和软件产出）和企业内部智能体（解决数据访问、审计和追溯问题）。
• Vercel 的解决方案：Eve 框架（自然语言定义智能体指令与技能）和 Vercel Sandbox（通过沙箱对智能体施加数据访问和输出策略，防止代码库被用于训练）。
• 数据控制是核心风险：编码 IDE 可能无意中把整个代码库上传到云端训练，Sandbox 通过策略控制防止此类泄漏。
• 企业内部智能体打破瓶颈：过去销售等岗位受限于数据孤岛和数据访问延迟，智能体通过 API 让每个人都能即时查询所需数据，大幅提升效率。
• SaaS 巨头的数据围墙与智能体不兼容：智能体要求开放和即插即用，而传统 SaaS 依赖锁定用户数据，两者存在根本冲突。
• 多模型策略成为主流：企业不再死守一个实验室，而是根据性价比和生产需求选择模型（Gemini、Deepseek、GLM-5.2 等都在增长）。
• Vercel 与 AI 实验室的竞争：实验室（如 OpenAI）开始提供网页托管等基础设施功能，直接与 Vercel 竞争；Vercel 主张模型与智能体解耦，做“这个时代的 AWS”。

意义与影响

Guillermo Rauch 的访谈揭示了 AI 软件行业正在发生的结构性转变。从去年的“释放智能体”原型狂热，到今年的“生产落地”务实主义，行业焦点已经从“能不能做”转向“做得好不好、安不安全、能不能规模化”。Vercel 作为基础设施层的关键玩家，正在推动模型与智能体的解耦合——即智能体调用不同模型作为组件，而不是被锁定在单一模型生态中。这种架构更接近传统软件工程的模块化理念，有利于灵活性、性价比和数据主权。

同时，企业内部智能体的普及将打破组织内部的数据孤岛，让非技术岗位也能像工程师一样通过自然语言直接访问并分析业务数据。这将倒逼企业数据开放和治理改革，并可能削弱依赖数据锁定策略的传统 SaaS 巨头。

另一方面，AI 实验室与基础设施平台的竞争加剧。OpenAI、Anthropic 等正向“全栈”扩展（从模型到应用托管），而 Vercel 等平台则主张分离模型与工具，提供开放协议和即插即用的生态。这场博弈的结果将决定未来 AI 应用层的架构形态：是封闭的垂直整合，还是开放的模块化堆栈。Rauch 明确站在后者一边，目标是成为这个时代的 AWS。对于开发者和企业用户而言，这意味着更多选择、更低成本，但也需要更精细的治理和策略。