Vercel 以其允许开发者无需管理服务器即可部署代理的云计算基础设施而闻名，现已悄然成为 AI 软件领域的核心公司之一。目前，该公司日均处理 600 万次部署，其中半数由编码代理触发，每日流经其 AI 网关的 token 数量超万亿。
上周 ShipNYC 会议后，我们与 Vercel CEO Guillermo Rauch 进行了深入对话，探讨了他对当前 AI 局势的看法，以及平台型公司为何终将与大模型实验室展开竞争。以下为访谈实录（经轻度编辑）：
社区氛围转变：从原型设计到生产落地
今年社区似乎更关注如何在实践中让 AI 顺利运行，而非单纯的试点项目。这种转变在 Vercel 内部是如何体现的？
去年是原型设计的爆发期，智能体（Agents）释放了无限可能。我们在公司内部有机开发并部署了数百个智能体，积累了大量经验。但随后，我们开始直面生产环境中智能体的现实挑战。
最大的教训在于识别出了智能体的两大杀手级应用：一是编码智能体，它推动了全球海量 token 消耗，但也带来了代码存储与管理的需求；二是企业运营智能体，其核心挑战在于如何安全访问数据、审计行为，以及追踪工具调用和权限控制。
为此，我们推出了 Eve 框架，支持用自然语言定义智能体指令与技能；同时开发了 Vercel Sandbox（沙箱），将智能体置于受控环境中，在保留其自主性的同时，严格限制数据访问范围及流出策略。
沙箱机制：规避数据泄露风险
这套机制主要解决了哪些痛点？
沙箱的核心优势在于数据控制。AI 的一大真实风险是代码 IDE（如 Devin 或 Cursor）若配置不当，可能基于整个代码库进行训练。例如，某航空航天巨头拥有数十年积累的特定 C++ 代码资产，若员工误装工具，这些核心代码可能瞬间被上传至云端用于训练，造成不可逆的损失。
企业内部智能体：打破数据瓶颈
除了编码智能体，企业内部智能体在实际应用中表现如何？
以销售代表为例，其工作瓶颈往往不是能力不足，而是数据获取困难。过去，若想查询“过去两周新增席位最多的五个账户”，她必须等待新的销售仪表盘上线。现在，通过 Eve 框架，无论是面向客户的智能体还是生产力工具，都能通过统一的 API 调用实现即时响应。
智能体正在迫使企业开放系统，这与传统 SaaS 巨头的数据锁定模式背道而驰，将产生深远的长期影响。
大模型合作策略：追求性价比与模块化
您如何看待与大 AI 实验室客户关系的变化？
过去一年，许多客户倾向于绑定单一实验室（如 OpenAI 或 Anthropic）。如今，大家已理解模型、框架、数据平台、沙箱及网关等组件均可即插即用。客户开始根据生产环境的性价比优化选择，Gemini 因此获得显著增长。同时，DeepSeek 和 GLM-5.2 等开源模型也迅速崛起。数据表明，多模型并存与性价比导向已成为主流。
竞争与合作：推动开放协议生态
OpenAI 等新工具可直接发布网站，这是否意味着你们与大模型实验室的直接竞争加剧？
托管小型网站是大模型的自然延伸，但这反而为我们带来了机会：当用户在 ChatGPT 中询问网站托管时，模型往往会推荐 Vercel。当然，随着平台功能扩展，直接竞争不可避免。
当前的关键在于决定模型与智能体是否耦合。我们主张后者——即像传统软件工程一样，从不同提供商获取模块、库或构建块进行组合开发。Vercel 致力于成为这一代的 AWS，推动一个基于开放协议的世界。