Vercel CEO谈模型与智能体分离之战

在 AI 软件基础设施领域，Vercel 正悄然成为核心角色。这家以无服务器部署平台闻名的公司，如今每天处理 600 万次部署，其中一半由编码智能体自动触发，其 AI 网关每日处理的 token 量超过 1 万亿。在 ShipNYC 大会后，Vercel CEO Guillermo Rauch 分享了关于 AI 智能体从原型到生产的关键洞察，以及平台公司如何与大型 AI 实验室竞争。

“去年是原型阶段，天空才是极限，释放智能体，人人可构建。”Rauch 回忆道。Vercel 内部曾有机开发并部署了数百个智能体，但进入生产环境后，现实的挑战开始浮现。他总结出两大杀手级应用：编码智能体和内部企业智能体。前者驱动了全球大量的 token 消耗，但产生的海量软件需要可靠的部署平台；后者则面临更复杂的难题——如何安全访问数据？如何审计智能体行为？如何追溯工具调用和访问控制的完整轨迹？

为解决这些问题，Vercel 推出了名为 Eve 的框架。该框架允许开发者用自然语言定义智能体的指令和技能，大幅降低了智能体构建的门槛。同时，Vercel Sandbox 工具将智能体置于一个“小笼子”中，赋予其自由表达智能的同时，通过策略严格控制数据访问权限和流出规则。Rauch 强调：“数据控制是沙盒最大的优势。一个真实的风险是，当你在不合适的设置中使用 Devin 或 Cursor 这类编码 IDE 时，它们可能会基于你的整个代码库进行训练。”

Rauch 以空客为例说明了这一风险：“空客拥有数十年积累的、用于航空航天工程的特定 C++ 代码。如果有人安装了错误的开发工具，所有代码就会瞬间上传到云端进行训练。”这种担忧并非杞人忧天，对于拥有核心知识产权的企业而言，智能体的数据安全边界至关重要。

在谈到内部企业智能体的具体应用时，Rauch 描绘了一个销售代表的场景：“她负责维护现有客户并拓展业务。过去，她的瓶颈不是创造力和能力，而是获取信息的速度。现在，智能体可以实时查询客户历史、合同条款和产品目录，并自动生成跟进邮件。但关键在于，智能体必须知道哪些数据库可以访问，哪些操作需要审批。”

这种“模型与智能体分离”的理念，正是 Rauch 认为当前行业最需要厘清的方向。模型提供智能和推理能力，但智能体需要一套独立的规则系统来约束行为、记录审计日志并执行策略。Vercel 的 Eve 和 Sandbox 正是这一理念的实践产物：模型可以自由发挥，但智能体必须在预设的“笼子”里行动。

Rauch 进一步指出，平台公司的竞争优势在于基础设施层。大型 AI 实验室专注于模型能力，而 Vercel 这样的平台则解决智能体在生产环境中的编排、安全和治理问题。“我们不是要取代模型，而是让模型在受控环境中安全地释放价值。”他说道。随着企业从原型阶段转向规模化部署，这种分离策略正成为行业共识。

从数据来看，Vercel 的 AI 网关每日处理超过 1 万亿 token，这反映了智能体调用模型的巨大需求。Rauch 认为，未来智能体将成为企业的“数字员工”，而平台需要提供类似员工管理的权限体系、操作日志和合规框架。Vercel 正在将这种能力产品化，让开发者无需从零构建安全机制。

对于开发者生态，Rauch 观察到今年社区的能量明显不同：“更少的试点项目，更多关于如何让事情在实践中真正运作的讨论。”这种务实转向意味着，AI 行业正在从“展示可能性”进入“交付可靠性”的阶段。而 Vercel 的 600 万次日部署量，正是这一趋势的缩影。