Vercel все жестче формулирует, как должен строиться корпоративный ИИ: модель следует держать отдельно от агента, а окружающий стек — рассматривать как взаимозаменяемую инфраструктуру, а не как единый пакет от одного поставщика. В интервью TechCrunch AI после мероприятия ShipNYC компании гендиректор Гильермо Раух сказал, что клиенты уходят от ранних экспериментов и переходят к производственным компромиссам вокруг стоимости, управления и надежности.

Это важно, потому что Vercel уже говорит не только о фронтенд-развертывании. По словам Рауха TechCrunch AI, компания теперь обрабатывает 6 миллионов деплоев в день, половина из которых запускается кодирующими агентами, а через ее AI-шлюз ежедневно проходит более 1 триллиона токенов. Если эти цифры верны, это означает, что Vercel позиционирует себя как слой управления тем, как создаются и поставляются AI-приложения, особенно для команд, которые не хотят привязываться к одному поставщику моделей.

Более широкий тезис Рауха — стратегический не меньше, чем технический. По мере того как AI-лаборатории добавляют все больше end-to-end-функций, включая инструменты, которые могут напрямую генерировать и публиковать ПО, инфраструктурные компании вроде Vercel рискуют оказаться вытесненными. Ответ Рауха — аргумент в пользу модульного рынка, где «модель, harness, платформа данных, sandbox, gateway» остаются компонентами plug-and-play. Для разработчиков и корпоративных покупателей это на самом деле спор о vendor lock-in, экономике и о том, кто контролирует поведение приложения в продакшене.

От шумихи вокруг прототипов к ограничениям продакшена

Раух сказал TechCrunch AI, что энтузиазм 2025 года вокруг ИИ был сосредоточен на широком экспериментировании, тогда как нынешний момент стал более операционным. По его словам, компании сначала широко выпустили агентов, а затем столкнулись с реальностью продакшена: границами безопасности, доступом к данным, аудитными следами и практической стоимостью работы с большими объемами инференса.

Он выделил две «killer apps» для агентов в опыте Vercel. Первая — кодирующий агент, который, по его словам, уже обеспечивает значительную долю использования токенов. Это совпадает с более широким рыночным фокусом на инструменты для разработчиков, где продукты вроде Devin и Cursor стали синонимами автономных или полуавтономных workflows генерации кода. Вторая, по его мнению, — внутренний корпоративный агент, который помогает работать самой компании.

Именно в этой второй категории Vercel пытается отличиться. Раух описал внутренних пользователей, например сотрудников отдела продаж, которые напрямую запрашивают операционные данные вместо ожидания дашбордов или отдельных проектов отчетности. Смысл не в том, что агенты заменяют SaaS-системы вроде Salesforce, а в том, что они располагаются поверх них, превращая сохраненные корпоративные данные в разговорный интерфейс и слой действий.

Для корпоративных команд это обещание привлекательно только если доступ можно контролировать. Комментарии Рауха показывают, что Vercel считает главным условием более широкого внедрения не только интеллект модели, но и управление. Чем больше агент может делать между подразделениями, тем сильнее покупателей волнуют права доступа, трассируемость и предотвращение попадания чувствительных данных в неверный обучающий пайплайн.

Продуктовый аргумент Vercel: control plane важнее лояльности к модели

Чтобы поддержать эту позицию, Раух указал на два инструмента Vercel, обсуждавшиеся с TechCrunch AI: Eve и Vercel Sandbox. Он описал Eve как framework для задания инструкций и навыков агентов на естественном языке, а Vercel Sandbox — как ограниченную среду, в которой агент может работать под политиками контроля доступа к данным и их вывода.

Эти детали важны, потому что показывают, где Vercel хочет находиться в стеке. Компания не позиционирует себя как разработчик foundation model. Вместо этого она пытается владеть runtime, orchestration и границами безопасности вокруг моделей. Это знакомый инфраструктурный playbook, но примененный к AI-агентам, а не к обычным cloud workloads.

Раух также связал аргумент про sandbox с корпоративным страхом, который стал центральным в закупках ИИ: случайной утечкой проприетарного кода или внутренних данных. Он привел в пример инструменты для кодинга вроде Devin или Cursor как среды, где при неверных настройках чувствительные кодовые базы могут использоваться не так, как намеревался клиент. Конкретный сценарий, который он описал, носил анекдотический характер и был обрамлен разговором с руководителем Airbus, а не представлен как раскрытый инцидент. Тем не менее это отражает распространенную покупательскую озабоченность в корпоративном ИИ: не скрывают ли удобные функции риск для data governance.

Посыл Vercel, таким образом, в том, что инфраструктура агентов должна делать интеллект переносимым, а политику — локальной. Именно так компания пытается превратить ИИ из слоя функций в повод купить больше инфраструктуры.

Почему Rauch сейчас делает акцент на выборе модели

Одна из самых заметных частей интервью — описание Раухом меняющегося поведения клиентов по отношению к поставщикам моделей. По его словам, в прошлом году многие команды выбирали одну лабораторию, часто OpenAI или Anthropic, и пытались построить вокруг этого партнера большую часть своей AI-дорожной карты. Теперь, сказал он, клиенты все чаще воспринимают стек как модульный и выбирают модели исходя из требований рабочей нагрузки.

Раух прямо сказал, что Vercel наблюдает рост использования Gemini, поскольку команды, оптимизирующиеся под продакшен, смотрят на цену и производительность, а не на заголовки. Он также сказал, что открытые модели набирают популярность, назвав DeepSeek и GLM-5.2. Эти замечания важны, но их следует читать осторожно: TechCrunch AI подала их как комментарии руководителя Рауха, а не как независимо проверенные данные о доле рынка.

Тем не менее логика соответствует тому, с чем сталкиваются многие продуктовые команды. Когда приложение достигает производственного масштаба, вопрос уже не только в возможностях. Встает вопрос, сможет ли более дешевая или более быстрая модель выполнить достаточно работы, стоит ли оставить более дорогую модель для резервных случаев и можно ли снизить расходы за счет маршрутизации между поставщиками, не ухудшив качество.

Именно такая архитектура выгодна Vercel. Если клиенты используют OpenAI, Anthropic, Gemini, DeepSeek и GLM-5.2 через общий gateway и слой политик, инфраструктурную платформу становится сложнее вытеснить. AI-шлюз Vercel, как его описывает Раух, — часть этой идеи.

Конкуренция с лабораториями становится явной

Раух не стал обходить очевидное напряжение: по мере того как крупные лаборатории добавляют функции приложений и деплоймента, они все ближе подходят к территории cloud-компаний и платформ для разработчиков. Он сослался на недавние инструменты OpenAI, которые могут публиковать прямо в веб без выхода из среды OpenAI, и представил этот шаг и как прямую конкуренцию, и как канал обнаружения для Vercel.

По сути, его ответ сводился к тому, что рынок сам решает, останутся ли модель и агент тесно связанными. В одной версии рынка клиенты покупают all-in-one систему, где лаборатория поставляет модель, инструменты, поверхность деплоя и, возможно, даже пользовательское приложение. В другой версии клиенты собирают системы из компонентов и при необходимости меняют поставщика интеллекта.

Vercel явно хочет второй исход. Раух сказал TechCrunch AI, что компания «борется за мир открытых протоколов» и представил Vercel как базовую инфраструктуру для этого поколения AI-софта. Это стратегическое заявление, а не установленный рыночный факт, но оно объясняет, почему Vercel так сильно подчеркивает интероперабельность.

Для покупателей это больше, чем риторика поставщика. Связанные системы проще внедрять, но ими труднее управлять, а позже дороже менять. Модульные системы могут снизить зависимость от одного поставщика, но могут потребовать более строгой внутренней инженерной дисциплины. Разница между этими подходами, вероятно, определит закупочные решения в корпоративном ИИ в ближайшие 12–24 месяца.

Доказательства, утверждения и что пока не подтверждено

Самые сильные факты в этой истории — из интервью TechCrunch AI с Гильермо Раухом. Операционные цифры — 6 миллионов деплоев в день, половина из них запущена агентами, и более 1 триллиона токенов, проходящих через AI-шлюз ежедневно, — были приписаны Vercel через комментарии Рауха. Они значимы, но остаются метриками, заявленными компанией, а не независимо аудированными раскрытиями.

Та же осторожность относится к заявлениям Рауха о росте использования Gemini, DeepSeek и GLM-5.2, а также об изменениях в том, как клиенты оценивают OpenAI и Anthropic. Эти комментарии — полезные рыночные сигналы от оператора платформы, имеющего видимость рабочих нагрузок, но TechCrunch не представил сторонней верификации в предоставленном материале.

Описание продуктов Eve и Vercel Sandbox тоже идет через интерпретацию Рауха в интервью. Они указывают на направление платформенной стратегии Vercel, особенно в части политики и контроля агентов, но исходные материалы не содержат подробной технической документации, цен или кейсов внедрения у клиентов. Это оставляет открытыми вопросы о зрелости, дифференциации и о том, насколько широко эти инструменты используются вне самой Vercel.

Что это значит для разработчиков и корпоративных покупателей

Для разработчиков ближайший вывод — архитектурный. Если Vercel права в том, что рынок разделяет модели и агентов, продуктовым командам стоит думать о своих AI-системах как о слоистых сервисах: выбор модели, маршрутизация, observability, разрешения и контроль выполнения. Это выгодно поставщикам, которые могут объединить развертывание и управление, не заставляя выбирать одну конкретную модель.

Для покупателей корпоративного ИИ интервью подчеркивает два критерия закупки, которые становятся все более конкретными. Первый — контроль данных: можно ли запрашивать внутренние данные и действовать на их основе без утечки во внешние системы или непрозрачные процессы обучения. Второй — экономическая гибкость: могут ли приложения переходить между OpenAI, Anthropic, Gemini или открытыми моделями по мере изменения цены и качества.

Для рынка позиция Vercel также показывает, как быстро «инструменты для разработчиков» превращаются в инфраструктуру корпоративных рабочих процессов. Тот же стек, который использовался для деплоя приложений, теперь продвигается как место для запуска кодирующих агентов, управления внутренними агентами и посредничества в доступе к системам вроде Salesforce. Если это верно, конкурентный набор вокруг Vercel выйдет далеко за рамки хостинга и frontend-платформ.

На что смотреть дальше

Следующим полезным сигналом станет то, опубликует ли Vercel более конкретные доказательства в поддержку утверждений Рауха, особенно относительно AI-шлюза и внедрения Eve и Vercel Sandbox. Отзывы клиентов будут важнее, чем общие числа токенов.

Также стоит наблюдать, углубит ли Vercel интеграции с такими поставщиками моделей, как OpenAI, Anthropic и Gemini, одновременно сохраняя поддержку открытых моделей вроде DeepSeek и GLM-5.2. Если компания сможет сделать переключение или маршрутизацию между ними операционно простыми, ее аргумент о модульности станет сильнее.

Еще один сигнал — реакция конкурентов. Если лаборатории продолжат расширять end-to-end workflows для деплоя, кодинга и хостинга, граница между поставщиком модели и инфраструктурной платформой будет размываться еще сильнее. То, примут ли компании такие bundled-среды или будут настаивать на более открытых слоях управления, определит, кто получит наибольшую ценность.

Взгляд Creati.ai

Интервью Рауха примечательно тем, что оно описывает следующую битву AI-платформ не столько как борьбу за превосходство моделей, сколько как вопрос системного дизайна. Vercel делает ставку на то, что компании не захотят, чтобы один поставщик одновременно владел интеллектом, выполнением, деплоем и границами данных. Это правдоподобный тезис, особенно для регулируемых команд и крупных инженерных организаций, которые ожидают смены моделей и хотят рычагов влияния на стоимость.

Но компании еще предстоит доказать, что ее слой управления не просто концептуально привлекателен, а операционно незаменим. Сообщаемые масштабы впечатляют, однако заявленное поставщиком использование не автоматически превращается в устойчивую платформенную власть. Настоящий тест — сможет ли Vercel стать местом по умолчанию, где AI-агенты не просто разворачиваются, а управляются, пока клиенты смешивают OpenAI, Anthropic, Gemini, DeepSeek и GLM-5.2 в продакшене.