Vercel 正更鮮明地主張企業級 AI 應該如何打造：把模型和代理人分開，並將周邊堆疊視為可互換的基礎架構，而不是單一供應商的打包方案。Vercel 在 ShipNYC 活動後接受 TechCrunch AI 採訪時，執行長 Guillermo Rauch 表示，客戶已從早期試驗階段，轉向圍繞成本、治理與可靠性的正式上線取捨。
這很重要，因為 Vercel 已不再只是談前端部署。根據 Rauch 對 TechCrunch AI 的說法，該公司現在每天處理 600 萬次部署，其中一半由程式碼代理人觸發，而且每天有超過 1 兆個 token 流經其 AI 閘道。若這些數字屬實，代表 Vercel 正把自己定位為控制層，管理 AI 應用如何被建構與發布，尤其是對那些不想被單一模型供應商綁死的團隊而言。
Rauch 更廣泛的論點，既是策略性的，也是技術性的。隨著 AI 實驗室加入越來越多端到端功能，包括能直接生成並發布軟體的工具，像 Vercel 這類基礎架構供應商就面臨被擠出的風險。Rauch 的回應，是主張一個模組化市場，在其中「模型、harness、資料平台、sandbox、gateway」都維持即插即用的元件形態。對建構者與企業採購者而言，這其實是在討論鎖定效應、經濟性，以及誰能在生產環境中控制應用行為。
從原型熱潮走向生產限制
Rauch 告訴 TechCrunch AI，2025 年的 AI 熱潮聚焦於廣泛實驗，而現在則更偏向營運層面。依他所說，企業先是大規模放出代理人，接著便撞上生產使用的現實：安全邊界、資料存取、稽核軌跡，以及執行大量推論的實際成本。
他點出了 Vercel 經驗中的兩個代理人「殺手級應用」。第一個是程式碼代理人，他說這類代理人已經帶動了很大一部分的 token 使用量。這與更廣泛的市場對開發者工具的聚焦一致，像 Devin 和 Cursor 這類產品已成為自主或半自主程式碼生成工作流程的代名詞。第二個，他認為，是幫助企業本身運作的內部企業代理人。
Vercel 試圖差異化的正是第二類。Rauch 描述內部使用者，例如銷售團隊，直接查詢營運資料，而不是等待儀表板或客製化報表專案。重點不在於代理人取代像 Salesforce 這樣的 SaaS 系統，而在於它們橫跨其上，把儲存的公司資料變成對話式介面與行動層。
對企業團隊來說，這個承諾只有在存取可被控制時才有吸引力。Rauch 的說法顯示，Vercel 認為治理，而不只是模型智慧，才是更廣泛部署的關鍵門檻。代理人能跨部門做的事越多，買家就越在意權限設定、可追溯性，以及避免敏感資料流入錯誤的訓練管線。
Vercel 的產品論點：控制平面優先於模型忠誠度
為了支撐這個立場，Rauch 提到兩個與 TechCrunch AI 討論過的 Vercel 工具：Eve 與 Vercel Sandbox。他將 Eve 描述為以自然語言規劃代理人指令與技能的框架，而 Vercel Sandbox 則是一個受限環境，讓代理人在資料存取與資料外流的政策控管下運作。
這些細節很重要，因為它們揭示 Vercel 想站在哪一層。該公司並未把自己包裝成基礎模型開發者；相反地，它想掌握模型周圍的執行環境、協調編排與安全邊界。這是熟悉的基礎架構劇本，只是應用在 AI 代理人，而非傳統雲端工作負載上。
Rauch 也把 sandbox 的論點連結到企業對 AI 採購已成核心的恐懼：專有程式碼或內部資料不小心外洩。他以 Devin 或 Cursor 等程式碼工具為例，指出在錯誤設定下，敏感的程式碼庫可能被以客戶未預期的方式使用。他描述的具體情境是透過與空中巴士高層的一段對話作為軼事呈現，並非已披露的事故。即便如此，這仍反映了企業 AI 中常見的採購顧慮：便利功能是否掩蓋了資料治理風險。
因此，Vercel 的訊息是：代理人基礎架構應讓智慧具備可攜性，同時讓政策保持在地化。這正是該公司想把 AI 從功能層，變成購買更多基礎架構的理由。
為什麼 Rauch 現在特別強調模型選擇
這次訪談最值得注意的部分之一，是 Rauch 對客戶行為如何改變模型供應商選擇的描述。依他所說，去年許多團隊會選擇單一實驗室，通常是 OpenAI 或 Anthropic，並試圖圍繞那個夥伴打造大部分 AI 路線圖。現在，他表示，客戶越來越把堆疊視為模組化，並依工作負載需求挑選模型。
Rauch 明確指出，Vercel 看到 Gemini 的使用量成長，因為針對生產環境優化的團隊看的是價格與效能，而不是新聞標題。他也說開放模型正在獲得動能，並點名 DeepSeek 與 GLM-5.2。這些談話很重要，但應謹慎解讀：TechCrunch AI 將其報導為 Rauch 的高階主管評論，而非獨立驗證的市占率資料。
即便如此，這個邏輯與許多產品團隊正在面對的情況相符。一旦應用程式進入生產規模，問題就不再只是能力而已。它變成：更便宜或更快的模型能否承擔足夠多的工作、高階模型是否應保留給備援情境，以及跨供應商路由是否能在不破壞品質的情況下降低成本。
這正是 Vercel 受益的架構。如果客戶透過共用閘道與政策層使用 OpenAI、Anthropic、Gemini、DeepSeek 和 GLM-5.2，那麼基礎架構平台就更難被取代。Rauch 所描述的 Vercel AI gateway，正是這個論點的一部分。
與實驗室的競爭正變得明確
Rauch 沒有迴避顯而易見的張力：當大型實驗室加入應用與部署功能時，它們就越來越接近雲端與開發者平台公司的領域。他提到 OpenAI 最近推出的工具可直接發布到網路上，且不必離開 OpenAI 環境，並把這個動作描述為對 Vercel 的直接競爭，同時也是一個發現管道。
他的回應本質上是：市場正在決定模型與代理人是否會保持高度耦合。在某一種市場版本中，客戶購買的是一個一體化系統，由實驗室提供模型、工具、部署面，以及可能連使用者介面應用都包辦。在另一種版本中，客戶則從各種元件組裝系統，並依需求更換智慧供應商。
Vercel 顯然想要第二種結果。Rauch 告訴 TechCrunch AI，該公司正在「為一個開放協議的世界而戰」，並把 Vercel 描述成這一代 AI 軟體的基礎性 infrastructure。這是策略性的主張，而不是既成的市場事實，但它說明了 Vercel 為何如此強調互通性。
對買家來說，這不只是供應商說法而已。耦合系統可能更容易導入，但更難治理，之後也更昂貴才能更改。模組化系統可以降低對單一供應商的依賴，但可能需要更強的內部工程紀律。這兩種方法的分歧，很可能定義未來 12 到 24 個月企業 AI 的採購決策。
證據、主張，以及仍待驗證之處
這則故事中最強的事實，來自 TechCrunch AI 對 Guillermo Rauch 的訪談。營運數字——每天 600 萬次部署、其中一半由代理人觸發，以及每日超過 1 兆 token 流經 AI gateway——都是透過 Rauch 的說法歸於 Vercel。這些數字很重要，但仍屬於公司自行報告的指標，而非獨立稽核的揭露。
對於 Rauch 提到 Gemini、DeepSeek 與 GLM-5.2 使用量上升，以及客戶如何評估 OpenAI 與 Anthropic 的變化，也應採取同樣的謹慎。這些評論對於有工作負載視野的平台營運者來說，是有用的市場訊號，但 TechCrunch 在這份材料中並未提供第三方驗證。
Eve 與 Vercel Sandbox 的產品描述，也同樣是透過 Rauch 在訪談中的框架呈現。它們顯示了 Vercel 平台策略的方向，尤其是圍繞政策與代理人控制，但來源材料並未包含詳細技術文件、定價或客戶部署案例。這讓人仍有一些問題未解：成熟度、差異化，以及這些工具在 Vercel 之外究竟被多廣泛使用。
這對建構者與企業買家意味著什麼
對建構者而言，最直接的啟示是架構層面。如果 Vercel 的判斷正確，也就是市場正在將模型與代理人分開，那麼產品團隊應把 AI 系統視為分層服務：模型選擇、路由、可觀測性、權限與執行控制。這會偏向能整合部署與治理、又不強迫單一模型選擇的供應商。
對企業 AI 買家而言，這次訪談強調了兩個愈來愈具體的採購標準。第一是資料控制：內部資料能否被查詢與操作，卻不會外洩到外部系統或不透明的訓練流程中。第二是經濟彈性：當價格與品質改變時，應用是否能在 OpenAI、Anthropic、Gemini 或開放模型之間切換。
對市場來說，Vercel 的立場也顯示「開發者工具」正快速變成企業工作流程基礎架構。原本用來部署應用程式的同一套堆疊，現在被包裝成可執行程式碼代理人、治理內部代理人，以及中介 Salesforce 等系統存取的地方。若此趨勢成立，Vercel 周邊的競爭版圖將遠遠超出託管與前端平台。
接下來要觀察什麼
下一個有用的信號，是 Vercel 是否會針對 Rauch 的使用量說法提供更具體的證據，尤其是 AI gateway 以及 Eve 與 Vercel Sandbox 的採用情況。客戶案例會比總 token 數更重要。
也值得觀察 Vercel 是否會加深與 OpenAI、Anthropic、Gemini 等模型供應商的整合，同時維持對 DeepSeek 與 GLM-5.2 等開放模型的支援。如果公司能讓它們之間的切換或路由在操作上變得很簡單，那麼它的模組化論點就會更強。
另一個信號是競爭對手的回應。如果實驗室持續擴展部署、程式設計與託管的端到端工作流程，模型供應商與基礎架構平台之間的界線只會更模糊。企業是接受這些打包環境，還是堅持更開放的控制層，將決定誰能取得最大價值。
Creati.ai 觀點
Rauch 的訪談之所以值得注意，是因為它把下一場 AI 平台戰爭的重點，從模型優勢轉向系統設計。Vercel 賭的是，企業不會想讓單一供應商同時掌控智慧、執行、部署與資料邊界。這是一個可信的論點，尤其對於受監管的團隊與大型工程組織而言，他們預期模型會輪替，也希望對成本有槓桿。
但公司仍須證明，它的控制層不只是概念上吸引人，而是在操作上不可或缺。那些被報導的規模數字很吸睛，但供應商自述的使用量，並不會自動轉化為持久的平台力量。真正的考驗是：當客戶在生產環境中混用 OpenAI、Anthropic、Gemini、DeepSeek 與 GLM-5.2 時，Vercel 能否成為 AI 代理人不只是部署、而是被治理的預設場所。
