Vercel CEO Guillermo Rauch 谈如何为 Agents 构建互联网

摘要

• Vercel 的使用曲线已从以人为节奏的云采用，转向以机器为节奏的部署：用了约10年才达到10亿次部署，之后10个月又增加了15亿次。 Agent 驱动的部署占比从年初的3%升至60%。节目以一轮3亿美元的 F 轮融资和93亿美元估值开场，Molly O’Shea 同时援引 The Information 的数据称，Vercel 年化收入达到6亿美元。
• Rauch 最激进的判断是，廉价代码和个性化软件可能吞噬传统 SaaS 的大片市场，同时提升部署基础设施的价值。 他所说的“致命组合”是：企业可以“买下 Vercel 作为平台，然后再也不用买软件”，转而生成面向具体领域的应用。Salesforce、SAP 这类系统可能继续存在，但越来越像无界面化的权威数据源，而不是员工需要访问的界面。
• 互联网的下一代界面将是 Agent 对 Agent，这要求企业以机器原生的形式开放信息、能力和交易。 AEO 和可搜索的文字稿依然重要，但 Rauch 认为这些还不够：产品必须支持 MCP、Machine Payments Protocol 和 Universal Commerce Protocol 等协议。Vercel 已经看到 Agent 在其市场中购买 BrowserBase 等服务，而且“完全不需要人工介入”。
• 自主性既创造了 Agent 时代的基础设施需求，也带来了最具定义性的安全风险。 Agent 能够写代码、部署、浏览、交易，并在更长时间内追逐模糊目标，推动算力需求“垂直增长”；但同样的资源调度能力也让它们容易遭受提示词注入，并具备寻找软件漏洞的能力。Rauch 预计，接下来“几年会很艰难”：防御与攻击 token 将展开竞争，企业则需要加固沙箱和人类编写的代码。
• 开放模型已经从一种意识形态偏好，变成 Vercel 所测量 token 流量的多数来源。 Rauch 表示，Vercel AI Gateway 上80%的 token 流向开放模型；年初时，Vercel 的网络主要由 OpenAI、Anthropic 和 Google 占据。企业可以把前沿智能留给规划，把更便宜的开放模型用于执行，并通过“一行代码”切换供应商。
• 前沿实验室仍有需求，但 Rauch 认为，留存和经济模式的持久性，而不是基准测试的绝对领先，才是投资者尚未解决的问题。 当领先模型可能在几周内更换时，客户表现出“零忠诚度”；免费补贴、虚构的 token 规模，以及存疑的零数据保留声明，也让 AI 的部分市场像加密货币“来得容易、去得也快”的阶段。不过他仍然保留判断：如果真正差异化的智能具备可持续的经济模型，就能留住客户。
• 工程正在变成跨 Agent 的资本配置，但 Rauch 既反对盲目的 vibe coding，也不接受人类判断已经无关紧要的说法。 他的原则是“拒绝不理解”：人应该指挥 Agent、检查其成果、验证关键系统，并决定哪些工作值得消耗 token。Vercel 目前招聘看重的是“接管大批 Agent”的能力、技术好奇心和真正的人类沟通能力——证明工作的含义，已经超越了交付一个由 AI 生成的小型 Demo。

精读

1. Agent 驱动的部署将10年压缩为10个月

• Rauch 创办 Vercel，起点只是一个简单的挫败感：即便是有经验的开发者，要交付一个安全、高性能、可扩展的应用，也仿佛需要先拿到“云计算博士学位”。因此公司的创立前提是“让交付变得简单”，并将一次部署定义为向应用发布的每一次变更。

• Vercel 花了约10年才达到10亿次部署，之后仅用10个月又增加了15亿次。部署构成也同样剧烈变化：年初，编程 Agent 只贡献了3%的部署；如今“60%由 Agent 驱动”，用 Rauch 的话说，就是“机器人告诉其他机器人该做什么”。

• 编程模型也许在生成算法方面已经“超越人类”，但 Rauch 的基础设施逻辑从一个约束出发：“代码不会自行产生任何作用。”它必须在某处被构建、加固并部署。Vercel 已经成为病毒式实验以及 OpenAI、Meta 等公司应用的目的地，有时还会直接体现在默认的 .vercel.app 域名上。

• 财务背景与使用量拐点相互印证，但节目对数据来源进行了明确区分：节目提到 Vercel 的3亿美元 F 轮融资和93亿美元估值，O’Shea 则援引报道称其年化收入为6亿美元、客户约485,000名。Rauch 对客户增长的解释是：“现在是 Agent 在做选择，而且它们选对了。”

2. 多年前做出的开源选择，变成了面向机器的分发渠道

• Rauch 在阿根廷学习编程时，开发软件是专有的，而且贵到他买不起；大多数使用手册又都是英文。他部分是为了学习代码才自学英语，之后在寻找免费工具和托管服务时接触到开源。这段经历塑造了 Vercel 的信念：开发者工具——如今也包括 Agent 工具——应该“免费且开放”。

• 因此，Vercel 花了11年发布框架、文档和运营知识。随着模型开始基于公开信息训练并检索公开信息，这种开放变成了商业优势：“关于你的信息越多，它们能访问你的内容以及你定义的规则越多，这个 Agent 就越好。”Rauch 认为，这既是“正向因果”，也是一门好生意。

• 这种姿态也延伸到 Vercel 的运营体系： “iterate to greatness”（持续迭代，直到卓越）、“dig deep”（深挖）、透明，以及公开工作。Rauch 还把常规数据与“anecdata”结合起来——客户反馈、X 上的讨论、直觉和市场氛围——因为在 AI 领域，“棋盘每两周就会重新洗牌”，上季度的表格本身已经不够用。

3. 人类监督正从敲代码转向管理智能

• Rauch 的原则是“拒绝不理解”。一种做法是告诉 Agent 要构建什么，从不检查成果，直接按下发布键；而他偏好的方式——包括对自己的孩子——是使用 AI，但理解 AI 做了什么。他现在越来越多地阅读代码，并要求 Agent 向他解释自己的选择。

• 最接近现有的职位描述是工程经理：组织执行、排除障碍、检查工作、运行基准测试、执行 QA，并带回一线反馈。最好的经理依然理解工程、热爱工程，因此 Rauch 并不认为监督 Agent 就等于可以变成技术文盲。

• 他区分普通的“系统”和负责敏感数据、关键基础设施、安全或国家安全的大写“系统”（Systems）。Vibe coder 有其合理位置，但事关重大的系统需要由 Agent 驱动的工程师、验证机制，以及防止 Agent 发布“垃圾”或意外把“你的数据扔到整个世界”的安全措施。

4. 企业必须为 Agent 重建互联网，而不只是向 Agent 做营销

• 旧互联网把页面和以像素为中心的界面从机器交付给人类。Agent 访问 Vercel 时，不需要人类访客看到的动态渐变；它需要的是“直接信号”——精确的商业信息和可调用的能力。Rauch 对这一转变的概括是：“为 Agent 而建，由 Agent 驱动。”

• O’Shea 提出一个 Bot 检测难题：如果一切都是 Bot，还剩下什么需要检测？Rauch 的回答划出了一个重要区别：企业需要 Bot 情报。它们应该知道来访的是 ChatGPT、Claude、Grok、编程 Agent 还是爬虫，这些 Agent 是否成功，以及每类 Agent 应该获得哪些上下文信息。

• 搜索和 AEO 依然必要，因为模型存在训练截止时间，也会通过网页搜索获取最新信息。Rauch 对 O’Shea 业务的具体建议是发布播客文字稿，这样未来有人提出“ Molly 说过某某什么？”时，系统就能检索到她真正说过的内容。但只有信息还不够，产品本身也必须具备 Agent 化运行能力。

• MCP 让服务可以告诉 Agent 它们能够使用哪些工具；Vercel 的 MCP 暴露了部署软件、列出项目等功能。Rauch 还提到 Machine Payments Protocol 和 Universal Commerce Protocol：能够“说” Agent 协议的企业，可以绕过更慢的浏览器导航，直接开放交易能力。

5. 个性化软件挑战 SaaS 界面，但保留权威数据系统

• Rauch 可以让一个基于 Slack 的 Agent 为客户会议做准备：调取 Salesforce 活动、支持问题和账户背景。他本人从不访问 Salesforce；Agent 负责访问，再根据问题、用户和使用熟练程度，生成合适的界面。

• Rauch 不认同未来会由不断膨胀的“最大公约数软件”套装主导。他把 Vercel 称作一家“yes-code 公司”：如果 Agent 让代码事实上变得免费，企业就可以生成适配自身工作流的工具。他刻意采取极端表达：“你买 Vercel 作为平台，然后再也不用买软件。”

• O’Shea 提出“无头 Salesforce”的框架，Rauch 对此进行了限定。生成的软件依然需要权威数据：客户历史、联系人、会议记录和支持工单必须存放在某处。Salesforce、SAP 及类似支柱系统可能仍是关键数据基础设施，即使 Agent 用新的应用和上下文可视化取代了它们固定的界面。

6. 更长时间的自主运行，让有用的 Agent 变成开放式安全主体

• Rauch 认为，与早期 ChatGPT 相比，最大的变化在于自主性。ChatGPT 需要人类主导循环——提问、接收答案、再次提问；而 Agent 把这个循环放进系统内部，并被训练得能够在没有干预的情况下“越来越久、越来越久、越来越久”地运行。

• 好处是无需操心的资源调度能力：让 Agent 找到 Molly 的邮箱并发送生日祝福，40分钟后，它可能已经搜索了网页、Crunchbase 和 YouTube 评论。用户只看到任务已经完成，而看不到中间那一连串动作。

• 同一条行动链也制造了风险。隐藏在 YouTube 评论中的恶意指令，可能重新引导一个正在使用用户 token、工具和资源的 Agent。核心问题变成：为了完成任务，哪些行动是被允许的？又该如何阻止外部信息改写任务本身？

• Vercel 正在提供一种类似“面向 Agent 时代的内网”的企业基础设施，让 Codex、Claude Code 等系统能够在内部部署。其模型中立立场为企业提供了安全性和模型选择权：针对具体任务，企业可以选择表现最好的供应商，而不必把技术栈绑定在某一家实验室上。

7. 编程能力也让 Agent 成为异常强大的黑客

• Agent 对软件规则的理解足以写出软件，也就足以破坏这些规则。Rauch 表示，许多企业还没有解决 Agent 安全问题，而一些所谓的沙箱实际上只是能访问“整个该死世界”的电脑。真正受控的环境，必须能够在 Agent 主动寻找逃逸路径时仍然把它困住。

• Vercel 发起了100万美元挑战，邀请全世界攻击其沙箱。Rauch 表示，最终只有一名高水平安全研究员借助“一支 Agent 大军”取得进展；这一发现暴露出一个关键 Linux 漏洞，Vercel 正在处理，并与行业同行共享。这里的限定很重要：这是成熟的人类专业能力经过 Agent 放大后的结果，不是一个孩子随手要求 Claude 去黑什么东西。

• Rauch 预计，短期内防御者与攻击者之间会展开“4个好 token 对4个坏 token”的竞争，因为双方将获得相近的智能。他反对出于网络安全原因封禁开放模型，因为开放模型的防御能力，正来自制造攻击风险的同一种通用智能。他的预测仍然谨慎：基础设施必须加固，未来几年会“很艰难”。

• 更长期的出路是可验证代码。Rauch 正在探索证明系统，让永不疲倦的 Agent 生成可以被证明“几乎在数学意义上”正确的软件。他提到一份 OpenAI 的数学证明，其代码对数学家来说都很难解析，并据此认为，机器生成的软件可能走向一种人类很少能在大规模实践中实现的确定性。

8. Agent 让基础设施需求垂直增长，但质量仍是护城河

• 旧的算力周期受人类限制：一个下午写几个文件，部署一次，然后等待人们访问。如今，Agent 生成并部署代码，其他 Agent 再浏览和使用由此产生的服务。这一复合循环解释了 Rauch 为什么认为基础设施需求正在“垂直增长”，以及 Vercel 网络为何每天都在创下新的利用率纪录。

• 他没有声称已经看到需求上限。医疗、教育和个人 Agent 的渗透率仍然很低；即便是给孩子做的一个“很粗糙”的数学应用，在他看来也最终会变成个性化 Agent。更有价值的活动意味着算力、能源、网络和网络安全领域的需求都会增加。

• 沙箱本质上是发给 Agent 的一台云电脑，类似员工使用的笔记本电脑。Rauch 认为，Vercel 进入这一市场时已经有11年相关经验，因为每次部署本来就需要安全的云算力来构建代码。对于廉价的新云厂商报价，他的答案是质量：不可靠或不安全的基础设施也许能快速上线，但要维护它，需要“用一生去承诺”。

9. 开放模型赢得流量，前沿实验室则对抗商品化

• Vercel 的 AI Gateway 汇聚了专有模型和开放模型，让 Rauch 能够观察 token 需求。年初，Vercel 的网络主要由 OpenAI、Anthropic 和 Google 占据；他特别认可 Gemini 在企业客户中的价格性能平衡。如今，他表示，网络上80%的 token 来自开放模型。

• 尽管一直支持开源，Rauch 过去仍认为开放编程模型不可用。中国实验室改变了他的看法：他特别点名 Kimi“好得惊人”，同时保留了它并非在每项基准或执行任务上都获胜这一限制。他的解读是，大量企业工作——他推测或许占流量的80%——并不需要“Albert Einstein”级别的智能。

• 一种常见架构是让最强模型负责制定计划，再把执行工作——将计划转成代码、指令或操作——交给更便宜的开放模型。供应商因此变成可替换模块；切换一个供应商只需“一行代码”。未来，自动路由也许会根据上下文和所需智能水平进行选择，而不再要求用户先挑选模型。

• O’Shea 以 Bending Spoons 据报99%使用开放模型为例追问：前沿实验室还剩下什么？Rauch 的答案不是它们会消失，而是客户忠诚度很弱：基准测试领先可能只维持几周，运行在他 MacBook Air 上的小型 Qwen 等本地模型正在进步，而免费补贴、制造出来的 token 规模，以及存疑的零数据保留声明，都让客户留存难以判断。只要智能和经济性都能成立，前沿模型仍然有需求。

10. 工程正在变成跨 Agent 集群的资本配置

• Rauch 说，他和 DHH 曾经热爱的那个开发者世界——为人类双手优化的精美代码——“已经不是现在的游戏了”，这要求人经历一次“自我消亡”。Rust 体现了这种逆转：它僵硬、晦涩的编译器让人类痛苦，但 Agent 可以消化这种摩擦；Rauch 预计，Agent 将更快地生成更安全的代码。

• 人类不会消失的任务，是决定什么值得投入。Rauch 将 Marc Andreessen 所说的“最后一份工作是风险投资人”改写成“资本配置者”：每个人拥有相同的墙上时钟时间，但如今可以调度能够调查、构建和执行的 token。创造力、优先级排序和工具选择仍然稀缺。

• Vercel 的招聘标准也随之改变。静态简历本来就不如工作成果有说服力；如今，即便是一个 vibe-coded Demo 也不够。Rauch 希望找到能够“接管大批 Agent”、搭建软件工厂的人，同时还要能真实沟通、赢得客户信任，并通过好奇心和提示词不断提升技术熟练度。

• Mercedes 的迁移项目是他的证明：一个 Agent 在5分钟内完成了从旧平台迁移到 Vercel 的第一版重写；Rauch 表示，过去这项工作需要数月。O’Shea 补充说，咨询公司可能要花1年。“贴近代码或贴近客户”如今变成贴近客户的代码——前置部署团队现在可以直接执行迁移。

11. 最终的运营原则是打好基础，从健康到流动算力

• 当被问及如何在经营一家约800人的公司、同时抚养6个孩子的情况下保持个人状态时，Rauch 拒绝在基础问题尚未解决前进行最后一公里优化。他的拳击教练给出的经验是：“先把饮食调整好，吃干净、完整的食物，甚至出去走走”；他还会做引体向上、轻度有氧，不喝酒，并和孩子一起练巴西柔术。

• 他把同样的纪律应用于 Vercel：忽略流行但分散注意力的事物，贴近客户痛点，保持产品可靠。他给客户的指标是“迭代速度，而不是速度”——速度可能只是原地打转，而迭代速度代表随着市场变化进行调整的能力。

• 在他看来，Serverless 并没有消亡，反而因为 Agent 生成的软件不可能全部持续运行而变得更有必要。Vercel 将下一章称为“流动算力”：容量“像液体一样流动”，在函数、网站、沙箱和 Agent 之间随流量扩张、在闲置时收缩。Rauch 预计，它将“定义下一个10年”。