Vercel 在 Ship 2026 展示了如何让 AI 智能体从编写代码走向部署应用、处理业务和持续改进软件。
文章作者：Eric Dodds, Amelia Charles
文章编译、来源：ME News
过去十年，Vercel 一直在改变 Web 应用的构建方式。如今，我们正把同样的改变带到 AI 智能体领域。未来十年，能够脱颖而出的企业，将建立在从一开始就为智能体设计的基础设施之上。围绕这一方向，数千名参与者相聚于伦敦、柏林、纽约、悉尼和旧金山，共同参与 Vercel Ship 2026。
智能体基础设施：让软件持续自我改进
在旧金山站的开场演讲中，Vercel 创始人兼 CEO Guillermo Rauch 描绘了下一代软件与智能体基础设施的图景：界面可以围绕眼前的任务即时生成；智能体能够自主复现和修复 Bug；软件则能结合真实生产环境中的信息，不断改进自身。
他这样解释生产环境信息的重要性：
“生产环境中的上下文，让软件形成一个持续迭代的闭环，因为线上实际发生的情况，会决定接下来要开发什么。”
在 Vercel 看来，智能体基础设施包含三个部分。
首先，Vercel 是编程智能体部署软件的平台。 当你询问智能体运行框架该把软件部署到哪里时，得到的答案会是 Vercel，因为它就是围绕智能体的工作方式构建的。我们提供了超过 200 条 CLI 命令，让智能体可以通过命令行操作整个平台。
其次，Vercel 也是开发者构建和部署自有智能体的平台。 从应用到智能体，我们提供将其安全投入生产环境、并实现规模化运行所需的工具。
第三，Vercel 自身也在由智能体实现自动化。 Vercel 在生产环境中运行应用，处理流量、调用链追踪、运行监测和异常情况。这些数据为智能体提供调查问题所需的上下文，让它们能够自主排查，并直接提交代码变更请求（Pull Request，简称 PR），而不只是发出告警。
Vercel 希望把智能体基础设施的完整能力交到开发者手中，让人、智能体与软件都能更快地部署和运行。
从前端到后台进程，全栈应用都能部署到 Vercel
在随后的主题演讲中，Vercel CTO Malte Ubl 展示了平台对完整应用架构的支持：前端、API、后端服务、容器、MCP 服务器以及后台工作进程，都可以在 Vercel 上运行，同时支持自定义运行时和系统依赖。
他宣布，Vercel 的 Python 支持正式进入全面可用阶段。 开发者可以使用标准 CPython、PyPI 依赖、uv 和 pyproject.toml，运行 FastAPI、Flask 或 Django。借助 Vercel Services，前端与后端可以一同部署，并为整个应用生成完整的预览环境。
Malte 还介绍了进入公开测试阶段的 Vercel Daemons，用于持续运行后台工作进程。开发者只需部署代码或容器镜像，并设置实例数量，Vercel 就会维持这些实例运行，在实例故障时自动替换。无论是 Celery、Dramatiq、Temporal 的工作进程，还是团队现有的后台进程，都可以接入。
Agent Stack：覆盖智能体从开发到规模化运行的完整链路
Vercel 首席产品官 Tomo Occhino 介绍了 Agent Stack 及其最新进展。这套技术栈提供了智能体在生产环境中构建、运行和扩展所需的完整能力。
开源智能体框架 eve 现已支持跨会话持久记忆，可以通过扩展安装工具与技能，也支持直接在 Vercel 控制台创建和部署智能体。
Vercel Connect 已全面可用，提供超过 1,000 个连接器。进入公开测试阶段的 MCP Events 则让智能体能够响应来自 MCP 服务器的事件，订阅管理、续订和安全交付均由 Connect 负责。
AI Gateway 新增了更细致的预算管理功能，开发者可以按 API 密钥、项目、个人或团队设置预算。团队还可以选择仅在美国境内进行模型推理，或启用零数据保留模式，让模型服务商不保留提示词和回复内容。
Tomo 同时发布了 Vercel Token Pass，目前向 Pro 团队开放抢先体验。每月支付 30 美元，即可获得价值 80 美元的 GLM 5.3 和 Kimi K3 Token 使用额度，未来还将加入更多模型。
面向 Sandbox 的 Vercel Drives 现已全面可用，为智能体提供持久化工作空间。代码、数据和已保存的记忆能够跨运行保留，即使切换运行时或计算资源，也不必重建工作空间。
当每个人都能开发，企业需要怎样的管理能力？
Vercel COO Jeanne Grosser 关注的是另一个问题：当公司里的每个人都能开发应用，会发生什么？
工程师、市场人员、分析师和销售人员，都需要一个统一的部署平台。同时，企业也需要明确：谁可以发布应用，谁能够访问应用，智能体可以使用哪些系统，以及它们能花多少钱。企业内部的软件建设，正在越来越多地围绕智能体展开。
Vercel for Enterprise 将这些管理能力整合到一起，并在本次大会上公布了两项新进展。
AWS Bring Your Own Cloud（BYOC，自带云环境）正式全面可用。 应用函数可以运行在企业自己的 AWS 账户中，遵循既有的安全与网络边界。
Vercel Connect 的企业统一授权功能进入公开测试。 在服务受支持、且企业已配置身份提供商的前提下，智能体可以代表员工执行操作，无需每位员工分别为每一项连接进行授权。
旧金山站：超过 2,700 人共探智能体落地
Ship 旧金山站在艺术宫举行，吸引了超过 2,700 名开发者、创始人和技术负责人。除了主题演讲，现场还安排了工作坊、创业工作室交流和智能体实验活动。
从真实业务出发，看智能体如何进入生产环境
Ora：用真实智能体测试网站是否适合智能体使用。 Assaf Elovic 展示了团队的测试方法：派出真实智能体完成注册、集成和付款，并追踪每一个步骤。Ora 基于 eve 搭建了这套智能体集群，还使用 Is-Agentic 对一个在线网站进行了评分。
Anthropic：智能体上线之后，优化才刚刚开始。 Katelyn Lesse 介绍了如何借助部署在 Vercel 上的 Claude Managed Agents，在数千次真实生产会话中持续提升智能体的速度和表现。
Meta Superintelligence Labs：在 Vercel 上构建产品。 Prashant Ratanchandani 与 Tomo 对谈，分享了包括 Muse 在内的产品开发实践。
Vercel 与 Slack：让内部智能体融入日常工作。 Vercel 的 Matt Lewis 和 Slack 的 Mala Neti 介绍了内部智能体 v。它围绕 Vercel 自有数据和工作方式构建，由 Connect 与 Passport 保障访问安全，并通过 Slack 进入员工原有的工作场景。
Adapta：每天处理超过 300 万次请求的模型路由。 Max Peters 拆解了巴西最大生成式 AI 平台背后的路由系统。该系统基于 AI Gateway，通过一次集成接入 168 个模型，能够在 200 毫秒内完成模型选择，并支持自动故障切换和用户级预算管理。
Notion：AI 正在改变软件，也在改变软件需要的上下文。 Sarah Sachs 与 Malte Ubl 讨论了 AI 如何影响团队构建的软件，以及智能体要完成有价值的工作，需要哪些背景信息。
AWS：从自我纠错到多智能体协作。 Olawale Oladehin 介绍了智能体在 AWS 与 Vercel 上的生产部署模式，以及团队如何通过 BYOC，在自己的 AWS 环境中运行应用函数。
SAP：让生成式界面兼顾设计一致性与政府相关要求。 Philip Miseldine 和 Sophia Levens 展示了 SAP 如何使用 v0、eve 和 json-render 构建生成式界面。
Mercor：让数百名员工开发内部工具，同时管住权限与支出。 Aaron Brown 和 Arty Vohmincevs 介绍，其应用会继承统一管理的身份认证层，团队则通过 AI Gateway 查看模型使用情况并管理预算。
ClickHouse：开源基础设施如何扩展到更多工作负载。 Yury Izrailevsky 回顾了 ClickHouse 从开源分析数据库，发展为覆盖可观测性、AI 工程和托管 Postgres 的平台的过程，重点讨论了开源如何赢得开发者信任，并推动基础设施拓展到新的应用场景。
圆桌：如何让 AI 更快？
Jev 背后的公司 TypeSafe AI 联合创始人兼 CEO Diogo Almeida，与 Cerebras 创始人兼 CEO Andrew Feldman，一同讨论了模型可靠性、延迟和成本。
这场对谈把模型与硬件两个层面的快速推理放到了一起：一端是专用模型，另一端是晶圆级芯片。
与 Shopify CEO Tobi Lütke 对谈：智能体成为“第三类顾客”
在题为“The Third Customer”的收官对谈中，Guillermo 与 Shopify CEO Tobi Lütke 讨论了一个正在到来的世界：智能体开始代表人们研究、比较和购买商品，企业该如何为这样的顾客构建产品？
Guillermo Rauch：智能体电商最让你兴奋的是什么？
Tobi Lütke： 现在还很早，但机会远不止替人完成原本就会发生的购物。想象一下围绕一个具体项目购物：你想布置家里的万圣节装饰，或者和孩子一起做一个 3D 打印项目，然后把需要的东西都买齐，让它们在周末之前送到。智能体能帮助人们把那些原本因为没时间而搁置的想法真正做出来。
Guillermo Rauch：传统网店会处于什么位置？
Tobi Lütke： 出色的购物体验仍然有空间。一个有鲜明特色、经过认真设计的网店，依然能够成长，就像一家经营出色的精品店。真正会遇到困难的，是那些提供同质化体验的商家。品质和原创性依旧重要。
Guillermo Rauch：AI 如何改变 Shopify 的工程工作？
Tobi Lütke： 现在，我们更愿意把自己看作“验证工程师”：构建运行与验证框架，编写验收测试，确保每一次修改都可以验证。我们正在把店面渲染器从 Ruby 重写为 Rust，在正式切换之前，可以逐字节比较两者的输出。
我们也鼓励简化系统、删除代码。在公司的一次黑客松中，内部 Slack 智能体 River 以明显优势登上了代码删除排行榜榜首。
Guillermo Rauch：你建议现场开发者去做什么？
Tobi Lütke： 去探索商品目录 API。它们能让你访问 Shopify 商家的商品，因此你可以直接构建新的电商体验，不必先把交易平台的供需双方都招募进来。商品发现、推荐和精选服务，都是真实存在的商业机会。人们愿意为帮助自己找到所需商品的工具付费。
旧金山活动周：黑客松与行业交流
Ship 举办前一天，Vercel 与 Meta 联合举办了 Fast Forward 黑客松，并获得 Shopify 和 Neon Postgres 的支持。活动设置了三个方向：在人离开后仍能继续工作的智能体、多模态应用，以及沉浸式 VR 体验。
整个活动周还安排了创始人晚宴、合作伙伴日，以及面向企业管理层的交流。讨论围绕一个共同问题展开：当任何有想法的人都可以开发软件，企业该如何管理最终发布出去的产品？
伦敦站：从技术栈到企业实践主题演讲：搭建生产级智能体的基础能力
Tomo 在伦敦站介绍了 Agent Stack，将模型接入、持久化执行、沙箱计算和消息通信整合到同一套面向生产环境的技术栈中。
Hedi 宣布 Vercel Connect 进入公开预览。它让智能体能够在限定权限范围内访问外部工具和数据，无需把服务商的长期有效凭据存放在环境变量中。
Shar 演示了开源智能体框架 eve。每个智能体都位于一个独立目录中，使用 Markdown 编写指令，使用 TypeScript 定义工具。持久化执行、审批、子智能体和评估机制，都已内置。
Jeanne 则介绍了 Vercel for Enterprise Apps and Agents：其中，Vercel Passport 进入公开测试，可借助企业的身份提供商保护内部应用；AWS BYOC 当时则进入了私有测试阶段。
伦敦活动周：五天活动连接开发者与企业
这是 Ship 首次在美国以外举办。主题演讲之前，伦敦连续五天举行了配套活动，一辆冰淇淋车也在这一周穿梭于城市各处。
在与 OpenAI 联合举办的 Built in London 黑客松上，200 名开发者使用 Codex 和 Vercel 构建并交付智能体。其中三个项目格外突出：Stella 帮助伦敦中小企业寻找尚未申领的补助；Oscar 会在提示词发送给模型之前，先协助用户优化表达；Phone Jail 则帮助用户屏蔽干扰，而当你还是忍不住拿起手机时，它还会“吐槽”你。
媒体晚宴上，记者们交流选题；投资人晚宴上，12 位创始人讨论了欧洲、中东和非洲地区的 AI 前景；另一场闭门交流则邀请了包括 Marks & Spencer 和 Currys 在内的约 12 位 CTO，讨论企业构建和扩展智能体的实际挑战。
主题演讲前一天的 Day Zero，成为一场 400 人参与的开发者之夜。Mentimeter、Okta 和 MongoDB 等企业团队，与 DeepMind、ElevenLabs、Cursor 等合作伙伴齐聚现场。
AI Social Club 同样热度十足。Malte 的演讲《软件新时代的新技术栈》吸引了多达 160 人进入候补名单，随后 Guillermo 与 Deliveroo 的 Will Shu 对谈，讨论如何构建智能体驱动的企业。
分论坛：智能体正在接手哪些工作？
Anthropic：把智能体执行环境留在企业掌控之下。 André Balleyguier 展示了运行在 Vercel 上的 Claude Managed Agents：Anthropic 托管智能体的运行循环，而智能体执行的每一条命令，都在客户自己的 Vercel Sandbox 中运行。文件系统、进程和对外网络访问，因此都保留在客户的环境内。
Currys/Elkjøp：从电商网站走向购物智能体。 Tomas Jansson 介绍，团队分三个阶段改造了一家北欧零售商的电商技术栈。其中，迁移到 Next.js 使首字节响应时间缩短了 40%。最终目标是让用户直接表达购物意图，由系统承接需求，逐步取代传统的页面导航。
Vercel：自动处理 91% 的客服工单。 Matan Kushner 拆解了客服智能体 Vertex：它目前每月节省约 5,000 个工程师工时，而且不会随着上下文增多而出现性能退化。
Auth0：让智能体进入生产环境，身份管理比模型能力更关键。 Jas Sagoo 和 Sam Bellen 基于 Vercel AI SDK，演示了四种遵循标准的身份管理模式：Token Vault、CIBA 审批、将智能体作为独立身份主体，以及代表用户执行操作的委托机制。目标是让每项操作都有明确的权限范围，并能追溯到人的授权决定，而不是共用一把 API 密钥。
Vercel：智能体也开始向其他智能体提问。 Abhi Sivasailam 深入介绍了内部数据智能体 d0。它基于 eve 构建，在沙箱中执行分析，目前收到的问题中，已有 45% 来自其他智能体。
OpenAI：把完整任务交给 Codex Cloud Agents。 Romain Huet 展示了如何在 Vercel 上借助 Codex Cloud Agents 加快交付。他还提出，当智能体成为产品用户时，开发者也需要设计“智能体体验”，例如提供权限受限的 API 密钥、Markdown 文档和插件。
Callstack：在真实设备上自主测试移动应用。 Michał Pierzchała 演示了一款 QA 智能体。它可以自行探索用户流程，并在每次提交 PR 时，把截图、录屏和日志附到代码变更请求中。
ElevenLabs：不到一秒就能回复的语音智能体。 Alex Holt 将 ElevenLabs Speech Engine 与 AI SDK 结合，构建了可以在一句话中途被打断、并在对话过程中切换语言的语音智能体。
Vercel：让软件自己完成交付。 Malavika Balachandran Tadeusz 介绍了如何借助 Vercel Flags、Skills 等基础能力，把智能体循环从开发延伸到测试、运行监测和实验阶段。
圆桌：如何让智能体从原型走向生产？
Jeanne Grosser 主持了这场圆桌，与欧洲多位 CTO 及前沿 AI 实验室负责人，讨论智能体工作负载如何真正进入生产环境。
Arthur Viegers（Cursor）：自主程度应该与风险匹配。 智能体越能准确判断一项修改的风险，就越可以放手让它自行处理。Shopify 和 Amplitude 已经能够自动审查并合并 60%—70% 的低风险 PR，不占用开发者时间；但即便只是修改两行身份认证代码，仍然需要人工审核。
André Balleyguier（Anthropic）：先判断操作是否可逆，以及影响范围有多大。 这两个维度决定智能体可以自行完成哪些操作，以及需要怎样的隔离措施，例如将其限制在自托管沙箱内。随着自主程度提高，可观测性与评估机制就成为保障安全的关键。
Ryan den Rooijen（Currys）：实体门店并没有像预测中那样消失。 Currys 通过重视人的作用，在所在市场保持领先。对于智能体电商，真正有待回答的是：消费者希望把哪些购物环节交给智能体，哪些环节仍然希望由人来服务？
Nicolas Le Pallec（AKQA）：AI 原生体验会让“表达意图”逐渐取代“点击导航”。 要实现这一点，需要三个层次的能力：准确捕捉顾客真实意图；建立可供 AI 检索品牌与商品数据的“品牌大脑”；以及能够即时组合页面的生成式界面，而不是预先制作好的静态页面。
与 Harry Stebbings 对谈：什么样的创始人更值得投资？
伦敦站最后，Guillermo 与 20VC 的 Harry Stebbings 进行了炉边对谈。以下是结尾快问快答环节的节选。
Guillermo Rauch：你希望投资的创始人具备哪些特质？
Harry Stebbings： 标准已经完全变了。过去，我们偏爱销售驱动型 CEO：擅长融资、能拓展客户，靠个人魅力与销售能力带动公司。现在，我更希望看到以工程和产品能力为核心的创始人。
Guillermo Rauch：一个人能通过学习，成为行业里有影响力的声音吗？
Harry Stebbings： 可以，但很难。你必须连续做上六个月。这是一种需要反复训练的能力，你得每天、每个小时都投入其中。
Guillermo Rauch：当任何人都能生产内容和软件时，该如何脱颖而出？
Harry Stebbings： 你需要创造新的形式、新的开场，以及新的叙事和呈现方式。内容本身也变了。过去我们会做领导力、招聘之类的节目，现在已经没人关心这些了。如今真正能引起关注的，是创始人，以及 AI。就是这两件事。
柏林站：软件也在经历从手工到机器的转变
柏林站在旧铸币厂 Alte Münze 举行。这里曾经依靠人工锤打铸币，后来逐渐转向机械化生产。这里也是 JavaScript 标志诞生的地方，还是 Guillermo Rauch 与 Malte Ubl 当年在 JSConf EU 上初次见面的地点。
软件也在经历相似的转变：从人手编写，走向机器参与构建。来自德国各地的 500 多位参与者齐聚于此，共同探索智能体时代的软件开发。
AI SDK 7：从模型调用工具，走向完整的智能体开发工具包
Vercel 的 Suyog Rao 发布了 AI SDK 7。目前，AI SDK 每周下载量已超过 1,600 万次。第 7 版进一步将其扩展为构建和运行智能体的工具包，支持推理、工具调用、多轮执行，以及跨文件和沙箱工作。所有能力都通过统一接口提供，不绑定任何一家模型服务商。
SAP 的 Philip Miseldine 展示了公司如何重构设计系统，使其组件能够灵活组合，让人和智能体使用同一套基础组件搭建界面。v0 则贯穿开发、交付和决策各阶段。
在“使用 AI SDK 7 构建应用”环节，三位嘉宾带来了不同视角。
本次更新的主要工程师 Lars Grammel 深入介绍了新版本，重点包括新增的智能体运行框架层，以及超越文本的内容生成能力。
AKQA 的 Carsten Høyer 演示了 Starbucks 的 ChatGPT 应用。这个“生成式商店”会结合星巴克自己的商品和视觉体系，生成符合品牌风格的结果。它也改变了传统转化路径：顾客无需先访问品牌网站，而是在对话中主动引入品牌。
Black Forest Labs 的 Stephen Batifol 介绍了 Flux 图像模型在智能体技术栈中的位置：目前已经能够在不到一秒的时间内生成和编辑图像，未来则将走向实时生成和世界模型。
来自 Cursor 的 Arthur Viegers 则展示了编程智能体如何从自动补全，发展到能够在整个代码库中自主开展工作。
CTO 圆桌：当创造成本趋近于零，企业靠什么增长？
Vercel 前线部署工程负责人 Chris Williams 主持了这场圆桌，讨论构建成本持续下降时，企业如何开发产品并实现规模化增长。
Sven Rosemann（Flaconi）：AI 无法修复一个有问题的商业模式。 企业依然需要卓越的运营能力。他把电商比作十项全能：必须在每个项目上都表现出色，才有机会获胜。正在发生变化的是商品发现方式，它正逐渐转移到聊天场景。因此，Flaconi 正在建设数据基础，让智能体能够检索其商品目录，并判断购买与结账最终也会进入对话场景。
Tjaž Silovsek（Astra AI）：风险投资已不再是创业的先决条件。 对很多想法而言，更可行的路径是先交付产品、找到触达用户的渠道，再持续迭代。Astra 完全依靠自有资金发展，已达到 1,000 万用户和 2,500 万美元年度经常性收入（ARR）。团队规模不大，但稳定的技术基础，以及在尽可能保障安全的前提下给予智能体的高度自主权，让它能够保持速度。
首届 DACH 合作伙伴奖
Vercel 将首届面向德国、奥地利和瑞士地区的 DACH 合作伙伴奖颁给了 Valtech，以表彰其为客户带来的实际成果、交付能力、战略思考及团队赋能。
颁奖环节也向本次活动的赞助商表示感谢，包括 Auth0、Storyblok、Cursor、SAP、Accenture Song、Blazity 和 JVM。
纽约站：当智能体进入企业的真实业务
纽约站是截至当时最受欢迎的一站，报名人数超过 3,000 人。围绕主活动日，创始人、合作伙伴、企业负责人和开发者共同参与了为期五天的黑客松、管理层招待会、工作坊等活动。
纽约活动周：从动手开发到架构讨论
活动周以 Built in NYC 黑客松开场，由 Vercel 与 Anthropic 联合举办，Sentry、Auth0、Resend 和 Supabase 共同参与。超过 100 名参与者用一个下午，在 Vercel 上开发并演示智能体。
Jeanne DeWitt Grosser 和 Nick Bogaty 举办了 VIP 招待会，邀请推动 AI 原生开发的行业负责人交流。创始人们在投资人晚宴上讨论智能体的未来；在 Per Se 举行的闭门对谈中，Guillermo、Jeanne、Tom 和 Malte 则与 CTO、CIO 共同探讨：进入智能体时代，传统架构会从哪些环节开始显露局限？
在 Moss 举行的 AI Social Club 上，Tom Occhino 与 Bloomberg Media CTO William Anderson、Serhant 工程副总裁 Jeremy Bunting，以及 DoorDash 资深设计项目经理 Ali Patterson 对谈，讨论企业实践中哪些方法有效、哪些尚未奏效，以及智能体基础设施在哪里带来了实际价值。
分论坛：收入、成本与工作流的变化
SERHANT.：让智能体直接参与房地产业务。 Ryan Coyne 介绍了基于 Vercel 构建的房地产智能体 S.MPLE。在投入使用后的第一个完整年度，它推动佣金收入增长了 144%。
Brex：工具越少，智能体反而可能越高效。 Brandon Bloom 为费用审计智能体提供了一个仅支持 Bash 的 Shell，让它自行管理上下文，避免被大量工具返回结果淹没。结果，工具调用次数和 Token 用量均减少了 75%。
Auth0：给智能体可撤销、范围明确的权限。 Ari Schapiro 和 Chris Sev 基于 Vercel AI SDK，现场演示了 Token Vault、通过独立渠道进行人工审批等符合标准的身份管理模式，让智能体获得完成任务所需的权限。
Alta 与 PUBLIC SCHOOL NYC：AI 造型应用进入时装周。 Alta 的 Jenny Wang 和 PUBLIC SCHOOL NYC 的 Maxwell Osborne 展示了运行在 Vercel 上的 AI 穿搭应用。它每秒可以生成一个虚拟形象，迄今已生成超过 2.5 亿套穿搭。双方还为 PUBLIC SCHOOL 重返纽约时装周，联合打造了定制版本。
FLORA：从 18 个定制工具，缩减为两个。 Charlton Roberts 展示了三种运行在 Vercel Sandboxes 上的创意制作工作流。通过允许智能体围绕 AI SDK 自行编写和运行代码，团队把原本的 18 个专用工具压缩成了两个。
Stripe：让智能体既能花钱，也能创造收入。 Prasad Wangikar 介绍了如何借助 MCP、UCP 和 x402 等新兴协议，赋予智能体支付能力，并承接由智能体带来的收入，面向机器之间直接交易的经济体系。
AWS：连接云服务、模型与大规模用户。 Shaown Nandi 介绍了 Vercel 与 AWS 的协作方式：AWS 原生数据库和 OpenSearch 可以通过 Marketplace 接入，模型则可以通过 AI Gateway 使用。The Weather Company 超过 3.5 亿用户的业务，为这套协作提供了大规模实践验证。
圆桌：内部应用和智能体，谁来开发、如何管理？
Jeanne 与多位技术负责人讨论了内部智能体的开发与部署，包括谁应该参与开发、企业需要怎样的治理方式，以及团队如何从实验走向生产。
Andy Martin（MJH Life Sciences）：限定技术栈，再在其中给予充分自由。 他认为，管理未经 IT 部门统一批准的“影子 IT”，关键是收紧技术栈范围，同时允许员工在这个范围内自由探索。
其 AI Accelerator 项目培训非工程人员、市场人员和初入职场的员工，使用 Claude Code、Vercel 和 GitHub 这套经过刻意收敛的工具开发内部应用，并以临时预览部署作为保护措施。他说：“如果你把自己变成一个只会说‘不’的部门，人们就会绕过你。”
Greg Chan（SERHANT）：按照人类软件团队的分工组织智能体。 产品经理智能体在 Linear 中编写需求，工程智能体生成技术方案，开发与 QA 智能体接着执行。工程师因此转变为同时管理多条工作线的负责人。
为了控制输出风险，SERHANT 会针对幻觉和合规问题运行评估，其中还包括一个专门检查《公平住房法》相关规则的定制模型。
Victor Oliveros（ZoomInfo）：让客户自己构建工作流，把反馈直接转成代码。 ZoomInfo 将 v0 嵌入自有产品，已有超过 4 万名客户使用它创建自己的工作流。智能体还会分析通话录音并提交 PR，让产品团队直接决定哪些变更应当发布，减少整理和归纳反馈的工作。
在权限管理上，ZoomInfo 将 Vercel 的部署保护机制与自身上下文图谱的权限体系结合，确保每个智能体只能接触其用户有权查看的数据。
与 Shopify 对谈：电商不再只是一个目的地
Tom 与 Shopify 产品副总裁 Vanessa Lee 讨论了电商与软件接下来的发展方向。
Tom Occhino：Vercel 和 Shopify 刚刚共同推出了什么？
Vanessa Lee： 我们把 Hydrogen 中真正难做的电商能力提炼了出来，比如数据分析、乐观更新的购物车界面，以及商品款式与规格管理，并让这些能力能够适配任何框架。
所以，如果你在 Vercel 上使用 Next.js，现在就可以直接接入 Shopify 的电商基础组件，Vercel Marketplace 也提供了相应集成。
Tom Occhino：你们还开放了 Catalog API，它带来了什么可能？
Vanessa Lee： 过去一直缺少一个好用、开放的商品搜索 API。我们拥有数十亿件商品和数百万商家，因此构建了一个专门面向电商、具备广泛覆盖能力的购物 API，让任何人都能在任何场景中嵌入购物功能。
我在多伦多跑步群里认识的一个人，用 v0 做了一个展示排行榜和天气的网站，Catalog API 则在其中呈现了附近商店的商品。电商不再只是用户必须专程前往的目的地，而是融入你所构建的各种体验之中。
Tom Occhino：Shopify 和 Vercel 都非常重视减少使用阻力，为什么这件事如此重要？
Vanessa Lee： Tobi 很早就意识到，工具会塑造市场。市场规模从来不只是受需求限制，更受限于工具有多难用。让开发变得更容易，就会有更多人参与开发。
普通人身上还有大量尚未被释放的创造力，而降低门槛，就是把这些能力释放出来。
与 Notion CEO Ivan Zhao 对谈：先设计 API，最后再设计界面
纽约站以 Guillermo Rauch 与 Notion CEO Ivan Zhao 的对谈收官。
Guillermo Rauch：你开始要求设计师先考虑 API，最后再考虑 UI，为什么？
Ivan Zhao： 因为你的下一位顾客不再只是一个人，而是一个人与一个智能体。智能体是“看不见”的：它们不会像人一样看你的界面，而是读取语义和 API。
其实，最经得起时间考验的软件，本质上往往都是一种数据结构，比如电子表格，或者 Notion 的区块。它们首先是数据结构，只是恰好拥有一个界面。
所以，应该先设计结构与含义，最后再设计界面。一个对开发者友好的工具，往往也会成为对智能体友好的工具。
Guillermo Rauch：Vercel 和 Notion 都坚持不绑定模型，在模型竞争中保持中立，为什么？
Ivan Zhao： 模型每隔几周就会交替领先，押注某一家并不是好策略。我们会根据任务所需的智能水平自动分配模型：编程任务使用前沿模型，客服和摘要任务则使用更小、更快的模型。
最让我兴奋的是，随着越来越多场景不再需要最前沿的智能能力，你可以围绕自己的产品优化小模型，重新获得速度和成本上的优势。而速度会带来质变：一个快五倍的模型，可能改变你最初会选择设计哪一种界面。
Guillermo Rauch：当十亿名知识工作者变成智能体，这会如何重塑我们？
Ivan Zhao： 我们无法完全看清，而这恰恰是关键。第一层影响很容易理解，比如 iPhone 最初可以被理解为 iPod、手机和浏览器的结合。但真正出人意料的，是随后出现的连锁变化，比如社交媒体对青少年的影响。
我们塑造工具，工具又反过来塑造我们。当软件开始能够思考，那些进一步的连锁影响，才是我们无法预判的部分。
Guillermo Rauch：品味和速度，只能保留一个，你选哪个？
Ivan Zhao： 品味。它是经历大量尝试之后，沉淀下来的智慧。
悉尼站：从受监管行业到语音开发
悉尼站在 Machine Hall 举行。这座建于 20 世纪 30 年代的变电站，曾为城市的有轨电车和码头供电长达半个世纪。如今，200 多名参与者在这里相聚，共同探索智能体时代的开发方式。
悉尼活动周
活动周以 AI SYD 聚会开场，开发者、AI 工程师和悉尼技术社区成员参加了闪电演讲与交流。
在 Shell House 举行的 AI Social Club 上，企业高管聆听了 Malte Ubl 的演讲。随后，Suyog Rao 与 monō ai 创始人 David Hyman 通过炉边对谈，讨论智能体基础设施如何为企业带来实际成果。
分论坛：把智能体能力带入不同组织
Heidi Health：在受监管领域保持快速交付。 Belen Garcia Fava 和 Vivek Katial 展示了团队如何借助智能体和 Vercel，在严格监管的环境下快速开发。他们强调，信任需要通过工程实践建立。
Cursor：只用语音创建并部署智能体。 Robin Yoong 全程通过语音创建了一个 eve 智能体。三个模型并行编写代码，最后通过一句口头批准，将其部署到了 Vercel。
企业圆桌：智能体如何进入真实生产环境。 Vercel 亚太区创业公司业务负责人 Nonny Bell，与 Linktree AI 工程师 Matthew Blode、Auto & General Australia AI 工程总经理 Aarush Issar，以及 CommBank 生成式 AI 首席工程师 Leonardo Borges，讨论了各自团队采用 AI 智能体的实践。
Vercel 澳大利亚及新西兰销售总监 JJ Lecocq 则主持了一场组织层面的讨论：面对 AI，企业正在如何调整人才、文化与组织结构。
