Vercel CTO：智能体是新的应用层
为什么智能体是一种全新的软件，而非只是更快的编程方式
这位是 Malte Ubl，Vercel 的首席技术官，他在欧洲首届 AI Engineer 大会上发表开幕主题演讲。这场演讲并非关于模型本身，而是关于构建在模型之上的应用层，以及软件经济学正在发生怎样的根本性转变。
关于智能体作为一种全新的软件品类： “There was always all this stuff we wanted to automate, but not all of it was economically viable to do with traditional software. But it is with agents.”（一直以来，有很多事情我们都想自动化，但并非所有事情用传统软件来做都在经济上可行。然而用智能体就行得通了。）Malte 将智能体定位为填补软件市场此前经济上不可行的空缺——那些充满边缘案例和隐性业务知识的工作流，没有人愿意在传统 SaaS 产品中手工编码实现。
关于 SaaS 的”末日来临”： “More and more companies, when they ask whether they should buy some software or make some software themselves, they’re answering that with the make side.”（越来越多的公司在考虑是采购软件还是自研软件时，正在倒向自研这一边。）他的判断是：SaaS 会继续存在，但有更多公司构建更多定制软件，意味着工程师的工作只会更多而非更少。软件市场表现出惊人的弹性——制造成本越低，产出的软件反而越多。
关于目前已实际运转的四种智能体原型： Malte 梳理了他观察到的实际落地模式——不是前瞻性研究，而是已部署的真实系统：
- 智能体即服务 / 客户支持 — 一个每天 24 小时、每周 7 天运行的岗位，取代传统朝九晚五。
- 压缩式研究 — 智能体完成业务流程中的调研阶段，人类仍负责最终决策。Vercel 的”联系销售”表单由智能体路由处理，它会读取 LinkedIn、核查公司规模，然后将带有简报的信息包交给人类跟进。
- 浮现现有信息 — “Is your issue tracker up to date? Probably not. Could it be? Yes — the info exists in Slack, in a Granola recording, somewhere.”（你的问题追踪系统是最新的吗？可能不是。但能做到吗？能——信息就在 Slack、会议录音、某个角落里。）智能体将企业中散落的现有知识整合到需要它的地方。
- 消除枯燥工作 — Vercel 自家的支持智能体实现了 90% 的问题拦截率，而团队的工作满意度反而提升了，因为人类只处理真正有趣的案例。
关于智能体作为软件的使用者： “In the last 7 days, over 60% of page views on vercel.com were AI agents.”（过去 7 天，vercel.com 超过 60% 的页面浏览量来自 AI 智能体。）首要影响是：用户界面变得越来越廉价，而命令行工具和 API 则变得越来越重要。其次，基础设施必须运行团队里没有一个人真正写过的软件。
关于价值的归属： “Model companies are commoditizing. In that world, we the AI engineers are the powerful ones. Our agents are the ones that actually create the business value.”（模型公司正在商品化。在那个世界里，我们这些 AI 工程师才是掌握主动权的人。我们的智能体才是真正创造商业价值的东西。）Malte 直言欧洲赢不了模型军备竞赛——但也不需要，因为 Vercel 的 AI SDK、Poe 和 OpenCode 都是欧洲主导的项目，而且正好处于利润汇聚的那一层。
每家企业今天就能落地的四种智能体原型
- 智能体即服务 - 全天候运行的支持角色（CRM、Decagon 模式）
- 压缩式研究 - 智能体调研，人类决策；30 分钟的工作压缩到 5 分钟，每年复用十万次
- 浮现现有信息 - 将 Slack、会议录音、文档中的知识整合进问题追踪系统和状态更新
- 消除枯燥工作 - 90% 拦截率的支持智能体；支持团队的工作满意度大幅提升
- 问”你最讨厌工作中的什么？” - Malte 发现智能体机会的万能问题
- 60% 的网络流量已经是智能体 - UI 变廉价；命令行和 API 才是真正的交互界面
这对构建智能体驱动工作流的公司意味着什么
应用层是未来十年软件构建和经济价值积累的地方。公司不需要押注”赢家模型”——他们需要选出值得自动化的工作流。Malte 关于压缩式研究和消除枯燥工作的框架，正是将 AI 从一个新鲜玩意儿变成真实业务收益的模式：流程不变、风险不变，人力投入却减少一个数量级。对于那些选择雇用 AI 员工而非购买又一个 SaaS 席位的公司来说，这些原型就是现成的操作手册。