Vercel CEO Guillermo Rauch 對話 Supabase：從 Pixels 到 Tokens、漸進式複雜度與 AI 雲（AI Cloud）架構演進

這一期我認爲技術戰略含金量非常高。因爲 Guillermo Rauch 講的已經不只是“Vercel 怎麼做開發者工具”，而是在描述一場更大的基礎設施遷移：

過去的雲主要服務“人寫的軟件”；下一代雲必須同時服務“AI 寫軟件、AI 部署軟件、AI 自己運行軟件”。

如果這個判斷成立，那麼 Vercel 從 Frontend Cloud 轉向 AI Cloud，就不是簡單增加幾個 AI Feature，而是在試圖重新爭奪下一代軟件生產體系的控制層（Control Plane）。

先說幾個非常重要的校正。

1. “估值90億美元”現在應該精確寫成 93 億美元

Vercel 在 2025 年 9 月 30 日宣佈完成 3億美元 Series F，融資後估值 93億美元，同時還宣佈約3億美元的員工和早期股東 Tender Offer。Guillermo 在那篇官方文章里正式提出：

From pixels to tokens。

也就是從過去以網頁、UI爲中心的互聯網，進入以AI模型調用和Agent執行爲中心的新階段。

因此這一期如果正式整理，我建議寫：

“Vercel在2025年完成3億美元Series F、估值93億美元后，正式把戰略敘事從Frontend Cloud升級爲AI Cloud。”

而不是簡單“估值90億”。

2. 第二個非常重要的糾錯：這裏的 Tokens 絕對不是“代幣”

你整理裏寫：

Tokens（代幣/算力）

這裏建議徹底改掉。

Guillermo說的Token，指的是：

LLM Token——大模型處理文本、代碼、工具調用等內容時使用的計算/計費單位。

它和Crypto Token完全不是一回事。

它也不能簡單等同於“算力”。

更準確的理解是：

Pixels代表傳統Web時代用戶消費的視覺界面；Tokens代表AI時代機器推理、生成、調用工具和執行任務時消耗的模型工作量。

算力是Token背後的成本基礎之一。

Token則更像：

AI經濟裏的可計量工作單位。

這個區別非常重要。

3. “Pixels → Tokens”其實不是一句營銷口號，而是一種商業模式變化

傳統Vercel解決的問題是：

用戶訪問網頁。

瀏覽器發出Request。

服務器執行代碼。

CDN分發內容。

最終：

人看到Pixels。

未來Agent世界不同。

用戶可能只說：

“幫我調查過去六個月競爭對手的所有產品變化，做一個報告。”

後臺可能發生：

模型推理；

搜索；

幾十次API調用；

運行代碼；

讀數據庫；

生成文件；

再次驗證；

等待外部事件；

重新執行。

最後用戶可能只看到：

一頁結果。

也就是說：

前端只有幾千個Pixels，但後臺可能燃燒數百萬Token。

這意味着軟件經濟的價值重心開始從：

Rendering

移動到：

Reasoning + Execution。

這就是Vercel爲什麼一定要從Frontend Cloud往AI Cloud走。

4. 從資本市場角度看，這一步甚至決定 Vercel 93 億美元估值最終是否合理

如果Vercel最終只是：

“Next.js最好用的Hosting公司”

那麼它面對的是非常成熟、競爭極其激烈的Cloud Hosting市場。

但是如果Vercel最終成爲：

AI Agent創建、部署、推理、執行、觀察和恢復的統一Control Plane

那麼它進入的TAM完全不同。

這也是爲什麼Vercel現在的產品版圖已經從：

Next.js + Deployment

擴張成：

AI SDK；

AI Gateway；

Fluid Compute；

Sandbox；

Workflows；

Observability；

Vercel Agent等。

這是我基於其產品路線做出的戰略推斷：Vercel真正想佔據的不是“Hosting Layer”，而是Agent時代的軟件運行控制層。

5. Guillermo早年最強的能力，其實一直不是“寫代碼”，而是把複雜技術變簡單

他的個人經歷非常一致。

他來自阿根廷 Lanús，年輕時參與MooTools，後來參與或創建Socket.IO、Mongoose等大量開源項目，又創辦Cloudup，後被Automattic收購，最終創辦Vercel。Guillermo本人把自己的職業核心明確歸因於Web、Open Source和Developer Experience。

這條線從來沒變：

找到一個技術上已經可能，但Developer Experience非常爛的東西，把它變得10倍容易使用。

這其實是極強的創業模式。

6. Vercel最深的商業哲學，不是“我們擁有最先進技術”

而是：

Complexity Compression。

AWS最早給世界：

EC2；

S3；

VPC；

Load Balancer；

IAM……

這些是非常強大的Primitive。

但普通開發者面對幾十、幾百個雲原語，會產生巨大認知負擔。

Guillermo早在多年以前就把這種雲分層描述成：

底層雲提供“質子、中子”；

更高一層Cloud應該給開發者“分子”。

也就是已經組合好的高層抽象。

這其實就是Vercel和Supabase共同的商業邏輯。

7. Supabase也是一樣：真正賣的不是Postgres

Postgres本來就是開源數據庫。

如果Supabase只是說：

“我們也給你一臺Postgres服務器。”

價值非常有限。

它真正賣的是：

Postgres；

Auth；

Storage；

Realtime；

Functions；

Dashboard；

Security；

SDK；

MCP；

Developer Workflow

組合後的：

Database Experience。

Supabase自己公佈的數據也顯示，2025年創建的數據庫數量超過此前所有年份總和，而Cursor和Claude Code已經佔其MCP用戶的約一半。

這非常能說明：

基礎設施的下一層競爭，越來越不是“誰有Primitive”，而是誰把Primitive包裝成最容易被人和Agent使用的Product。

8. 所以“DX正在吞噬Infrastructure”是這一期最重要的判斷之一

過去基礎設施公司的價值在：

機器。

今天越來越在：

Interface to infrastructure。

比如Stripe。

它並沒有發明：

銀行；

銀行卡；

清算。

它真正改變的是：

Developer接入支付的體驗。

Twilio類似。

Supabase類似。

Vercel類似。

真正巨大的商業機會經常不是重新發明底層技術，而是：

把原來只有專家才能使用的基礎設施，壓縮成普通開發者幾分鐘可以使用的接口。

9. 這就是“Abstraction Layer Economics”

每一次計算機產業出現成熟Primitive以後，上面都會長出更值錢的抽象層。

機器語言

→ Assembly

→ C

→ JavaScript。

服務器

→ VM

→ Cloud

→ Serverless

→ Framework-defined Infrastructure。

模型API

→ AI SDK

→ Gateway

→ Agent Framework

→ AI Cloud。

越往上：

用戶越少關心：

“機器到底怎麼運行？”

越關心：

“我要的結果能不能馬上發生？”

這就是技術產業不斷向高層抽象移動的規律。

10. Progressive Disclosure of Complexity，可能是Guillermo最值得產品經理學習的一個思想

Vercel官方在Next.js Conf裏明確使用這個概念：

簡單場景不要強迫用戶理解複雜細節，但當用戶真正需要高級功能時，它們必須存在。

核心不是：

“產品要簡單。”

而是：

產品一開始必須簡單，但底層不能簡單到未來無法擴展。

這兩者差別極大。

11. Day 1和Day 1000，就是這個問題最漂亮的表達

Guillermo曾經解釋：

產品Day 1必須非常容易開始；

但是不能以犧牲Day 1000爲代價。

因爲到了Day 1000：

企業開始需要：

Security；

Debuggability；

Global Scale；

複雜網絡；

權限；

Observability；

合規。

很多開發者工具最大的死亡原因，就是隻完成：

Weekend Demo。

沒有完成：

Enterprise Evolution。

12. 這也是爲什麼一個真正偉大的DevTool必須同時服務兩個完全相反的人

第一個用戶：

“我五分鐘以後必須跑起來。”

第二個用戶：

“我們有5,000名工程師、幾十個國家、SOC 2、權限系統和全球流量。”

產品如果只服務第一個：

很容易增長，

但客戶最終離開。

只服務第二個：

產品非常強，

但沒人願意開始。

真正優秀的是：

Beginner simplicity + Expert depth。

Stripe就是典型。

Supabase也是。

Vercel想做到的也是這個東西。

13. AI時代讓Day 0甚至比Day 1更重要

這裏我認爲你的整理非常敏銳。

以前：

人主動搜索數據庫。

比較：

AWS；

Firebase；

Supabase；

MongoDB。

未來越來越可能變成：

用戶告訴Claude Code：

“幫我做一個SaaS。”

Agent自己決定：

Framework；

Database；

Auth；

Deployment；

支付。

此時真正選擇產品的，很可能已經不是：

Human Developer。

而是：

Agent。

Vercel 2026年的數據已經顯示，超過30%的部署由Coding Agent發起，相比六個月前增長約10倍，其中Claude Code佔Agent部署的大頭。

這意味着一個極其重大的商業變化：

軟件公司未來不僅要爭奪人的默認選擇，還要爭奪機器的默認選擇。

14. 這可能誕生一種全新的“Machine Distribution”

傳統消費品牌研究：

SEO。

App Store Ranking。

Shelf Space。

Developer Tool研究：

GitHub Stars。

Documentation。

Community。

未來基礎設施廠商還要研究：

當Agent問“我應該使用什麼數據庫？”時，它爲什麼會選我？

於是：

Documentation；

MCP；

API設計；

Error Message；

Token效率；

SDK結構；

Examples；

模型訓練語料中的存在感

都會變成新的：

Distribution Surface。

這件事的戰略價值極大。

15. 所謂“Duckling Syndrome”，真正講的是技術路徑依賴

人學會第一個數據庫以後：

可能十年都習慣它。

學會第一個Framework以後：

以後項目繼續使用。

因爲轉換不是零成本。

需要重新學習：

API；

工具；

部署；

Debug；

Mental Model。

所以成爲開發者的：

First Choice

非常值錢。

Agent時代甚至可能把這種路徑依賴進一步放大。

因爲AI工具也會根據：

已有代碼；

已有文檔；

歷史成功模式；

常見Stack

不斷重複選擇。

16. 這就是爲什麼Supabase與Vercel的集成不是簡單“合作伙伴功能”

它實際上是在搶：

Default Stack Position。

如果一個年輕開發者或者AI Agent創建項目時：

Frontend：

Next.js。

Deployment：

Vercel。

Database/Auth：

Supabase。

這個Stack使用越頻繁：

文檔越多；

模板越多；

AI越熟悉；

更多人繼續使用。

於是產生一個：

Developer Ecosystem Flywheel。

這類似當年：

Windows + Intel。

或者：

iOS + App Store。

不是完全相同，但邏輯類似：

默認組合本身就是分發優勢。

17. Open Source在這裏真正扮演的是Distribution Engine

很多人對開源最大的誤解是：

“免費代碼怎麼賺錢？”

問題問錯了。

Vercel做Next.js的邏輯更接近：

把標準做大，再在標準周圍建立商業基礎設施。

Next.js是免費開源的。

但一家公司使用Next.js以後，可能需要：

Deployment；

Performance；

Observability；

Security；

Enterprise Support；

Compute。

這些可以商業化。

Guillermo後來把Vercel的Open Source模式稱爲非常重要的Flywheel。

18. 這叫 Open Source → Standard → Commercial Surface

非常漂亮。

第一階段：

開源降低採用門檻。

第二階段：

越來越多開發者使用。

第三階段：

形成生態。

第四階段：

企業標準化。

第五階段：

企業出現生產需求。

第六階段：

Vercel商業產品承接需求。

所以開源不是：

Charity。

也不是簡單：

Free Trial。

它更像：

Protocol-level Distribution。

19. 但開源商業化真正危險的一面同樣必須看到

如果你的商業價值只是：

“我託管一個別人也能託管的開源軟件”

那麼長期利潤率容易受到競爭。

真正需要擁有的是：

企業級Execution Layer：

Reliability；

Security；

Observability；

Global Infrastructure；

Integration；

Workflow；

Support；

Brand；

Ecosystem。

所以：

Open Source可以製造Distribution，但不自動製造Moat。

最終還是必須建立商業護城河。

20. 這就是爲什麼Vercel現在不滿足於Next.js Hosting

因爲AI時代Coding本身正在Commodity化。

Guillermo自己最近把“Shipping”和“Coding”明確區分：

Shipping不僅是寫代碼，還包括設計、QA、講故事、教學、營銷、銷售、迭代；AI正在快速降低“只寫代碼”這一技能的稀缺度。

所以Vercel必須往：

整個Software Production Loop

上擴張。

否則AI反而可能削弱單純Developer Tool的價值。

21. “從Pixels到Tokens”背後真正的公司戰略其實是：

過去：

Human → Code → Web Page。

未來：

Human → Intent → Agent → Code/Tools/Data → Outcome。

Vercel過去主要控制：

Code → Web Page。

現在想控制：

Agent中間的整個執行鏈。

這就是AI Gateway、Sandbox、Workflows爲什麼同時出現。

它們不是幾個隨機產品。

是同一套Agent Architecture裏的不同Primitive。

22. AI Gateway可以理解成“Token時代的路由器”，但“Token CDN”只是類比

2025年5月，AI Gateway進入Alpha；8月已經正式GA。Vercel官方描述的核心能力包括：

統一訪問多模型；

Authentication；

Usage Tracking；

Failover；

模型切換；

Routing。

所以“AI Gateway = Token CDN”這個比喻很好理解，但技術上不能完全等同。

傳統CDN主要解決：

Content Distribution。

AI Gateway主要解決：

Model Access Orchestration。

23. 爲什麼AI Gateway這個位置可能非常值錢？

因爲未來很可能不是：

OpenAI winner takes all。

而是：

不同任務使用不同模型。

寫代碼：

模型A。

視頻：

模型B。

低成本分類：

模型C。

複雜推理：

模型D。

如果企業直接和十個Provider對接：

需要管理：

API；

Billing；

Rate Limit；

Failover；

Observability；

Pricing；

Authentication。

Gateway把這些統一起來。

於是它可能形成一個：

Multi-model Control Plane。

24. 這和Stripe真正創造的價值有一點相似

Stripe沒有成爲：

銀行。

它成爲：

銀行與開發者之間的抽象層。

Vercel未必需要訓練世界最強Foundation Model。

它可以試圖成爲：

所有模型與開發者/Agent之間的抽象層。

如果這個位置做成：

上游模型不斷競爭反而不一定傷害它。

甚至可能幫助它。

因爲模型越多：

Routing價值越高。

25. 這是一種非常漂亮的“Picks and Shovels”戰略

淘金熱裏：

不一定押哪一個礦工最後找到黃金。

可以賣：

鏟子。

AI時代：

不用100%預測：

OpenAI；

Anthropic；

Google；

xAI；

開源模型

最終誰最大。

如果你控制：

Gateway；

Deployment；

Observability；

Sandbox；

Workflow，

你可以從整個行業增長中受益。

這就是基礎設施生意最吸引資本的地方。

26. Sandbox解決的是Agent時代另一個極其大的問題：AI開始執行代碼

Chatbot時代：

AI說錯一句話。

很煩。

Agent時代：

AI可以：

修改文件；

運行Shell；

訪問Git；

下載包；

執行用戶代碼。

這時候：

錯誤開始具有：

Real-world Consequences。

所以必須有：

Isolation。

Vercel Sandbox現在使用隔離執行環境，最新產品形態支持微型虛擬機、Snapshots以及長時任務狀態保存。

27. 所以“Sandbox = Agent的EC2”這個類比可以保留，但要加一個限定

EC2本質上是通用虛擬機。

Sandbox更強調：

安全執行不可信、AI生成或用戶生成代碼。

它的關鍵不是：

“又一臺服務器。”

而是：

Safe Execution Primitive。

Agent如果是“大腦”，

Sandbox就是：

允許它安全動手的房間。

這個理解更加準確。

28. Workflows則解決Agent時代最容易被低估的問題：時間

普通HTTP Request理想狀態：

幾百毫秒；

幾秒。

Agent可能：

30分鐘；

3小時；

3天。

甚至：

等待用戶批准；

等待Webhook；

等待支付；

等待另一系統返回。

這意味着：

傳統：

Request → Response

模型不夠用了。

29. Durable Workflow本質上是在把“時間”變成基礎設施Primitive

Vercel Workflows現在能夠：

暫停；

恢復；

Retry；

維持State；

跨Deployment生存。

產品在2025年10月Beta，2026年4月GA；到GA時，Vercel稱它已經累計處理超過1億次Workflow Run和5億多個Step。

真正關鍵的是：

Agent可以睡覺。

然後：

再醒來。

還知道自己做到哪裏。

30. 這是爲什麼“Deep Research”其實不是一個聊天功能，而是Distributed Systems問題

一個長任務可能遇到：

模型Provider掛掉；

API Timeout；

用戶斷線；

進程Crash；

新版本Deployment；

支付失敗；

外部數據沒回來。

如果一次失敗：

整個Agent從頭重來，

成本極其高。

因此真正Production Agent一定需要：

Durability。

這和數據庫事務、消息隊列、Workflow Engine的歷史完全相似。

AI並沒有讓Distributed Systems消失。

反而：

AI把更多普通產品開發者推入Distributed Systems。

31. 這就是爲什麼我認爲Vercel現在最重要的競爭對手最終甚至不只是Netlify

真正競爭圈會越來越進入：

AWS；

Google Cloud；

Microsoft Azure；

Cloudflare；

各種Agent Infrastructure；

Temporal類Workflow；

模型廠商自己的Agent平臺。

因爲Vercel已經不再只在：

Frontend Hosting

這個戰場。

而是在爭：

AI Application Infrastructure。

Vercel自己2026年也已經正式把戰略描述爲“Agentic Infrastructure”。

32. 更重要的是，2026年的Vercel產品路線已經驗證了這場2025對話不是空談

Vercel後來正式把Agentic Infrastructure拆成三層：

第一：

Coding Agent可以部署到哪裏。

第二：

企業自己的Agent在哪裏運行。

第三：

Infrastructure本身也開始擁有Agent能力。

第三層非常關鍵。

因爲這意味着未來Cloud本身可能開始：

發現Latency異常；

讀Logs；

檢查Code；

運行Sandbox；

提出修復。

雲從：

Passive Infrastructure

變成：

Active Operator。

33. 這會重新定義DevOps

過去DevOps：

Alert出現。

PagerDuty叫人。

工程師起來。

看Log。

找問題。

修復。

Deploy。

未來可能：

系統發現異常。

Agent讀取Tracing。

定位Code。

在Sandbox測試Patch。

生成PR。

人只負責：

Approve。

Vercel已經把類似方向寫進其Agentic Infrastructure願景。

這意味着DevOps未來可能逐漸從：

Human Operations

轉向：

Human-supervised Autonomous Operations。

34. “Invisible Interface”也要稍微糾正：Pixels不會消失

Guillermo自己在Vercel Series F文章裏專門寫了一句：

不要忘了Pixels。

他還特別提到Claude、Grok、Cursor這些AI產品依然使用Next.js來提供Frontend。

所以未來不是：

UI消失。

而是：

UI的角色改變。

過去UI：

讓人親手完成操作。

未來UI越來越承擔：

提出Intent；

查看狀態；

解釋結果；

批准操作；

糾正Agent。

35. 所以GUI可能從“操作界面”進化成“監督界面”

過去：

Excel需要你：

點；

拖；

輸入公式。

未來：

“分析這份數據，找出異常。”

Agent完成。

UI最後展示：

結果；

圖；

推理；

可編輯狀態。

因此：

Pixels減少，

但每一個Pixel可能承擔更高級功能：

Governance。

Approval。

Observability。

Trust。

這反而使優秀UI更加重要，而不是不重要。

36. Guillermo講“你的客戶未來可能是Agent”，這是整個軟件行業最革命性的變化之一

如果使用API的人是人：

文檔可以稍微囉嗦。

如果用戶是Agent：

每個多餘Token都是成本。

如果人可以自己糾錯：

API模糊一點問題不大。

Agent需要：

確定性；

結構化Output；

可恢復Error；

Idempotency；

嚴格Schema；

Programmatic Provisioning。

所以未來優秀Developer Experience會進一步變成：

Agent Experience——AX。

37. AX可能成爲下一個DX

什麼叫好的Agent Experience？

API少而清晰。

Docs可以機器讀取。

Error Code準確。

Provisioning不需要點擊UI。

所有操作能通過CLI/API/MCP完成。

輸出Structure穩定。

Permission最小化。

支持Retry。

支持Checkpoint。

容易Observability。

這就是爲什麼Vercel現在強調CLI、API、MCP等“機器可操作表面”：它明確稱Agent需要確定性、可編程的Deployment Surface。

38. 這甚至可能改變產品設計的一條傳統原則：代碼短不短，不再只是美學問題

如果AI不斷生成和讀取API調用：

API複雜度會直接轉化成：

Token Cost；

Error Rate；

Latency；

Agent成功率。

於是：

Developer Experience開始擁有直接的AI經濟價值。

過去一個API設計得醜：

程序員抱怨。

未來API設計得醜：

Agent可能需要多消耗20%的Token。

這是真錢。

39. “Prompt時代語言重新重要”這一點，我非常贊同，但我會再提高一層

不是因爲：

“以後大家都要會寫漂亮Prompt。”

Prompt Engineering這個詞本身未來甚至可能越來越淡。

真正越來越重要的是：

Precise Intent Representation。

你能不能準確說明：

目標是什麼；

約束是什麼；

什麼不能做；

什麼算成功；

什麼是例外；

如何驗證。

這其實不是單純：

英語能力。

而是：

Thinking Ability。

40. 所以AI時代語言能力和數學能力，並不是互相替代

數學訓練你：

定義；

約束；

邏輯；

一致性。

語言訓練你：

抽象；

表達；

上下文；

細微差異。

AI Agent要完成複雜工作，

兩者最後都會匯聚成：

Specification。

未來極強的人，很可能不是：

只會Coding的人。

而是：

能夠把模糊現實問題轉譯成AI可以執行的精確系統的人。

41. 這也解釋了Guillermo爲什麼越來越強調“Shipping”，而不是Coding

他近期總結得很好：

Shipping是：

設計；

寫代碼；

QA；

講故事；

教學；

Marketing；

Sales；

Iteration

的組合。

當AI把Coding成本降低之後：

真正的稀缺資產就往上移動。

未來最值錢的人不是：

“我一個小時能寫500行代碼。”

而是：

“我知道應該創造什麼東西，並且能讓它真正進入用戶手中。”

42. 這是軟件行業一個巨大的“價值遷移”

過去：

Coding Scarcity高。

所以Coder非常值錢。

未來Coding Supply暴漲。

那麼價值開始移動到：

Product Judgment；

Taste；

Distribution；

Domain Knowledge；

Customer Understanding；

Brand；

Data；

Capital；

Execution。

這和工業革命完全一樣。

機器降低某一種生產要素成本以後：

利潤不會消失。

利潤會：

向新的稀缺要素遷移。

43. Guillermo所謂“公司只有兩種人：離代碼近或離客戶近”，本質是反官僚主義

這句話不能機械理解成：

Finance、Legal、HR都沒用。

一個93億美元公司當然需要：

財務；

法務；

安全；

People Operations。

真正的意思是：

所有組織最終必須能夠解釋自己如何改善Product或Customer Outcome。

離代碼近：

提高Product。

離客戶近：

提高市場反饋。

最危險的是：

離兩邊都很遠的人。

他們只創造：

內部會議；

流程；

PPT；

審批。

這叫：

Organizational Entropy。

44. 這是爲什麼科技公司越大，Founder越害怕“Middle Management Inflation”

因爲公司100個人的時候：

CEO → Engineer → Customer

反饋非常快。

5000個人：

CEO

→ VP

→ Director

→ Manager

→ PM

→ Engineer

→ Customer。

每加一層：

信息都會損耗。

真正偉大的高速公司一直在努力：

Shorten Feedback Loop。

所以“Close to Code / Customer”真正是在保護：

Organizational Information Velocity。

45. “Stay Sus”則是Founder Product Paranoia

Guillermo長期公開的工程原則裏就有：

不要把故障當偶然；

不斷Demo給Fresh Eyes；

用戶反饋必須立即；

永遠沒有“性能優化結束”這件事；

軟件更像牛奶而不是葡萄酒，會自己變壞。

這套思維其實非常像：

產品默認有Bug，直到證明沒Bug。

不是悲觀。

而是：

Reliability Mindset。

46. 但Founder親自QA也必須有邊界

十個人公司：

Founder發現Bug。

非常好。

一萬人公司如果所有Quality都依賴Founder：

那不是高標準。

是：

Bottleneck。

所以真正成熟企業必須把：

Founder Taste

轉化成：

Tests；

Evals；

Metrics；

Design System；

Review System；

Culture。

最終目標是：

把Founder的大腦Institutionalize。

這樣Founder不盯的時候，質量仍然保持。

47. IGI招聘模型也很有意思：Intelligence、Grindset、Integrity

Guillermo後來公開解釋自己會看三類因素：

智力/認知能力；

持續投入和韌性；

誠信、忠誠、團隊協作等人格價值。

這三個維度其實對應：

Can they solve?

Will they persist?

Can I trust them?

任何一個歸零都危險。

48. 極聰明 + 沒Integrity，是最危險的員工

能力普通、誠信高：

可能只是Performance問題。

能力極強、Integrity很差：

可能產生：

政治；

欺騙；

數據操縱；

知識產權問題；

團隊破壞。

所以頂級公司爲什麼越來越強調：

Integrity，

不是因爲CEO喜歡道德課。

而是：

越高能力的人，錯誤激勵造成的破壞力越大。

這就是“能力 × 品格”的乘法關係。

49. Grindset也不能理解成“每天工作18小時才優秀”

真正值得學的應該是：

Long-duration stamina。

創業是：

5年；

10年；

20年。

如果所謂Grindset讓一個人：

18個月Burnout，

實際上並不適合長期企業建設。

所以更高級的解釋是：

高要求 + 高韌性 + 長期可持續。

不是：

自我摧毀。

50. Vercel與Supabase之間，其實存在一種非常值得研究的“Coopetition”

今天看：

Supabase主要佔：

Data Plane。

數據庫；

Auth；

Storage；

Realtime。

Vercel主要佔：

Application/Execution Plane。

Framework；

Deployment；

Compute；

AI。

兩者組合非常自然。

但長期邊界正在模糊。

Supabase增加：

Functions；

MCP；

AI能力。

Vercel增加：

Storage Marketplace；

Backends；

Agent Infrastructure。

所以未來很可能既：

合作，

又：

競爭。

這就是Cloud Platform最終都會遇到的問題：

每個平臺都想擴大自己控制的Surface Area。

51. 真正的戰略戰爭不是“誰功能最多”

而是：

Who owns the developer's starting point?

如果你從Supabase開始：

Supabase擁有你的Database關係。

如果從Vercel/v0開始：

Vercel擁有你的Deployment關係。

如果從Claude Code開始：

Anthropic擁有你的Intent入口。

如果從GitHub開始：

GitHub擁有你的Code Repository。

誰最靠近：

Creation Moment

誰擁有最強Distribution。

這就是Day 0爲什麼這麼重要。

52. AI時代“Creation Moment”甚至可能完全改變

以前：

打開VS Code。

創建repo。

npm install。

寫代碼。

未來：

打開一個AI界面。

說：

“幫我做一個洛杉磯餐廳預約SaaS。”

後面：

Repo；

Database；

Auth；

Hosting；

Deployment

可能全部由Agent自動創建。

那麼原來的很多Developer Tool品牌：

甚至可能從用戶視野中消失。

但：

它們依然在後臺賺錢。

這就是Invisible Infrastructure。

53. 所以未來DevTool最大的客戶，甚至可能“從來沒聽過你的品牌”

用戶說：

“幫我部署。”

Agent自動選Vercel。

用戶不知道Vercel。

但是Vercel仍然：

產生Usage。

這和今天很多消費者：

不知道Cloudflare；

不知道AWS；

不知道Stripe

但每天都在間接使用一樣。

這會讓：

Machine Preference

成爲極其重要的商業資產。

54. 2026年的數據已經開始證明“Token經濟”不是幻覺

Vercel公佈的AI Gateway生產數據裏，2025年10月大約11.4%的請求涉及Tool Call；到2026年4月升至22.2%。

如果按Token計算，Tool Call相關請求消耗的比例則從約31.6%上升到 58.9%。

這很重要。

因爲說明：

AI正在從：

Answering

走向：

Doing。

而Doing比Answering：

更長；

更多輪；

更多Token；

更多工具調用；

更多基礎設施需求。

55. 所以Agent真正的商業機會可能遠遠大於Chatbot

Chatbot：

用戶問一句。

模型回答一句。

Agent：

計劃；

行動；

觀察；

修改；

繼續行動。

一個任務可能產生：

幾十甚至幾百次模型調用。

因此：

Agent Economy真正放大的不只是模型需求。

同時放大：

Gateway；

Compute；

Database；

Observability；

Sandbox；

Workflow；

Security。

這就是爲什麼基礎設施公司如此興奮。

56. 但這也是Vercel AI Cloud最大的商業風險：模型Token長期會降價

AI基礎設施存在一個巨大趨勢：

單位推理成本很可能不斷下降。

模型供應商競爭。

芯片效率提升。

開源模型。

緩存。

Distillation。

所以：

如果你的商業模式只靠在Token上加Margin，很危險。

Vercel必須建立的不是簡單：

Token Reseller。

而是：

Orchestration Value。

Routing；

Reliability；

Security；

Workflow；

Observability；

Deployment Context。

這些更難Commodity化。

57. 真正的Moat可能是“Context”

Vercel未來如果同時知道：

你的Code；

Deployment；

Logs；

Tracing；

模型調用；

Runtime；

Error；

Sandbox；

Workflow，

那麼它擁有一個極強優勢：

它知道軟件想做什麼，也知道軟件實際做了什麼。

這也是爲什麼Vercel說統一平臺Context可以進一步讓Infrastructure本身具有Agent能力。

這非常重要。

因爲AI質量高度依賴：

Context Quality。

58. 從投資角度看，Vercel真正應該追蹤的指標未來也會變化

過去可能看：

Developer Growth；

Deployment；

Enterprise Customer；

Compute Usage。

未來更應該看：

Agent Deployment佔比；

AI Gateway Token Volume；

模型調用數；

Workflow Runs；

Sandbox Usage；

AI Cloud Attach Rate；

Revenue per Developer / Revenue per Agent；

Enterprise AI Workload。

這裏部分指標還不是Vercel公開財務標準，我是在根據其戰略方向推導。

真正重要的問題是：

Vercel能不能讓每一個Developer和每一個Agent，使用越來越多Vercel產品？

這叫：

Platform Expansion。

59. 如果能做到，Vercel商業模式會從“工具公司”變成“平臺公司”

工具公司：

一個Product。

收一份錢。

平臺公司：

客戶進入以後：

Deployment；

Compute；

AI；

Security；

Storage；

Workflow；

Observability

不斷增加。

於是：

ARPU grows with customer complexity。

這就是爲什麼Day 1000如此重要。

Day 1負責：

Acquire。

Day 1000負責：

Monetize + Retain。

兩個都做好：

纔是極強的平臺生意。

60. 如果讓我把Guillermo整場訪談壓成8條創業原則

第一：不要重新發明所有底層技術，尋找“複雜技術和普通用戶之間”的抽象層。

這裏往往存在巨大價值。

第二：把Day 1做到極簡單，但永遠不要犧牲Day 1000。

Growth和Enterprise必須同時設計。

第三：開發者工具未來必須同時服務人和Agent。

DX正在變成DX + AX。

第四：AI讓Coding便宜以後，真正值錢的是Shipping。

產品判斷、客戶、分發、Taste會更重要。

第五：Open Source最強的價值之一是Distribution，而不是免費。

先形成標準，再構建Commercial Surface。

第六：擁有Control Point，而不是擁有所有東西。

Gateway、Deployment、Workflow、Data都可能是Control Point。

第七：組織裏儘量減少既不接觸Product、也不接觸Customer的層級。

否則Information Velocity下降。

第八：Founder Taste最終必須轉變成Institutional System。

否則公司永遠不能真正Scale。

61. 對創業者來說，我認爲這一期最值得記住的一個詞其實不是AI

而是：

Default。

成爲默認Framework。

默認Deployment。

默認Database。

默認AI SDK。

默認Gateway。

默認Agent Runtime。

在科技行業：

Default往往比Feature更值錢。

因爲Default創造：

Distribution。

Distribution創造：

Usage。

Usage創造：

Ecosystem。

Ecosystem又強化：

Default。

這是一個非常強的複利閉環。

62. 從更高的資本視角看，Vercel實際上在進行一次“價值鏈向上遷移”

第一階段：

寫開源工具。

第二階段：

擁有Framework。

第三階段：

擁有Deployment。

第四階段：

擁有Frontend Cloud。

第五階段：

擁有AI SDK。

第六階段：

擁有AI Gateway。

第七階段：

擁有Agent Runtime。

第八階段：

嘗試讓Cloud本身Agentic。

它不斷問同一個問題：

開發者下一層最痛苦的複雜度是什麼？

然後：

喫掉它。

這纔是Vercel商業史裏真正值得研究的東西。

63. 所以我會把“DX吞噬Infrastructure”再提高一個層級

最終發生的其實是：

Abstraction吞噬Complexity。

而誰擁有最成功的Abstraction，

誰就可能擁有：

開發者；

數據；

工作流；

生態；

最後：

Pricing Power。

這也是爲什麼歷史上：

Windows；

AWS；

iOS；

Stripe

這些平臺如此值錢。

它們都在不同層次完成了：

Complexity Compression。

64. 我最推薦這一期的標題

如果偏技術戰略，我推薦：

《Vercel CEO Guillermo Rauch：從 Pixels 到 Tokens，AI時代真正的雲正在從“託管網頁”進化爲“運行Agent”》

副標題：

從Next.js與開發者體驗，到AI Gateway、Sandbox與Durable Workflows：Vercel爲什麼押注下一代軟件的客戶不再只是人，也包括AI。

如果偏商業和創業，我更喜歡：

《估值93億美元后的Vercel：Guillermo Rauch如何把“降低複雜度”做成一家AI雲平臺》

副標題：

Open Source、Day 1/Day 1000、Default Stack與Agent Infrastructure背後，是一場對下一代軟件Control Plane的爭奪。

這一版我最推薦。

65. 最後，如果整期只留下一個最高認知，我會留下這一句

AI真正改變軟件行業的地方，不只是“機器會寫代碼”，而是機器正在成爲軟件基礎設施的新用戶。

過去：

Cloud爲程序員設計。

API爲程序員設計。

Documentation爲程序員設計。

Deployment爲程序員設計。

未來：

Agent自己讀Docs；

自己選Database；

自己寫代碼；

自己部署；

自己Debug；

自己執行。

一旦最終Actor從Human部分轉向Machine：

整個Software Stack都必須重新設計。

而Guillermo Rauch真正押的就是這一點。

Vercel過去十年最成功的事情，是把：

Cloud的複雜度隱藏在人類Developer後面。

未來十年它想做的，很可能是：

把AI Agent需要面對的模型、計算、執行、安全和分佈式系統複雜度，再隱藏一次。

如果它成功，Vercel真正擁有的將不只是Next.js，也不只是一個Hosting Business。

它會擁有一個更加值錢的位置：

軟件從“一個人的想法”變成“一個正在運行的智能系統”之間的基礎設施收費站。

這纔是這場Supabase Select對話背後最值得投資人、創業者和開發者理解的東西。