Jacob Lauritzen 说，法律 AI 智能体（Agent）需要把检索、审阅、起草与人工核查接入同一工作流程。由于无法直接查看客户数据，团队依靠模拟项目、专家审查等方法评测；他举例称，新模型曾将某项引用表现从约 70% 提升至约 99%。
Supabase创始人认为，让编程智能体读懂数据库结构，比只提供接口更重要；CLI 和 Git 中的文件可减少它推断数据库现状的步骤。平台还布局轻量数据库与大型集群，以承接从新项目到高负载应用的需求，但部分扩展能力仍待验证。
Shopify创始人Tobi Lütke认为，AI 智能体（Agent）正在改变购物入口，但商家不应被锁定在单一平台。他观察到，需要规划和组合多件商品的购买更能体现智能体的价值；智能体公司能否从交易中持续获利仍待证明。
Ian Quigley 介绍，Leash Bio 用多条形码、重复实验和数百个靶点检验小分子结合数据的可信度。其 Kaggle 比赛显示，模型换到不同骨架的化合物库后难以泛化，预测分数不能直接等同于化学理解。
CEO Woodson Martin称，AI不直接生成代码，而是操作意图模型，再由平台生成符合安全与合规要求的代码。企业智能体项目的瓶颈常在合规审批；模型路由则能避免多数任务使用成本更高的前沿模型。
Thariq Shihipar称，Mod允许用户定制智能体行为与界面，Artifacts则支持数据持久化和多智能体共享。随着智能体进入团队工作流，权限管理与数据隔离成为关键挑战。
DHH说，自己在2025年末从手工编写Ruby代码转向智能体编程，并用三个月打造了Omarchy Linux。他认为开发者的角色正从编写代码转向指导智能体，AI也让非程序员更容易参与开源。
Chai Discovery选择为多家药企提供模型与软件，而非自建药物管线。团队认为全原子生成和序列—结构协同设计可加快迭代，但通用性仍需多靶点实验验证。
Akshay Nathan 说，ChatGPT Work 以统一智能体（Agent）底座、Sites、记忆和子智能体，让知识工作者使用原本偏向开发者的能力。他认为，瓶颈正转向创意、品味与权限治理，团队还需分清忙碌的动作和真正的进展。
Genesis Molecular AI 创始人 Evan Feinberg 与 CTO Sergey Edunov 说，公开结构数据库约有20万个结构，团队因此用物理模拟生成训练数据，并在推理时引入物理引导。他们希望让预测进入药物设计流程，再由 LLM 智能体编排专业工具。
Matei Zaharia 与 Reynold Xin 认为，模型会不断更替，企业更需要稳定的数据与智能体基础设施。两人介绍了 Omnigent 的统一会话 API、按会话追踪支出及上下文化权限策略，指出数据治理是智能体落地的关键。
Kyle Daigle称，AI 智能体（Agent）要进入企业开发流程，不能只会生成代码，还需理解组织资料并遵守安全约束。他介绍了将共享能力拆成微型skills的做法，以及让Copilot智能体处理安全修复、issue和文档核对的方向。
