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%。
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。
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。
CEO Keith Peiris 说，Tome 达到约2500万用户后转向CRM，症结不是模型速度，而是缺少演讲者与听众的关系语境。Lightfield 试图整合邮箱、通话、CRM 和数仓中相互冲突的信息，并以免费全员席位推动采用。
Brian Armstrong认为，加密支付轨道适合AI 智能体（Agent）的微额交易，并称Coinbase约88%的收入已不来自比特币。他还提出以1:1代币化股票服务约40亿没有券商账户的人。
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。
纳德拉认为，企业应保有自己的数据、工具和私有评测，而不只是调用外部模型。微软训练 MAI 模型并提供多模型运行框架；企业若能换用模型后继续提升效果，才更接近拥有自己的 AI 能力。
