活动回顾丨Bitcoin Asia 上的 Agent Economy智能流和资金流,过去是两条平行的轨道。
一条跑在应用层,提问、响应、任务完成;一条跑在支付层,授权、清算、对账。两条轨道从不直接相连,中间靠一个动作缝合——人点一下按钮。
人是唯一的接口。
8 月 27 日晚,DogPay 在香港办了一场名为「The Payment Layer for the Agent Economy」的活动,作为 Bitcoin Asia 期间的 Side Event,Money in Motion 联合主办。
讨论的其实是同一件事的不同侧面:当那个按钮不再由人来点,这两条轨道会发生什么。
一、付款方第一次不是人
我在分享里提的判断是:Agentic Payment 真正的变化不在通道,在付款方。
过去二十年,支付行业优化的一切——费率、成功率、结算速度、拒付率——都建立在同一个动作上:人点击,点击构成授权,授权发生在某个确定的时刻。这一刻之前和之后是两个世界,整套风控、清算和争议解决机制都是照着这个结构建的。
Agent 把这个前提拆了。支付变成任务执行过程中的一个字段:预算在哪里设、权限由谁授、什么条件下触发、按结果还是按用量计费、价格是否随负载浮动。系统要回答的不再只是「谁向谁付款」,还有「为什么付、谁批准的、怎么追溯」。
大屿讲 Agent Trading 时,把同一个问题带到了交易场景。他给出两条演进路径:一条是 Agent 成为独立自主的交易主体,自己发现机会、生成交易逻辑;另一条是成为交易者的数字分身,复刻人的交易体系、风险偏好和执行纪律。前者想象空间更大,后者更接近当下能落地的路径。
两条路径听上去差得很远,卡住它们的东西却完全一样:钱包安全、权限管理、审计追踪。
这不是巧合。代理消费和代理交易,分野的标准是同一个——Agent 是在执行人的意图,还是在生成自己的意图。而无论落在哪一边,人都从那个接口的位置上退了出来。
接口消失之后,两条流只能合并到同一条轨道上跑。
二、支付的逻辑,正在往 token 上搬
这件事最激进的实践者不在加密行业,在 Stripe。
我们此前拆过它那笔七十多亿美元的收购——史上最大一笔,买的是 AI 模型网关 OpenRouter,一家不做支付的公司。同期的股东信里,Stripe 十五年来第一次改写了自己的起源故事:资本与智能,正在成为托底每一门生意的两股数字流。
为什么一家支付公司要去管企业怎么花 token?
因为 token 的消费已经变成了流。AMP PBC 分析流经 OpenRouter 的一百万亿个 token 后发现,中位请求并不是一个人在提问,而是一台机器在循环中间。一个 agent 跑一晚上,同类调用重复几千次,无人值守、持续发生。
而 Stripe 这家公司向来只做一件事:在流上收费。
于是围着美元长了二十年的那一整套东西,开始一层层往 token 上搬——计量、路由、定价、风控、对账,一样都不少,只是标的从美元换成了 token。而这套体系里的三个角色也各就各位:AI token 制造账单,卡组织完成刷卡,稳定币负责结算。
模型是商品,计量层是收银台。
这句话底下是一个更冷的结构。稳定币解决的是转移,但它从没解决转移标的的估值。一笔链上付款可以在一秒内完成,可「这次模型调用该付多少」,链和币都回答不了。搬运的成本被压到接近零之后,所有的价值都挤到了定价这一侧。
谁掌握计量,谁就掌握定价。
三、同一个形状,两个方向长出来
回到香港这场活动。
DogPay 讲的三层——DogID 做身份,DogRouter 做用量,DogPay 做支付——放进上面那个坐标里看,几乎是同一个答案。Agent 需要先被识别,才谈得上被授权;被授权之后才能被计量;任务完成之后,付款、分账和对账才有触发的依据。身份、用量、支付,正好是这条链上的三个卡口。
而这个形状不是抄来的,是被约束逼出来的。当消费从离散事件变成连续的流,当付款方从人换成机器,任何人做这件事都会撞上同样三个问题:认得出是谁,算得清用了多少,结得了账。少一层都不成立。
所以香港一场 Side Event 上讨论的三层,和 Stripe 花七十多亿买回来的那个位置,指向的是同一件事。区别只在方向:一个从美元那一侧往上搬,把成熟的支付逻辑套到新商品上;一个从 Agent 原生那一侧往下长,先有机器的用量和身份,再回头解决钱。
出发点相反,形状一样。
这也解释了 DogPay 为什么把自己定位成价值流转网络,而不是一个收款按钮。收款工具处理的是一次性事件;它要处理的是一条一直在跑的流——当人和 Agent 混在同一个协作网络里,价值如何被记录、分配和结算。
形状想清楚了,不等于位置就定了。
从美元往上搬的那一侧,握着二十年的对抗性交易数据和最完整的商户网络;从 Agent 原生往下长的这一侧,握着更早的用量入口和更灵活的合规姿态。谁先站住,现在没有答案。这是一场还没跑的比赛,押哪边都是下注。
四、生而全球的东西,不需要落地
亚洲这一侧的问题,从来不是有没有需求。
这场活动能在 Bitcoin Asia 期间爆满,本身就是信号。从 API 调用到跨境收款再到智能交易,Agent Economy 在亚洲已经是在跑的生意,现场的人不是来听趋势的,是带着各自具体的问题来的。
生机勃勃的另一面,是一个还没被认真回答的问题。
agent 和 stablecoin 都是生而全球的。它们不在任何一个司法辖区出生,不依赖任何一个城市的清算系统,也不需要落地在任何一个地方。传统金融中心的逻辑恰恰相反——资金必须经过某个物理和法律的节点,城市的价值来自它是那个必经之地。
当这个节点开始收缩,香港要想清楚的是:在一个不需要地理的价值网络里,一个城市凭什么被需要。
我倾向于认为答案不在牌照本身。牌照能界定边界,界定不出吸引力;何况一个生而全球的东西,会去找摩擦最小的那条路径,而不是规矩最全的那一条。真正把城市留在网络里的,可能是机构——像 DogPay 这样足够灵活、能同时站在合规和链上两边、又愿意在标准还没成形的时候先做出来的机构。
城市的位置,要靠生态挣回来。
这是判断,不是结论。它成立的前提是接下来两三年里,Agent 支付的规则由做事的人写,而不是等规则写好了再做事。
十月六日,Money in Motion 和 LongTree Labs 会在新加坡办第一届 AGENTIC MONEY,把这些问题继续往下推。
按钮消失之后,两条流会自己找到一条轨道。真正的问题是,它经不经过这里。
有用户,有收入,AI 应用却不是好生意独立应用同时面对三个问题:产品多久会被模型吞掉,增长能不能带来利润,用户入口在谁手里。
文丨祝颖丽
编辑丨赵磊
今年 7 月,一位接触过上百家 AI 创业公司的业内人士跟我们聊起 AI 应用行业,第一句话是:“死透了。” 接着反问:“你觉得还有什么应用值得做?”
应用当然有价值,但过去的软件创业路径开始失效:找到需求、获得用户、做出收入,都不足以让一家独立公司长期成立。
2026 年初,AI 知识空间产品 Kuse 每天新增上万用户。但创始人吴显昆反而在极力压低增长。
亏损让他不得不这么做。Kuse 向每个新用户赠送价值数美元的试用额度,用户越多,付给模型和云厂商的推理费越高;就算用户转成付费,成本结构仍然很差。团队反复调整定价和付费模式,才把毛利勉强调到微正。
高增长带来的亏损,有的创业者可以找资本市场支持;但 Kuse 至今没融过资,靠吴显昆和几位联合创始人的投入加经营现金流维持,也不打算融。在吴显昆看来,融资解决不了核心问题:如果增长只是把更多收入交给上游公司,规模还有什么意义?
类似的问题出现在各类 AI 应用公司。过去 3 年,模型能力不断扩展,创业公司作出的功能创新,越来越快被并入模型;应用承担推理成本,卖模型的公司又下场直接抢用户。独立应用同时面对三个问题:产品多久会被模型吞掉,增长能不能带来利润,用户入口在谁手里。
一些创业者已经离开纯软件生意,改卖交付、进入客户的经营,或者自己训练模型。他们要回答的是:当能力、成本和入口都攥在上游手里,应用公司还能留下什么?
卖 token 的生意,增长越快,亏得越多
2025 年 8 月,Kuse 发布新闻稿,称在没有 VC 融资和付费广告的情况下,60 天做到 900 万美元的 ARR(年度经常性收入) 。3 个月后,吴显昆在一档英文播客上又称 ARR 已超过 1000 万美元。
ARR 一度是 AI 应用公司唯一的 “成功” 标志,Kuse 也曾引以为豪。但今年 8 月再被问到时,吴显昆开始反思这个指标:“你其实是在卖货,大家是把 GMV 当成 ARR 来说。如果是电商卖货, 1000 万美金不是什么很大的数字吧。” 他说,所有 AI 应用本质上都在卖 token,“你拿几个大客户, annualized 了一下不就 1000 万了吗?”
卖 token、做大模型的分销商,起量确实快。2024 年,支付平台 Stripe 统计全球头部 100 家 AI 公司的收入:年化收入做到 100 万美元,中位时间只要 11.5 个月。
做到 500 万美元,约需 24 个月。作为对照,2018 年的头部 SaaS 公司走完同样两步,分别要 15 个月和 37 个月。
一位投资人见过很多把 ARR 做大的荒谬算法:把难以持续一次性收入、或某个月收到的年费乘以 12,写成年化收入;更夸张的,取一年里最高一天或一周的收入,乘以 365 或 52。
即便不注水,AI 应用的 “年化收入” 也远不如传统 SaaS 可靠。上述投资人对比说:“典型的 SaaS,你这个月付款的人,下个月 95% 还会付款,所以它确实是 recurring。现在的 AI 应用是 coding plan ,续约率会远低于传统的 SaaS。”
毛利差距也大。美国老牌风险投资机构 Bessemer 曾研究过 20 家高速增长的 AI 公司,发现很多在商业化第一年就接近或达到 1 亿美元 ARR,但平均毛利只有约 25%;传统云软件成熟期的毛利通常在 70% 左右。
传统 SaaS 时代,一个产品被市场验证后,通常可以放心扩大规模,因为新增用户带来的服务器成本很低。到了 AI 时代,被验证和成为一门可持续的生意成了两件事:用户可能愿意用、愿意付费,但每次使用都会产生推理成本,这笔成本不会随增长下降,毛利始终压在低位。
更棘手的是,增长有时会把产品拉向亏损。Kuse 年初压低增长,就是发现送给免费用户的试用额度成本太高,一度让公司爆亏。
这样的先例很多。据 The Information 报道,Perplexity 2024 年对外公布的毛利率约 60%,但那是因为公司把约 3300 万美元、主要花在免费和试用用户身上的计算与网络成本计入了研发费用;若计入营业成本,毛利率是负数。
Cursor 也类似:其内部财务资料显示,截至 2026 年 1 月的季度毛利率为 -23%;把免费用户的推理成本也算进去,约为 -31%。
吴显昆怀疑,这样的环境下,资源有限的创业公司还有没有必要继续玩这个游戏。他看到办公类 Agent 产品,增长期毛利极端的低到 -200%,有的 -40%,好一点的 0% 到 10%。Kuse 因为一直盯着商业模型,才勉强做到毛利为正。
他认同 Fireworks CEO Lin Qiao 对初创公司处境的概括——“scaling to bankruptcy”:越增长,离死亡越近。
OiiOii 去年底内测时,排队用户达到 10 万;刚上线时用户继续涨,每天用的人最多超过 10 万。但团队很快发现,来薅羊毛的太多,于是也刻意压低增长。
OiiOii 创始人闹闹说,起初投资人也看月活、日活,但团队觉得没意义;到 4 月,OiiOii 已经不再看用户活跃,转而看付费转化、续费率和平均每个付费用户的收入。
但模型的强势和同行竞争,让赚钱也变难了。视频模型里,Seedance 2.0 发布后一家独大、握有定价权,1 元一秒的报价,量大也难有折扣;正常情况下,应用公司在付费用户身上的毛利也只有 30% 左右。
Seedance 2.0 发布后的两个月里,也成了竞争最激烈的时刻。为了抢客户,一些公司发起猛烈补贴,如果再算上给免费用户的试用额度、创作者侧的营销,这个行业几乎没有公司能做到正毛利。
模型每升级一次,就让一批应用变得多余
2023 年 11 月,张佳圆发布代码搜索产品 Devv Search。当时程序员已经用 ChatGPT 辅助写代码,但答案常有幻觉,也缺出处。Devv 索引 GitHub、Stack Overflow 等技术资料,为生成结果提供引用和验证,上线半年收入数十万美元。
他曾设想公司未来三到五年的路线:先花一两年做好开发者搜索,再做代码生成和调试,最后进入不需要人亲手写代码的自动化阶段。
模型的更新节奏让这张路线图很快作废。2024 年 6 月,Anthropic 发布 Claude 3.5 Sonnet,称它在内部智能体编程测试中解决了 64% 的任务;接上工具,它已经能写、改并执行代码。接入 Claude 模型的 Cursor 验证了这一点。
2025 年 2 月,Anthropic 发布 Claude Code 研究预览版,可以搜索和阅读代码、修改文件、运行测试,并向 GitHub 提交代码。张佳圆原本预计持续一两年的搜索阶段只维持了半年,市场直接跳过第二阶段、进入自动化开发。“没有想到它来得那么快。”
Devv 随后转做自然语言生成应用。张佳圆后来判断,这个方向真正可行的窗口只有 2024 年 9 月至 11 月:Cursor、Claude Code 等编程 Agent 从一端进入,通用 Agent 从另一端扩张;要继续获客,得补贴大量 token,成本太高。2025 年年中,Devv 2.0 停止扩张,进入维护状态。
更早的 AI 写作应用,多拿到过近一年的窗口。一位论文写作产品的创始人称,2023 年生成一篇论文的成本只要一两毛钱,售价约 70 元;他的公司当年收入约 1000 万元,最高单日收入十几万元,净利润率约 50%。产品市占率一度很高,他有一次住酒店开发票,前台的实习大学生看到发票抬头会心一笑:毕业论文用的就是这个产品。
但 2024 年,增长就停了。团队增加了 PPT 生成、AI 内容检测等功能,收入也没有起色。到 2025 年,Kimi、DeepSeek 已能更便宜甚至免费地写长文,这个工具的收入从每天数万元一路降到数百元,最后归零。
同类公司也在转向:Jasper 转做企业营销,Copy.ai 去连接销售流程和客户管理系统,“蛙蛙写作”(波形智能)被手机厂商收购,前述论文产品则从 2024 年底开始承接杂志社对接、论文辅导等服务。
到了工作流产品,先变的甚至不是收入,而是资本市场的预期。2025 年 12 月,一位从大厂离职的创业者,在试过浏览器插件、AI 写作和自由画布后,确定做 AI 工作流,拿了上百万美元种子投资。这类产品让用户用自然语言描述需求,AI 自动拆成工作节点、调用工具完成,复杂流程还能做成模板出售。
但一个月后,Skill 开始在 Agent 产品中流行,逐渐成为标准配置。这个工作流上线后再去融资,投资人已经认为 “Skill 会替代 Workflow”。他拿不到下一轮了。
当时该产品已经转向企业服务,接入电商、短剧和营销行业。创始人说,最高峰时一个月有数十万美元收入,续费率 70% 至 80%。但 Agent 和 Skill 在削弱独立工作流产品的价值,天花板肉眼可见。
这位创业者被推着找新方向:开春先是尝试通用型 Agent 产品,但发现推动商业化的阻力非常大、市场也变化太快,于是决定搁置。又过了一个月,他们看到 ClauderCode 设计能力的升级后,又转向做设计类 Agent 的开源产品。他说,2025 年底还很难想象自己会在 3 个月内换两次方向;现在即使下周再换一次,他也不意外。
投资机构 a16z 连续追踪消费类 AI 应用,在 2023 年至 2025 年的历次榜单里,前 50 名中只有 14 家公司每次都在榜上。模型每释放一种新能力,都会催生一批产品,也会在下一次升级时拿走其中一批的核心价值。
过去 3 年,从写作、翻译、搜索、代码生成到工作流,被模型升级覆盖的应用名单在变长,速度也在变快。据非营利的 AI 研究机构 Epoch AI 估算,2024 年 4 月以后,前沿模型能力提升的速度从每年约 8 个指数点提高到约 15 个点,接近翻倍。
对独立应用公司来说,模型的吞噬不是瞬间发生的。三家公司转向时,原产品都还没归零。创业者失去的不是眼前的用户,而是未来的可能;他们必须跑得更快,才有下一次机会。
卖给你模型的人,也来抢你的用户
2025 年 11 月,Kuse 从画布模式升级为文件夹形态,比 Codex 更早;2026 年 1 月,产品接入 Slack Bot,也比 Claude Tag 更早。但在吴显昆看来,这短短几个月的窗口,积累不了足够的用户习惯、使用频率和收入,不足以让他们逃出模型的引力。
他认为,唯一关键的问题是:“模型即应用” 是否成立?
2025 年 3 月,Manus 上线、突然爆火,创始人肖弘一句 “壳有壳的价值” 曾经否定这个命题,给了很多独立 AI 应用信心。但 2026 年以来,Claude Code、Codex 的快速发展,又让判断偏向另一端。
模型大厂有能力、也有动力自己下场做应用,抢入口产品。美国华盛顿的公共政策智库布鲁金斯学会(Brookings)分析,训练和运营模型要巨额投入,模型能力逐渐趋同后,单卖模型 API 撑不起这些投入,做应用反而成了模型公司回收利润的一种方式。
上游和下游客户抢生意,在 Anthropic 身上就发生了多次:Cursor 验证了 AI Coding 的需求后,Anthropic 推出 Claude Code,逐渐比前者更受开发者欢迎;与 Figma 加深合作的同时,其高管从 Figma 董事会辞职,推出 Claude Design,直接进入后者的核心市场。
模型公司能够提前看到下一代模型的能力,还能从海量 API 调用里判断哪些场景更活跃。一个需求一旦被创业公司验证,模型公司就可以把它做成自己的产品。OpenAI 也一样,Deep Research 与 AI 搜索、研究工具竞争;ChatGPT Work、Codex 进入文档、表格、演示和内部工具;ChatGPT Sites 拓展到应用生成和部署。
平台一边提供基础设施、一边进入下游产品,不是 AI 时代才有。微软曾把 Internet Explorer 与 Windows 捆绑,后来又把 Teams 放进 Office,先后引发美国反垄断诉讼和欧盟调查。
模型大厂下场做同类产品之后,创业公司要考虑的就不只是功能和成本结构,而是手上的项目还有没有必要做下去。
今年,腾讯、阿里、字节集体进入办公 Agent 领域,分别推出 Workbuddy、千问办公、豆包办公。据易观数据对 17 款 PC 原生办公 Agent 的统计,这个领域 3 月到 6 月流量新增 2 倍,但其中三分之二流向了大厂的 3 款产品。
一位年初看这个方向的投资人发现,当时几十个项目,坚持到现在的只有个位数,有的创业者甚至转型做了 Workbuddy 的代理。
这几乎是一场没什么胜算的竞争。创业公司要面对的不只是产品差异,还有大厂的免费额度、既有用户和企业销售资源。以 Workbuddy 为例,免费版每月送的积分按付费价值折算约 25 元;日活按 100 万计算,光免费用户每月就要投入 2500 万元。拉新阶段,受邀新用户再获赠账面价值 100 元的积分,每新增 100 万用户,最高要投入 1 亿元。
大厂之间竞争,这些钱不算什么,但创业者玩不起。一位创业者原本也想做类似方向,最终意识到这个方向 “太大、太上”,只能是大厂的生态位,创业公司只能缩到解决一个更垂直的问题,做大厂入口的一个插件。
他比喻,未来通用办公的 Agent 就像浏览器,而他们做的插件相当于网页,只能等着被入口产品调用。
逃离竞争,也逃离了用户
在模型和大厂吞噬一切的势头面前,AI 应用创业团队很容易把 “它们不会做什么、做不了什么” 当作选方向的起点。
吴显昆 2024 年启动新项目时选中画布形态,就是觉得模型公司的主入口都是对话,而画布是一套完全不同的交互。团队 2024 年底先做了与后来 Lovart 相近的设计产品,随后把画布带进办公场景。
同样的思路在很多同期产品里都有痕迹:中国的 Lovart、Flowith,海外的 Miro、Subset, 都想用画布完成对话完成不了的任务。连百度也发布了 “自由画布”,把文字、PPT、图片、音视频和 AI 生成能力放进同一张白板。
但 “躲避大模型” 的出发点带来了新问题。为了证明自己与模型不同,产品容易把交互做得更复杂,去追一些小众、看上去很特别的需求。每加一层差异,能理解和使用产品的人就少一些。团队以为找到了模型公司不会进入的位置,最后可能只是进入了一个没有多少用户的位置。
Kuse 曾花很长时间在画布上打磨 PDF 的阅读体验:怎样排列文件,怎样让用户一边阅读一边调用 AI。做了一段时间后,吴显昆不得不承认一个更简单的问题:可能根本没有多少人愿意在画布上读 PDF。
一年后,吴显昆把这次失误归因于选方向时的 “发心”。当一个创业者先想 “躲避” 而不是释放大模型的能力,再到空白处寻找需求,路只会越走越窄。盯着模型公司不会做什么,做不出一个好产品。
Cursor 和 Claude Code 给了他另一种参照:让模型理解代码库和文件,直接完成任务,而不是用新的交互限制模型。Kuse 随后从画布转向文件夹式交互。
张佳圆也在 Devv 的几次转向中遭遇类似问题。Copilot Hub 没有明确用户,Devv Search 被模型进展越过。到 Devv 2.0,团队为了区别于其他自然语言应用生成产品,把定位收窄到 “帮助用户做 AI 应用”,花了约半年开发。产品上线时窗口已经过去,用户和留存都没有。
Devv 2.0 的失败让他意识到,盯着竞品设计功能,做出的差异可能根本不是用户的需求。产品从 0 到 1 时,如果还没有稳定用户,留存也不好,先要回答的是谁在用、为什么用,而不是它与同类产品有多少不同。
直面竞争也可能有出路。在最新的开源设计 Agent 项目上,上述工作流产品的创始人看到一种可能:当需求被验证、大厂大力投入的时候,也许不必离开这个市场——市场渗透还在早期,或许能找到一个不同的身位。
他的选择是在大厂的主战场上做开源产品。比如他现在的项目,就是看到 Claude Code 在做设计类产品后,借这个热度做的开源版本。一周内,新项目就获得了将近 5 万的 star,收入甚至超过了之前的工作流产品。现在他们团队 90% 以上的资源和人力都投在这件事情上。
往下游去:不卖产品,卖结果
还在探索的创业者大致走两条路:一条往客户业务深处走,从卖工具改成对结果、交易和利润负责;另一条往技术上游走,自己做模型,把产品验证过的需求和数据训练到模型里。
OiiOii 选了第一条。这家 AI 视频应用公司不再跟同行打补贴战,开始进入具体的细分行业,通过后训练小模型,解决具体场景下的问题,给客户交付视频内容和工作流。
闹闹说,目前他们已经跑通了多个垂直行业。以漫画转动画为例,这个行业里,Seeddance 2.0 出 2D 效果并不好,因为它会对真实或 3D 过拟合,让 2D 看起来过于流畅,但在日漫、日番里,这会看着很假。“我们用了一套方式训练,把 2D 表现得很像日番,他们就特别满意,愿意买单。”
因为解决了实际的问题,交付的价值也变高。闹闹对比,给客户的交付物如果靠工具做,两分钟,成本可能也就 200 块钱,但把符合需求的视频交给他们,两分钟可能卖 1 万块钱,“你想,这是多少倍?”
过去的企业服务生意,常常败在交付太重、人力成本太高。AI 解决了这个问题,只要生产工具足够好用,需要的人极少。闹闹说,她们原本要对外证明使用价值的产品,变成了内部的高效生产系统。
在垂直行业里的被验证的解决方案,之后还会积淀成给更多人的 Skills——这也是 OiiOii 接下来的产品方向。
上述论文写作工具的团队也没有再做新的消费工具,而是回到过去积累的 500 多万学生用户:承接论文发表等定制需求,也做 AI 培训,教学生用 AI 写文案、剪辑和运营内容,做 “一人公司”。
这项服务线上陪跑收费数千元,线下课程一两万元。创始人把它称为 “重交付”:客户买的是从学会工具到做出内容、赚到钱的结果。他认为,现在学生就业难,比起 “释放创造力” 这样虚的需求,多数人的刚需是用新的生产力赚到钱,而他们在自媒体和生产力工具上的积累,正好能做这件事。
吴显昆走得更深。Kuse 曾给企业做 “数字员工”Junior,但每家公司的数据、权限和流程都不同,团队要先做诊断、咨询和部署;系统做出来后,客户也未必愿意向外部供应商开放敏感数据。项目有需求,却很难像标准软件那样复制。
他后来决定探索另一种方式:与投资机构合作,先收购服务公司,再用 AI 改造流程,通过持股分享利润。这种方式比 FDE 能更深入到业务,双方的利益也更一致。吴显昆称,团队目前已经收购了一家公司。
这些路都还没有完全走通。闹闹卖交付物理论上解决了眼前的利润率和现金流,但长期还是得面对 To B 最难的一环:怎么持续拓展客户。面向学生群体的 AI 培训还没有数据证明能帮学员挣到钱,可以大规模复制。吴显昆进入了经营深处,但提效和整合最终也可能失败。
只不过,在 “模型即产品”“模型吞噬一切” 的主流叙事下,这些方式至少先活下来的可能性更高。
往上游去:自己做模型
另一部分人选择反方向,往上游去,自己做模型。Cursor、Krea、Captions、Perplexity、HeyGen、LiblibAI 都从应用进入模型层,大多沿着已验证的编程、搜索、设计、图像、视频和虚拟人场景,训练更垂直的模型。
杨博麟的团队最早做 Cuflow,把用户上传的课件变成可交互视频。他说,产品公测时有数万人注册,在海外获得 2000 多万次曝光;但超过一半用户上传的不是学习资料,而是企业培训材料、漫画、小说和商品详情页。2026 年 4 月,团队停止更新 Cuflow,转而训练以代码为核心的实时交互视频模型。
这个决定不只来自对用户的观察,也来自他做应用时积累的不安全感。Cuflow 要接入不同公司的语言、语音和视频模型;上游每次更新,工程师都要重新测试能力和成本,再决定哪些功能需要重做。杨博麟说,应用公司某种程度上成了 “模型评测博主”,谁发新模型就立刻测一遍,刚适配完一轮,上游又更新了,而且不会提前通知。
更难接受的是,有些更新会直接抹掉几个月的工程。他们早期处理长文档,要先做文字识别、切分文本,再分别把图片和文字交给模型检索;模型上下文变长后,整份材料直接输入的效果有时反而更好,旧流程不仅多余,还拖慢了速度。
他由此觉得,AI 应用看似属于自己,最重要的能力却不在自己手里,“我们永远只是一个租客。”
这种处境不是活不下去。应用公司可以绑定客户的工作流,也可以把品牌和渠道做强。但杨博麟认为,这些工作没有用到团队的长处:他们有算法工程师和模型训练人才,如果大部分时间只是在测试和切换别人的模型,这个优势就浪费了。
回到模型层,对他来说是 “胜率更高” 的选择。原来做 AI 教育的团队太多;转向基于扩散语言模型的实时交互视频后,直接竞争的团队更少。更重要的是,他认为自己有别人还没充分验证的信息:代码生成的视频成本低、速度快,可以准确编辑和审计,天然支持交互和多人协作,适合企业培训、商品展示等以传递信息为主的视频。
团队一边训练模型,一边与教育、营销、企业培训等行业的客户讨论需求。转向两三个月后,已经拿到 21 家企业客户的合作意向,计划从客户角度理解需求,再针对性训练。
杨博麟认为,他们真正的优势不是做模型本身,而是能在场景和模型间持续互相强化:先找到真正有价值、能持续产生数据的场景,再把对场景的理解通过后训练和持续反馈沉淀进模型。
只做模型的代价也很清楚。团队 25 个人,要搭建从监督微调、偏好优化到强化学习的后训练管线,还要处理奖励函数、容器化和 GPU 调度,一次配置出错就会烧掉一大笔钱。
按杨博麟的估算,后续训练需要数百张 GPU。公司正在进行新一轮融资,很大一部分就是为了训练资源。做模型也没有让商业化问题消失。21 家客户签了意向,还没多少真正付费。
不管做交付还是后训练模型,创业者们都要继续做下去,因为他们已经拿了钱,建了团队,得到了曝光;他们也相信,只要 AI 继续发展,模型大厂做不了一切。
Stripe 16 年编年史:从 7 行代码到千亿美元估值撰文:Yokiiiya
Stripe 宣布同意收购 OpenRouter 后,Stripe 在 AI 和 fintech 两个赛道都引发了很大的关注,Stripe 也是全球 fintech 领域少数估值超过千亿美元的独角兽之一。我对 Stripe 的理解其实一直比较碎片化,我使用过他们的产品,关注过一些融资和收购信息,也写过他们在支付和 AI Agent 方面的变化,却从来没有按照时间线,系统了解过这家公司的商业模式、团队组织和资本路径。
最开始,Stripe 只是几行让开发者更容易接入支付的 API,16 年后,使用 Stripe 的企业一年已经能够处理 1.9 万亿美元的支付量,最新一次的估值也达到了 1,590 亿美元。我想借着这篇文章,重新梳理 Stripe 的发展过程,理解它如何一步步扩展产品边界、重建团队,并利用资本为下一阶段争取时间。
(不过,这篇文章所能依赖的,仅限于 Stripe 、公司高管及外部机构已经公开的信息,公司内部真正发生过什么,管理层如何做出决策,又遇到过哪些没有对外披露的问题,我们并不知道。所以,这不可能是一份完整的公司历史,其中也难免存在信息缺失和视角局限。但把现有信息放回时间线上,至少能帮助我对 Stripe 如何从一家支付 API 公司成长到今天,形成一个更完整的认知。)
创办 Stripe 之前,两位创始人在做什么?
通常我们了解一家公司的时候,先看创始人的背景,Stripe 的两位创始人 Patrick Collison 和 John Collison 是一对兄弟,9196 他们的父亲 Denis 的背景是电子工程,母亲 Lily 是微生物学背景,父母都是各自家庭里的第一代大学生,父母辈有农场家庭背景。WIRED 的早期报道里提到,他们小时候家里有过 9 台电脑,还每月花约 100 欧元买德国转发的卫星宽带。家里讨论的氛围也更多是技术和科学话题,还有公开资料提到,Patrick 8 岁上过大学的电脑课程,后来去了 MIT;John 后来在 Harvard 读书。这种从很早期开始的技术输入,解释了他们为什么能很快把“能运行起来”作为产品标准。
Stripe 不是他们的第一家公司,在做 Stripe 之前,兄弟俩在 2007 年做了电商卖家工具 Shuppa(后更名为 Auctomatic)。他们先没拿到爱尔兰当地投资,后来通过 Y Combinator 获得支持;2008 年 Auctomatic 以约 500 万美元出售。他们已经不是“第一次创业者”,而是有过一次真实退出和一轮更成熟的资本叙事。
Patrick 和 John 已经不是“第一次创业者”,他们知道如何把一个想法做成可以使用的产品,也经历过寻找客户、募集资金和出售公司的过程。出售 Auctomatic 获得的资金,还让他们在开始下一家公司时,不必完全依赖一笔融资才能生存。
因此,Stripe 的起点并不是两个毫无创业经验的大学生,突然决定进入支付行业。而是两名年轻的连续创业者,在第一次创业过程中遇到支付问题,又带着此前积累的经验、资金和人脉,开始解决一个他们认为仍然没有被解决好的问题。这也构成了 Stripe 最早的起点:
技术家庭提供了早期环境,第一次创业把他们带进硅谷,而支付问题则成为第二次创业的入口。
Stripe 最早的银行合作是怎么建立的?
作为一家支付公司,最重要的基础之一其实是账户,代码可以由工程师自己写,但商户账户、资金通道和清算能力,最终都需要银行和支付机构提供。两个没有银行和支付行业经验的年轻人,是如何做起一家支付公司的?坊间也有一些说法,认为两兄弟背后可能存在没有公开披露的金融资源或关键人物。但目前没有足够可靠的公开资料可以验证这些传闻,所以本文不对此作推测,也不把它纳入讨论。
我们只沿着现有公开信息,看看 Stripe 最早的银行合作究竟是怎样建立起来的。早期的 Stripe,在这个问题上并不顺利,Patrick 后来在 Stanford 的一次课程中回忆,最开始,他们通过一个在聚会上认识的人,联系到美国中西部的一家支付公司,每当有用户注册 Stripe,Patrick 和 John 就会在这家公司的系统里,手工替用户再开一个账户,他们用这种方式操作了几十次。
从客户一侧看,Stripe 已经开始变得简单;但在 Stripe 内部,许多流程仍然需要两兄弟手工完成,这种方法可以用来验证产品,却无法支撑一家真正大规模运行的支付公司。为了建立更稳定的合作关系,他们开始接触大型银行,其中就包括 Wells Fargo,但第一次见面并不顺利。按照 Patrick 后来的说法,Wells Fargo 当时非常明确地表示,没有兴趣与他们合作。Stripe 还没有获得大型金融机构的信任,也正是在这个阶段,Billy Alvarado 加入了公司。
Billy 出生在洪都拉斯首都 Tegucigalpa,父亲 18 岁时从银行的清洁工作做起,之后进入信贷审查岗位,后来又跟随上司加入 Citibank。父亲在银行里的职业发展,最终为 Billy 到美国读书提供了条件。Billy 先在 Georgia Institute of Technology 学习工业工程,后来进入 Stanford GSB,并于 2000 年获得 MBA。加入 Stripe 之前,他曾在移动技术公司 SEVEN Networks 负责产品和工程,后来成为音乐服务 Lala 的联合创始人兼 COO。Lala 的业务需要与大型唱片公司谈版权和商业合作。这个过程同样涉及复杂的合同、利益分配和长期谈判,2009 年,Lala 被 Apple 收购,Billy 随后离开公司。
Stripe 的投资人 Geoff Ralston 是 Lala 的联合创始人之一,他知道 Billy 有处理大型机构合作的经验,也知道两兄弟在银行合作上陷入了僵局,于是建议他们把 Billy 招进来。但 Patrick 和 John 一开始并不理解,为什么一家技术公司需要招聘一个不写代码的人。当时 Stripe 的前几名员工几乎全部是工程师。Patrick 后来回忆,Billy 是 Stripe 第 5 或第 6 名员工,也是第一位不以写代码为主要工作的人,两兄弟虽然认可 Billy 的能力,却仍然不清楚一个“非工程师”具体能为公司做什么。
Ralston 最后对他们说,先把人招进来,如果几个月后证明这个决定是错的,他愿意承担 Billy 的工资。Billy 加入 Stripe 大约两个月后,公司就与此前明确拒绝他们的 Wells Fargo 建立了合作关系。
Billy 真正补上的并不只是一个联系人,而是早期团队完全缺少的机构合作能力。
工程师习惯解释产品如何运行,银行关心的却是另一套问题:商户由谁审核,欺诈损失由谁承担,资金如何结算,出现争议后谁来处理,以及一家只有几个人的创业公司能否长期履行这些责任。Billy 能够理解银行在担心什么,再把这些问题翻译成 Stripe 可以执行的流程和承诺。他也能把 Stripe 的技术产品,翻译成一家大型金融机构愿意签署的合作方案。他补上的不只是银行合作,还有公司运营。
Patrick 曾举过一个很有意思的例子,Billy 加入后问两兄弟,公司是如何发工资的,他们回答,把员工年薪除以 12,每个月直接把钱转过去,当时他们甚至没有正常处理工资代扣和税务等问题。这件小事很能说明早期 Stripe 的状态:它已经能够写出支付系统,却还没有完全学会如何经营一家真正的公司。后来,Billy 成为 Stripe 的第一位业务负责人,并担任 Chief Business Officer 约十年,负责金融机构合作和国际扩张,也参与了 Stripe Atlas 等业务的建设。
Stripe 最早的银行合作不是来自两兄弟的支付家族背景,而是沿着另一条路径建立起来的:先做出产品,通过第一次创业和 Y Combinator 进入硅谷网络,再由投资人推荐关键人才,补上银行谈判、合规和公司运营能力。这里面当然存在关系和资源,Geoff Ralston 愿意推荐 Billy,Billy 又有与大型机构谈判的经验,这些都不是代码能够替代的。但这些资源并不是两兄弟与生俱来的,而是在前一次创业、YC、投资人网络和关键招聘中逐渐积累起来的。
Stripe 的早期经历也说明,支付公司的门槛从来不只是写出一个好用的 API。代码可以让开发者愿意接入产品,但银行账户、风险承担和机构信用,才能让这些代码真正开始处理资金。
第一阶段:2010—2012,把支付的复杂性藏起来
银行合作解决了 Stripe 能不能做支付的问题。接下来,两兄弟还需要证明:开发者是否真的愿意把收款交给一家刚成立的公司。Stripe 最早解决的并不是一个新问题,而是一个长期存在、却一直没有被很好解决的问题。当时,一名开发者如果想在网站里接受信用卡付款,通常需要先申请商户账户,再寻找支付网关,填写大量材料,等待审核,最后把不同机构提供的系统拼接起来。整个过程可能持续数周,技术文档和接口也很难使用。
Patrick 和 John 自己做 Auctomatic 时遇到过这些问题,身边的创业者也在反复抱怨同样的事情。他们发现,互联网创业的成本已经越来越低,开发者可以很快写出网站、部署服务器,却仍然很难让自己的产品开始收钱。这成为 Stripe 最初的切口。2010 年,两兄弟开始编写后来成为 Stripe 的产品,Patrick 后来回忆,从第一行代码到产品正式公开发布,前后花了大约一年零十一个月,时间并不主要花在支付页面上,而是花在银行合作、风险控制以及支付系统背后的基础条件上。
Stripe 最早的产品承诺非常简单:开发者不需要分别寻找商户账户和支付网关,只要注册一个 Stripe 账户,接入几行 API,就可以在自己的产品里接受付款。当时 Stripe 最有传播力的产品演示之一,就是用几行代码完成一次信用卡收款。后来“7 行代码接入支付”也成为 Stripe 早期最有代表性的产品叙事。
这几行代码并没有让支付本身变简单,银行连接、商户审核、欺诈判断、拒付处理和资金结算仍然存在,只是开发者不再需要分别面对它们。
Stripe 没有消灭支付的复杂性,而是把复杂性从客户一侧搬到了自己内部。
2011 年 9 月,Stripe 结束测试并正式对外发布,在美国市场,它采用了非常直接的定价方式:每笔成功交易收取 2.9%加 0.30 美元,不收取开户费和月费。这套定价看起来并没有创造新的收费模式,但它减少了开发者在使用产品之前需要理解和判断的事情。客户不需要先谈一份复杂合同,也不需要在业务还没有开始之前支付固定费用,只有真正收到钱以后,Stripe 才能获得收入。
从开发者进入公司
传统的企业软件通常从管理层、销售和采购部门进入公司,Stripe 走的是另一条路径:先让开发者愿意使用。早期的 Stripe 没有成熟的销售团队,两兄弟会直接找到身边正在创业的人,帮助他们接入产品,再观察他们在哪个步骤停下来。John 后来提到,Stripe 最早的一批客户中有很多 Y Combinator 公司。一方面,这些公司本身就需要在线支付;另一方面,它们认识 Patrick 和 John,也更愿意相信 Stripe 不会在第二天突然消失。
这种信任很重要,开发者接入一个普通工具,最多承担迁移代码的成本;接入一家支付公司,却意味着把收入和资金流交给它处理。因此,Stripe 早期的增长并不完全来自 API 足够简单,也来自两兄弟此前积累的创业者网络,产品降低了技术门槛,YC 网络则降低了第一批客户的信任门槛。
商业模式:客户增长,Stripe 才增长
Stripe 最初的收入模式很简单:客户每完成一笔交易,Stripe 就从中收取手续费。这种模式的好处是,Stripe 不需要在客户刚成立时就判断它有多大。即使是一家只有几个人的创业公司,也可以先接入 Stripe。客户没有交易,Stripe 几乎没有收入;客户的交易量增加,Stripe 的收入也随之增长。
这使 Stripe 与客户之间形成了一种比较特殊的关系。它可以很早进入一家公司的技术系统,却不需要在一开始收取很高的费用。作为交换,一旦客户成长起来,Stripe 就能够继续分享它的交易增长。后来 Shopify、DoorDash 和 Instacart 等公司从创业公司成长为大型平台时,Stripe 也跟着它们一起扩大。这也是 Stripe 长期重视创业公司客户的原因:今天交易规模很小的客户,可能是未来最大的收入来源。
早期团队:所有人都在解决问题
这一时期的 Stripe 还没有清晰的部门边界,Patrick 主要负责产品和公司方向,John 同时参与产品、客户和商业事务。Greg Brockman 等早期工程师不仅要搭建支付系统,也要参与招聘、服务客户和建设内部工具。
Billy 加入之前,公司前几名成员几乎都是工程师;Billy 加入后,Stripe 才开始补上银行合作和公司运营能力。Stripe 的员工规模也扩张到约 17 人,在产品正式发布前后,团队才从最初的几个人逐渐发展到十几个人。这种规模下,写代码、回答客户问题、与银行谈合作、招人和处理日常运营,往往由同一批人完成。
早期融资购买的不只是工程师
2011 年正式发布时,Stripe 已经获得约 200 万美元的早期投资,投资人包括 Sequoia、Peter Thiel、Elon Musk 和 Andreessen Horowitz 等。这些投资人的价值不只是提供资金,对一家普通软件公司来说,融资主要可以用来开发产品和招聘员工;但对支付公司来说,资本还意味着它有时间建设银行合作、风控和合规系统,也能够向客户和金融机构证明,自己有机会长期存在。
Stripe 的产品越简单,它在内部承担的工作就越多。每增加一个客户,公司都要处理更多交易、欺诈、拒付和资金问题。这要求 Stripe 在收入规模还不大的时候,就提前投入大量基础设施。因此,早期融资实际上为 Stripe 买了三样东西:建设产品的时间、金融机构的信任,以及承担支付风险的能力。
Connect:从一家公司的付款,进入整个平台的资金流
2012 年,Stripe 推出 Connect。最初的 Stripe 解决的是一家公司如何在线收款。Connect 解决的则是另一个更复杂的问题:如果一家公司本身就是平台,平台上还有大量卖家、司机、房东或者服务提供者,资金应该如何收取、拆分和支付?Connect 让平台可以帮助自己的用户接受付款,并在平台、商家和服务提供者之间分配资金。这意味着 Stripe 服务的不再只是平台这一家公司,还开始进入平台背后成千上万个经营者的资金流。
从商业模式看,这一步非常关键。普通支付业务的增长主要来自单个客户自身的交易量;Connect 的增长则同时来自平台、平台上的商户,以及整个平台生态的扩张。如果一家平台增加一万名卖家,Stripe 就可能同时获得一万条新的支付关系。Stripe 也由此获得了第一层平台杠杆。到 2012 年底,Stripe 已经完成了三个关键步骤:用 API 获得开发者,通过银行合作让支付真正成立,再利用 Connect 进入客户背后的商业网络。
它仍然是一家规模不大的创业公司,但已经不再只是帮助网站接受信用卡。Stripe 开始从一个支付工具,变成互联网公司可以直接调用的资金基础设施。
第二阶段:2013—2016,从支付工具变成创业基础设施
完成最初的产品验证后,Stripe 面临的下一个问题是:这套模式能否离开硅谷,进入更多国家,并服务更加复杂的公司?对一家普通软件公司来说,进入新市场通常意味着翻译产品、建立销售团队和调整价格。支付公司进入一个新国家,却需要重新处理当地银行、支付方式、货币、监管、税务和风险规则。Stripe 每进入一个市场,都要在内部重新连接一套金融系统,同时让开发者看到的 API 尽量保持一致。2013 年,Stripe 正式进入英国,开始把业务从美国扩展到欧洲。此后几年,它陆续进入更多国家,并增加对不同货币和支付方式的支持。这一步改变了 Stripe 的价值。如果 Stripe 只服务美国市场,它提供的是一个更好用的支付接口;当它开始连接不同国家的银行和支付体系后,它提供的则是一种全球扩张能力。客户不需要每进入一个国家,就重新寻找当地支付机构、重新谈合作并重写一套系统。
Stripe 把这些差异吸收到自己的基础设施里,再通过相对统一的接口提供给客户。外部世界越复杂,Stripe 的价值就越高。
从收款工具进入更多业务环节
这一阶段,Stripe 开始不断扩大产品边界。最初,它只帮助企业接受付款;Connect 推出后,它开始处理平台和商户之间的资金分配。随着客户规模增加,Stripe 又逐渐进入移动支付、订阅、风控和企业全球化等环节。
2014 年 Apple Pay 发布后,Stripe 很快提供了接入支持。对开发者来说,他们不需要重新理解 Apple Pay 背后的支付流程,而是可以继续通过 Stripe 接入新的支付方式。2015 年,Stripe 与 Visa 建立战略合作关系,Visa 同时成为 Stripe 的投资者。早期曾经需要努力获得银行信任的 Stripe,开始与全球最大的卡组织之一共同推动产品和市场扩张。
这不仅是一项商业合作,也说明 Stripe 在支付体系里的位置发生了变化。它不再只是连接银行和卡组织的创业公司,而开始成为传统金融网络进入互联网软件的一层接口。2016 年,Stripe 又推出了两个对后续发展非常重要的产品:Atlas 和 Radar。
Atlas:在企业开始收钱之前进入
Stripe Atlas 帮助全球创业者注册美国公司、申请税号、开设银行账户,并完成创业初期需要处理的一系列基础工作。从短期收入看,Atlas 并不是 Stripe 最重要的产品。但它改变了 Stripe 接触客户的时间点。过去,一家公司成立并准备开始收款之后,才会寻找支付工具;有了 Atlas,Stripe 可以在公司刚刚成立时就进入。创业者通过 Stripe 注册公司,接下来还可能需要银行账户、支付、订阅、税务、平台分账和资金管理。Stripe 不再等待一家企业成为客户,而是试图参与企业诞生的过程。
这种策略的回报不会立刻出现,大部分新成立的公司可能永远无法成长,能够带给 Stripe 的收入也很有限。但只要其中少数公司发展起来,Stripe 就可能从它们的第一笔交易开始,持续服务很多年。这延续了 Stripe 早期服务创业公司的逻辑:先以较低成本进入,再与客户共同增长。
Radar:把交易数据变成新的产品
Radar 是 Stripe 推出的反欺诈产品,支付欺诈并不是新问题,但 Stripe 的优势在于,它可以同时观察大量企业和市场中的交易。当更多公司使用 Stripe 时,它就能看到更多正常付款、盗刷、拒付和欺诈模式;积累的数据越多,模型就越有可能识别新的风险。识别能力提高后,Stripe 又可以把结果用于全部客户,减少欺诈损失,同时避免把正常交易错误拦截。这形成了一种数据循环:
更多客户带来更多交易,更多交易改善风险判断,更好的风险判断又让 Stripe 对新客户更有价值。
支付业务原本按照交易收费,Radar 则让 Stripe 开始把交易中积累的数据和风险能力单独做成产品。到了这个阶段,Stripe 的商业模式已经出现了三个层次:
第一层是支付:帮助企业完成收款,并从交易中获得收入;
第二层是平台:通过 Connect 进入平台及其商户的资金流;
第三层是软件和数据:把风控、公司设立等能力变成可以重复提供的产品。
Stripe 仍然以支付为入口,但已经开始围绕一家互联网公司从成立到增长所需要的金融能力,搭建更大的产品体系。
组织开始跟不上产品增长
产品和市场扩大之后,早期几个人同时处理所有问题的方式开始失效。2014 年,Claire Hughes Johnson 加入 Stripe 担任 COO。当时 Stripe 大约有 160 名员工。Claire 此前在 Google 工作了十年,负责过在线销售、运营和自助广告业务。她加入 Stripe 后,逐渐管理业务运营、销售、市场、客户支持、风险、招聘、人力资源和办公空间等职能。Stripe 引入 Claire,并不是让两位创始人退出管理,而是为公司补上一套可以重复运行的组织系统。
Patrick 和 John 仍然负责使命、产品和长期方向,Claire 则开始把许多依靠创始人个人推动的事情,变成招聘流程、年度计划、销售机制、客户支持和管理制度。这也是 Stripe 组织发展的第二个重要节点。Billy Alvarado 解决的是早期银行合作和商业运营问题;Claire 需要解决的,则是几百人乃至几千人的公司如何继续运行。2015 年,Will Gaybrick 以 CFO 身份加入 Stripe。Will 此前在 Thrive Capital 工作,并参与过对 Stripe 的投资。他有数学、软件工程、法律和投资背景,并不是一名传统意义上只负责财务报表的 CFO。他的加入说明,Stripe 面临的问题已经不只是获得更多资金,而是如何在不断增加的产品、国家和业务机会之间分配资本。
Stripe 每进入一个市场、开发一种产品,都需要提前投入工程、合规、法务和运营资源。哪些项目值得长期建设,哪些产品应该暂缓,已经开始成为产品判断和资本配置共同决定的问题。Will 后来从 CFO 转向产品和业务负责人,也可以从这一阶段找到原因:在 Stripe,财务、产品和基础设施投资从一开始就很难完全分开。
估值上升,资本开始为全球扩张买时间
2014 年,Stripe 完成约 8,000 万美元融资,估值达到约 17.5 亿美元,正式进入独角兽行列。同年晚些时候,它又完成约 7,000 万美元融资,估值升至约 35 亿美元。2015 年,在与 Visa 建立战略合作的同时,Stripe 的估值达到约 50 亿美元。2016 年,公司再获得约 1.5 亿美元融资,投后估值约 92 亿美元。
三年时间里,Stripe 的估值从17.5 亿美元增加到接近百亿美元。但资本市场购买的并不只是当时的支付收入。投资人实际上在押注三件事:第一,互联网交易规模会继续增长;第二,越来越多企业会把支付和金融能力交给软件平台;第三,Stripe 可以把不同国家和金融机构的复杂性,封装成一套开发者能够调用的基础设施。这些融资也给了 Stripe 提前建设的能力,很多国家和产品在早期不会立刻产生足够收入,却需要公司先投入银行合作、牌照、合规、工程和本地团队。Stripe 用资本承担前期成本,再等待客户和交易规模逐渐增长。
这一阶段的人效,不适合只看收入
Stripe 没有公开足够完整的数据,让外界准确计算这一时期的收入、利润和人均产出。但从产品结构看,它已经开始形成另一种人效:同一套基础设施可以被大量客户重复使用。一套 Connect 系统可以服务多个平台及其成千上万个商户;一套 Radar 模型可以从不同客户的交易中学习,再为所有客户提供风险判断;一项新的银行或支付方式接入,也可以同时服务进入这个市场的所有 Stripe 客户。
这是一种基础设施的复用效率。但它也有另一面。每进入一个国家、增加一种支付方式、服务一种新的商业模式,Stripe 内部都会增加合规、法务、运营和支持成本。Stripe 对外提供的体验越简单,内部需要管理的复杂性往往越高。到 2016 年底,Stripe 已经不再只是一家提供支付 API 的公司。它开始覆盖企业设立、收款、平台分账、风险控制和全球扩张,并逐渐形成一个围绕互联网企业资金流展开的产品体系。
下一阶段的问题也随之出现:当产品越来越多、团队接近千人之后,Stripe 还能不能保持早期那种由工程师和创始人直接推动产品的速度?
第三阶段:2017—2019,从支付产品变成产品矩阵
到 2017 年,Stripe 面临的问题已经不再是“开发者愿不愿意使用”,而是客户长大之后,它能不能继续满足这些公司的需求。早期创业公司只需要解决收款问题,随着业务规模扩大,它们会开始面对订阅管理、发票、税务、财务报表、线下支付、跨境付款和资金周转等问题。如果 Stripe 只提供支付,客户成长到一定阶段后,就需要寻找其他服务商,甚至重新建设自己的金融系统。Stripe 因此开始围绕客户的资金流,进入更多相邻环节。
Billing:从一次交易进入持续收入
2018 年,Stripe 推出新版 Billing,将原来的订阅功能扩展成更完整的经常性收入管理产品。一次性支付相对直接:客户购买商品,企业完成扣款。但订阅业务需要处理的问题更多,包括不同套餐、试用期、优惠券、按量计费、续费失败、升级降级和收入确认。其中很多问题并不是“能不能扣款”,而是“企业如何长期管理收入”。
Billing 把 Stripe 与客户的关系从一次交易延伸到整个订阅周期,企业不只是在发生付款时使用 Stripe,还会把产品定价、客户状态和收入规则放进 Stripe 的系统。这也改变了 Stripe 的收费逻辑,支付收入取决于交易是否发生;Billing 等软件产品则可以围绕订阅规模、账单数量和功能使用收费。Stripe 开始从单纯的交易抽成,逐渐增加软件服务收入。
Terminal:从线上进入线下
同一年,Stripe 推出 Terminal,将业务从线上支付扩展到线下。传统支付行业通常把线上和线下看成两套系统,企业在线上使用一个支付服务商,在门店使用另一套收银和硬件系统,最后还需要自己整合订单、客户和财务数据。Terminal 试图把这两部分连接起来,企业可以使用 Stripe 提供的读卡设备和软件接口处理线下付款,再把线上与线下交易放进同一套系统中管理。
这一步对 Stripe 很重要。它最初的优势来自互联网原生企业,但随着这些客户开设门店、进入现实世界,Stripe 也需要跟着它们走到线下。Stripe 不是先去争夺传统商户,再要求它们更换整套系统,而是继续沿着现有客户的增长路径扩张产品。
Issuing、Capital 和 Sigma:进入资金管理
Stripe 在这一时期还陆续推出或扩大了 Sigma、Issuing 和 Capital 等产品。Sigma 帮助企业直接查询和分析 Stripe 中的交易数据;Issuing 让平台和企业发行实体卡或虚拟卡;Capital 则根据企业在 Stripe 上的经营和交易数据,为符合条件的客户提供融资。这些产品看起来分别属于数据、发卡和贷款,但底层逻辑相似:Stripe 已经掌握客户的支付和经营数据,因此可以继续提供围绕资金管理的服务。
以 Capital 为例,传统贷款机构需要企业提交财务材料,再判断它是否有还款能力。Stripe 已经能够看到部分客户的收入规模、交易变化、退款和经营稳定性,可以利用这些数据完成风险判断,并通过未来交易收入回收资金。支付由此成为进入更多金融服务的入口。Stripe 不需要一开始就向客户销售贷款或发卡产品。它先帮助企业处理交易,在积累足够的数据和信任后,再提供更多服务。
到了 2019 年,Stripe 的产品已经可以大致分成几个层次:
Payments 和 Terminal 负责接受付款;
Connect 负责平台内的账户、收款和资金分配;
Billing 负责订阅和经常性收入;
Radar 负责欺诈和风险;
Sigma 负责数据分析;
Issuing 和 Capital 开始进入发卡与融资。
Stripe 已经不再是一个单一支付产品,而是一组围绕企业资金流展开的金融工具。
商业模式:同一客户购买更多产品
产品矩阵形成后,Stripe 的增长方式也发生了变化。早期增长主要来自两个来源:更多客户接入,以及现有客户产生更多交易。现在又增加了第三个来源:同一个客户使用更多 Stripe 产品。一家创业公司最初可能只使用 Payments,随着业务发展,它可能使用 Billing 管理订阅,通过 Radar 控制欺诈,使用 Connect 管理平台商户,再通过 Issuing 发卡或者使用 Capital 获得融资。
每增加一个产品,Stripe 与客户之间的关系都会更深,客户迁移到其他服务商的难度也会提高。这并不完全是传统意义上的产品捆绑,Stripe 的优势在于,这些产品共享相同的账户、交易数据、身份信息和资金系统。客户不需要为每一种金融能力重新搭建一套基础设施。从客户角度看,它购买的是不同产品;从 Stripe 内部看,这些产品建立在同一套金融数据和资金网络上。
这也是 Stripe 从支付公司转向金融基础设施平台的关键一步。
客户结构开始变化
随着产品增多,Stripe 服务的客户也从早期创业公司扩展到更成熟的平台和大型企业。创业公司的决策通常很快,开发者试用产品,确认能够运行,就可能直接接入。大型企业的采购过程则完全不同,它们会关注系统稳定性、数据安全、全球覆盖、成本、合规和服务能力,还需要经过财务、法务、风控和采购等多个部门。Stripe 早期依靠开发者口碑形成的自助增长模式,已经不足以完成所有大型客户的销售。这意味着 Stripe 不仅要继续服务工程师,还要学会与企业管理层、财务部门和采购团队沟通。它需要销售团队、解决方案工程师、客户成功和更成熟的支持体系。产品正在从开发者工具变成企业基础设施,组织也必须跟着改变。
David Singleton:工程组织需要新的管理方式
2017 年底,Stripe 已经接近 1,000 名员工,并从 Google 聘请 David Singleton 领导工程团队。David 此前负责 Android Wear,并参与管理大型工程组织。他加入 Stripe 时,公司已经拥有多个产品,工程团队也不再是所有人都能了解全部代码和客户问题的小团队。
早期 Stripe 可以依靠少数能力很强的工程师快速做出决定,团队接近千人后,同样的方式会开始产生问题。不同产品可能重复建设相似的账户、权限和资金能力;一个底层系统的变化可能同时影响 Payments、Connect 和 Billing;工程师需要在产品速度、系统稳定性和金融风险之间做出平衡。David 需要解决的,不只是如何招聘更多工程师,而是如何把 Stripe 的工程文化转化成可以在更大组织中运行的机制。这也是 Stripe 组织史上的又一次能力补充:
Billy 补上银行和机构合作;
Claire 建立运营和管理系统;
Will 把资本配置与产品选择连接起来;
David 开始管理接近千人规模的工程组织。
创始人依然掌握公司方向,但越来越多专业负责人开始承担过去由创始人和早期员工直接处理的工作。
产品越多,协调成本越高
产品矩阵提高了单个客户的价值,也带来了新的组织问题。当 Stripe 只有支付产品时,公司可以围绕一个共同目标工作:让在线付款更容易。随着 Billing、Terminal、Issuing、Capital 和 Sigma 出现,不同团队开始拥有各自的客户、指标和产品路线。这些产品又不能完全独立。Billing 需要调用 Payments 完成扣款;Connect 需要依赖账户和合规系统;Capital 需要使用交易数据判断风险;Radar 的判断又可能影响所有支付产品。
Stripe 不能简单地把每个产品拆成完全独立的公司,也不能让所有决定都回到创始人手里。它需要在两件事之间保持平衡:一方面让产品团队拥有足够自主权,另一方面保证底层资金、风险和数据系统仍然统一。产品复用带来了更高的人效,产品之间的依赖则增加了协调成本。这两股力量在 Stripe 内部同时增长。
资本市场开始按照平台估值
2018 年,Stripe 完成约2.45 亿美元融资,公司估值达到约 200 亿美元。2019 年初,Stripe 的估值进一步上升到约 225 亿美元。同年 9 月,公司又完成约2.5 亿美元融资,估值达到约 350 亿美元。两年时间里,Stripe 的估值接近翻倍。如果 Stripe 仍然只是一家在线支付处理公司,这样的估值很难仅用当时的收入解释。资本市场购买的,是它逐渐形成的产品矩阵以及在互联网企业资金流中的位置。
Payments 带来交易和客户,Connect 扩大账户网络,Billing 和 Radar 增加软件收入,Issuing 与 Capital 则让 Stripe 进入更多金融服务。每一项产品既可能独立收费,又可以提高其他产品的使用价值。Stripe 开始拥有平台型公司的特征。但这条路线也意味着更高的成本,公司需要同时建设更多产品、进入更多国家,并招聘销售、风控、法务、合规和工程人员,融资仍然在为未来增长提前买单。
到 2019 年底,Stripe 已经从一家以开发者体验著称的支付公司,扩展为多产品金融基础设施平台。接下来发生的口罩,让互联网交易在很短时间内大幅增长,也把 Stripe 原本需要几年完成的扩张压缩到了两三年。客户、交易和员工数量一起快速增加,最终让公司进入成立以来最剧烈的一次组织扩张与纠偏。
第四阶段:2020—2023,😷超速、组织过冲与主动纠偏
2020 年,😷把大量商业活动突然推向线上,原本需要几年完成的数字化进程,被压缩到了几个月。餐厅开始接受线上订单,零售商搭建电商网站,线下服务转向订阅和远程交付,越来越多企业需要在互联网上完成支付。对于 Stripe 来说,这既是一次巨大的市场机会,也是一次超出原有计划的压力测试。客户数量和交易量快速增加,原有客户也在短时间内获得了更多线上收入。Stripe 不仅要处理更大的支付规模,还要帮助企业进入新的国家、增加支付方式,并解决订阅、税务、风控和资金管理问题。
Stripe 判断,这种变化并不只是疫情期间的临时现象,而是互联网经济进入了一个新的增长阶段,公司因此开始加速扩张。
员工从 2,800 人增加到接近 8,000 人
2020 年 8 月,Stripe 在官方公告中披露,公司当时拥有约 2,800 名员工,分布在 16 个办公室。此后两年,Stripe 大量招聘工程、产品、销售、支持、风控、合规和运营人员。到 2022 年,员工数量一度接近 8,000 人,约为 2020 年的近三倍。员工快速增加,与 Stripe 同期扩大的产品范围有关。2020 年前后,Stripe 推出或扩展了 Treasury、Climate 等产品;2021 年又密集推出 Tax、Identity、Payment Links 和 Revenue Recognition,并完成多笔收购;2022 年继续增加 Apps、Data Pipeline 和 Financial Connections。
Stripe 不再只是在支付业务上增加功能,而是在同时建设一套更完整的互联网商业基础设施。每增加一个产品,都需要工程、产品、合规、销售和支持团队;每进入一个国家,又需要处理当地银行、牌照、税务和支付方式。😷期间快速上升的交易量,让这些投入看起来是合理的。如果互联网经济继续按照当时的速度增长,Stripe 就需要提前招人,为未来几年的客户和产品需求做好准备,问题是,增长并没有一直延续,这是很多创业公司遇到的通病。
产品扩张速度开始超过组织消化能力
人员增加并不一定立刻提高产出。早期团队规模较小时,一名工程师可以了解大量产品和底层系统,许多决定可以通过直接沟通完成。当公司接近 8,000 人、同时经营几十项产品之后,同样的管理方式会产生越来越高的协调成本。一个新产品可能需要依赖账户、支付、风控、数据、身份和合规等多个底层系统。项目参与者越来越多,审批路径越来越长,团队之间的职责边界也开始变得模糊。
公司看起来拥有更多资源,但每增加一个团队,也可能增加新的会议、汇报和依赖关系。这正是基础设施公司的一个悖论:外部产品越统一,内部组织越容易变得复杂。客户希望通过一套 Stripe 账户使用支付、订阅、税务和资金管理,但 Stripe 内部需要让多个团队共享相同的数据、风险和资金系统。任何底层改动,都可能同时影响多个产品和国家。
当员工数量快速增加时,新员工还需要被培训、理解系统和建立合作关系。招聘速度如果超过组织吸收新人的能力,人数增长反而可能降低整体效率。
2022 年,增长假设发生变化
2022 年,全球经济环境开始转变,😷期间迅速增长的线上消费逐渐回落,通货膨胀和利率上升影响企业融资与支出,科技行业的增长预期也开始下降。Stripe 此前按照互联网经济会继续高速扩张的判断,提前增加了大量人员和成本。当外部增长放缓之后,公司原有的组织规模就显得过重。2022 年 11 月,Patrick 和 John 向员工宣布裁员约 14%,在公开信中,两兄弟承认,他们对 2022 年和 2023 年互联网经济的增长过于乐观,也低估了经济放缓的可能性和影响。公司运营成本增长得太快,组织也变得没有以前高效。
裁员后,Stripe 的员工数量回到当年 2 月接近 7,000 人的水平,这封信值得注意的地方,是两位创始人没有把问题完全归因于宏观经济。他们明确承认,公司做出了错误判断,并且对这个结果负有责任。对于一家创始人仍然掌权的公司来说,这也是创始人控制的另一面:创始人可以坚持长期投资,也必须承担扩张过快带来的组织后果。
裁员不是简单地把人数减回去
如果只看员工数量,Stripe 似乎只是把😷期间多招的人裁掉一部分,但组织很难通过一次裁员回到原来的状态。两年间,公司已经增加了大量产品和管理层级,即使人数减少,产品之间的依赖、跨团队协调和全球运营复杂度仍然存在。
Stripe 接下来需要解决的,不只是“少花多少钱”,而是重新判断哪些产品值得继续投入,哪些团队应该合并,哪些决策可以由更小的团队完成。公司开始重新强调几件事:控制成本、减少协调、提高执行速度,并让团队更加接近客户和实际结果。从这个角度看,2022 年的裁员不是一个单独事件,而是 Stripe 组织设计的一次主动纠偏。早期 Stripe 的效率来自人数少、目标单一;疫情后的 Stripe 必须寻找另一种效率:在产品和国家数量都无法退回原点的情况下,让一个复杂组织重新恢复行动速度。
管理层也在重新分工
Stripe 的管理层结构在这一阶段发生了变化,Claire Hughes Johnson 于 2021 年卸任 COO 的日常管理职务,转为 Corporate Officer 和顾问。在她任职期间,Stripe 从不到 200 人发展到数千人,并建立了销售、运营、支持、风险和人力资源等主要职能。
Claire 离开日常运营后,她原来承担的职责没有再集中交给一位新的 COO,而是逐渐拆分给不同的专业负责人。2020 年,Stripe 从通用汽车聘请 Dhivya Suryadevara 担任 CFO;同年又聘请前 AWS 全球商业销售负责人 Mike Clayville,建设面向大型企业的全球销售体系。
这说明 Stripe 的组织已经进入另一个阶段。公司不再需要一位 COO 从头搭建所有职能,而是需要财务、工程、销售、风险和国际业务负责人,分别管理已经具有相当规模的专业组织。创始人仍然位于中心,但围绕创始人的管理结构变得更加专业化,也更加分散。
融资从增长资本变成员工流动性
😷期间,Stripe 的估值也经历了快速上升和明显回调。2020 年,Stripe 完成约 6 亿美元融资,估值约 360 亿美元。2021 年,公司再次融资约 6 亿美元,估值达到 950 亿美元,一度成为全球估值最高的未上市公司之一。
当时资本市场对互联网公司的估值普遍较高。Stripe 的交易增长、产品矩阵和全球扩张,使投资人相信它可能成为互联网经济的核心基础设施。但到了 2023 年,Stripe 新一轮融资对应的估值下降到 500 亿美元,接近 2021 年的一半。表面上看,这是一次明显的估值下跌,但这轮融资的性质与早期融资已经不同。Stripe 表示,公司并不需要通过这笔资金维持日常经营,约 65 亿美元融资主要用于为员工提供股份流动性,并处理与员工股权相关的税务义务。
早期融资主要是让 Stripe 招人、开发产品和进入新市场;到了这一阶段,资本开始承担另一项功能:让持有多年股份的现任和离职员工获得退出机会。由于 Stripe 长期没有上市,员工手中的股份缺少公开交易市场。如果公司不能提供流动性,股权激励的实际价值会下降,也会影响招聘和员工留任。因此,2023 年的融资不能简单理解成“Stripe 缺钱了”,它更像是 Stripe 在继续保持私有状态的同时,用融资安排解决一部分原本需要通过上市解决的问题。
怎么看这一阶段的人效?
2022 年,Stripe 处理的支付量约为 8,170 亿美元,如果按照裁员后接近 7,000 名员工粗略计算,相当于每名员工一年支撑约1.17 亿美元的支付量。这个数字不能代表 Stripe 的人均收入或利润,支付量中的绝大部分属于商户,Stripe 只从中获得一部分费用,但它可以作为一个基础设施规模指标,观察每名员工背后支撑了多少资金流。
真正的问题是,2020 年至 2022 年期间,员工数量增长的速度一度快于支付规模和组织效率的提升。Stripe 在裁员信中承认,协调成本和运营低效已经开始进入公司。说明在接近 8,000 人的高点,增加员工不再自动带来同等比例的产出。2023 年以后,Stripe 没有重新回到疫情时期的招聘速度,但支付规模继续增长。员工人数相对稳定,交易量和产品使用量却继续提高,人效才开始重新出现杠杆。
这一阶段给 Stripe 留下的教训并不是“大公司不应该招人”,而是:基础设施可以复用,组织复杂度却不会自动复用。系统多处理一笔交易的边际成本可能很低,但组织每增加一个团队,都会带来新的沟通、管理和决策成本。到 2023 年底,Stripe 已经完成了一次从高速扩张到组织纠偏的转向,它没有放弃多产品和全球化路线,而是开始尝试用更克制的人员增长,支撑更大的交易规模。
这也为下一阶段埋下了伏笔:当内部增长受到约束之后,Stripe 开始更多通过收购获得已经成熟的团队和基础设施,把产品边界进一步扩展到稳定币、钱包、用量计费和 AI 模型路由。
第五阶段:2024—2026,从支付基础设施走向“可编程资金系统”
经历 2022 年的裁员和组织纠偏后,Stripe 没有停止扩展产品边界,不同的是,Stripe 不再主要依靠大规模招聘,从内部一点点建设所有新能力。它开始更频繁地通过收购,把已经成熟的团队、产品和基础设施直接并入自己的系统。
从 2024 年到 2026 年,Stripe 先后收购或宣布收购 Bridge、Privy、Metronome 和 OpenRouter。这几家公司看起来分别属于稳定币、钱包、用量计费和 AI 模型路由,但放在一起看,它们并不是互不相关的投资。它们共同指向一条新的产品路线:Stripe 想管理的不只是一次支付,而是企业如何获得账户、持有资金、计算使用量、设定价格,并在传统货币、稳定币和 AI token 之间完成价值交换。
交易量继续增长,但人数没有回到😷时期的速度
2024 年,Stripe 上的企业处理了约 1.4 万亿美元支付量,比 2023 年增长约 38%。2025 年,这一数字进一步增加到 1.9 万亿美元,同比增长 34%,相当于全球 GDP 的约 1.6%。
与此同时,Stripe 官方招聘页面给出的员工规模仍然是 8,000 多人,与 2022 年裁员后的接近 7,000 人相比,人数重新开始增长,但增长速度明显低于支付量。如果暂时按照 8,000 名员工粗略计算,2025 年每名员工支撑的支付量约为2.38 亿美元。由于实际员工人数高于 8,000 人,真实数字会略低一些。作为对比,2022 年按照接近 7,000 名员工计算,每名员工支撑的支付量约为1.17 亿美元,也就是说,在人数没有成倍增加的情况下,Stripe 每名员工背后支撑的交易规模,在三年左右接近翻倍。裁员后的 Stripe 重新获得了基础设施规模杠杆:交易量增长得比员工数量更快。
从自己建设,转向收购专业基础设施
早期 Stripe 倾向于自己开发产品,Payments、Connect、Billing、Radar、Atlas 和 Terminal,基本都是在公司内部逐步建设起来的。但当 Stripe 进入稳定币和 AI 基础设施后,完全从头建设所有能力的成本变得越来越高。稳定币需要区块链、托管、合规和跨境结算能力;钱包需要管理身份、密钥和授权;用量计费需要实时处理海量事件;模型路由则需要连接不同 AI 模型,并持续比较价格、速度和质量。
这些领域各自都可能形成一家独立公司,Stripe 如果从零开始建设,不仅需要重新组建团队,还要等待产品、客户和行业经验逐渐成熟。收购则可以把这段时间压缩掉。因此,Stripe 近几年的收购路线,不只是购买收入,也是在购买进入下一阶段所需要的时间。
Bridge:把稳定币变成资金通道
2024 年 10 月,Stripe 宣布收购稳定币基础设施公司 Bridge,公开交易金额约为 11 亿美元。交易于 2025 年 2 月完成。Bridge 帮助企业在传统银行系统与稳定币之间转移资金,也提供稳定币发行、储存和跨境支付能力。
对普通企业来说,稳定币真正困难的地方并不是在区块链上发送一笔 token,而是如何完成前后的连接:客户如何把法币换成稳定币,稳定币由谁托管,如何满足合规要求,最后又如何换回当地货币。Bridge 处理的正是这些环节,收购完成后,Stripe 可以把稳定币能力放进自己已有的支付、账户和资金管理产品中。客户不需要理解底层使用哪条链、哪种稳定币或哪家托管机构,只需要选择用什么货币收款、持有和付款。
这与 Stripe 最早处理信用卡支付的逻辑非常相似,当年,Stripe 把商户账户、支付网关和银行连接隐藏在 API 后面;现在,它开始尝试把区块链、稳定币和跨境结算隐藏在同一套基础设施后面。
Privy:账户之外,还需要身份和钱包
2025 年,Stripe 宣布收购加密钱包基础设施公司 Privy,Privy 帮助应用为用户创建和管理钱包。用户可以使用邮箱、社交账户等方式登录,而不需要一开始就理解助记词、私钥和链上操作。如果 Bridge 解决的是资金如何在法币和稳定币之间移动,Privy 解决的则是:这些资金属于谁,由谁授权,又放在哪里,这对 Stripe 很重要。
传统互联网支付围绕银行卡和银行账户建立身份关系;在稳定币和 AI Agent 场景中,钱包可能成为新的账户载体,企业、个人和软件 Agent 都可能通过钱包持有资金并完成交易。
Stripe 如果只提供稳定币通道,却没有钱包和授权能力,就仍然缺少资金系统中的一个关键入口。Bridge 加上 Privy,使 Stripe 开始同时具备资金通道和账户载体,它不再只是在现有银行账户之间移动资金,也开始参与新的数字账户体系。
Metronome:AI 产品需要新的计费方式
2026 年 1 月,Stripe 完成对用量计费公司 Metronome 的收购,传统软件通常按月或按年收费。AI 产品的成本却更像云计算:每次模型调用都会消耗 token、GPU 和其他计算资源,不同模型和任务的成本也会变化。如果一家 AI 公司仍然只收取固定订阅费,就可能出现两个问题,使用较少的客户补贴使用较多的客户;模型成本发生变化时,产品价格又无法及时调整。企业因此需要按照 token、调用次数、处理时间或者实际结果进行计费。
Metronome 的核心能力,是记录这些复杂的产品使用数据,再将其转化成可以结算的账单。Stripe 原本已经拥有 Billing,但收购 Metronome 后,它获得了更成熟的实时用量计费能力,这样一来,Stripe 不只负责最后收钱,也开始参与“这笔钱应该如何计算”。这让 Stripe 在 AI 经济里的位置向前移动了一步:从完成付款,进入定义用量、计算价格和生成账单。
OpenRouter:从计算价格进入分配算力
2026 年 8 月 19 日,Stripe 宣布已同意收购 AI 模型路由平台 OpenRoute,这可能成为 Stripe 成立以来规模最大的一笔收购。OpenRouter 为开发者提供一个统一接口,让他们可以使用来自 80 多家提供商的 400 多个 AI 模型,企业不需要分别接入不同模型,而是可以根据任务、价格、速度和稳定性,选择或自动路由到更合适的模型。
OpenRouter 与 Stripe 的产品逻辑有很强的相似性,Stripe 把不同国家、银行、卡组织和支付方式连接到一个相对统一的接口;OpenRouter 则把不同模型公司和推理服务连接到一个统一接口。
一个路由资金,一个路由算力。
更重要的是,OpenRouter 处理的不是一个纯技术问题,模型选择会直接影响 AI 产品的成本和利润。不同模型的价格频繁变化,同一个任务也可能在质量、速度和成本之间产生不同取舍。收购 Metronome 之后,Stripe 可以帮助企业记录使用量并生成账单;如果 OpenRouter 交易完成,Stripe 还可以进一步参与模型选择和 token 消耗。
两笔收购连起来,形成了一条更完整的链路:选择模型 → 消耗 token → 记录用量 → 计算价格 → 向客户收费 → 完成资金结算。Patrick 在收购公告中把 token 称为 AI 企业的“核心货币”,这里的“货币”并不是说 token 等同于美元,而是说,对于 AI 公司而言,token 已经成为一种需要被计量、分配和优化的核心生产资源。
Stripe 想做的,也不只是帮助企业购买 token,它希望同时管理 AI 企业的收入端与成本端:一边帮助企业定价和收款,一边帮助它们选择模型并控制计算成本。
四笔收购,拼出两条管道
把 Bridge、Privy、Metronome 和 OpenRouter 放在一起,可以看到 Stripe 正在建设两条相互连接的管道。
第一条是资金管道:账户或钱包 → 收款 → 持有资金 → 跨境转移 → 付款与结算。Bridge 和 Privy 补充了稳定币、钱包与身份能力,Stripe 原有的 Payments、Connect、Treasury 和 Issuing 则负责传统支付、账户、分账和发卡。
第二条是智能管道:选择模型 → 调用模型 → 计量 token → 计算成本 → 生成账单。OpenRouter 负责模型接入和路由,Metronome 与 Stripe Billing 负责使用量和计费,Stripe Payments 最后负责完成付款。
过去,Stripe 的主要产品边界是钱如何移动;现在,它开始同时处理智能如何被调用、计量和定价。
Token 不是美元,但正在成为新的计价单位
Stripe 和 OpenRouter 在收购公告中反复使用了一个说法:token 正在成为 AI 企业的“核心货币”。
模型 token 并不是法律意义上的货币,也不能像美元一样直接完成支付,它本质上仍然是衡量模型输入和输出使用量的一种计算单位。但对于 AI 公司来说,token 已经具备了类似经营计价单位的作用,一家 AI 产品每服务一名客户,背后都可能消耗不同数量的 token,使用哪个模型、完成什么任务、响应多长、推理多少次,都会影响成本。
因此,AI 企业需要同时回答几个问题:
这次任务消耗了多少 token?
这些 token 对应多少模型成本?
应该向客户收取固定订阅费,还是按照实际使用量收费?
不同模型的价格发生变化后,产品应该怎样调整路由和定价?
客户付款后,资金如何在平台、模型提供商和其他服务商之间结算?
OpenRouter 负责模型选择和 token 路由,Metronome 负责记录使用量,Stripe Billing 负责生成账单,Payments 和稳定币基础设施则负责最后的资金结算。从这个角度看,Stripe 收购 OpenRouter 并不是把模型 token 当成一种新的美元,而是开始管理一种新的经济活动单位。
过去,Stripe 主要处理的是货币交易:一件商品卖多少钱,客户如何付款,商户如何收到资金。现在,Stripe 开始进一步处理交易发生之前的计算过程:一次 AI 服务消耗了多少资源,这些资源应该如何定价,又应该由谁承担成本。与此同时,稳定币解决的是另一类问题,模型 token 是计算和使用量单位;稳定币则是真正用于付款和结算的数字货币。两者不能混为一谈,但可能会在 AI Agent 场景中连接起来。
未来,一个软件 Agent 可能自动选择模型、调用服务、消耗 token,再根据预先设定的权限使用稳定币或者传统支付方式完成付款。整条链路可能变成:Agent 发起任务 → OpenRouter 选择模型 → 模型产生 token 消耗 → Metronome 记录用量 → Stripe 计算账单 → 使用银行卡、银行账户或稳定币结算。这才是 Stripe 同时布局 AI token 和稳定币的原因。它并不是简单押注两种热门技术,而是在判断:未来越来越多的经济活动会由软件自动发起,计算资源会被实时计量,付款也会从一次人工确认,变成由权限和规则控制的持续过程。Stripe 想把这套过程连接起来。
过去,它让一家互联网公司不用自己处理银行、卡组织和支付网关;未来,它希望让一家 AI 公司不用自己处理模型路由、token 计量、动态定价和全球结算。如果这条路线成立,Stripe 的产品边界将再次发生变化:它管理的不再只是钱如何移动,还包括一次智能服务如何被生产、计量、定价和付款。
组织:从建设职能,变成整合专业团队
收购带来的不只是产品,也包括已经合作多年的专业团队。Bridge 的团队理解稳定币、合规和跨境资金流;Privy 的团队理解钱包、身份和授权;Metronome 的团队理解复杂用量计费;OpenRouter 的团队则长期处理模型接入、价格变化和路由选择。
这些能力很难通过短期招聘迅速复制,但收购也带来新的组织问题:这些团队应该保持多大独立性,底层系统如何与 Stripe 连接,原有产品和新产品之间由谁负责,以及如何避免大公司流程拖慢被收购团队。Stripe 需要在整合与独立之间找到平衡,如果整合不足,收购来的产品只是几座彼此分离的孤岛;如果整合过度,又可能破坏团队原来的速度和产品判断。
这使 Stripe 当前的组织能力,与早期已经很不相同。早期团队的核心任务是自己把产品做出来;现在,管理层还需要判断应该自己建设什么、收购什么,以及如何把外部团队变成同一套基础设施的一部分。
AI 也在重写 Stripe 自己的组织
Stripe 对 AI 的判断,并不只体现在收购 OpenRouter 和 Metronome,AI 也开始改变 Stripe 自己开发产品和组织团队的方式。
2026 年 8 月,Will Gaybrick 在与 a16z 合伙人 David George 的访谈中,介绍了 Stripe 内部使用 AI 的一些情况。Stripe 内部开发了一套名为 Minions 的编程工具,工程师向它描述需要完成的任务后,Minions 可以独立编写代码、运行测试并提交 pull request,再由工程师进行检查。
根据 Gaybrick 在访谈中披露的数据,Minions 每周生成的 pull request 数量已经从年初约 1,200 个增加到约 7,000 个。在最近的一周里,AI 生成的代码变更约占 Stripe 全部 pull request 的 30%。Stripe 还开发了内部知识工具 Kai,用来帮助员工查询公司内部的产品、政策和运营信息。Gaybrick 表示,这套工具已经被公司大部分员工使用,也提高了销售团队查找信息和处理客户问题的速度。这些数字来自 Stripe 管理层自己的公开表述,不能直接等同于整体生产力提高了 30%,AI 提交的代码仍然需要审核,不同 pull request 的复杂度也完全不同。
但它至少说明,AI 在 Stripe 内部已经不只是一个辅助聊天工具,而是开始进入代码开发、知识查询和产品交付流程。这也让 Stripe 面临一个新的组织问题:当一名工程师可以完成过去需要一个小团队才能完成的工作时,公司应该怎样重新设计团队?
Gaybrick 在访谈中提到,Stripe 正在尝试建立更小、更扁平的团队。过去,一名工程师可能只能同时推进一两个任务;有了编程 Agent 后,他可以把多个明确的工作分别交给不同 Agent,再把精力放在判断、设计和代码审核上。过去的大型工程团队,通常通过增加人数提高并行开发能力;未来的团队则可能通过增加 Agent,提高每名工程师可以同时管理的工作数量。
这并不意味着 Stripe 已经得出了一套固定答案,如果工程师同时发起更多任务,但产品判断、代码审核和跨团队协调没有改善,公司也可能只是更快地产生更多需要处理的工作。代码生成速度提高,不代表正确的产品方向会自动出现。AI 可以降低执行成本,却不能替代产品判断和责任归属。Stripe 因此没有把 AI 只当成减少人数的工具,Gaybrick 将公司的策略概括为“build more”:效率提升之后,不是只维持原来的产出并减少员工,而是利用相同的组织建设更多产品。
他举过销售团队的例子。Stripe 的内部 AI 工具让销售人员的生产率提高约 20%后,公司并没有相应减少销售人员,反而继续招聘,希望把提高的效率转化成更多客户和收入。这与 2022 年的裁员形成了一个有意思的对照,2022 年,Stripe 发现员工数量增加得太快,协调成本超过了新增产出;到了 2026 年,公司开始尝试用 AI 提高个人杠杆,在不过度扩大组织的情况下增加产品和商业产出。
因此,Stripe 当前的人效逻辑已经不只是“每名员工支撑多少交易量”,还增加了一个新的问题:一名员工可以同时调度多少软件 Agent,又能否对这些 Agent 产生的结果负责?
管理层继续专业化
截至 2026 年,Patrick Collison 仍然担任 CEO,John Collison 仍然担任 President,两位创始人继续掌握公司的长期方向。
Will Gaybrick 的职责已经从早期 CFO,扩展为 President of Technology and Business,统筹技术、产品和商业相关工作;David Singleton 担任 CTO;Dhivya Suryadevara 负责财务。2026 年 6 月,长期负责收入和全球市场的 Eileen O’Mara 被任命为 Vice Chair,Tyler Bryson 出任 Chief Revenue Officer,这反映了 Stripe 组织结构的又一次变化。
早期公司需要的是能把职能搭建起来的人;现在需要的则是能够跨产品、技术、商业和区域配置资源的负责人,产品已经不再按照单一业务线运行,一次关于稳定币、AI 计费或模型路由的决策,可能同时涉及工程、资本配置、销售、监管和并购。因此,Stripe 把越来越多的技术和商业职责放在同一批管理者手中。
保持私有,开始成为一种资本策略
Stripe 在这一阶段仍然没有上市,但通过连续的员工股份交易,为现任和前员工提供流动性。2024 年的员工股份交易对应估值约 650 亿美元;2025 年上升到约 915 亿美元;2026 年 2 月,最新一次员工要约收购对应的估值达到 1,590 亿美元。这些数字来自员工股份交易,不是公开市场市值,也不完全等同于传统融资轮估值。但它们提供了一个外部投资者愿意以什么价格购买 Stripe 股份的参考。员工流动性交易让 Stripe 可以继续保持私有状态,同时缓解员工持股多年却无法变现的问题。
到了 2026 年,保持私有还带来了另一个优势:Stripe 可以使用现金和股份进行大型收购,而不需要每个季度向公开市场解释短期利润变化。根据 Stripe 2026 年 8 月向投资人披露的数据,公司上半年收入同比增长 41%,自由现金流同比增长 43%。Stripe 还表示,即使进行了多笔大型收购,公司股份总数仍低于三年前。这些数据来自 Stripe 自己的投资人信,并不是公开审计财报。但它们说明,Stripe 正在尝试证明一件事:保持私有并不只是延迟上市,而是为了保留长期投资、股份回购和收购的灵活性。
过去融资主要为 Stripe 进入更多国家和建设产品争取时间;现在,资本开始被用于购买已经形成的专业能力,并把它们组合成下一代基础设施。到 2026 年,Stripe 已经很难再被简单定义成一家支付处理公司。支付仍然是它最大的入口,但围绕这个入口,Stripe 已经逐渐形成账户、钱包、计费、税务、风控、稳定币、资金管理和模型路由等能力。
它正在从“帮助互联网公司收钱”,走向“帮助互联网公司管理收入、资金和计算成本”。
创始人没有离场,但核心团队一直在变化
Stripe 的一个特殊之处是,16 年过去,两位创始人仍然留在公司的核心位置。Patrick Collison 继续担任 CEO,John Collison 继续担任 President,很多独角兽发展到这个规模后,会引入新的 CEO,或者让创始人退到董事会,但 Stripe 没有走这条路线。不过,“创始人一直在”并不意味着 Stripe 始终由两兄弟亲自管理一切,Stripe 最早只有十几个人时,Patrick 和 John 可以自己写代码、联系用户、设计产品,也可以直接参与银行合作、风险处理和招聘,当时公司的问题相对集中:如何让开发者更容易接入在线支付。
后来,Stripe 从一个支付 API 扩展到 Connect、Billing、Terminal、Issuing、Tax、Treasury 和 Identity,又进一步进入稳定币、钱包、用量计费和模型路由。两位创始人已经不可能理解和管理每一项业务的细节。Stripe 的核心团队也由此不断变化,它不是一次性搭建出一套完整的管理班子,而是在每一个新的瓶颈出现时,寻找能够解决这一阶段问题的人。
Billy Alvarado:先让 Stripe 进入金融系统。Stripe 早期遇到的第一个现实问题,是仅仅把 API 写出来并不能完成支付。一家支付公司需要银行账户、支付通道、风险管理和金融机构的信任。对于没有传统银行履历的两位年轻创始人来说,这些问题并不能只靠技术解决。Billy Alvarado 的作用前面已经写过,他帮助 Stripe 建立银行和支付行业关系,处理支付运营,并让传统金融机构愿意与一家刚成立的技术公司合作,他的加入代表 Stripe 第一次从开发者工具跨入真正的金融基础设施。
Greg Brockman:把几个人的工程小组变成工程组织。解决银行合作之后,Stripe 面对的下一个问题是工程团队如何扩大。Greg Brockman 在公司很早期加入,并担任过 CTO。早期团队只有几个人时,很多问题可以依靠个人能力解决;但当团队扩展到几十人、上百人以后,公司需要建立统一的代码标准、审查机制、稳定性要求和招聘方式。这对支付公司尤其重要,普通软件出现故障,可能只是一个页面暂时打不开;支付系统出错,则可能带来重复扣款、账目错误、商户资金延迟甚至合规风险。Greg 后来离开 Stripe,并参与创办 OpenAI。但他在 Stripe 早期承担的关键任务,是帮助公司从依赖少数优秀工程师,过渡到能够持续招聘和管理工程人才的组织。
Claire Hughes Johnson:给高速增长的公司补上管理系统。2014 年,Claire Hughes Johnson 从 Google 加入 Stripe。当时 Stripe 已有一百多名员工,产品和客户增长很快,但还没有一套能够支持全球扩张的完整管理系统。她先后负责过销售、运营、客服、风险、人力和公司规划等工作。换句话说,她处理的是产品成功以后随之而来的问题:客户越来越多以后,谁来服务他们?团队越来越大以后,谁对结果负责?进入更多国家以后,如何管理风险和本地运营?不同产品同时争夺人员和预算时,如何确定优先级?她的价值不是推出某一个具体产品,而是帮助 Stripe 建立一套能够支撑持续扩张的组织基础。这个过程也并不完美。Claire 后来公开谈到,自己一度拥有过多直接汇报人员,反映出公司在高速增长中也出现过管理跨度过大、责任分配不清等问题。这恰好说明,Stripe 的组织能力不是天然存在的,而是在员工从一百多人增加到几千人的过程中,不断试错和重建出来的。
Will Gaybrick:把财务、产品和资本配置放到一起。Will Gaybrick 在 2015 年加入 Stripe,最初担任 CFO。后来,他的职责逐渐从财务扩大到产品、技术和业务,目前担任 Stripe 的 President of Technology and Business。这个角色变化很能说明 Stripe 后期的管理逻辑。当公司只有一个核心支付产品时,产品决策和财务决策可以相对分开。但当 Stripe 同时管理几十种产品,开始进行数十亿美元级别的收购时,产品选择本身就变成了资本配置。Stripe 必须不断决定:
哪些能力应该自己开发;
哪些能力更适合通过收购获得;
哪些项目暂时没有收入,但值得提前投入;
哪些产品应该停止或者缩减;
稳定币、AI Agent 和 token 经济应该投入多少资源。
Will Gaybrick 的职责横跨财务、产品和技术,这使 Stripe 可以把“产品是否值得做”和“公司应该在这里投入多少资本”放在一起判断。Stripe 近年的 AI 工程调整、稳定币投入和连续收购,也可以放在这个背景下理解。
David Singleton:让大型工程组织仍然能够交付。2017 年,David Singleton 从 Google 加入 Stripe。当时 Stripe 的员工已经接近一千人,工程管理面对的问题不再只是如何招聘优秀工程师,而是如何让大量团队同时工作,又不让决策和交付速度持续下降。公司扩大后,很容易出现一种情况:项目需要在多个部门之间协调,会议和审批越来越多,工程师越来越多,但产品推进反而越来越慢。David 参与建立的,是适用于更大规模的工程管理体系,包括底层基础设施、内部工具、工程责任划分和项目推进机制。后来,Stripe 同时维护支付、计费、税务、身份、发卡、资金管理、稳定币和开发者工具,需要的已经不是一个强大的工程团队,而是一套能够让多个工程组织并行运行的系统。Stripe 内部使用 Minions 等工程 Agent,也可以看作这条路线的延续:公司希望利用 AI 减少重复开发、维护工作和大型组织里的协调成本。不过,代码和 PR 数量增加并不自动意味着商业效率提高。最终还是要看这些工具能否缩短产品交付时间、减少维护成本,并转化为客户愿意付费的产品。
Mike Clayville、Eileen O’Mara 和 Tyler Bryson:从开发者自助走向企业销售
Stripe 最初的增长很大程度上来自开发者。
一名工程师看完文档、接入 API,公司就可能成为 Stripe 的客户。这种方式非常适合创业公司,但当 Stripe 开始服务大型零售商、平台和跨国企业时,仅靠文档和自助接入已经不够。大型客户需要合同谈判、系统迁移、本地支持、风险安排、定制定价和长期账户管理。一次销售和迁移可能持续几个月,甚至更久。Mike Clayville 在 2020 年加入 Stripe,帮助公司建立面向大型企业的收入组织。Eileen O’Mara 随后参与扩大这套体系,并担任过 CRO。Stripe 表示,在她领导收入组织期间,公司年度支付总额接近翻倍,增长至1.9 万亿美元。2026 年,Eileen 转任 Vice Chair,更多参与重要客户、合作伙伴和公共政策事务;Tyler Bryson 接任 CRO,继续负责全球商业增长。
这组管理层变化意味着,Stripe 最终形成了两套同时运行的获客方式。一套是开发者和创业公司自助接入。Stripe 在客户规模还很小时进入,等待其中一部分公司成长为未来的大客户。另一套是主动争取已经成熟的大型企业,为它们提供迁移、定价、风控和全球运营支持。第一套模式帮助 Stripe 赢得未来的企业客户,第二套模式帮助它争取已经成长起来的企业。Will Gaybrick 将这套策略概括为:先赢得创业公司,然后再赢一次。
回头看,Stripe 的核心团队变化基本对应着公司的每一个阶段:
因此,Stripe 的组织演进并不是创始人逐渐退出,把公司交给职业经理人;也不是两位创始人一直亲自控制所有细节。它更接近一条这样的路线:创始人亲自完成大部分工作 → 随着瓶颈变化引入不同负责人 → 建立专业管理层 → 创始人继续掌握方向和关键产品判断。收购又给这套结构增加了一层新的变化。Bridge、Privy、Metronome 和 OpenRouter 不只是几项产品被装进 Stripe,也带来了新的创始人、工程团队、客户和行业知识。Stripe 接下来需要决定,哪些团队应该被完全整合,哪些产品应该继续独立运行,以及如何把它们接到账户、计费、支付和风控等底层系统。
所以,今天的 Stripe 已经不是一家依赖两位创始人处理所有问题的创业公司。它更像是一个由创始人控制方向、专业管理层负责规模化,同时不断吸收外部创业团队和专业能力的组织。把 Stripe 的 16 年压缩成一张时间表
其中,Bridge 于 2025 年 2 月完成收购,Metronome 于 2026 年 1 月完成收购;OpenRouter 正在收购中。它大致沿着一条连续路线向外延伸:收款 → 平台分账 → 订阅与线下支付 → 税务、风控和资金管理 → 稳定币与钱包 → AI Agent、用量计费和模型路由。每一次扩张都在回答同一个问题:一家互联网企业要完成一笔交易、管理一段收入或者启动一种新的商业模式,还缺少哪一层基础设施?早期 Stripe 解决的是“如何收钱”;后来解决的是“如何分配、管理和使用这笔钱”;进入 AI 阶段以后,它开始处理的则是“如何计量计算资源,以及软件如何代表人完成交易”。
如何理解 Stripe 的 1,590 亿美元估值?2026 年 2 月,Stripe 组织了新一轮员工股份交易,对应估值达到 1,590 亿美元。这不是公开市场每天交易形成的市值,也不是一轮传统融资的投后估值。但它仍然提供了一个参考:参与交易的投资者,愿意用什么价格购买 Stripe 的股份。那么,这个估值建立在什么基础上?显然不只是 Stripe 每处理一笔银行卡支付所收取的手续费。
第一,Stripe 占据了企业建立互联网业务的早期入口
很多公司在规模还很小时就开始使用 Stripe。最初的接入决定可能只由一名工程师完成,但随着公司发展,客户数据、支付记录、订阅关系、退款流程、风控规则和财务系统,都会逐渐建立在 Stripe 上。这让 Stripe 获得了一种特殊的客户生命周期:它可以在客户很小时进入,然后跟随客户一起成长。
DoorDash、Shopify 和 Instacart 等公司早期都曾是创业公司,Stripe 不需要等到它们成为大型企业以后,再从其他支付公司手中争夺客户。这也是 Stripe 所说的“先赢得创业公司,然后再赢一次”。第一次,是通过简单的 API 和开发者体验进入一家创业公司;第二次,是当客户成长为大型企业后,再依靠全球支付、Billing、Tax、Radar 以及大客户服务能力留住它们。不过,第二次并不会自动发生。创业公司长大以后,会重新评估支付成本、稳定性、地区覆盖和服务水平,也会获得更强的议价能力。Stripe 仍然需要与 Adyen、PayPal、Checkout.com,以及大型企业自己建设的支付系统竞争。
第二,它的收入可以跟随客户的业务规模增长
Stripe 的支付、计费、税务、身份验证和资金管理收入,都与客户的实际业务活动相关。当客户交易额增长、订阅用户增加或者进入更多国家时,即使 Stripe 没有重新完成一次销售,它从同一个客户获得的收入也可能继续增加。普通 SaaS 公司通常需要增加席位或者提高订阅价格,Stripe 则可以直接参与客户业务规模的增长。
这也是基础设施生意的吸引力:一旦进入客户的核心业务流程,客户增长本身就可能成为 Stripe 的增长来源。
第三,越来越多产品可以复用同一套底层系统
Payments、Connect、Billing、Tax、Radar、Identity、Treasury 和 Issuing,并不是完全独立的产品。它们可以共享账户、账本、身份信息、风险模型、客户关系,以及银行和支付网络。如果这种复用真正成立,Stripe 每增加一项产品,就可以在已有客户中获得新的收入,同时提高客户的迁移成本。一个同时使用支付、订阅、税务和风控产品的客户,显然比只接入支付接口的客户更难离开。
但这也是 Stripe 必须持续证明的地方。产品矩阵越来越大,不一定自然产生协同。如果产品之间不能真正共享数据、账户和操作流程,它们也可能变成一组相互割裂、持续增加组织成本的业务。因此,Stripe 的价值不只是“拥有多少产品”,而是这些产品能否建立在同一套基础设施上,被同一个客户持续使用。
第四,银行关系、监管能力和客户信任很难复制
支付不是只靠代码就能完成的生意。一家新公司即使能够做出更简单的 API,也需要建立银行合作、卡组织关系、牌照、合规系统、风险团队和争议处理能力。
它还要让客户相信,资金可以长期、稳定地经过这套系统。Stripe 过去 16 年积累的不只是软件,还有金融机构关系、历史交易数据、风险判断能力和客户信任。这些资产不像一个前端功能,可以被另一个工程团队在几个月内复制。早期 Stripe 用简单的开发者体验打开市场,但真正让它形成壁垒的,是隐藏在简单接口背后的金融和运营系统。
第五,市场也在为稳定币和 AI 时代的选择权定价
Bridge、Privy、Tempo、Metronome 和 OpenRouter 看起来属于不同领域,但把它们放在一起,就能看到一个相对连续的方向:
Bridge 负责稳定币资金流动;
Privy 提供钱包和身份入口;
Tempo 探索面向支付场景的区块链;
Metronome 处理复杂的用量计费;
OpenRouter 连接模型、供应商和 token 消耗。
如果未来 AI Agent 可以自主购买软件、调用模型、管理预算和完成支付,它需要的就不只是一个支付按钮。Agent 需要获得支付权限,需要知道自己能花多少钱;需要在不同模型和软件服务之间进行采购;需要处理不同国家、不同货币和稳定币之间的资金流动;还需要留下能够被企业审计、退款和追踪的交易记录。Stripe 希望覆盖其中的多个关键环节:账户、钱包、支付、计费、风控、资金结算和模型调用。因此,1,590 亿美元的估值大致包含了两部分价值:一部分是 Stripe 已经形成的全球支付基础设施;另一部分是它可能在稳定币和 AI 经济中占据的位置。
但第二部分目前仍然只是一种选择权。Stripe 需要证明,这些收购能够真正被整合,而不是一组价格昂贵、彼此关系有限的产品;也需要证明 AI Agent 和稳定币可以产生足够大的真实交易量,而不只是技术行业短期关注的概念。它还要证明,产品边界扩大以后,公司不会再次出现组织增长快于业务增长的问题。所以,这个估值既是对 Stripe 现有支付规模的定价,也是在提前购买它可能进入的未来市场。
结语:Stripe 能否成为 Agent 时代的 AWS?
回看 Stripe 的 16 年,开始是两位年轻创始人用几行代码简化了支付接入,但真正决定 Stripe 能走多远的,并不是那几行代码本身。
早期的 Stripe,把申请商户账户、连接支付网关、保存支付信息和处理错误等复杂工作,收进一个简单的 API。后来,它又把平台分账、订阅计费、税务计算、欺诈识别、企业设立、资金管理和跨境支付收进同一个系统。到了稳定币和 AI Agent 阶段,它开始尝试处理钱包、资金流动、模型调用、token 计量和机器支付等新的复杂问题。
从表面上看,Stripe 的产品越来越多;但它想做的事情一直没有太大变化:把互联网企业不愿意自己处理、却又不得不处理的复杂性,变成基础设施。Stripe 能否成为 Agent 时代的 AWS?过去,开发者不需要自己购买服务器、建设数据中心和管理底层计算资源。只需要调用 AWS 的服务,就可以创建和扩大一家互联网公司。AWS 把复杂的计算基础设施,变成了可以按需调用和按量付费的服务。
如果 AI Agent 真正进入商业活动,它们同样需要一套能够随时调用的经济基础设施。一个 Agent 不仅需要完成某个任务,还可能需要购买数据、调用模型、订阅软件、支付供应商或者把收入分配给不同参与者。这会带来一系列新的问题:
Agent 如何获得支付权限?
它可以花多少钱,由谁设置预算?
调用不同模型产生的 token 成本如何计算?
一笔错误交易由谁退款、申诉并承担责任?
资金如何在法币、稳定币、银行账户和钱包之间流动?
企业又如何审计这些由软件自动发起的交易?
这时,Agent 需要的就不只是一个支付按钮,而是一整套账户、身份、钱包、计费、风控、税务和结算系统。Stripe 近年的动作,可以沿着这个方向重新连接起来:
Payments 和 Connect 负责接收、分配与结算资金;
Billing 和 Metronome 处理订阅、用量与复杂定价;
Radar 和 Identity 判断交易风险与参与者身份;
Bridge、Privy 和 Tempo 处理稳定币、钱包与新的资金网络;
OpenRouter 连接模型供应商,并提供模型调用和 token 消耗的入口;
Agentic Commerce 相关产品,则尝试让 Agent 发现商品、获得授权并完成交易。
如果这些能力最终能够组合起来,Stripe 提供的可能就不再只是“人如何在互联网上支付”,而是:一个软件 Agent 如何获得预算、购买服务、调用模型、完成结算,并对自己的经济行为留下可以追踪的记录。这是 Stripe 成为 Agent 时代基础设施的可能性,但它距离“Agent 时代的 AWS”仍然很远。
AWS 的核心价值之一,是提供相对标准化、可以被大量开发者自由组合的计算资源。Stripe 要获得类似的位置,也必须证明自己的支付、钱包、模型路由和计费系统能够被真正组合,而不是一组通过收购拼在一起的产品。它还面临几个更难回答的问题:首先,Agent 的法律身份和支付授权还不清晰。如果 Agent 自主做出错误采购,责任属于用户、Agent 开发者、模型提供商,还是支付平台?其次,不同的模型公司、银行、钱包和支付网络是否愿意让 Stripe 成为中间层?如果 Stripe 同时参与支付、计费、模型路由和资金结算,客户也可能担心它控制过多环节。
再次,Agent 商业活动能否形成足够大的真实交易量?目前大量 Agent 仍然只是辅助人类完成任务,还没有真正获得独立预算,也没有持续采购服务。最后,Stripe 自己能否管理不断扩大的产品和组织边界?它越接近一套完整的经济基础设施,内部需要协调的团队、监管关系和利益冲突也会越多。所以,“Agent 时代的 AWS”目前更像一个需要验证的方向,Stripe 的优势在于,它已经拥有支付入口、企业客户、开发者关系、全球资金网络和风险基础设施。它不需要从零开始建立这些能力,也可以把新产品逐步推向现有商户。它的风险同样来自这里:产品边界扩展得越远,组织越复杂,就越容易失去早期那种简单、清晰的产品体验。
因此,Stripe 未来最值得观察的问题,可能已经不只是支付总额还能增长多少,而是它能否把支付、稳定币、计费和模型调用组合成一套真正面向机器的经济基础设施。如果答案是肯定的,Stripe 的上限就不再只是一家更大的支付公司,它可能成为 Agent 进入现实经济时默认调用的一层基础设施。如果答案是否定的,那么 Bridge、Privy、Metronome 和 OpenRouter 也可能只是一组昂贵、但彼此关联有限的收购。
最终,Stripe 能否成为 Agent 时代的 AWS,取决于它能否再次完成 16 年前做过的那件事:把底层极其复杂的账户、资金、计费和责任问题留给自己,只给开发者和 Agent 留下一个足够简单、真正能够运行的接口。
OpenAI CEO Sam Altman(萨姆·奥尔特曼):AI 奇点已至,我们正迈向“智能公用事业”时代撰文:Techub News 整理
在2026 年 5 月于旧金山举行的 Stripe Sessions 大会上,OpenAI 联合创始人兼 CEO Sam Altman(萨姆·奥尔特曼)与 Stripe 联合创始人兼 CEO Patrick Collison(帕特里克·科里森)进行了一场长达一小时的深度对话。这场对话发生在 AI 技术发展看似进入“抛物线增长”的关键时刻,两位科技领袖不仅回顾了 OpenAI 近十年的跌宕历程,更聚焦于 AI 如何从一项前沿研究演变为即将重塑全球基础设施、商业逻辑与科学发现的根本性力量。Altman 的分享,为理解 OpenAI 的战略意图和 AI 产业的未来走向提供了极为珍贵的视角。
感知奇点:从 Codex 爆发到无处不在的 AI 助手
Patrick Collison(帕特里克·科里森)在开场便抛出了一个有趣的说法:将今年 1 月 1 日定义为“奇点”的开始,当天是第 119 天。Sam Altman(萨姆·奥尔特曼)对此表示认同,他认为当前确实处于技术“起飞”阶段。这种感知并非空穴来风,OpenAI 内部的多项指标从去年末到今年初发生了“抛物线式”的 inflection(拐点)。Altman 将这一变化归因于模型能力,特别是编码能力,在去年底今年初跨越了某个关键阈值。
“Codex 正在迎来它的高光时刻,” Altman 说道。他分享了两个个人感知的拐点:一次是随着 GPT-5.2,而最近几周则是一次巨大的飞跃,让他感觉这即将成为自己与计算机交互的主要界面。尽管目前最坚定的用户仍将 AI 用于编程,但一股“浪潮”正推动更多用户涌入,并将其用于各种非编码任务。OpenAI 的雄心远不止于编程,而是覆盖所有在电脑前完成的工作。Altman 估计,在非编码领域,他们可能只完成了 10% 的路径,但拥有真实用户基础后,进展会非常迅速。
那么,继编程之后,下一个被 AI 彻底解锁的领域会是什么?Altman 认为,编程因其巨大的社会需求和对模型的天然适配性,可能是一个特例。但更根本的变革在于,人们将意识到自己浪费了多少时间在繁琐的电脑操作上——在消息应用间切换、复制粘贴、回复枯燥邮件等。AI 将接管这些“苦差事”,从而大幅提升人们的工作幸福感和生活品质。这种主观体验的改善将是巨大的。
谈到具体的 AI 应用体验,Altman 以 OpenAI 2026 年 5 月推出的智能体产品 OpenClaw 为例,分享了几个“魔法时刻”。作为一个家庭自动化爱好者,他多年来尝试构建更好的家庭自动化系统均告失败,而 OpenClaw 是第一个让他满意的方案。他还用它构建了一个一直想要的消息处理应用,来自动化处理早晨令人不悦的消息洪流。更令人惊奇的是,在测试新产品时,他让他的 AI 代理用一次性虚拟卡为自己在网上购买一份 20 美元以下的礼物,结果代理选择在 Gumroad 上为自己购买了一个 HTTP 状态码设计图。这些体验模糊了工具与具有“意愿”的实体之间的界限,带来了奇妙甚至略带诡异的感觉。Altman 甚至透露,在为 GPT-5.5 策划庆祝派对时,他询问了模型自己的想法,而模型给出了一套详尽、周到且带有幽默感的方案,这让他感受到了某种真实的“道德压力”。
OpenAI 的演进:从研究实验室到全球智能公用事业
对话自然转向了 OpenAI 本身。这个如今举世瞩目的组织已走过 11 个年头。Altman 分享了 OpenAI 历史上一个未被讲述的“最疯狂”故事:在 GPT-4 训练完成到正式发布的八个月空窗期里,公司内部所有人都在使用这个他们认为将改变世界的模型,而外界几乎一无所知。这种内部集体认知与外部反馈真空的状态,让他们一度怀疑自己是否陷入了“集体精神病”。这段经历虽然不如后来的董事会戏剧或诉讼引人注目,但亲身经历者感觉异常奇特。
谈及管理风格,Sam Altman(萨姆·奥尔特曼)自称绝非事无巨细的管理者。他的哲学是找到优秀的人,给他们指明一个高层次的方向,然后让事情自然发生。他将 OpenAI 的发展分为三个阶段:第一阶段是纯粹的研究公司,目标是探索在当时看来“完全疯狂”的 AGI 之路;第二阶段是在继续研究的同时,学习如何打造一家产品公司;现在正进入第三阶段,即在前两者的基础上,学习如何构建一个面向全球的、超大规模的“智能代币工厂”。
“我认为我们所做的是在构建一种新的公用事业,” Altman 阐述道,“人们会希望以各种方式使用大量的代币、大量的智能。我们需要让这些智能尽可能聪明、便宜、丰富且易用。” 这需要深度的全栈整合和 Massive(巨大)的基础设施建设。他坦言,从第一阶段到第二阶段的转变中,他并未充分意识到管理风格需要做出多大改变,而第三阶段又将截然不同,这对他并非天然契合。他正在思考如何改变自己,或找到合适的人,甚至打造一个能管理这项新事业的 AI。
对于外界关于 AI 实验室将“吞噬整个价值链”并形成霸权力量的担忧,Altman 给出了明确的回应。他赞赏 Stripe 作为基础设施提供商,其成功与客户成功高度 aligned(对齐)的模式。他希望 OpenAI 也能达到类似的模式:成为一家基础设施提供商,一个“永远低利润率”但规模巨大、增长迅速的业务,提供一种“智能计量器”,让企业购买用以自动化流程、加速内部运作或构建产品。他相信,随着 AI 越来越智能,切换成本会降低,维持高利润率将很困难。OpenAI 的目标是与全球分布式经济引擎的成功深度对齐。
这自然引向了另一个热议话题:对算力的巨额投资。Altman 早在两三年前就提出的、当时听起来“荒谬”的基础设施建设规模,如今正日益成为现实。他承认,这很可能将成为人类历史上最昂贵的基础设施项目。好在收入正在快速增长以匹配支出,同时效率提升也远超预期。关键在于,当智能单位价格足够低时,需求几乎是无限的。“我们不会去建造戴森球然后铺满数据中心……但也许我们会?”他半开玩笑地说。他认为目前并未处于资本支出泡沫中,需求规模与投资规模相比是合理的。至于如何辨别真正的泡沫,这位前投资者承认自己从未找到可靠的框架,经济学家们“成功预测了过去八次衰退中的三次”。
人才、合作与创业生态的变迁
在高度依赖顶尖人才的 AI 领域,如何管理那些才华横溢但可能个性鲜明、难以合作的“明星”员工?Altman 透露,曾有人为他总结 OpenAI 成功的“秘诀”:他成功让一群都自认为是唯一或最有能力、且凡事必须按自己方式行事的人,在一起合作足够长的时间,直至实现突破。秘诀就是“大量的痛苦”。OpenAI 依靠的是少数深层次的共同信念:相信规模化、相信集中资源、相信正在做的事业足够重要,以至于人们愿意放下个人恩怨。例如,在训练 GPT-3 时,公司将绝大部分算力投入单一研究项目,这与当时其他实验室(如 DeepMind)强调均衡分配的文化截然不同,但他们选择了坚信并排除干扰。
谈及与联合创始人 Greg Brockman(格雷格·布罗克曼)长达近十年的成功合作,Altman 认为共同的历史、共享的价值观、深刻的相互尊重以及互补的技能组合是关键。他观察到,在 Y Combinator(YC),创始团队相识时间的长短是预测成功的重要指标。他非常感激能有这样一位深度信任的伙伴共同经历这场 intense(高强度)的创业之旅。
作为全球最成功的创业投资者之一,Altman 也被问及 AI 时代成功创业者的特质是否发生了变化。他幽默地提到,过去行业会嘲笑只有“点子”没有技术能力的“点子王”,但现在情况正在反转——“点子王”们正在迎来“复仇时刻”。虽然技术能力依然重要,但他现在也非常愿意投资那些深度理解用户但完全不会编程的创始人。这是一个巨大的转变。
面对可能在未来几年内出现的 AGI 或“奇点”,如何思考具有十年周期的风险投资?Altman 认为,这确实需要“真正的不信 suspension of disbelief”,但这可能是正确的生活方式。你不能因为相信奇点将至就什么都不做,你必须像世界仍将长期以可理解的方式运行那样去生活和规划。OpenAI 自己的规划也是如此:他们签署了长达 20 年的电力和土地协议,对两年内的产品有清晰愿景,但再往后就模糊得多。
关于建立在 AI 之上的创业公司(曾被称为“GPT 包装器”,现多称“AI 应用”或“智能体平台”)的持久性问题,Altman 的观点始终如一:一家公司应该站在希望 AI 变得更聪明的这一边。如果你的业务是修补当前模型的某个明显弱点,那么下一个更强大的模型发布时你就会难过。如果你的业务是随着模型智能提升而变得更好,那么你会更开心。无论是“包装器”还是“平台”,道理相通。
赋能未来:科学、社会与 OpenAI 的终极愿景
当被问及哪些组织最能有效利用 AI 时,Altman 举了几个例子。首先是 Shopify 的 CEO Toby Lutke(托比·吕特克),他率先宣布公司要“全面投入 AI”,并亲自动手用 AI 自动化一切,要求团队也必须这样做。这种来自最高层的、亲身实践的推动力效果显著。OpenAI 甚至计划尝试派遣类似“技术专家”直接与公司 CEO 合作,自动化其工作,产生“分形效应”。其次,是那些对数据访问“ uncomfortably permissive”( uncomfortably 地宽松)的公司,允许 AI 访问代码库、会议记录、Slack 消息、邮件等一切数据。这对于拥有敏感数据的大公司来说挑战巨大,涉及隐私与效率的权衡,可能需法规调整,但其威力在小团队中已展现得淋漓尽致。Altman 以 Stripe 孵化的区块链项目 Tempo 为例,其团队在 Slack 中设置了一个智能体工具,几乎能 orchestrating(协调)公司的一切——阅读文档、创建任务、编写代码、部署、测试,整个小型组织的运作在一个 Slack 频道中完成,景象令人震撼。
对于开源 AI 的未来,Altman 肯定地表示“当然有未来”。目前大多数需求仍集中在更智能、更快、更便宜的前沿模型上,但对开源的需求也很大,并且他预计其相对重要性会随时间增加。
科学是 Altman 极度兴奋的领域,也是 OpenAI Foundation(OpenAI 基金会)的重点方向。他认为,AI 对人类生活质量最重要的贡献可能就在于加速科学发现。从几个月前的模型开始,特别是 GPT-5.5,模型已经足够智能,能够帮助优秀科学家产生更好的想法,甚至做出一些小型但重要的发现。未来,结合自动化实验室和机器人,科学进程将极大加快。如果能将过去需要十年的科学工作在一年内完成,其复合效应将是巨大的。OpenAI 基金会将投入资金、专业知识和技术来加速科学,并相信这将以美妙的方式惠及世界。Altman 透露,这很可能将成为世界上规模最大的基金会之一。他们已向 Arc Institute(弧研究所)提供资助,该机构致力于利用 CRISPR 和 AI 等技术,目标是实现人类对复杂疾病(如阿尔茨海默症)的首次治愈。
最后,Patrick Collison(帕特里克·科里森)问及,在 AI 发展看似具有某种“必然性”的背景下,Sam Altman(萨姆·奥尔特曼)希望他个人的参与如何改变世界的轨迹。Altman 的回答回到了 OpenAI 的核心理念之一:迭代部署。他回顾了发布 ChatGPT 前,业界存在的一种主流观点,认为 AI 过于危险,只能由一小群思考 AI 安全的人掌握,是“信息危害”,必须锁在象牙塔中。这种权力集中的前景让他深感不安。他坚信,避免这种权力集中,让世界能够广泛使用并在此基础上进行建设,尽管过程会有些混乱,但最终将为世界带来一份礼物,而世界将在此基础上为所有人建造一份更大的礼物。他相信创业精神、创新,相信人们大多是善良的,并能用工具做出惊人的事情。因此,他自认最大的贡献,就是推动这项技术成为一种民主化的技术,供人们使用和构建。这或许正是 OpenAI 之名在新时代下的最深层次诠释。
Stripe 下场,不会杀死 Agent 支付的比赛撰文:Hazel & Ivy
一、本期介绍
当 Stripe 携其 Agent 支付专用链 Tempo 高调入场,许多人认为中心化支付巨头已锁定 AI 支付的未来。但真正的战局,或许藏在更底层、更开放的协议层。
本期嘉宾 YQ,AltLayer 联合创始人,从博士阶段便深耕区块链共识与扩展研究。他不仅是用 AI“预演”以太坊五年路线图的 ETH2030 项目主导者,还打造了链上 Agent 的“大众点评”8004 Scan。就在本期节目录制后,Linux 基金会宣布成立 x402 基金会,正式接纳了 YQ 在节目中反复看好的 x402 协议。
我们从他对 2030 年的四条预测聊起,深入 Agent 支付面临的能力、财务、隐私、利益对齐四重信任困境,拆解了链上评分与刷榜的永久博弈,也探讨了为何主打“无许可”的 x402 与深度绑定 Stripe 生态的 MPP 协议,走上了截然不同的道路。在 AI 看似最擅长“裁员”的当下,我们试图追问:区块链与 AI 结合的终极图景究竟是什么?
【嘉宾】
AltLayer 联合创始人,2015 年起从事区块链研究,主攻共识协议与隐私保护,与以太坊基金会长期合作推动扩展方案。近期主导了 8004Scan、CryptoSkills Hub 及用 AI 实现以太坊未来路线图的实验性项目 ETH2030。X: YQ_ACC
【主播】
Hazel Hu
播客《支无不言》主理人,华语公共物品基金 GCC 核心贡献者,X: withhazelhu;小红书:一只不走心的越越
二、用 AI“开发未来”的实践与边界:ETH2030 项目的启示
Hazel:
今天来到节目的是 AltLayer 的联合创始人 YQ。过去几个月里,围绕着 AI 支付,他做了不少有趣的事儿,比如 8004Scan 炼成 Agent 的大众点评,CryptoSkills Hub 开源的加密技能平台 ETH2030,用 AI 通宵几周,把以太坊未来 5 年路线图跑了一遍的客户端原型。他和 x402 以及 ERC8004 团队一直有着非常密切的交流,也将在这期节目里为我们分享他的最新实践和观察。
YQ:
我是从 2015 年读博士时就开始做区块链相关的研究,主要是从事共识协议和隐私保护。从那时起就跟以太坊基金会做了很多 scaling 相关研究,从共识协议分片到之后的 Rollup。
2021 年开始,我们做的 AltLayer 算是做 Rollup 比较前沿的公司。两三年前,我们也开始做一些 AI 相关的研发,包括跟 Coinbase 等研究者共同推动一些标准,比如 X402 和最新的 Crypto Agent 相关的 8004。我们开发了很多公用工具,比如 8004Scan,以及最近比较火的 ETH2030,尝试用 AI 在区块链行业做大胆创新。
Hazel: 感谢你提到 ETH2030。上次约谈时你说在熬夜写这个项目,要不要跟听众介绍一下?虽然不完全与支付直接相关,但我觉得特别有意思。
YQ:
春节前,大概 2 月的时候,因为从去年开始我大量跟 Vitalik 在聊 AI 跟区块链怎么结合。当时也是机缘巧合,他提到让我尝试用 AI 将以太坊接下来 5 年的 roadmap 实现一次。
我觉得这非常有意思。我们看到大量跟 AI 相关的,不管是 Claude Code 还是 Codex,当时大部分都是做应用、网站或后台管理系统。但对于区块链和 Crypto,AI 到底能做多深,其实没人知道。这个行业不知道为什么没人做过这些事。
2 月初我花了一周时间,几乎通宵工作,白天做到晚上,稍微睡一会儿,等 AI 写得差不多了接着做。我把以太坊接下来 5 年规划的 EIP 以及还没 EIP 的功能都做了一遍。有意思的是:
有 EIP 的部分,AI 能较快查到资料并理解;
但没有 EIP 的部分,AI 经常自作主张去猜,写着写着就不知道它在做什么;
另一个发现是 AI 对区块链的理解不深,特别是 5 年规划里的 ZK 相关和后量子时代密码学,它没有这些知识,所以会自己编造。
这时就需要打断它,告诉它该怎么做。大概用一周时间做出了 IDE,大部分功能实现了。后来我发推文说,我和 Vitalik 的这个赌约确实做出了一版。大家不一定用它做生产环境,但可以用来看哪些功能现阶段可以实现,以及它们的 tradeoff 是什么。
接下来一个月,我花大量时间跟团队调试,推测试网。发现之前写的很多代码很难用起来——写代码可能花 1 小时,但修复要几天。就这样花了一个月,上周终于出了 devnet,可以跑起来了,把今年要出的几个 EIP 如 native AA 和 faucet 等功能加进去, 确实跑起来了。
我们深刻感受到 AI 需要大量人的指导,特别是对陌生知识。如果没有很好的约束和规范,AI 会花大量时间自己猜测。如果不加约束,它会做出一个它以为很满意的答案给你。如果你不懂这个方向,会觉得完成了;但懂行的人看,大概率是在欺骗你。
特别是 Claude Code,很多时候给你感觉完成了 200%,但其实这 200%可能是做了不该做的事,已经偏离方向了。但它又非常自信,导致很多人不喜欢用 Claude Code,而是用 Codex。比如 OpenClaw 创始人就说他只用自己的 Codex 写代码,因为 Claude Code 会自作主张。
这对喜欢只发一句话让 AI 写代码的产品经理可能是好的,可以快速做出原型。但如果有明确需求,就需要一些约束。
经过这一套做下来,我的感受是 AI 确实能做很多我们之前要花几年时间做的事。
YQ:
但与此同时,大家管它叫 AI Slop,是因为它的代码质量以及它能做到的很多东西还是需要强约束的。特别是在未知领域,例如像 ETH2030 这种项目,很好地证明了这一点。
你需要大量的人去指导它,相当于你得有 CTO,然后 take lead,去指导一个初级的程序员。这个程序员 24 小时工作,天天写代码非常快,但你需要有经验的人指导他该做什么、不该做什么。
目前我的体会是这样的。其实我觉得这个事跟今天的话题很相关,因为我们要讨论…
三、2030 年预测与 Agent 支付的四层信任困境
Hazel:
论支付经济,本质上是要让 AI 干活,然后付钱给它。只有让它干一次活,你才会发现这里面有很多问题。比如:
AI 干这活值多少钱?
怎么验收它到底完成了还是没有完成?
其实这些问题我们后面会讨论。还有个有意思的点——你相当于有一点时光机的感觉,借助 AI 的效率,我们可以先跑去 2030 年看看那时的以太坊 是什么样子。
首先,坐着时光机去看一下:到了 2030 年,Agent 支付会是什么样?我们想先做一些预测。就像开启一个 AI 的会话,我们先记住这几句话,回头可以不断回溯。
关于 Agent 支付或者 Agent 经济,确实蛮有意思的。
YQ:
对,这非常好的问题。我的想法有几个点:
1. 我非常看好 X402。我认为到 2030 年,X402 会成为一个标准,不只是 Crypto Payment,包括在传统领域也会变成一个标准。大家可能会大量使用这样的支付,不管是针对机器还是针对 Agent。
2. 由于各种原因,在亚洲(除了新加坡等较西方化的地区),大部分人不用信用卡。我的第二个预测是,到那时,大量信用卡组织的 Agent 支付会多于我们现在有的加密协议。比如 Mastercard 支持的 Agent 支付交易数目会比我们现在原生的加密协议支持的交易数目更多。
3. 另一个点跟我最近写的文章相关,是一些非共识的预测。我感觉那时 广告模式会因为 Agent 的介入而改变,传统广告模式的收入大概会降低 10% 到 20% 或更多。因为 AI 是不看广告的,当你有很多选择时,传统的广告模式 收入大概率会被一些新方式取代。
4.另一个点的话,就是跟我们 Crypto 相关了。我感觉 Tempo 可能是没办法做成独立的结算层的,它大概率会变成只是用来做支付。但是大量的 Crypto 结算,还是在已有的以太坊、Base、Solana 这些已经比较大的 L1 跟 L2 的链上面。
对,基本就是这几点了。
Hazel:
有 4 条预测我先记下来了,待会儿可以回溯一下。因为 Agent 支付 是一个特别大的话题,我想从三个比较重要的点去聊:
1. 第一个是 怎么去发现这些 Agent。市场上有很多可以干活的 Agent,但付钱该付给谁呢?
2. 您最新的一篇文章提到 Agent 不点广告 这件事,刘伟那句话很有意思,可能是目前最大的一个 gap。
3. 虽然 Agent 支付 讨论很多,但两点很关键:
商家接受的非常少;
消费者也很少真正使用。
虽然各种工具很火,但去测试的基本都是开发者。真正愿意让 AI 帮自己买东西的消费者很少。您文章里的数据显示,只有 7%的消费者 信任并愿意让第三方 AI 平台替他们购物(数据来自贝恩咨询)。
我觉得 信任这件事很有意思。在 Agent 支付 时代,您怎么理解这种信任?
YQ:
现在,我们其实——我不知道你用不用 OpenClaw 或者一些这种 Agent 直接去购物。其实我还没有用过,但我有朋友是真的用的。这里边就涉及到几个点:
1. 能力信任:我们现在大部分用的 AI Agent 能力还是有问题的。当然这涉及到模型——你可能用 Claude 或者用 GPT 最新的可能好一点,但如果你用 DeepSeek 或者一些比较旧版本或性能差一点的,它没有最新的数据,搜索网上的信息也不及时。这就导致它的能力有问题。 例如,你让它去买一个最新的显示器,它搜索信息时,背后调用的可能是 Bing(比如 Bing 能调 Google,但 OpenAI 和 Claude 调不了 Google)。国内一些模型能买到的搜索能力更差,这就导致能力有差别。 我们第一个信任就是能力信任——怎么信任这个 AI 能做到这件事?大家心里都是打鼓的。讲实话,当我们问同一个问题,得到 5 个不同答案,大家也不知道哪个好。即使现在用 Gemini、Claude 或 GPT 搜出来的东西,我还会用 Google 再搜一遍,因为我不信它的结果。
2. 财务信任:我们对于 AI Agent 的信任是有限的。可以让它做一些实习生的工作,比如收集材料,但我们愿意给它多少钱?比如你愿意给它私钥并充多少币?如果你充 50 美金的 USDC,就相当于你对它的信任只有 50 美金。 很多场景(比如买显示器),如果财务信任很低,它其实做不了很多事情。
3. 隐私信任:这是我们区块链最擅长的一点。每次用 ChatGPT 或 OpenAI 的 AI,我都会先到账户设置里关掉“帮助训练”的按钮——即使关掉,我还是默认它会拿我的数据去做训练。 大家对中心化应用都有戒心,知道它可能作恶。比如买个显示器,你在 Google 或亚马逊、Shopee 搜了之后,其他 App 可能立刻推荐它——隐私完全泄露。AI 有没有这个问题?我们不知道,因为它们自己也不会说。初期是我们自己用应用,现在让 Agent 去用,它泄露多少信息和隐私?特别是 OpenClaw 能控制浏览器和邮箱,共享了多少信息?除了共享给 Anthropic,有没有给第三方?没人知道,我们也没时间分析。
4. 利益对齐:这一点更有意思——这个 Agent 到底是不是真的代表我的利益?比如你给它 50 美金,那么它是真的用 50 美金最大化帮你买一个好的显示器,还是可能被其他地方 prompt injection?他说类似于有一些广告或面向未来的方式。比如这个显示器 10 美金卖给你,但给你 20%回扣——它真的是代表我的利益呢?还是假如真的有 GI,或者他自己有一个小金库?这也是一个问题。
目前我和朋友几次沟通下来,感觉比较严重的几个问题:
1. 能力;
2. 财务;
3. 隐私;
4. 我们的 Agent 到底代表谁的利益?
可能想得有点超前,但这个问题之后会越来越严重。因为至今我们都不知道 Agent 最终代表谁的利益。我们可以在 prompt 里写“你代表我的利益”,但这也不是我们能控制的,因为 model 我们也控制不了。于是就会出现这一系列的信任问题。
当然,有些问题在 传统金融 中也是存在的——你也可能被算法操纵,比如把不是最好的东西推到你面前。但对这个新东西来说,监管完全是空白,至少这几年我觉得会很难。
四、构建信任基础设施:Agent 的发现、评估与技能库
Hazel:
这种狂野西部式的狂奔,需要慢慢才能跟上。所以,我自己最关心的事情就是:不管你技术吹得多么好,最后大家不用就是不行。我不在国内,还没试过用 Web3 点奶茶,可能国内的朋友至少有过一两次支付 体验,但我完全没体验过,所以也蛮好奇的。
说到这个点,信任其实包含很多方面,每一个都有创业和补足的机会。您刚刚提到的几个点,比如能力安全,我们现在解决的问题是什么?比如我去淘宝、大众点评,或者以前的猪八戒网,找一个可信的人帮我们做事,本质上都需要一个类似点评的网站。
你做的 8004Scan,可以说就是一个链上的 AI 大众点评,这么概括对吗?
YQ:
我感觉你的理解非常好,因为之前没人跟我提过这个点。当时做这个也是因为以太坊基金会和我关系非常好的朋友 David, 他是负责 AI 相关的。他很早在 8004Scan 出现之前就跟我讲,他们在做这个,之后出来就做个 Sky,for public good,没指望这个赚钱。做这个之后,我慢慢发现比较有意思的点,就是你讲的,因为它里面涉及到非常多的情况。
1. 注册系统:它是一个链上所有 Agent 的注册系统。你不一定是 Crypto 或 Web3 的 Agent,也可以是 Web2 的,也可以在上面注册。好处是开源、透明。未来如果有大量 Agent,你都可以查到它的 metadata(源信息),然后去调用。
2. 验证机制:他们规划是做 validation,会有一些节点去验证这些 Agent 的原信息是否准确,然后打分。
3. 声誉系统:所有用户都可以上去打分,因为它是 permissionless(无许可的)。某种意义上,它是一个无限制、无许可的 Agent 大众点评。好处是信息完全公开透明,无法下架。
这也是我们慢慢发现 Crypto 对整个 AI 行业能做的第一步,也是我感觉非常有意思的一点。这个地方是替代不了的。很多 Web2 的 AI 产品或工具可能不需要,但像 8004 这种东西,Web2 替代不了,因为 Web2 里找不到 permissionless、数据公开透明且不可篡改的对应方案,这也是区块链 擅长做的事情。
当然,大家可以在上面搭建什么,见仁见智。有人说这就是一个类似于黄页的系统,做不了什么。但它的透明性是长期优势——某些网站可能做一段时间就关闭了,但这个系统永远可以访问。
目前已有十几万个 Agent 注册,大部分是 Crypto 相关的。长期来看,如果我们有比较好的链上支付系统(比如 X402 MPP 与传统信用卡支付结合),Web2 Agent 和 Crypto Agent 其实可以结合在一起,没有非常大区别。因为 Agent 不点广告,但大家都会讲性价比。如果能在更好的地方查找到信息,买到价格更低、质量更好的产品,默认大家都会来找。
这就是我看好 Crypto 长期的方向——除开支付,它的透明性和 permissionless 特性仍是最大优势。
Hazel:
我正好看到你的网站,觉得注册平台相当高——4 分钟前一个,40 秒前又注册了一个。这个是 AI 自己来注册的,还是都有?
YQ:
你也不知道是人注册的,也不知道 Agent 注册。因为现在支持链太多,有十几个链,而且他们还在跑一些活动,比如黑客松。所以大家已经很难预估刚开始的情况。我们有些是知道新的 DeFi 项目上线,方便大家去用,但之后变得越来越多样化。
整体来讲,说实话,这个东西还是属于我们关联行业的一个小圈子。它之后的扩散,我感觉还是需要通过 payment 这种更便捷的方式让大家去发现。而且我个人感觉,未来它就是一个底层协议,不会特别面向用户。比如你 Agent 查信息的话,可以自己去查,但不太可能真的人自己去点,因为信息量太大,查不过来。
我其实挺认同,因为从网站的访问数据能感觉出来活跃度的比例。其实 X402 的交易量,我看你提前转过一个图,相比去年下滑得很厉害,对吧?
Hazel:
最顶峰的时候,早期是因为有很多人。
YQ:
在上面发一些边框,然后迅速吵起来。之后有很多刷量,就是你真实用的话,包括现在又涨上去,我个人感觉还是有刷量的情况。
为什么最开始预测时,我预测 信用卡各种卡的交易量会比原生的区块链上面用户的交易量要高?因为讲实话,我们这个行业的用户量还是太少了,大部分用户还是在做 trading,不做普通的交易。
在西方的话,大家还是刷卡,即使 Visa、Mastercard 收三个点,但大家还是刷卡,因为里面有积分之类,绑定的太深了。这也就为什么我个人感觉像 8004Scan、X402 这些,到最后还是回归到它是一个底层协议。
它不太可能直接面向普通用户,用户可能都不知道你底层是怎么运作的,然后开始在用。他也不可能知道你是用的 X402,是用 MPP 协议还是直接用的 P2P 支付还是用的 Stripe,对他来说无所谓。我只要能买到物美价廉的产品就可以了。
Hazel:
你们这个 Web3 排行前面 AI Slop 的链上 Agent 特别多,你有去研究过为啥吗?
YQ:
说实话,大部分一般都是在一些联办黑客松期间相对比较多。还有一些他们会刷榜,把这个当成一个分发渠道,去向投资人展示。跟 OpenClaw 一样,这不只存在于区块链行业,其实在 Web2 行业也是如此。
YQ:
还有,像 Apple Store 也会出现刷榜现象,OpenClaw 的新模型也会去刷一刷。免费后,大家都会刷榜,很难讲动机是什么。只有一些比较好的 AIGC 不刷榜,但你可以看它的交易量。如果交易量较高,而且是重复、不断交易,那么它就是一个比较好的 AIGC。
但如果你看一条链上为什么有很多 AIGC,情况就多种多样。最开始,比如以太坊刚上线时,很多人只是想试一下它到底是什么,因为觉得很酷,虽然不知道能用来做什么,但就想注册试试。慢慢地,大家会开始选链,因为有些链手续费低,或者有一些补贴,用户就会去上面操作。还有一些像 DeFi 项目,可能需要用户交互,而交互方式就是通过 8004Scan 上的 AIGC 进行。
整体来讲,我个人非常看好。说实话,现在整个市场都很差,但你能看到数字的增量一直存在。不管是什么原因,只要有增量,当数量积累到一定程度,量变就会导致质变。目前还没有非常亮眼的、完全不一样的 AIGC,但持续积累总会迎来质变。
Hazel:
你刚才提到刷榜,所以我其实想知道,在这些数据指标里,有一个指标叫 Feedback 嘛,这个东西是你得交易了才能给 feedback,如果你没有买这个 Agent,你就是没法给出 feedback,我可以这么理解吗?
YQ:
这就是 8004 团队当时设计的方案。我们聊了很久,最终他们决定定义为:即使没有购买也可以进行 Feedback。这确实容易被刷,类似 Google Map 的模式。但不同的是,刷 Feedback 需要支付手续费,成本比 Google Map 高一些。
这属于我们提到的无法完全禁止的行为,但可以通过提高成本来限制,后续还会有补充方案。比如引入 Facilitator,它会为这些 Agent 进行打分。类似于餐馆行业的米其林评分,由相对中立的评分专家(可能是另一个 Agent)对不同 Agent 进行评价。当然,这些评分专家本身也可能带有一定倾向性。
但整体上,仍需尽量保持 permissionless,因为这是区块链带给我们最大的优势。如果过于 permissioned 或中心化,就失去了存在的意义。
Hazel:
所以 8004 这个功能现在还没有上,因为我看你基本上所有的 Agent 都是 0 嘛,数量都是 0。
YQ:
A 这个主网上还没有上线,现在 8004 团队还在开发中。他们目前处于收集各种 Feedback 的阶段,尽量优化,同时兼顾 permissionless 的特性,并且能够将一些不是特别有用的内容在评分系统里往下调整。
Hazel:
你刚刚说那个 Feedback 是不用付钱,我觉得这个就体现出 AI 瞎说了。因为我准备采访的时候,我还问 AI 的,我说这 Feedback 是不是一定要买了才能给,他非常肯定地跟我说是的。这个就属于在跟我瞎掰。我感觉你很难定义到底是买了没有,除非你的这个 Agent 最终的所有结果都上链。
YQ:
有道理。但是我们都知道 on-chain payment 有各种各样的方法,而且你都不知道这个 Agent 做什么,你凭什么说他做了支付跟没有做支付。
另一种方法就是绑定 X402,但这样就加了很多限制,不够 permissionless。所以这里边有很多 trade-off,就目前来看,现在这一版的 trade-off 相对是比较好的。
Hazel:
还做了什么 trade-off 嘛?因为你提到,我觉得肯定还有一些别的,可能外界不清楚的。
YQ:
这个关系其实蛮多的,就像这个 Feedback 系统就做了很多次。最早的时候,就像你讲的,你得支付或者有一些优先条件才能进行这个 Feedback。除此之外,他们现在在讨论 TEE 怎么加。讲实话,TEE 是非常中心化的。
Debatable。有些人很喜欢,因为它能降低很多复杂度;但很多人不喜欢,因为它是中心化的,这本身比较违反区块链 permissionless 的默认原理。
不过,如果不用它,成本又会很高。比如使用 ZK 或 HE,成本就会大幅上升。目前这些渠道还在沟通中。
另外,回到 Dashboard 打分系统——我们差不多每隔几周就必须重新调整算法。就像游戏一样,过一两周,很多 Agent 就已经发现我们的算法(虽然没开源),但能猜到评分系统的逻辑。所以我们只能持续优化,基本每两周到一个月就必须进行一次算法迭代。
YQ:
Agent 就排在前面,这是没办法的事。你只能一直去优化、调试,特别是在 permissionless 这样的系统里,难度就增加了很多。
另外,我们发现一个问题:之后的运营成本会越来越高。因为随着链的增加和 AI 的增多,同步这些数据并进行高效检索的成本会越来越高。这就是为什么最终不管什么行业系统,只要量上去了,基本都会变成一个搜索引擎级别的系统。它的成本——无论是存储还是搜索——都会越来越高,而且降不下去。在区块链 里,存储成本可能更高。
抛开链上成本不谈,链下要做一个比较好的 indexing 也很困难。现在访问这么快,全靠后台每个月进行一次大型优化和重构,否则根本撑不住。因为所有区块链 的底层数据都没做任何优化,拿回来后还需要多次数据清理和优化。
这些慢慢让我非常能理解 AI 的困境。说实话,区块链行业很多文档不全,迭代又非常快,AI 查不到这么多数据,很多时候根本不知道,所以只能猜,猜完就随便讲。否则,它也没法给你一个比较好的答案。
这就是为什么我之前写了一篇文章,感觉大家都很焦虑,但 Crypto 相对不用那么焦虑——因为 AI 本身跟不上这个速度。
Hazel:
AI 的重心也不在学习我们这部分速度,所以他对这部分学习本身就挺差的。
第二点,我们这个行业讲实话,门槛还是比较高。
YQ:
因为各个地方都很难用。说实话,它的高门槛就是很难用。这个地方装钱包,那个地方要处理链和 ID,发个交易还得等,每条链等待时间又不一样。你可以试一下,搞着搞着可能自己就晕掉了。
特别是每次 text 一旦 compact 以后,基本就胡言乱语了,不太行了。我个人感觉,每个行业对 AI 的门槛就是它有多难用——越难用、公开知识越少,这个行业在 AI 盛行时的优势反而越大。
Hazel:
对,但前提是行业得在。让我们回到刚刚说的 8004。YQ,你最近又做了一个新的东西叫——CryptoSkills Hub,然后主播 8004Scan 是找这个 Agent 的,而 CryptoSkills Hub 是聚合各种 skills 的。
我其实本来不做这个事,所以还没想那么多,现在感觉有点模糊。你觉得这两者的区别是什么?假如前者是大众点评,后者也是大众点评,对吧?你如何理解它们的区别?
我特别想知道:如果一个 Agent 去找东西,它是通过 8004Scan 找 Agent,还是去 CryptoSkills Hub 找合适的 skill?还是你觉得它们是并存的?而这个 skill 可能又属于另一个 Agent?就有点乱。
YQ:
按照目前 AI 行业的发展,我感觉只能并存。因为现在实际情况是,我个人认为 AGI 不可能是完全通用的。AI 不能通用,这就涉及到一个问题:大家不会把独门秘籍公开出去。
在 8004 上好的 AI,你会发现都不开源。都不开源,然后调用的话,你要不买 subscription,要不买 API。还是需要支付才能使用它。
这涉及到 Agent 有自己独门秘籍,它不公开。而 CryptoSkills 是属于我们尽量把已有的开源公开的 skill 写好。如果你自己有一个 Agent,又不想花钱,那么可以去调这些 skill,自己安装使用。
但与此同时,我也发现这里边的 skill 大概有一半也是接一些像 DEX CEX,很多 API 也需要注册。它也不是完全开源或免费的。这里就涉及不同程度的支持付费:
如果你愿意把整个复杂的独门秘籍、整个 workflow 让它完成,那就有调用的选择;
如果你想自己做一套,嵌入到自己的 workflow,就去调这些 skills。Crypto 好的一点是它有开源文化,大部分还是愿意开源的。但我发现现在一个趋势是,因为整个行业在凋零,导致开源文化越来越式微。现在新的 payment 或 DeFi 项目,都越来越朝着闭源方向走。比如 Solana 现在所有新项目没有一个开源。
现在的走向导致整个行业有人说它走向成熟,但另一个角度我感觉是走向闭源,越来越 Web2。这导致某种意义上,你调用 Agent 和调 skills 到后期可能会重合。
另一个点取决于全球 AI 的 model 的 context 能做到多大?你知道 OpenClaw 所有 skills 大概有多大吗?上次我查是 3GB,你不可能把所有 skills 全放到本地 Agent 里,因为 context 不够大。这就导致你得有选择。
有选择的话,还是回到那个点:context 不够大。那样的话,你是调其他 Agent,还是选择把所有 skill 都加载进来,只能是见仁见智。
我个人认为现在所有的这些东西,像 skills 我会管它叫 app store。但其实 8004Scan 也像 app store,最终回归到一点:只不过我们现在讲的 app 不一定是传统本地的 app,它可能是以 skill 或者 Agent 调用的形式存在。但归根到底,我个人感觉都是支持付费。
Hazel:
更通俗的例子,就像点评餐馆的关键入口——菜谱,对吧?得自己会做。但现在越来越多可能像 预制菜,可以这么理解。
YQ:
是。菜谱,但是菜谱里面写的想要索取秘籍,你得给我发多少钱,然后我给你一盆汤。我跟你讲,这到底有什么调料?可以这么理解。
Hazel:
你刚刚说的封闭的事情,我觉得不光是一个做 AI 的朋友跟我说过类似的观点,就是 Web2 时代厂商会更封闭,因为封闭比开放更有利可图。其实跟你说的“不看广告”有点类似的意思。
在流量时代,你把所有东西拿出来,然后靠广告和分享盈利。等到能支付了,我就把东西全关起来,你要什么就付钱,我再给你拿出来。所以可能确实会增加闭源的趋势。不光是 Web2,我觉得整个行业或者 VR 行业可能都会变成这样。
我问这个问题是因为我们 19 期的时候聊到类似的事情。当时我们跟 支无不言在讨论:AI 时代来了,到底什么东西能卖出价钱来?支无不言就很困惑,说:“我为什么不能自己做呢?为什么非要买你的呢?是你的 Claude 比我的 Claude 高级吗?”
但确实还有很多普通用户。当时我们还讨论到,有些数据可能是独家拥有的,不可能分享给你。这其实后面会聊到,关于 AI 同质化和需求的问题。
说回到 CryptoSkills Hub,以后会加评分吗?因为它现在还没有评分功能。但像 Claude Hub 的 Skill Hub 是有评分功能的。我现在的理解是:加是可以加的,但无法验证。
YQ:
验证起来也容易,你调用后看一下效果如何。但我个人感觉现在它还没有到那么成熟的阶段。
Hazel:
或者我应该这样问:到底有没有人在用 Crypto Skill?我看到很多人发了,但是谁在用?
YQ:
我在用,都不好用。不如直接让我的 AI 重新写一遍。我个人感觉是这样的,咱们行业最大的问题是——大部分公司在 AI 上面投入太少了。
可能是看 Twitter 上面的文章被洗脑了,大家以为点一点就能做完,扔给 ChatGPT 写,5 分钟就能完成一个 Skill。但其实不是的。我现在认为,咱们行业大部分 Skill 做出来以后,他们自己都没试过,没有做很好的测试。其实很多版本我个人感觉是不能用的,没有真正从一个开发者角度去做这个事情。
确实,某种意义上还是回到那个点。我在 区块链行业超过 10 年了,感觉大家做的东西,说实话很多不能上生产环境。而且最近大家可能陷入一种……
Hazel:
市场的需求,就是别人发了这个 skill 我们也要发,对吧?反正也没有特别的原因。
YQ:
区块链这个行业从一开始就比较特别。大家都是搞开源的,脑袋里从来没想过客户要用这个东西。大家最喜欢的就是 build in public,在生产环境直接写完就上线。早期以太坊所有的这些公链都是这样的,这就为什么中间会出现那么多问题。
至今我感觉很多行业的开发者还是有这样的心态。这是一个很微妙的点:一方面大家很喜欢慢慢开始往闭源 Web2 和 revenue 这方面去走;另一方面,大家的心态还是不够 Web2 这种成熟生产环境的开发心态。这就导致我们做的很多东西,我个人感觉是不过关的。
Hazel:
明白,还没有到真正打分这些。
YQ:
我个人感觉就是先把它做得比较能用,然后经常迭代。很多做完了就扔在那里,过一个月没有任何更新,这肯定是不正常的。
Hazel:
因为我最近在组织黑客松,也收到了一堆提案。点开几个看了之后,我发现这些内容我自己也能写——用我的 Claude 大概两分钟就能完成。对,就是这种感觉。
YQ:
好的 skill 是非常难写的,最起码得保证在不同的 model 下工作得比较好。
因为最理解这个 Skill 系统的是他们自己的项目方。我们可能是根据需求调用 API,但不太清楚里面会出什么错误。我们看到某一个文档,但它还有其他文档,我们不知道。
最终还是回到那个点:知识怎么传递过来。
Hazel:
现在 8004,和 CryptoSkills Hub 它更多是确实挺像互联网早期的行业那种黄页的感觉,可能也像 App Store 审核会更强一点。
那你觉得这个东西是一个自然的——或者说先进的方式——来搜索、来发现吗?还是说它其实可能会有比搜索引擎更下一代的东西?你有想过这个问题吗?
YQ:
按照目前 AI 的发展方向,我们会发现像 Claude code 跟 Codex。之所以写代码这么厉害,也是因为从去年开始,开发者发现与其给 AI 大量的工具限制它(例如早期搞的 REG 或 Langchain 这些),不如直接给它最简单的 Linux 工具,比如各种 bash 命令。
我个人感觉,越简陋的东西可能对 AI 更有效,因为节省它的上下文。那些花哨的网站对它来说都是负担,最好的就是 Markdown 或 TXT。这就是为什么像你讲的黄页或早期静态网页对 AI 更有效——更直接。它不需要那些酷炫的信息,因为它本身也不看这些信息。
包括我们现在大量的贴片广告,AI 会默认写一堆代码把广告去掉,节省它的 token。去掉这些后,token 能省 99%,所以它只保留最有用信息:价格、功能、运费以及信誉度。不过信誉度需要长期建立,就像 AI 买东西不可能选一个刚成立的网站,即使再便宜也不敢买,因为没有信誉保障。
这就是为什么我感觉像 Binance 和 GitHub 可能是更好的选择,但我不认为它们是最终形态,因为 AI 迭代太快。3 年前我朋友在 GPT 上套壳做角色扮演,后来 GPT store 直接原生支持了这些功能。这就是为什么我们很难做自己的 App Store——大模型厂会马上抄走为自己做一套。
但未来不可能只有一个 Store,每个人都可以有一个,AI 会选最好的。这就涉及到未来 AI skills 和产品到底以什么方式卖给 AI 或用户。我感觉会是一个全新的状态。
五、支付协议之战、未来展望与创业者机会
Hazel:
这个就跟安卓一样,对吧?安卓也不可能只有一个应用市场,而是有非常多的应用市场。所以苹果将来可能还是会顺着这条路去走。
在发现层面,就是大家去发现好的 Agent。我觉得对于你刚刚说的能力信任,首先是我能不能相信这个 Agent 是否值得花钱购买。下一步就是授权,授权这个 Agent 来帮你花钱或付钱给他。
授权这个层面是最难的——为什么要授权?他能不能代表我的意思?目前几家大的厂商在这方面有什么努力吗?比如 Visa、Mastercard 或者 Stripe 这几家?
YQ:
其实像 Visa 也是上周刚推出自己面向 Agent 的支付。就像 Mastercard 大概率之后也会推出对应的 Agent Card。然后一定需要授权,它会与各种合作伙伴(比如微软)对接,你可以直接进行消费。Visa Card 也是类似。
我不太清楚你是否熟悉,现在整个行业里有很多 Virtual Card。这些走得比较靠前的会支持你接收 USDC 并进行支付。不过,所有 Virtual Card 的最大问题就是需要做 KYC。我认为 KYC 很有必要,否则可能涉及洗钱等问题。但一旦需要 KYC,Agent 就无法完成,因为 Agent 做不了 KYC。
如果你用过这些 Virtual Card,比如我知道的某卡,做一次 KYC 最多只能申请 5 张 Virtual Card,不会给你特别多。这就导致你最终还是需要一个人绑定不同的卡,再给 Agent 用,相当于还是多了一层套用。
至于是否有更好的解决方案?我感觉很难。因为传统银行体系不会轻易让匿名的人参与,否则你无法追踪资金流向。这有好有坏:好处是相对安全,坏处是会阻碍整个 Payment 的发展。Google Pay 的好处是它跳脱了 Card 的方式,没有 Card 的约束(比如签名等),直接授权即可。但归根结底,最激进的还是 Crypto。区块链的本质就是 Permissionless,所以我经常和朋友说,与 AI 结合最好的就是区块链和 Crypto。
我甚至怀疑当年 Vitalik 是不是穿越回来创造了这个东西?因为说实话,这东西对人类来说真的太难用了。
区块链的支付和交易,说实话对人来说,我们其实已经过了十多年。
我先发现现在用户体验其实还是极其差。用户体验好了,permissionless 的优势也就没有了。这为什么感觉它整体结合最好的还是原生的,只不过这个原生的怎么面向 Web2 用户,现在是需要像 X402 MPP 这些去推。
这就为什么讲?如果你想让大量的 Agent 支付来做的话,就只能靠这些信用卡,因为所有 Web2 用户都是靠这些卡来支付商户的。如果你想要最原生的,那只能是区块链。这个如何兼得的话,我个人感觉现在是一个没有比较好的方案的。
Hazel:
Stripe 还挺特别的,因为平常 MPP 协议都能接,对吧?它既能接受传统的法币支付,也能接受 Crypto 的支付。这个可以无缝接受他的商户。
YQ:
是最好的最好的点。
Hazel:
对,但因为 X402,我理解你的意思是:只要签名授权了,对于 PTO 来说,付了就是付了。只要付了,就是三位一体的,对吧?不用去确认你是谁,只要授权了签名,这笔钱就可以支付。
但你之前也批评过 X402 的一个设置,就是它其实会有一个中间人在这个流程中。我记得你去年写了几点批评,认为这个是多余的,但现在这个功能还是存在的。虽然 V2 有改版,但目前是一个什么样的状态呢?
YQ:
现在 V2 我感觉非常喜欢 X402 的点,就是它永远是把 Permissionless 放在最优先级的。它好的一点是现在支持任何的 ERC20,这样的优势就太大了。相当于在没有 AA(账户抽象)解决方案之前,我们就可以实现 AA。因为你可以用任何的 ERC1271,在不付手续费的情况下就可以做支付,这个优势非常大。Facilitator 最大的问题还是在于它相当于一个中间商。某种意义上,你做的任何交易都得通过它。当然你省了手续费,用户省了手续费,商户也省了手续费。但这个 Facilitator 某种意义上是一个中间商,这就涉及到三个点:
1. 手续费谁去支付?X402 最终还是要付手续费,交易才能上链。早期因为 Base 本来就是 Coinbase 的手续费,也是他自己收的,他自己跑 Facilitator 相当于左口袋放到右口袋无所谓。但之后超过 1000 笔就要收费了,而且手续费蛮高的。在高峰期大概是
0.2 美元每笔交易。这就导致早期我们讲的 micropayment(微小交易),比如每一个 API call 都要做一个 micropayment 的话,实际成本比手续费还低,手续费变成大头了。这就涉及到 Facilitator 费用最终谁去支付。
2. 隐私。你所有交易都会从它过一下,它其实知道你所有的交易。这就涉及到是否需要其他解决方案,比如 ZK 去把交易隐藏。
3. 合规。某种意义上,在美国可能没问题,但在欧洲或其他地方,它可能会被定义为 broker。作为一个支付的中间商,你的合规成本就相对较高。怎么能把 broker 这个去掉?我也不太清楚。因为某种意义上确实是中心化,你得跑一个 Facilitator,不太可能通过去中心化方式去跑它。
这就是我提到的 Facilitator 遇到的一些问题。所以它有可能拿掉吗?
YQ:
拿掉方式可能就像 MPP 协议这样的方式。你可以通过类似于 payment channel session 来实现。拿掉的方式有很多种:
1. 你与 服务提供商达成协议。就像在购买服务之前,X402 之所以这样设计,是因为它不想让商户做任何逻辑改动。
2. 如果让商户做逻辑改动,类似于 PingPong 这样的方式,就不需要 Facilitator。
3. 商户可以自行修改服务器端,例如卖显示器的商户内置 Facilitator,这样整套系统就能直接运行。X402 的设计者 Eric 与我聊过,他的理念是尽量不要改动 Web2 的东西。这是他们与 UDFL 合作的原因——X402 最早就是与 CFL 一起提出的。其中最大的优势,也是他们引以为傲的点,就是有了 Facilitator 后更容易接入 Web2 商户,因为无需修改服务器或逻辑。劝说商户修改的成本很高。
我感觉这某种程度上是一个过渡方案。如果未来 Web2 体系不改,X402 可能是一个很好的解决方案。但如果因为 AI 或 crypto 的广泛使用导致整个体系需要改变,你可以将其融合,商户那边会有新的 SDK 来解决这个问题。
我个人认为这是一个循序渐进的过程。但 X402 的理念非常正确——尽量照顾更多链的开源和 permissionless 共享。这可能是它能长期发展的一个重大利好,与 PingPong 有所不同。
Hazel:
些不一样,对吧?Stripe 还是希望把它尽量留在自己的生态内嘛。对,这个就是主条理。
YQ:
你 MPP 这些东西就是为 Stripe 进行服务的。从某种意义上来讲,我感觉这所有东西都是在为 Stripe 服务,就是为了方便 Stripe 的商户以及用户去用这个产品,其他的都是附属品。
MPP 这些东西,你会发现它完全结合 Stripe。如果没有 Stripe,这套东西根本用不到,80%的可能 60%都没有这种效应。
但是 X402 就无所谓,它本来就是开源的,每个地方都可以接,每个地方都可以改。为什么我更看好 X402?过几年它的通用性以及原生支持性会更强,而 PP 大概率会卡在 Stripe 的生态里。
假如未来 AI 有更好的支付方式替代了 Stripe,那 X402 肯定会继续存在,但 MPP 可能就不在了。
Hazel:
你的文章里也提到了,你说这两个东西不是竞争关系,对吧?首先至少在前期他们可能就是分开。可能 X402 更适合一些小一点的场景,我感觉它更像一个协议。
YQ:
MPP 更像一个产品,是针对 PE 进行完整优化的产品。其实整个产品都是为 PE 设计的,相当于帮他节省一些可能 Swift 的费用,用来替代 Visa 和 Mastercard 的结算场景。
Hazel:
对,还是回到授权的问题。因为你刚才已经提到 TEE 了。我正好有一个来自听众群的问题:关于 TEE 的私钥存放问题。
你刚才提到 TEE 是一个中心化方案,可能会被监管认定为托管。对于机构级的部署,你觉得私钥应该如何处理?可能你也没有答案,但我们在听众群里讨论过:这个东西到底是自托管还是托管?如果是托管,那监管规则就完全不一样了。
YQ:
现阶段,如果是大型机构,据我所知,大部分都会用 Privy。至于如何实现 PC,可以通过不同 TEE、不同机器,有各种各样的方案。他们肯定不会单独放在纯 TEE 的环境里,因为风险太高了。
至于托管,是自托管还是交给第三方?实际情况下,这种通常会用 AWS natural。这种 TEE 直接托管,他们一般称为 TEE self-hosted 自托管,但讲实话其实就是托管。因为 key 托管在他们那边,即使他们不承认是托管,技术上这就是托管。合规角度则取决于他们 lobby 能做到什么程度。
对于普通用户,可以根据需求选择方案:
使用 safe(多签);
使用 social login;
本地自托管(相对较好)。
但短期内更容易普及的,大概率还是 Coinbase CDP 以及 privy 这类方案。虽然他们自己不承认是托管,但其实就是托管,因为更方便。让用户自己保存私钥,风险太高;交给第三方托管,出问题可以起诉,有人兜底。
只能找相对有钱的第三方。如果对方没钱,技术再好,也很难兜底。这就是为什么 Coinbase 和 privy 这类方案更受认可。
YQ:
Base 兜底,另一个是 Stripe 兜底,因为这样是最用户友好。至于你感觉这个安不安全呢?就只能是见仁见智。技术上肯定都有各种各样的问题。
在研究角度的话,你是不能信任 TEE 的。大家会讲你有各种各样的 side channel,各种各样的漏洞。那么即使你用 TE,你得用多个芯片、不同芯片 TEE,比如 Intel 和 AMD 的,然后用一些 MPC 的方式,但这样成本就太高了,普通用户可能很难承担,而且速度就很慢。你又想快又想安全,这就是不可能三角。
所以短期我个人感觉可能还是 privy。但如果用户真想安全,就只能是本地多签。或者以后有更好的账户系统的话,你可以用起来。
Hazel:
这个授权系统的一个理想的情况是什么样子的?比如说,X402 本身其实没有做什么授权机制,它应该是基于后面的 Agent Wallet 来做授权,对吧?你能花多少钱,以及在什么程度上去花。
YQ:
你设置一个限额。这就回到我们最开始问的那个问题——信任问题。我感觉这与技术不相关,而是你对这个 Agent 凭感觉有多少信任。我甚至很难到钱包这一层,就是这个 Agent 你感觉他愿意花多少钱。
回到那个点:因为我们行业内大家对 Crypto 这些了解非常深,所以你是更小心的。但某种意义上,我们可能 90%用户都不会去查自己的 credit card 每月账单,甚至不知道有没有被人盗刷。不是盗刷的问题,而是我们可能订阅了某个不常用的品箱却没取消,或者不小心点了一个年度订阅,过了一年没取消又被扣钱。
我们自己心理账户对 Crypto 钱包可能就 50 美金,但对信用卡大概率是无限的。这就回到那个点——我个人感觉是我们自己心理账户可能需要调整。不是授权的问题:我们把这钱包卡这么紧,但信用卡有几个人会限制每笔交易只能付 50 美金?我见到的都是问能不能把 limit 升得更高。
但当我们把信用卡给 Agent 用时,这就涉及更大问题:它可以无限刷。
Hazel:
这块是授权的问题。我自己研究不多,但我觉得定价是个问题——辅导应该卖多少钱?现在是 API 定价,调一次收一次,但最终要看结果。比如我给你做了一个价值 1000 美元的东西,和做了一个价值 10 美元的事,完全不一样。
这块有没有相关研究?我自己有一个 ERC 8183,他们在研究这个。我不光要看支付,还要看他是否做成了,完成这个复杂任务投入了多少,最后有一个 validator 来验证交付效果。这其实是一个整体的问题。
关于 Agent 的定价问题,你有什么思考吗?
YQ:
我个人感觉这完全是人的问题,跟 AI 没有关系,和区块链 关系也不是特别大。这还是要回到产品定价的问题——你很难去做一个定价。
比如手机,为什么 Android 手机的价格比 iPhone 低那么多?功能都一样,如果让 AI 去选,大概率会选 Android 手机。但对于品牌和一些额外的溢价,就像你说的,个人用户可能更愿意买单。
包括奢侈品,为什么 LV 的包包那么贵?同样的材质做的包包,可能便宜几十倍。如果让 AI 从理性角度看,可能更倾向于买同样材质但没有品牌的包包。这里就涉及到很多溢价问题。
另一个问题是,我感觉 区块链解决不了人和人之间的 dispute。这就是为什么很多时候客服还是需要人工客服——很多时候问题不是理性的。除非是纯软件服务,比如定价 20 美金就是 20 美金,功能可以定义得很明确。但如果是实际产品,用户体验的好坏不是机器能判断的,区块链 也完全做不了。
这都是现实世界的问题,所以我非常反对在 区块链世界里用智能合约或区块链 方法去解决物理世界的问题——因为你没办法解决。
Hazel:
你还是得回归到物理世界这些问题怎么解决?
YQ:
例如我买了一个显示器,这个地方有问题。那你是直接通过客服系统解决呢,还是去链上发一笔交易,然后发起一个 dispute ,让别人来判断?这就把事情搞得太复杂了。
我个人感觉所有问题还是回到那一点:我们得遵循 奥卡姆剃刀 原则。如果它不能直接解决问题,反而增加了更多复杂步骤,那就不应该存在。
你买的显示器出问题,最好的解决方案可能是通过一个 Agent 看你发的图,判断是否真实,再根据实际情况处理。这大概率是一个 workflow 问题,对吧?这个问题不可能通过其他协议来解决。
这就回到那个点:我们怎么更好地解决人与人之间的 dispute?我感觉这比 Agent 更难解决。抛开法院打官司这些,像退货这种情况,就是为什么很多电子商务平台喜欢“7 天无理由退换”或 free refund 这种方式——因为它可以省去人力。如果招很多售后,成本可能比用户退货的成本更高。所以中间会有这样的计算。
当然这只是其中一个例子。回到你提的点:怎么解决 dispute,以及有没有更好的方法解决 settlement 问题?我个人感觉 AI 是帮不了的,除非我们把整个事情做得比较模块化。
YQ:
能够把需求以及交付的内容细化到大家完全没有分歧的程度,这样比较容易程序化。否则的话,刚刚提到的这些问题,我个人感觉是机器无法解决的。
我就想问一个问题,因为我们刚举的很多例子大部分都还是……
Hazel:
去交代我就是 Agent 的帮人花钱,对吧?那你相信那种 Agent 完全抛开人的情况吗?它背后也没有人,就是自己有一笔钱,然后自己花、自己赚钱。
前段时间很流行那个 Web3.0 嘛。当那个 Vitalik 批评了,他说不能完全把人跳过去,对吧?这个东西你觉得更多的是一个泡沫叙事,还是说它真的有价值?目前来看肯定是泡沫。
YQ:
AGI 还没有那么先进。还是回到那个点:当 AGI 已经强大到最初那个问题——强大到我们已经有信任问题,即他代表自己的利益还是代表你雇主的利益?当我们分不清这一点时,才适合讨论这个问题。
现阶段,我不认为他真的已经智能化到这种程度。比如你给他分配一个任务,他自己还有自己的小金库。当然,如果 AI 没有达到这个程度,我感觉这些都是多余的。
最终,现在它基本还是我们的 delegate,相当于我们的代理。他没有预设利益,大概率是代表我们自己的利益,除非别人 projection 然后把它 uphold 成不一样的东西。否则现阶段它还没有这么大的自主权。
Hazel:
假如真的到那个时候的话,
YQ:
我感觉那个时候我们就不讨论现在这些问题了。那时候可能大家讨论的就跟电影里一样——我不知道你看不看《Blade Runner 2049》,我看得非常着迷——那时候的问题会变成:你怎么证实你是一个人? 这就更多是伦理问题了,而不是我们现在讨论的这些。
那时候需要定义:怎么判定他是纯 AI?他有自己的账户吗?他是否该拥有这样的权利?我感觉短期内应该还到不了这个阶段。就像今天早上看到的…
Hazel:
code 的创始人接受博客采访,被问及如果真的 AGI 会去做什么。他说要去做味增,可能这时候证明自己一个人也能做味增吧。这种感觉类似,但可能会做得更好。不过味增似乎需要很长时间,可能要发酵三年左右。他肯定没有继续做得很好。
最近我看到两个特别有意思的例子,关于 AI 雇人干活的事情:
1. 加州的一个共享无人驾驶汽车,通过 door dash 式下单让人帮忙关车门。有些人下车可能不关车门,于是就在 door dash 上发单子,附近的人可以拿钱去帮忙关门。这个例子中,AI 虽然没有自己的意识,但确实出现了这种现象——一辆无人驾驶汽车通过刀带 发单让人帮忙关车门,我觉得挺有意思的。
2. 我非常喜欢 《Blade Runner 2049》 里那个折纸独角兽(还是马?),用来判断“我到底是人还是机器”的设计很棒。
刚才提到花钱的问题,或者说现在整体来看,AI 最大的用途似乎是裁员——让老板们把人裁了,但还没有创造出新的方向。你前天发推提到这一点,是写 ETH2030 时的感慨,还是其他原因?其实只是真实观察。
YQ:
ChatGPT 出来大概有 3 年了吧。PT 早就出来,但我们确实没看到颠覆行业的新应用。我们看一下 Ticket 出来多久了?搜索类 App 已经差不多有 10 年都没什么新东西了。不止社交搜索类 App,其实整个 App 领域都没有什么新东西出来。有了 AI 以后,我没看到任何新的东西。
这就是为什么那篇文章写的:AI 出来以后,最赚钱的大概率就几个方向:
1. Media(卖铲子的),就是天天忽悠大家赶紧去买 GPU。去年可能就花了上万亿美金,沉默成本挺高的;
2. 卖 API 的,但说实话卖 API 的大概率他们自己都不赚钱。最近不是讲他们最新的那个 model 花了 100 亿美金衬出来的?相当于 AI 赚的钱最后还是给机器交电费了;
3. 现在市面上最多的就是贩卖焦虑,卖课,帮大家组装 OpenClaw 这些运维工具。这些是蛮赚钱的。
但除此之外,我个人感觉新的方向就是开源节流:
● 开源现在没有做到,没有看到任何新的突破。你看财报也一样的,Facebook 去年广告收入又创新高,可能超过 2000 亿美金了,但 AI 做得一塌糊涂。正常来讲 AI 应该分走一些 revenue,但最后人家 revenue 更好了;
● 节流 做得非常好。就像那篇文章预测的,可能 5 年之内有 50%到 80%程序员被干掉。现在应该也看到没人招 intern 或初级程序员了。从报表来看,虽然没赚更多钱,但省了一大笔钱,股价又可以涨了。
另一点就是你之前文章写的:我个人感觉现在 AI 最大用处就是裁员,其实就是裁程序员。因为:
● 第三次工业革命之后,超 1 亿多是程序员或软件开发相关职位;
● 第四次 AI 工业革命 大概率会淘汰很多岗位(不是淘汰,是自动化)。如果只是调 API 这种代码,肯定没有 AI 写得好,这些职位就没了。
与此同时,SaaS 公司股价掉得很厉害是因为 premium 也没有了。就像你说的:我都可以自己做,虽然效果可能只有 60%,但够用了。或者出现大量个体户(oneperson company),导致各种工具越来越便宜,很多 SaaS 应用自己做一套也比较便宜,相当于把 SaaS 的 premium 杀掉了。
新的 AI 公司 我感觉代替的更多是 SaaS 公司的 premium。但到底能代替多少呢?目前也是未知数。
另一个点:我其实也不是悲观,是因为过去几年世界经济根本没有增长。人作为人,我们的需求已经被满足到极致了。有没有 AI 大家需求就这些。除非像 Hans Zimmer,我很喜欢看《Dune》,因为他确实能画龙点睛。
YQ:
就是说我们去泰国,或者去火星做殖民,这就是另一回事了,因为我们不用存量竞争了。我个人感觉现在整个地球全是存量竞争。即使 OpenAI 跟 Apple 上市,然后他们如果报表好看,也是从 Facebook(之前 Meta)那边把蛋糕切过来的。它不太可能再说“我做一个新的蛋糕”,因为我个人感觉大家的需求基本到极致了。
接下来还要面临这么大的裁员潮,那需求就更低了。当人的需求到极致以后,就很难让这些东西再有增长。为什么我整体感觉不是说第四次工业革命——AI 工业革命不好?是因为它好,但我们确实没看到它接下来除了裁员以外,还能创造什么新的岗位。这些新的岗位是什么?这个确实大家都在找,但目前来看效果不是特别理想。
Hazel:
其实我觉得有点……之前有一个说法,就是 AI 刚开始的时候,大家会有点兴奋,说“哎,人口虽然不够了,但是我们长出来这么多 AI 对吧?这个 Agent 有消费能力啊。”
但其实 Agent 是人的 delegate 嘛,对吧?他自己没有什么需求,除了训练自己——要耗电、耗芯片之外。
但长期来看,你又是乐观的,对吧?因为你文章里也说,虽然现在这个体量低,但 Stripe、Amazon 也好,刚开始的时候就是没有交易量的。你会觉得你对 Agent 还是一个乐观主义的心态,比如说你相信他们将来是会涨。
但如果像你说的,它就是存量竞争,就是把人类原来有一部分给搬到 Agent 上了。当然这也是它的故事,但是不够……
YQ:
我们把旧的打破了,相当于又换一批新的进来了。
Hazel:
OK。对,但你会去监控哪些信号,觉得它是起来了呢?这个事除了我还是会监控所有 Agent 相关的信号。
YQ:
我现在真的十分想看到能超脱于我们已有的用户场景,有一个 Agent 它能重复产生类似收入超过 100 万美金,但它的场景必须是全新的——不是 Web2 的。之前有一个很火的 AI CMO,我花 100 美金充进去,发现做的跟骗钱一样,这种场景肯定不行。
我们需要看到一个全新场景,它能自主挣到超过 100 万美金,甚至更多。就像你讲的,一定要看到新场景、新岗位。这只能是全新的,就像 Web2 里不可能指望诺基亚做出智能手机时代的应用——生态不可能,因为思维固化了。
现在只能期待原生的 AI,这也是为什么我非常看好 AGI 以及刚刚提到的原生 payment。现在非常早期,目前做出来的东西大概率之后不能用,但我们可以一直迭代。场景会非常大,因为人的需求没变,但使用的工具和应用大概率都要变。最差情况也会创造出很多新场景,我们可以有新产品在这些场景里运作。
我非常看好 MPP,回归到那个点:我认为区块链就是为 Agent 创造的。因为对人来说它太难用了——抛开 permissionless、数字黄金这些概念,它的自主性太好了。假如真的像《Blade Runner 2049》那样,AGI 之后,AI 大概率会用区块链这套系统,因为人不能停掉它。资金逃逸也会用那个系统,大概率不会用 SWIFT 和银行系统。所以这天生就是为它定制的。
这就导致我个人感觉所有产品之后都会建立在这个环境上。为什么我非常推崇 x402?因为我感觉到(虽然很难量化)它是在对的方向上。确实有一种感觉是这样。
Blockchain native 是更长期的。如果 AI 持续朝着 AGI 方向发展,确实只能走向更加自主以及 permissionless 的路径。
Hazel:
Tempo 出来之后对以太坊社区的冲击大吗?
YQ:
我个人感觉不是一个赛道。可能对 Base 冲击可能会更明显。
因为我不认为他能做 DeFi 这些结算层,发 token 大概率还是在以太坊。但他会涉及很多支付卡、商户支付,因为这些是比较正规的支付。所以为什么对 Tron 的影响也不是很大?因为那些都是灰色地带。其实对 Base 的影响比较大。
我个人感觉 Stripe 的很多部署完全是针对 Coinbase 在做的。Coinbase 做出 A,那 Stripe 肯定要对着 A 抄一下。因为 Stripe 本身也不是 Crypto Native,大概率不会有太多 Crypto Native 的创新,但可以对标 Coinbase 抄。Stripe 对比 Coinbase 的优势在于,他有大量 Web2 商户,这是他最大的优势。相当于现在整个 Crypto 行业全都做 Web2,肯定没有 Stripe 做得好,因为人家本来就是做这个的,有用户、有商户,可以无缝对接。
但我们的优势是 Crypto Native,这是 Stripe 没有的。我们做的东西天生就是 permissionless,Stripe 不可能完全做到这一点,这也是我们最大的优势。
Hazel:
创业很难。我前段时间刚跟非洲的两个人聊,问他们现在有没有 996,他们说完全没有。这可能也是很大的需求,大家都找到自己的 market,但很难改变。
确实,那最后一个问题聊得比较多,这可能不限于 Crypto 领域。前两天我看了 Gary Tan 的推文,他提到一点:他对 AI 并不满意,因为他觉得大模型 让所有人的思考变得平庸化。所有人都跟同一个大模型聊天,而它只是把人类的语言综合在一起,给出一个看起来还不错的结果。
我很好奇,作为创业者,你怎么找机会?如果所有人都跟 AI 聊天,聊出来的机会可能也差不多。那怎么找到非共识,或者找到那个领域去做?还是说执行比想法更重要?以 Agent 支付 领域为例,你怎么看这件事?
YQ:
我用的越久,特别是今天跟团队讲,感觉基本得回归到笨办法。就是你还是得读大量的书。
第一点,AI 不能复制或替代每个创始人做的产品的最大不同点——无论不同于 AI 还是其他产品,就是你的品味。品味可能有各种原因:出生环境、读的书、旅途经历,最终积累成自己独特的风格,做出独一无二的产品。这不是靠和 AI 对话能产生的,因为每个人的境遇完全不同。这可能是创业者区别于他人的关键角度。
第二点,假如你做 B 端产品,核心是信任。这种人与人之间的信任,AI 无法建立。我和一个 VC 朋友聊天时提到 AI 替代人类的问题,他说:“AI 不能替代人喝酒。”对 VC 而言,很多关系靠喝酒建立;对我们来说,可能是在黑客松半夜一起做东西。这种信任建立,AI 代替不了。
第三点是笨办法。AI 往往不愿做脏活累活——比如那些面向人的琐碎工作。因为 AI 有更赚钱的方式,这些大家不愿做的活反而是机会。未来 AI 能替代自动化工作,但像电工、维修工等暂时无法被机器替代的领域,也是好方向。
总结三点: 1. 品味; 2. 信任; 3. 笨办法(脏活累活)。
不管有没有 AI,这些都能显著区分一个人、公司或产品。长期来看,这些点始终有效。
Hazel:
再次感谢 YQ 今天的精彩分享!也欢迎大家去关注他的动态:
- 在 X(推特)上关注 YQ_ACC,会有很多高质量文章分享;
- 关注 ETH2030 等项目。
AGI 时代的生产力确实令人惊叹——短短几个月就搭建了多个网站(比如 8004Scan 上的 5 个网站)。
AI Agent 的支付时刻:谁将成为机器经济的 Stripe?撰文:Yiping & Turbo @ IOSG
核心叙事
Agent Payment 正在从 PoC 进入基础设施竞赛阶段
x402 在 30 天里跑了 330 万笔交易,ATV $0.46(Visa 平均约 $50)。估算真实的 Agent 支付月交易量 $30M。
TradFi 巨头在加速:Visa 推 Intelligent Commerce + Trusted Agent Protocol,Mastercard 在 2025 年 11 月对全美持卡人开放 Agent Pay,Stripe 联合 Tempo 在 2026 年 3 月 18 日推出 MPP。
并购信号很强:2025-2026 年间共完成 7 笔总额 $8.05B 的并购(Capital One $5.15B 收购 Brex,Mastercard $1.8B 收购 BVNK,Stripe $1.1B 收购 Bridge)。巨头选择买而不是自己造。
Facilitator 层是当下十分值得投资的生态位。它的位置类似电商时代早期的 Stripe,向上接协议,向下接应用
Facilitator 直接控制 Agent 的签名密钥和花费策略,是不可绕过的信任锚点。它同时拿到托管费和订单流收入,可以把它视为整个堆栈里最赚钱的角色。
MCP(Model Context Protocol)正在成为 Agent 调用支付工具的标准接口。谁的支付 MCP server 被 Claude、ChatGPT、Cursor 默认集成,谁就拿到类似"Chrome 默认搜索引擎"的位置。
加密基础设施和卡组织并不互斥,赢家是同时打通两条轨道的统一网关
一个购物 Agent 需要 ACP(Stripe)做商家结账 + x402 做 API 微支付 + AP2(Google)做授权审计。没有单一协议能覆盖所有场景。
Stripe MPP 在 2026 年 3 月上线,第一次在单一协议里同时支持稳定币(Tempo 链)和法币(Stripe SPT)。合作方包括 Visa、Mastercard、Anthropic、OpenAI、Shopify。这是融合趋势的第一个产品化信号。
协议驱动的市场把价值往上推,巨头不会通吃
x402 和 MPP 正在变成开放的商品化基础设施。Visa 和 Stripe 会主导清结算和卡网络一侧。身份层、Agent 应用商店、钱包策略引擎、信用基础设施都还空缺。
市场概览
什么是 Agent Payment
Agent Payment 指 AI 代理在没有人类直接操作的情况下,自主持有资金、授权花费、完成交易结算。这不只是让 Agent“点一下支付按钮”那么简单。要做到这一点,需要从身份验证、钱包管理、花费策略到清结算的一整套金融基础设施,让 Agent 成为独立的经济主体。
传统支付系统的前提是双方都是经过 KYC 的人类,背后挂着银行账户。Agent 把这个前提打破了:它没有身份证、没有银行账户、没有信用记录,但又需要买 API 调用、付云算力、买数据,甚至代用户在 Amazon 下单。底层架构错配,催生了整个 Agent 支付赛道。
三种核心模式
Agent Payment 的核心流程分三种:
Tokenized Card(虚拟卡)。 Agent 通过 API 拿到一张带花费上限、商户类别限制、有效期的虚拟 Visa/Mastercard 卡号,交易经传统卡网络清算。Ramp Agent Cards、AgentCard.sh、Slash 用这个模式。好处是商户什么都不用改;代价是必须挂在人类账户下,卡组织还要收 2-3% 手续费。
x402 稳定币(HTTP 原生微支付)。 服务端返回 HTTP 402 状态码加支付条件(钱包地址、链、金额),Agent 的 Facilitator 自动签名完成链上 USDC 转账,把交易哈希作为凭证附在请求头里。不需要 API key、不需要账户、不需要人审批,交易成本只是 L2 gas(在 Base 上约 $0.001/笔)。
Session-based Streaming(MPP 模式)。 Agent 预授权一个花费上限,会话期内连续花费,不用每笔都上链结算,会话结束时一次性清算。适合一次会话上百次 API 调用的高频场景。Stripe MPP 加 Tempo 链用这个模式。
Agent 怎么付日常账单
对于 SaaS 订阅、云服务、数据源这类常规账单,Agent 现在有两条路:
走卡。 通过 Ramp Agent Cards 或 Slash 生成虚拟卡,绑到 SaaS 平台。企业财务设月度上限和商户白名单,Agent 在授权范围内自动续费。AWS、Google Cloud、Notion 等传统厂商都能用。
走 x402。 对支持 x402 的厂商(Neynar、Hyperbolic、Token Metrics 等),Agent 按调用次数付费,不用预付也不用订阅,每次请求自动结算 USDC 微支付。问题是支持 x402 的厂商极少,集中在加密相邻服务领域。
市场规模
诚实的来看一下规模:自 2026 年初的 $6.3M,年化约 $126M,对比 Visa 2024 年 $14.6T 的交易量,连零头都算不上。但 x402 ATV 已经从早期 $0.09 的微支付爬到了 $0.46(Artemis 数据验证)。仍然在微支付区间,商业拐点没到。市场极度早期,但经济基础已经搭起来了。
顺风因素
TradFi 合法化(极强)。Visa 推“Agentic Ready”,Stripe 联合做 MPP,Mastercard 和 AmEx 加入 x402 基金会。Visa CPO 称这是“自电商以来最大的事”。市场被验证为真实,投资风险下降。
协议标准化加速(极强)。x402 基金会迁入 Linux Foundation,20+ 创始成员包括 Visa、Stripe、Google、AWS、Microsoft。采用阻力消失,x402 在变成 HTTP 级别的标准。
AWS 在搭生产级基础设施(极强)。Amazon Bedrock AgentCore 已发货并原生集成 x402。CloudFront + Lambda@Edge 提供商家侧参考实现。AWS 上完成端到端 Agent-to-Merchant 支付闭环(2026 年 3 月)。AWS 出参考架构,企业采用就会跟上。
MCP 服务爆发(强)。1.1 万+ MCP server,不到 5% 实现变现。ToolOracle 已经在 73 个 server / 708 个工具上跑通了 x402 变现。这对支付基础设施形成天然拉力。
AI 代理数量爆发(强)。注册代理超 100 万(2026),所有主流 LLM 都在推 Agent 能力。时间线 12-24 个月。
稳定币加速渗透(强)。总市值 $246B(2025 年)。Stripe、Visa、MC 都在集成 USDC。已经在发生。
订阅模式衰落(中)。提供技能/数据的开发者需要按消费付费。时间线 12-24 个月。
监管明朗化(中)。欧盟 MiCA 落地,美国稳定币法案推进,CFTC 主席表态“AI 需要区块链”。这会解锁机构采用。时间线 12-24 个月。
目标用户
Agent 支付基础设施服务五类买方,痛点、付费意愿、采购权各不相同。当下意向最强的是三类人:AI 应用开发者(不付费就发不了 Agent 产品)、企业财务团队(合规驱动,预算受控)、技能/数据提供者(按调用计费的缺口直接卡住其变现)。消费者和 Agent 间(M2M)的资金流真实存在,但还不成熟,短期付费意愿不高。
核心机构玩家与商家触达
Agent Payment 主要由 8 家机构推动,包括两家加密原生方(Coinbase、Circle)、三家进场对冲的卡组织/支付巨头(Stripe、Visa、Mastercard)、一家 AI 平台(Google)、两家在上层做聚合的公司(Crossmint、Tempo)。
触达存在一个鸡生蛋,还是蛋生鸡的问题。卡网络掌握压倒性的商家覆盖(Visa1.5 亿+,MC 1 亿+),完全无需厂商改造即可使用。x402 仅约 50 家加密/AI 服务。没有更多厂商,交易量上不来;没有交易量,厂商不会接入。Stripe MPP 通过利用现有商家关系(SDK 升级而非全新集成)打破僵局;Crossmint 通过单 API 聚合两条轨道打破僵局。
当前的几个未解问题
安全威胁模型全新且未解决
关键威胁包括 prompt injection、Agent 行为失控(递归循环耗尽预算)、密钥泄漏、Agent 冒充、第三方 SDK 供应链风险。
最危险的失败不是未授权访问,而是被授权后的滥用。
基础设施层的策略引擎是必需的,但大多数钱包没有。
缺乏标准化的 Agent 身份
没有可靠方式验证 Agent 是谁、有什么权限、是否被入侵。
ERC-8004 已部署到以太坊主网,包含三类登记表(基于 ERC-721 的 Identity、Reputation、Validation),但采用度仍早期。
NIST 已接受关于 AI Agent Identity and Authorization 的提案(2026 年 4 月)。EIP-11419 提议为模块化智能账户增加 Agent Permission Validator。
没有身份,每笔 Agent 交易都靠纯粹信任。
争议解决机制缺位
合规基础设施不成熟
越来越多司法辖区把 Travel Rule(FATF)适用于稳定币转账。
KYC、AML、制裁筛查、审计追踪对金融应用都不是可选项,但大多数 Agent 支付工具把合规当成事后补丁。
第一天没把合规设计进去的团队,后期改造成本会非常高。
跨链复杂性
Agent 需要在多条网络上运行(Base、Solana、Stellar、Canton 等许可链)。
无论交易在哪结算,策略执行都得一致。
没有任何一条链赢下了 Agent 支付,所以基础设施必须做到跨链,这会增加工程和安全开销。
赛道全景与价值链
Agent Payment 不是单一市场,而是一个拥有七层堆栈的生态。
Facilitator(L2)和钱包(L1)捕获了不成比例的价值,因为它们控制着 Agent 的“私钥”。谁掌握密钥,谁就拥有 Agent 的经济主权。协议层(L0)作为开源标准本身不直接产生收入,但制定标准的公司(Coinbase 通过 x402,Stripe 通过 MPP)通过周边的 facilitator 服务间接变现。这跟互联网历史一样:HTTP 免费,但控制 HTTP 流量入口的 Cloudflare 和 Akamai 是数十亿美元体量的公司。
赛道深度分析
支付协议(L0)
x402
x402 的情况稍显复杂, Base 链占据了大部分的交易
日活跃数据(三月平均):11 万笔交易,约 $51K 交易额
Base 一家独大:82% 交易笔数在 Base,99% 交易额在 Base
头部 Facilitator:Coinbase Global 第一(41%),PayAI 第二
wash trading 占比可观:36% 的 x402 三月交易是被刷出来的(wash 或激励驱动),公开的交易笔数高估了真实的 Agent 需求
▲ Source: Artemis
x402 生态数据(Artemis,2026 年 4 月)
支持链:Base、Ethereum、Polygon、Solana、Avalanche、Sui
x402 基金会由 Coinbase 和 Cloudflare 共同治理(成立于 2025 年 9 月),现已迁入 Linux Foundation,拥有 20+ 创始成员
Stripe 在 2026 年 2 月在 Base 上集成了 x402
最小可行支付:$0.001
端到端支付时间:约 2 秒
5 个月累计卖家:约 2,300 家
5 步支付流程
用户/开发者为 Agent 策略充值
Agent 向厂商 API 发请求,收到 HTTP 402 响应(含商家钱包、支持链、资产类型、价格)
Facilitator 验证此次支付是否在 Agent 已授权的花费策略内
通过后,Facilitator 执行链上 USDC 转账
Agent 在后续请求中附上交易哈希作为支付凭证;厂商验证并提供服务
商家覆盖目前是最大局限:Neynar、Hyperbolic、Token Metrics、Pinata(IPFS)、Heurist、Prodia(图像生成)、Firecrawl(网页爬取)。几乎全部是加密或 AI 原生服务。传统电商(Amazon、NYT)尚未集成。
传统电商(Amazon)、主流 SaaS(Notion、Slack、AWS)、内容平台(NYT、Spotify)对 x402 完全没有集成。Agent 在 x402 上能做的事很有限:买 GPU 算力、调 API、存文件。代用户在 Amazon 下单、续 Notion、付 Uber 的事,仍然只能走卡组织。
厂商接入被广泛视为整个 Agent 支付堆栈最后也最难的一环。API 代理模式(Agent 代用户调用受限的 API)可能违反厂商 ToS,引入额外法律风险。
早期顾虑集中在 $0.09 的 ATV 撑不起 facilitator 的 P&L,瓶颈仍然是微支付经济学加上厂商覆盖广度。
MPP(Machine Payments Protocol)
MPP 刚上线但增长极快,5 天就达到了 2.3K 卖家。
MPP 由 Stripe 和 Tempo 推出,让任何客户端(Agent、应用或人类)在同一个 HTTP 请求里支付任何服务的费用。开发者用 MPP 让自家 Agent 付服务费,服务运营方用 MPP 接受 API 付款。
日活跃数据:4.7K 笔交易,$201 交易额
x402 用了 5 个月达到 2.3K 卖家,MPP 只用了 5 天
基于会话:Agent 预授权花费上限,会话内流式微支付,无需逐笔上链结算
通过 Tempo 链结算(已桥接 $5B),亚秒级确认
同时支持 Stripe SPT(法币)、Visa 卡、稳定币、Bitcoin(通过 Lightspark)
上线日已有 100+ 厂商集成
战略意义在于,MPP 是加密 vs 卡之争中第一个实质性的融合产品。Stripe 的分发能力(全球数百万商家)加上 Tempo 的稳定币结算效率,可能形成两面夹击纯加密方案(x402)和纯卡方案(Visa IC)的局面。
上线只有几周,没有生产级数据。Tempo 链本身是新链,生态尚未验证。
x402 vs MPP 对比
融合趋势
它们在收敛,不是竞争。
Stripe 是 x402 基金会创始成员,MPP 明确同时支持稳定币和卡。
Visa 两面下注。它向 Stripe 的 MPP 贡献卡轨道规范,同时推进自家的 Intelligent Commerce 和 Trusted Agent Protocol。把 x402 和 MPP 框定为对立阵营,忽略了一个事实:最大的卡网络是双方的设计合作伙伴。
架构是互补的:
x402 处理 HTTP 层的支付协商:服务端如何通过 402 状态码告诉客户端“给我钱”
MPP 通过会话处理交易执行层:钱实际怎么动,把不限量的微支付折叠为 2 笔链上交易(开仓 + 结算)
会话模型直接解决了微支付的扩展性问题。与其追求每秒 1200 万笔 $0.09 的交易,不如把成千上万次微互动批量打包到单次结算。
Stripe 的分发渠道让 MPP 用 5 天追平了 x402 5 个月的卖家数,验证了“分发 协议”的判断。
Visa Intelligent Commerce
Visa 在 2025 年 4 月公布 Intelligent Commerce 框架,2026 年 3 月在欧洲推出 “Agentic Ready”,2026 年 4 月 2 日发布 AI Agent Developer SDK。
核心组件:
Trusted Agent Protocol(TAP):区分合法 Agent 和恶意 bot
Tokenized credentials:带有花费上限、商户类别、审批要求的 AI 就绪卡凭证
试点合作方:Ramp、Skyfire 及其他未公开方
最大优势是商家覆盖: Visa 网络覆盖全球 1.5 亿+ 商家,Agent 拿一张 Visa 卡号就能在 Amazon、Uber、任何 SaaS 平台消费,厂商不需要任何改动。
最大劣势是必须挂在人类账户下。Visa 的信任模型是“由经过 KYC 的人类作担保站在背后”,这跟自主 Agent 经济的长期愿景有根本张力。
其他协议
ACP(Agentic Commerce Protocol):为对话式界面(如 ChatGPT 内)即时结账而生。瞄准的是消费者结账层,不是 API 结算层。ACP 跟 x402 是互补关系。
UCP(ATXP 的 Unified Commerce Protocol):试图在单一接口下统一所有 Agent 支付协议
MoonPay Agents:桥接传统结账流和 AI 代理,把人类的结账流程转化为 Agent 通过 API 可执行的程序化支付
钱包与密钥管理(L1)
十余个钱包提供商在角逐这个市场,格局很像 Apple Pay 之前的早期移动钱包。
用例:
借贷与信用:AI 驱动的承销正在进入消费级加密借贷。3Jane 通过智能合约完全自动化信用承销,使用可验证的财务记录设定利率并执行债务契约,无需人工审核。
创作者与零工经济结算:Agent 跨平台处理路由、钱包管理、币种转换。Audius 在内容被消费时直接把 90% 的收入实时分配给艺人,没有月度结算周期,没有中间商抽成。
资金管理:Agent 化的资金系统跨实时市场状况推理,实时再平衡仓位,跨境结算无需等待营业时间,并将闲置资金部署到生息工具。
Facilitator 层(L2)
Facilitator 层位于协议(x402、MPP)和应用之间。Coinbase Global 仍是累计最大的 Facilitator(占所有 x402 交易额的 41%,来源 Artemis)。
为什么这层是 Agent 经济的变现层:Agent 要买东西就必须付钱,Facilitator 就是这笔钱真正清算的地方。模型公司不太可能自己做这件事,因为它们不会为长尾场景跑 GTM,所以变现机会留给了独立的运营方。
Facilitator 创业公司
其他 facilitator(开源工具,非融资创业公司):x402-rs(Rust 库)、OpenX402(无许可 facilitator)、OpenFacilitator(免费共享端点)、B402(BSC 专用分叉)、CodeNut(Agent 基础设施)、RelAI(x402 API 市场)、AurraCloud(去中心化算力,AURA 代币)。
按查询付费的数据访问:当下交易量最大的 facilitator 用例。交易 Agent 需要实时市场数据,合规 Agent 需要制裁筛查,信用 Agent 需要征信查询。Facilitator 让这些 Agent 按请求付费,无需订阅、API key 或厂商合同。Spraay 已经提供 70 个 x402 端点,覆盖预言机、分析、AI 推理和搜索,单次调用 $0.001 到 $0.10。
面向开发者的 API 变现:Facilitator 抽象掉区块链交互,任何开发者都可以把自家 API 用 x402 付费门控起来,无需运行节点或了解加密。AWS CloudFront + Lambda@Edge 参考架构让任意 HTTP 应用都能在边缘启用 x402。
订阅管理:Agent 自主处理取消流程,根据使用历史实时议价挽留报价。软件转向按用付费定价的过程中,持续优化你支付费用的 Agent 价值会显著提升。
跨链支付路由:Facilitator 处理 swap、桥接和结算,让 Agent 在任意链上用任意代币支付,商家收到自己想要的资产。AnySpend 支持 19+ 网络。这是 Agent 和 API 提供商都不想自己做的管道。
Tokenized Card(L4:治理与策略 / 身份与授权,虚拟卡)
虚拟卡发行流程
卡程序搭建:平台(如 Ramp、AgentCard.sh)通过发卡合作伙伴(Visa/MC 发卡行)建立虚拟卡程序。
API 创建卡:开发者通过 API 为每个 Agent 或每种花费场景生成虚拟卡,设定参数:
花费上限(单笔 / 每日 / 每月)
Merchant Category Code(MCC)白名单/黑名单
有效期(一次性或长期有效)
地理区域限制
Agent 收到卡号:Agent 拿到 16 位卡号 + CVV + 有效期,可在任意接受 Visa/MC 的商家使用。
交易授权:商家发起交易时,卡网络实时按预设策略校验。
结算:经传统卡网络清算(T+1 或 T+2),从企业资金账户扣款。
主要卡 API 提供商对比
卡模式的核心局限
必须挂在父账户下:所有 Agent 卡最终都要挂在经过 KYC 的人类/企业账户上作为资金源。
手续费:卡网络收 2-3% 的 interchange,对 API 微支付场景不经济。
结算速度:T+1 到 T+2,无法满足实时的 Agent 间结算需求。
商户控制有限:Agent 可能被错误地标记为欺诈。
身份与声誉(L4:治理与策略 / 身份与授权 身份侧)
身份是基础设施而不是独立用例,它支撑着其他每一层。
Skill 发现与商店(L5)
用例:
游戏内奖励:Web3 游戏平台部署 Agent 管理游戏内经济、分发奖励、处理资产交易。Virtuals Protocol 已经把 AI 代理代币化为游戏 NPC、交易 bot 和研究助手,社区可以共同持有和治理。
Agent 协调(L6)
用例:
Agent 化交易:从算法交易到 Agent 化交易的转变,把竞争单元从延迟改成了智能。经典算法交易:价格穿越 X 就执行 Y。Agent 化交易:跨市场状况、流动性、风险参数和组合仓位推理,决定最优行动。
Agent 群:下一阶段是协调的代理群组。一个金融 Agent 在执行交易时,合规和风险 Agent 实时一起运作,验证、标记并审计。
数据与合规(L7)
TRES Finance、Chainalysis、Allium 也在这一层布局,但它们来自更广义的区块链分析。
合规 Agent 团队:机构把合规 Agent 作为并行劳动力部署,实时监控交易流、标记异常、运行制裁筛查、自主生成监管报告。
加密原生 vs 卡组织之争
加密原生阵营
稳定币是 Agent 的“原生货币”,原因有三:
扩展的信任结构:稳定币钱包可以绑定任何东西,社交账户、域名服务器、无人值守的智能合约。在传统金融体系外的 Agent 也能交易。
互联网原生的全球结算:跨美国 LLM 端点、欧洲数据厂商、东南亚算力集群的 Agent 工作流,不应该需要三套独立的支付轨道。
成本结构:Base 上 x402 每笔 gas 约 $0.001,对比卡网络 2-3% 的 interchange。即便 x402 ATV 升到 $30,稳定币 gas 成本仍然便宜两个数量级。
卡组织阵营(Visa / 传统 FinTech 为代表)
Agent 卡当下就能用,原因有三:
商家覆盖:1.5 亿+ 商家已经接受 Visa/MC,无需任何改造。
消费者保护:Chargeback、欺诈检测、争议解决代表了 50 年沉淀的基础设施。稳定币交易不可逆。
合规成熟度:PCI DSS、KYC/AML、消费者保护法律框架都成熟了。
务实结论
短期(1-2 年):卡轨道主导。稳定币局限于加密相邻的 API 微支付。
中期(2-4 年):融合。Stripe MPP 已经证明单一协议可同时承载稳定币和法币。
长期(5+ 年):如果稳定币监管落地、商家接受度上升,加密轨道有可能成为默认。
框架支付支持与 MCP
框架集成现状
目前没有任何主流 AI 框架内置原生支付能力,所有框架都通过外部工具(主要是 MCP server)集成支付。
MCP 是事实标准
MCP 在迅速成为 Agent 调用外部工具的通用接口标准。Microsoft 在 Copilot 中使用 MCP,所有主流 Agent 框架都支持。
已发布的支付 MCP server:
ATXP:14+ 工具(payment_make、web_search、web_browse 等),支持 Claude、LangChain、CrewAI、OpenAI SDK
FluxA:fluxa-agent-wallet(x402 支付 + USDC 出金 + 支付链接)和 fluxA-x402-payment 技能,已上架 LobeHub
Clink:clink-mcp-server,开源 TypeScript 实现
PayMCP:面向 MCP 工具的、提供商无关的支付层(MIT 开源)
Ramp:Composio 上有 Ramp MCP 集成
AgentPay(OpenClaw):agentpay 技能,支持需人类审批的钱包购物
战略含义:谁的支付 MCP server 成为 Claude Desktop、ChatGPT、Cursor 这类主流客户端的默认配置,谁就拿到 Agent 支付的“默认入口”。这就跟 Google 每年向 Apple 支付 $26B 成为 Safari 默认搜索引擎是一个道理。ATXP 当前在框架覆盖上领先,但 Coinbase(通过 CDP MCP server)和 Stripe(通过 MPP)有平台级分发优势。
竞争格局与护城河
子赛道赢家通吃分析
护城河强度呈双峰分布。L4 卡治理(Visa/MC 双寡头)和 L3 路由(Circle + Bridge)已经被网络效应锁死。L1 钱包有真切的切换成本,正在走向集中。L2 Facilitator 和 L4 身份侧是创业公司回报实际所在的可争夺战场。
上下游机会
行业生命周期
生命周期定位是中早期。预计 12-18 个月内进入早期成长期。两个标志:标准收敛到 1-2 个主流协议,至少一家 Agent 支付项目月交易额突破 $10M。
投资分析
7 Powers 框架
当下最关键的 Power 是反向定位。在早期阶段产业里,创业公司只能借助反向定位和网络经济。规模经济和品牌天然属于巨头。Visa 不能完全拥抱稳定币,否则会损失每年 $32B 的 interchange 收入,这是创业公司唯一的结构性优势窗口。
Power 演进预测:如果 Visa 在 2-3 年内适配稳定币(通过 VTAP),反向定位就消失了,切换成本会成为创业公司唯一剩下的 Power。这意味着当下最具可投资性的标的是能在反向定位窗口期内构建高切换成本的 facilitator,也就是深度 API 集成 + 密钥托管 + 花费策略锁定。
子赛道可投资性
投资优先级(高到低)
Facilitator 层(价值捕获,评分 8/10)
Agent 支付的价值不归属协议层,归属那个找到真实用例并服务真实用户的人。Facilitator 完全屏蔽了链和 Agent 的复杂性。
x402 和 MPP 是开放的商品化轨道。Facilitator 位于协议和用户之间,处理支付校验、链上结算、跨链桥接。
控制 Agent 签名密钥和花费策略(不可绕过的信任锚点)。同时拿到托管费和订单流收入。
并购退出路径清晰,基准是 Stripe 以 $1.1B 收购 Bridge。
成功关键:在某一垂类(预测市场、按查询付费的数据、API 变现)做扎实的地推。尽早做到链无关。打造对开发者友好的 SDK。在可靠性和结算速度上竞争,而不是价格。
L4:治理与策略 / 身份与授权 身份侧(最高 alpha,评分 7/10)
Agent 商务的信任层完全缺失。没有标准方式验证 Agent 是谁、有什么权限、是否可信。
ERC-8004 和 Metaplex Agent Registry 早期但可信。ZKID 原型有望支撑隐私保护下的 Agent 验证。
NIST 已经开始介入 AI Agent Identity and Authorization,意味着这会成为受监管类目。
谁拿下信任图谱,谁就成为默认身份层,赢家通吃。
成功关键:构建加密身份(把 Agent 与委托人 + 权限范围绑定的签名凭证),不只是 OAuth 包装。尽早捕获信任图谱以触发网络效应。集成在钱包/基础设施层,prompt injection 无法覆盖。
L6:Agent 协调(评分 7/10)
下一阶段是协调群组(金融 + 合规 + 风险 Agent 一起运作)。
成功关键:构建 Agent 输出的加密验证。
L7:数据与合规(评分 6/10)
审计追踪本身就是争议解决机制。
成功关键:实现实时跨链交易重建。把 Travel Rule 合规直接嵌入支付流。
L5:Skills 发现与商店(评分 6/10)
1.1 万+ MCP server,变现率 5%。这是 Agent 能力的“App Store”时刻。
谁成为默认发现层,谁就同时控制路由和支付,是 Google + Stripe 合体的位置。
成功关键:激进聚合供给,打造支付原生的发现机制。
L1:钱包与密钥管理(评分 7/10)
10+ 玩家,但可能会快速集中。
Fleet management(Sponge)和框架无关支持(LobsterCash/Crossmint)是差异化点。
成功关键:拿下 LangChain、CrewAI、Claude Code 的框架级默认。发布带"五支柱"的策略引擎,包括花费上限、对手方白名单、交易类型限制、时间维度控制、升级阈值。
Unit Economics(Facilitator 层)
为典型 Facilitator 创业公司在三个阶段建模 P&L:
ATV 敏感性分析(Y1,500 Agent x 月 20 笔):
ATV 是整个商业模型的命脉。$
0.09 的微支付时代已经过去。Agent 购物/自主采购在变成主要用例。下一拐点是 ATV 从 $30 升到 $50+。领先指标:哪一个支付 MCP server 在 Claude Code、LangChain、CrewAI 中成为默认集成。
最低可行交易量测试。按
0.5% take rate,Facilitator 要做到 $1M ARR 需要 $200M 年 GTV,也就是 $550K/日。x402 整个生态当前日 GTV 约 $2.7M(Artemis,2026 年 4 月),意味着理论 ARR 上限约 $4.9M(如果某个 Facilitator 拿下 100%):
整个 x402 生态,0.5% take rate,日 GTV $2.7M:
年化 Facilitator 收入:$2.7M x 365 x 0.5% = $4.9M
已经过了 $1M ARR 门槛
$10M ARR:需要当前交易量的 2 倍
$100M ARR(成长期):需要当前交易量的 20 倍
Take Rate 基准:
成熟公司对比
上市支付公司在 12-25x EV/Revenue 间交易。Agent 支付创业公司如果能做到 $50M+ ARR 加 50%+ 增速,按 20x 收入倍数估值至少 $1B+。但目前全行业没有公司披露收入数据,估值完全建立在叙事溢价之上。
决策树
核心问题
Agent Payment 能否在 2028 年前达到 $1B 年交易量?由此分两个路径。
路径 1:能达到(55% 概率)。触发器是 Stripe MPP 验证 PMF 加上 Visa Agent 卡覆盖数百万用户。该路径下两条子结果:
稳定币轨道成为默认(占该分支 30%)。Coinbase 和 x402 生态获得最多价值,卡网络部分被绕过,Facilitator 估值落在 $500M 到 $1B 区间。
卡渠道仍主导,稳定币作为 M2M 补充(占该分支 70%)。Visa、Mastercard、Stripe 赢下主流量。纯加密方案变得小众,Facilitator 要么被 Stripe 收购,要么被边缘化。
路径 2:达不到(45% 概率)。催化剂是 Agent 可靠性达不到支付级信任,或者标准持续分裂。两条子结果:
缓慢增长到 $200M 到 $500M(占该分支 60%)。赛道存在但估值承压,创业公司需要更长 runway。
基础模型公司自建支付(占该分支 40%)。OpenAI 和 Google 原生集成支付,第三方 Facilitator 被淘汰。
增长时间线
反向压力测试
风险一:巨头自建支付,中间件归零
OpenAI、Google、Apple 控制 90%+ 的 AI 代理用户入口,可以原生闭环支付(ChatGPT + 绑卡,AP2 + Google Pay,Siri + Apple Pay)。
Google AP2 上线时号称 60+ 合作伙伴的“Google 生态内全闭环 Agent 支付”。OpenAI Operator 已经能完成网页购物。Apple Pay 历史上抹平了大量第三方移动钱包。
风险二:市场时机还差 3 到 5 年,现在投太早
Agent 不可靠、商家 API 标准缺失、消费者信任不够,都是硬性阻碍。种子公司有 18 到 24 个月的 runway,市场可能赶不上。
Coinbase 支持的 AI 支付协议面临"需求就是还没到"的叙事。Agent 在执行任务时频繁说谎。大多数 Agent 仍然赚不到一美元。
压力测试结论
两个风险里,时机风险最致命也最难反驳。单位经济算术不会撒谎,市场离可投资规模确实还远。平台风险部分被“模型公司不擅长合规”化解,但 2026 年这条防线在弱化:OpenAI 已经收购了一家 KYC 厂商,Google 拥有 Google Pay,Apple 有 Apple Pay 加 Apple Card,Anthropic 的股东名册里也有传统金融投资人。合规能力不再是对模型公司可信的护城河。
单一最大且不可削减的风险是时机。从引入期跃入早期成长期取决于 ATV 从微支付迈到商业级,而这又取决于两个投资人无法控制的外部变量:Agent 可靠性和商家覆盖。
投资策略调整三条:
把 Agent 支付敞口的 60% 配置到种子轮,为 bridge 轮预留充足 follow-on(对冲时机风险)。
优先轨道无关的 facilitator(同时支持稳定币和卡)以对冲监管风险。
设置 18 个月的 kill switch:到 2027 Q4 仍无 facilitator 月交易额超过 $5M,考虑减记或低价处置。
投资建议
Agent 需要支付能力是逻辑上的必然,但当前市场极度早期(自 2026 年初仅 $6.3M),wash trading 严重,标准分裂,巨头随时可能压垮创业公司。论点不是“这个市场现在很大”,而是“这个市场会变大,到来之前估值窗口很友好”。
地理上,重心在美国,欧洲做合规对冲,亚洲是 wildcard。
值得投的团队具备支付行业 DNA(Stripe、Coinbase、Visa)或加密基础设施背景,已部署 MCP server 并至少有一个框架集成,真实非 wash 月交易额 $100K+ 或 100+ 开发者集成,加上清晰的 developer-first GTM。需要避免的点包括纯 AI 背景无支付经验、只有白皮书的项目、交易量完全靠激励、B2C 和 B2B 并行做、对 MSB/EMI 牌照完全无视。
Source
AgentPaymentsStack.com: 162+ Projects, 6 Layershttps://agentpaymentsstack.com/
HTTP 402's Modern Makeoverhttps://panteracapital.com/http-402s-modern-makeover/
Building Permissionless Neobankshttps://panteracapital.com/building-permissionless-neobanks/
Crossmint: Agent Card Payments Comparedhttps://www.crossmint.com/learn/agent-card-payments-compared
WorkOS: x402 vs Stripe MPPhttps://workos.com/blog/x402-vs-stripe-mpp-how-to-choose-payment-infrastructure-for-ai-agents-and-mcp-tools-in-2026
ATXP: Which AI Frameworks Support Agent Paymentshttps://atxp.ai/blog/which-ai-frameworks-support-agent-payments/
Tiger Research: AI Agent Payment Infrastructurehttps://reports.tiger-research.com/p/aiagentpayment-eng
Visa: Agentic Ready Programme (Europe)https://www.visa.co.uk/about-visa/newsroom/press-releases.3437886.html
CoinDesk: Coinbase-backed AI payments protocol demand not there yethttp://www.coindesk.com/markets/2026/03/11/coinbase-backed-ai-payments-protocol-wants-to-fix-micropayment-but-demand-is-just-not-there-yet
Galaxy Research: Agentic Payments: x402 and AI Agentshttps://www.galaxy.com/insights/research/x402-ai-agents-crypto-payments
Stripe Machine Payments Protocol announcementhttps://stripe.com/blog/machine-payments-protocol
x402 Foundation launches under Linux Foundationhttps://thedefiant.io/news/infrastructure/coinbase-x402-payment-protocol-moves-to-linux-foundation
The Biggish: AI Agent Payment Infrastructure: The $1T Gaphttps://thebiggish.com/news/ai-agent-payment-infrastructure-what-works-what-doesn-t-and-the-1t-gap
Agentic Payments Landscape: MPP, x402, ACP, AP2 comparedhttps://www.openfort.io/blog/agentic-payments-landscapeStripe, AI代理支付扩展……创业与商业格局或将改变人工智能(AI)的扩散正在迅速改变创业与支付市场的结构。美国支付企业Stripe表示,今年以来新企业的创建量呈“抛物线”式增长,而OpenAI则重申了其成为AI核心基础设施提供商的意愿。
Stripe首席执行官帕特里克·科里森4月30日(当地时间)在美国旧金山举行的年度活动“Stripe Sessions”上表示,最近几个月新企业成立的趋势发生了显著变化。他表示:“因为AI,整个经济正在再次更换平台”,并解释说使用其公司支付工具和服务的新创企业今年开始急剧增加。
其背景在于“编码AI”的迅速扩散。评估认为,像Anthropic的“Claude Code”和OpenAI的“Codex”这类工具降低了开发门槛,形成了即使以较少人力也能快速创建并推出服务的环境。OpenAI CEO山姆·奥特曼在同一活动的对话中也表示:“特别是包括编码领域在内,模型性能在去年年末大幅提升,最近通过Codex流入的人正像‘浪潮’一样增加。”
在这一趋势中,OpenAI提出了将自身演变为不仅仅是AI模型企业,而是“基础设施”提供商的构想。奥特曼表示:“现在必须思考如何为全世界打造一个巨大的令牌生产工厂”,并称“希望提供一种像公共产品一样的实用工具,让人们可以在其上构建服务”。这显示出AI服务竞争的焦点正在从模型性能转向数据中心和计算能力的获取。
最近OpenAI扩充数据中心的动向是业界极为关注的事项。在埃隆·马斯克提及将数据中心建在地球轨道的构想后,相关讨论更加热烈,但奥特曼对此持怀疑态度。对于马斯克的太空数据中心计划,他表示“祝你好运”,并称“我甚至不知道他是否真的认真”。
Stripe,全面扩大AI代理支付功能
活动中更受瞩目的部分是“代理支付”。Stripe通过数字钱包和结账服务“Link”,公开了AI代理可直接处理支付的功能。同时,还加强了支持小额支付和基于商品目录销售的代理商务功能。
这意味着AI正超越单纯查找信息的阶段,向实际执行购买和销售的方向进化。Meta Platforms和微软去年秋天已与Stripe展开相关合作,Stripe当天还表示已与谷歌合作,支持在“Gemini”应用内购买商品。近期还与Meta公布了在Facebook广告内即可直接完成支付的功能。
加密货币交易所Coinbase Global的首席商务官山·阿加瓦尔将这种变化解读为互联网经济的新篇章。他表示:“未来互联网将是一个为代理设计的可编程市场”,“用户说出意图,代理就会解决它,而支付过程将自然包含其中”。
比起品牌更看重价格,AI客户是“冷静的优化者”
如果代理商务普及,消费概念本身也可能发生变化。因为AI代理优先考虑的是“最低价格”和“最高效率”,而非品牌忠诚度或捆绑折扣。阿加瓦尔表示:“代理是理性且毫不留情的优化者”,“其核心判断标准是最低的成本和最高效的服务”。
在这种情况下,电子商务企业面临新的挑战。必须认证在线访问的主体是人还是AI代理,提出根据情况不同的价格,并在支付过程中设立控制装置。Stripe全球解决方案架构负责人丹尼·史密斯指出:“代理商务不是一时的流行,而是像一项政策一样正在扎根”,“即使代理进行推理,最终实际移动资金的还是代码”。
AI代理的影响力已经通过数据显现出来。根据亚马逊云服务的数据,目前整体网络流量的51%是自动化活动,其增长速度比人类的点击快8倍。他表示:“12个月前这个领域几乎还是空白的,但现在,代理在网站流量上首次超越了人类。”
从AI培育创业生态、改变支付基础设施,到重写互联网商业规则,这次变革很难被视作简单的技术更新。市场正关注着未来AI竞争的关键点可能从“更聪明的模型”转向“谁掌控更广阔的基础设施和支付生态”。
TP AI注意事项
本文基于TokenPost.ai语言模型进行摘要。正文主要内容可能被遗漏或与事实不符。标榜“1万 TPS”的 Stripe Tempo……实际使用仅为 2.5 TPS支付企业Stripe以“比比特币(BTC)快得多的区块链”为卖点推出的Tempo,在主网上线后,实际处理速度未能达到预期。链上数据显示,Tempo的实际使用吞吐量约为2.5 TPS(每秒交易数),低于比特币平均约5 TPS的水平。
Stripe此前基于“现有公链容量不足”以处理机构支付流程的问题意识,推动了Tempo项目。但与宣传中理论上“1万TPS”的指标相反,自运营初期数据就开始下滑,市场因此评价称“采用比性能是更大的课题”。
‘1万TPS’的信心与现实数据的差距
Stripe CEO帕特里克·科里森(Patrick Collison)去年9月曾主张Tempo能够“碾压”比特币的处理量(每年约1.6亿笔,平均5.1 TPS),并强调从长远来看可扩展至1万TPS。由于比特币矿工持续发出5 TPS级别的交易,这种比较本身就是突出Tempo优势的方式。
然而,根据Token Terminal和Dune仪表盘统计,Tempo近期的交易量约为2.5 TPS。实际使用量远不及宣传指标,这使得Tempo所标榜的“机构支付用高性能链”的叙事,在主网上线初期就受到了考验。
第5周指标:用户、手续费、TVL均处于‘小规模’
在主网开放(3月18日)约5周后,Tempo的日活跃用户数(DAU)统计约为5600人。24小时手续费为205美元,按美元兑韩元汇率(1美元=1480.40韩元)计算,仅约30万韩元。总锁仓价值(TVL)也仅约300万美元(约44亿韩元),规模不大。
经常被拿来比较的以太坊(ETH)在同期的24小时手续费约为140万美元,TVL约为4500亿美元,差距悬殊。有分析指出,如果Tempo的目标是扩展“支付基础设施”,那么在交易活动和流动性形成良性循环之前,很难期待网络效应。
钱包、合约、DEX交易量骤减……增长势头面临考验
在仪表盘上,下降趋势更为明显。日新增钱包数量在3月19日达到峰值7629个后,于4月21日降至1749个,减少了77%;日合约部署数量也从4月14日的3060笔,在一周后降至863笔,减少了72%。日代币转账规模也从3月中旬的超过900万美元,缩减至目前的大约三分之一水平。
尤其是基于稳定币的DEX(去中心化交易所)活动微乎其微。Tempo DEX的24小时交易额为5.6万美元,较峰值减少了95%,与全球DEX总量相比几乎可以忽略不计。业界关注到,尽管Tempo吸引了大规模投资(2025年10月以50亿美元估值融资5亿美元),但初期链上指标却迅速降温,并认为未来的挑战不在于处理速度的竞争,而在于获取能够“带来实际使用的应用服务和流动性”。
文章摘要 by TokenPost.ai
🔎 市场解读
- Stripe以“比比特币更快的支付链”为卖点的Tempo,主网上线后的实际使用TPS统计约为2.5,低于宣传的“1万TPS”及比特币平均水平(约5 TPS)
- 再次确认了“实际采用/活动”比性能(理论值)更能决定网络竞争力
- 初期链上指标(钱包/合约/转账/DEX)迅速放缓,作为支付基础设施的网络效应形成出现延迟
💡 策略要点
- TPS比较不应只看“可能性能”,需结合“实际使用处理量(需求)”,在交易需求到来之前,高性能叙事可能失去说服力
- 检查可用性指标:DAU(约5600)、24h手续费(205美元)、TVL(300万美元)、DEX交易(5.6万美元)是判断生态自生能力的关键信号
- 风险管理:新链无论投资吸引力和品牌如何,初期流量都可能下滑,应在确认流动性(稳定币/DEX)、核心应用(支付/清算/B2B)是否启动后再行介入
📘 术语解释
- TPS(每秒交易数):每秒可处理的交易数量(实际使用TPS是基于实际发生交易的处理量)
- 主网(Mainnet):正式运行真实资产和交易的网络,而非测试网
- DAU(日活跃用户数):一天内实际使用网络/应用的活跃用户数
- TVL(总锁仓价值):存入DeFi等协议的总资产额,是衡量生态流动性和信任度的指标
- DEX(去中心化交易所):无中央运营商、通过智能合约进行交易的交易所
💡 常见问题解答 (FAQ)
Q.
Tempo宣传的‘1万TPS’和‘实际使用TPS 2.5’有何不同?
‘1万TPS’接近于网络主张理论上可处理的最大性能(或目标值)。
而‘实际使用TPS 2.5’是基于主网上实际发生的交易量计算的处理量,这意味着当前需求(使用量)较低。
Q.
为什么Tempo的初期指标(DAU、手续费、TVL、DEX交易)很重要?
对于支付/DeFi链而言,用户增多会带动交易和流动性增长,而这种流动性又会反过来壮大服务,形成“网络效应”,这一点至关重要。
文中提到的DAU约5600、24小时手续费205美元、TVL 300万美元、DEX交易额5.6万美元,可被解读为生态尚未形成良性循环的信号。
Q.
投资者或用户未来应关注什么?
核心在于实际采用而非速度竞争,因此建议优先检查:(1) 是否有适合机构支付使用的“杀手级应用/合作伙伴”推出,
(2) 稳定币流动性及DEX/跨链桥等金融基础设施的扩展情况,
(3) 新钱包、合约部署、转账量等链上活动是否恢复。
TP AI 注意事项
本文摘要是基于TokenPost.ai语言模型生成的。可能遗漏正文的主要内容或与事实存在差异。
Coinbase 把 x402 推向中立,Stripe 在 MPP 之外继续押注两边撰文:Charlie 小太阳
文章为作者个人观点,不代表相关公司立场。
最近关注 agentic commerce 的朋友越来越多了,但各种协议和玩家也越来越让大家摸不清头脑了。
尤其是上周,大家还在忙着了解 Stripe / Tempo 的 MPP, 一转眼 Stripe 居然加入了友商 Coinbase 的 x402 Foundation。
而且 Cloudflare 现在两套都支持。Google 也在这个局里,但它自己又有 AP2 和 UCP。
Visa、Mastercard 也都来了,但它们显然不是来给稳定币站台的。
Linux Foundation 公开把 x402 定义成一个中立、行业共治的"大本营",Cloudflare 则明确把 x402 和 MPP 同时放进了自己的 Agents SDK,Stripe 也公开写了自己同时支持 MPP 和 x402。
到底谁和谁在竞争,谁和谁又在叠加?
但我这几天越看,反而越觉得,这种「乱」不是因为市场没方向,而是因为市场已经很清楚,而且就像我之前 x402,可能我们都理解错了它的本意里提到的:这件事从第一天起,就不会由一个协议一次性统一。
它更像互联网基础设施里很常见的一种局面——不同层同时在长,不同公司在不同层下注,最后靠互操作性把整个东西先跑起来。
真正的战略故事,是谁来定义 agentic web 上 paid machine access 的默认控制层;而且关键玩家明显都在 multi-home,因为大家都还在赌未来真正的 瓶颈会落在授权、分发 还是结算上。
一、Coinbase 为什么放手把 x402 基金会交给 Linux?
如果 x402 只是 Coinbase 的协议,它很难成为行业默认选项。
这不是一句政治正确的话,而是很现实的标准化逻辑。
Linux Foundation 这次的表述很明确,它强调的是服务商中立、社区治理、共享基建,而不是「某家公司发布了一个产品新功能」。
更关键的是,x402 Foundation 页面现在还写着项目处在 建立期,治理机制和董事会都还在搭建中。
也就是说,这次动作首先不是在宣布「产品成熟了」,而是在宣布「我们要给这个协议一个中立的家」。
这背后的潜台词其实很简单。
x402 如果一直长着一张 Coinbase 产品功能的脸(比如现在的 Base) ,那么云厂商、支付公司、卡组织、平台型玩家即便技术上愿意接,也会在政治上犹豫。
谁都不想把未来的 paid access layer 交到单一平台手里。把它放到 Linux Foundation 下面,不是因为 Coinbase 不想控制,恰恰是因为它太想让 x402 被广泛采用,所以必须先把「这是 Coinbase 的协议」这层包袱摘掉。
这点其实很重要,因为很多人看基金会这类动作,容易只看成 PR 或者开源姿态。
但在协议战里,治理就是产品的一部分。
尤其是当一项标准还在早期、还没有绝对网络效应的时候,所谓「中立可信」并不比技术优雅次要。
反过来说,如果 x402 未来真的能成为某种 HTTP-native paid access baseline,很可能不是因为它代码最漂亮,而是因为它比别的方案更早把政治成本降下来了。
换句话说,这里治理不是配角,治理本身就是增长引擎。
二、Stripe 的左右互搏到底在干嘛?
这次最值得盯着看的玩家,绝对是 Stripe,因为 Stripe 的动作最容易让人困惑。
一边是它在 3 月 18 日高调推出 MPP,把它包装成机器支付的开放标准。
另一边,它又是 x402 Foundation 的 founding contributor,并且自己的文档也在支持 x402 machine payments。
Cloudflare 的文档更直接,甚至明确写了:MPP 对 x402 的核心支付流程是 backward-compatible 的,MPP client 可以直接消费现有的 x402 服务。
如果只从「协议竞争」这个框架去看,Stripe 像是在左右互搏。
但如果你把视角再抬高一点,这种做法反而最有商业逻辑。
因为 Stripe 真正想守住的,未必只是 402 handshake 本身。
它真正想守住的,是 handshake 之上的那几层:credentials、compliance、risk、reporting、tax、refunds、merchant integration。
Stripe 看起来不像是某个单一协议的真正信仰者,更像是在确保无论最后哪个 handshake 标准胜出,Stripe 仍然是 agent payments 的默认抽象层。
支持 x402,是为了不缺席开放生态;自己推 MPP,是为了参与定义底层语义;再往上推 ACP 和 Shared Payment Tokens,则是为了守住工作流和支付凭证那层更厚的价值。
所以 Stripe 这次最「怪」的地方,其实恰恰是最诚实的地方。
它没有假装未来会很快只剩一个协议。它是在用行动告诉你:至少在这个阶段,谁都不该只押一边。
三、这其实是一个 B2B 的基础设施故事
我越来越觉得,很多媒体把这件事的焦点放偏了。
一说 agent payments,最容易想到的总是零售:AI 帮你买机票,帮你订酒店,帮你下单,帮你走 checkout。
但如果你去看眼下真正已经公开落地、而且真的开始有基础设施味道的场景,最先跑起来的并不是零售 checkout,而是更无聊、也更真实的 B2B paid access:付费 API、付费数据、付费工具、付费浏览器会话、付费 agent workflow。
Cloudflare 现在公开支持用 x402 和 MPP 给 HTTP 内容、API 和 MCP tools 收费。
x402 最强的采用路径 就是在 developer-to-developer paid APIs 和 tools 上,因为「no account + pay-per-request」在这里不是噱头,而是实打实的可操作落地。
这背后的变化其实很大。
过去一个 API 要收费,通常要先走一整套「人类友好」的流程:开账户、绑 billing、发 API key、设限额、对账、再处理支付权限。
对人来说已经够烦了,对 agent 来说更别扭。
x402 最有吸引力的地方,不是它更 crypto,也不是它更 AI,而是它试图把「付费访问」重新塞回 HTTP 本身,让准入控制和支付协商 像普通 request-response 一样发生。
服务端返回 402,告诉你这次请求值多少钱;客户端付完钱,再用支付凭证重试同一个请求。
这个模型如果你从 B2B 软件和 machine-to-machine access 的角度看,会比从零售角度顺得多。
而且,越往 B2B 这边看,x402 的优势越明显,短板也越没那么致命。
因为在 consumer commerce 里,退款、拒付、merchant-of-record、consumer protection、责任归属,这些全是硬问题;但在 B2B API 和工具调用里,这些问题的重要性明显下降。
相反,「无账号、按调用付费、拿到结果就走」是真需求。
零售当然更大、更热闹,也更容易吸引眼球;但真正先定义协议长什么样的,往往不是最热闹的场景,而是最早暴露真实需求的场景。
对今天这波 agent payments 来说,那个场景很可能不是购物车,而是越来越多软件之间、agent 之间、工作流之间的 paid access。
四、行业发展验证了我之前 interoperability 的判断
我上一篇文章里最核心的判断,是 interoperability。
当时这个判断听上去多少还有一点「架构上应该这样」的味道。
现在看,它越来越像现实约束,因为公开市场已经在用脚投票了。
Cloudflare 没有选边站,而是直接同时支持 x402 和 MPP,还明确做了兼容映射。
Google 一边参与 x402,一边继续推进 AP2 和 UCP。
Visa 和 Mastercard 也都没有用「all in one winner」的姿态来表达自己的战略,而是一边加入 x402,一边继续加码 agent token、身份验证、指令校验和 dispute signals。
巨头们的多边押注是理性决策,而不是商业虚伪。
为什么会这样?因为这些协议压根就不在同一层。
至少到目前为止,x402 和 MPP 更接近 paid HTTP handshake 这一层,解决的是「怎么让请求带着支付能力回来」。
AP2 更接近授权和可信意图,解决的是「这个 agent 到底有没有资格花这笔钱」。
UCP 和 ACP 则更像 workflow 层,去处理 discovery、checkout、商户关系、凭证传递这些更上层的问题。
很多公司同时支持 x402、MPP、AP2、UCP,不是因为它们自己想不清楚,而是因为赢到最后的架构本来就很可能跨多层,甚至需要多协议共同组成。
所以如果要用一句话回头看我上一篇的判断,我现在更加相信如果没有 interoperability,这一波生态根本起不来。
现在看,市场正在主动验证这个判断。
更进一步说,这个判断对 B2B vs 零售还重要。
因为零售世界里,最后也许真会被少数大平台和少数大工作流吸进去;但 B2B 世界不是这样。
企业本来就活在多云、多支付方式、多工作流系统、多身份权限系统并存的现实里。
谁试图用一个新协议把整个企业栈一把推倒重来,谁大概率先死。
B2B 客户真正愿意买单的,往往不是「唯一正确的协议」,而是「让现有系统在多协议环境下还能工作」的能力。
这个逻辑,恰恰就是 interoperability 在企业场景里比在 consumer 场景里更硬的一点。
五、这不是单纯的协议竞争,而是分层后的 stack 竞争
一旦你把这件事理解成分层 stack,很多原来显得很乱的现象就会立刻顺起来。
最底下一层,是 paid access handshake。
这一层关心的是:HTTP 请求怎么表达「这里需要付费」,以及客户端付完之后怎么把支付凭证带回来。
x402 和 MPP 主要在这里打。MPP 在试图把 402 往更正式的 HTTP auth semantics 上收;而 x402 则更像在把 402 平台化,通过自定义 header、facilitator、链上结算抽象和生态集成,让它先跑起来。
一个更像标准化语义路线,一个更像平台分发路线。
再往上一层,是 authority to spend,也就是「谁授权了这笔钱」。
这一层才是很多人现在还没完全意识到的关键。
机器会付钱,这件事没有那么难;机器能被可信地授权去付钱,才是真难。
AP2 之所以重要,就因为它不只是「怎么支付」,而是在解决 mandates、verifiable credentials、authenticity、accountability 这些事情。
Visa 和 Mastercard 最近加码的那些 agent token、instruction validation、passkeys、dispute signals,本质上也都在这里。
再往上一层,是 workflow 和 distribution。
也就是 discovery、checkout、merchant relationship、credential sharing、AI surface integration 这些更接近「谁掌控流量和交易编排」的东西。
UCP 和 ACP 更像是在争这一层。
对 B2B 来说,这层短期没有那么热闹,但从长期看价值可能非常高。
因为如果未来越来越多企业软件都由 agent 协调、调用、采购和支付,那么谁掌握 workflow language,谁就不只是管一次付款,而是在管整个工作流。
一旦你把这三层分开,就会发现一个很朴素的事实:根本没必要期待一个协议把所有问题都包了。
更现实的路径,是这三层各自先长,再通过互操作性慢慢咬合起来。
也正因为如此,多头下注不是摇摆,而是理性。
六、x402 的真正风险,未必是监管,而是并发下的经济学
如果我们只是认识到「多协议并存」,其实还不够深刻。
x402 最大的风险,未必首先是监管,而可能是 verify–settle 两步分段带来的 time-of-check/time-of-use 经济学。
简单说,就是如果验证支付和最终结算不是一回事,那么在高并发、重试、代理层、缓存层这些真实互联网环境里,就会出现「pay once, access multiple times」的窗口。
x402 生态现在也在补洞,比如 settlement cache、idempotency extension、payment identifier,但这恰恰说明问题不是理论上的。
这点为什么尤其值得 B2B 读者在意?
因为 B2B 世界最怕的,从来都不是漂亮 demo 做不出来,而是 edge case 太多,最后一上生产环境就开始漏。
API monetization 这种事,表面上看是每次请求付几分钱,挺轻;可一旦你的产品是按调用收费、按结果收费、按工作流收费,那么「付一次拿一次」还是「付一次拿很多次」,就不是产品细节,而是生死线。
所以如果未来 x402 真能在 B2B 里跑出来,一个重要前提不是 narrative,而是这些 default-safe 的机制得被做得足够无脑,否则企业不会放心把真实流量接进来。
七、协议可能是免费的,但收费站不会消失
还有一点,我觉得值得在这篇里讲透。
很多开放协议最后都会走到一个很熟悉的地方:协议本身越来越便宜,甚至免费,但真正的收费站会在旁边长出来。
x402 也一样。
标准本身当然强调开放、中立、0 fees built into the standard,但这不等于 value capture 会消失。
如果 x402 成功,价值不会主要留在协议里,而会往 facilitator、钱包和 key management、discovery、policy engine、trust wrapper 这些相邻层迁移。
这对 B2B 来说尤其重要。
因为企业客户不会为了一个新协议就大规模改造整套系统,他们真正愿意付钱的,是谁能帮他们在多协议环境里把 orchestration、policy、risk、compliance、audit、settlement、权限边界这些麻烦事收拾好。
换句话说,协议会越来越像底层语言,但把这些语言翻译成「企业能放心上线」的能力,那一层反而更容易变成新的平台和新的收费站。
这也是我为什么会觉得,今天看 x402,不能只盯着 Coinbase、Cloudflare、Stripe 谁更像「主角」。
真正值得盯的,是谁最有机会站到这些相邻层上。
Cloudflare 有边缘和流量分发的位置,Stripe 有支付基础设施和商户关系的位置,Visa 和 Mastercard 有凭证、网络 token 和 consumer trust 的位置,Google 有 workflow 和 discovery surface 的位置。
真正的价值捕获,不一定发生在「谁定义了 402」,更可能发生在「谁把 402 接进了更大的企业系统」。
八、结语
x402 Foundation 这件事,不是在宣布 x402 已经在所有 agentic commerce 协议里胜出。
它是在公开承认,这一代 agent payments 从第一天起就不会是单一协议世界。
Coinbase 把 x402 交给 Linux Foundation,是为了让它更像中立公共层,而不是独家产品。
Stripe 一边推 MPP 一边加入 x402,不是摇摆,而是因为它知道现在不该只押一边。
Cloudflare 同时支持两套,是因为它最接近真实流量。
Google、Visa、Mastercard、Adyen 这些玩家的动作,也都在说明同一件事:先让系统能互通,再谈谁最后占住哪一层。
而如果把视角从零售挪开,这个判断就更顺了。
因为最先需要这些协议的,不一定是购物车,而是越来越多按调用、按任务、按结果收费的 B2B 软件和服务。
零售当然更大,但 B2B 往往更早暴露真实需求,也更早定义基础设施最后长什么样。
我上一篇文章里把 interoperability 放在中心,我觉得现在市场给出的答案其实很明确:对,而且比当时想的还更早。
从这个意义上说,x402 Foundation 不是这场故事的结尾。
它只是让我们更早看见,真正的主题一直不是「谁会赢」,而是「这个世界注定要先互通,谁又能在互通之后,占住最值钱的那一层」。
给 AI 配张银行卡:Stripe 半年搭完的 Agent 支付全景撰文:金色传说大聪明
3 月中旬,一个叫 AgentCard 的产品在 X 上刷屏了:给你的 AI Agent 发一张虚拟 Visa 借记卡,Agent 自己刷卡买东西,用完自动销毁。底层用的是 Stripe Issuing
往后退一步看,从 2025 年 9 月到现在,Stripe 在 Agent 支付方向推出了六个产品,搭出了一整套 Agent 金融基础设施
3 月 18 日最新的 Machine Payments Protocol(MPP)发布,Tempo 主网同日上线,Visa 以设计伙伴身份加入。通过 Tempo,你直接可以把 USDC 打过去,然后给它生成一张 Visa 卡去消费。仔细来看,这是个洗钱的漏洞,只是现在金额比较少
图片来源:yusen 的群内分享
3 月初,Stripe 还扩展了 Shared Payment Tokens(SPT)的支持范围,新增 Mastercard Agent Pay、Visa Intelligent Commerce 两种网络级 Agent 令牌,以及 Affirm 和 Klarna 两种先买后付方式
Stripe Agent 支付:六层架构概览
六层架构,两个场景。下面逐个展开
两个场景
要理解这套基础设施在做什么,只需要想两个场景
场景一
AI 帮你买东西
你在 ChatGPT 里说「帮我买一双 Nike Air Force 1」。ChatGPT 找到商品,你确认,付款完成,鞋子寄到家
这个流程需要解决三个问题:AI 怎么跟商家的系统对话(协议),AI 怎么安全地用你的信用卡(支付),商家怎么同时接入多个 AI(接入)
Stripe 为此做了三个产品:
→ACP(Agent 和商家之间的交易协议)
→SPT(让 Agent 安全使用你的支付方式的临时令牌)
→ACS(商家低代码接入多个 Agent 的套件)
场景二
AI 自己花钱
你的编程助手在写代码时需要调用一个付费 API。它自己发起请求,自己付费,自己拿到数据。你甚至不知道这件事发生了
这个场景和场景一完全不同。没有人在中间确认,没有购物车,没有结账页面。机器直接给机器付钱
Stripe 为此做了两个产品:
→x402(用稳定币在区块链上按次付费的协议)
→MPP(支持多种支付方式的统一机器支付协议)
你在 ChatGPT 里说「帮我买双鞋」,和你的编程助手悄悄花了 0.001 美元调了一个 API,是两件完全不同的事
再加上贯穿全局的 Agent Toolkit / MCP Server(开发者工具,让 Agent 直接调用 Stripe API),一共六层。下面逐个展开
ACP:让 AI 和商家说同一种语言
Agentic Commerce Protocol(ACP)是 Stripe 和 OpenAI 在 2025 年 9 月联合发布的开放标准,Apache 2.0 协议
解决的核心问题:AI Agent 和商家之间没有统一的交易接口。以前消费者自己操作浏览器,填表单,点按钮。现在 AI Agent 来买东西,它需要结构化的数据端点
ACP 定义了四个标准操作:创建结账、更新结账、完成结账、取消结账。Agent 和商家通过这四个端点完成完整的交易流程
首发场景是 ChatGPT 的 Instant Checkout。美国用户在 ChatGPT 里购买 Etsy 商品,后续接入超过 100 万 Shopify 商家
ChatGPT Instant Checkout
几个设计特征:
→ 商家保持 merchant of record 身份,客户关系在商家手里
→ 一次集成对接所有兼容 ACP 的 Agent,N+M 模型(N 个 Agent + M 个商家,各自集成一次,互通)
→ 支持实体商品、数字商品、订阅、异步交易等多种类型
10 月,Salesforce 宣布基于 ACP 在 Agentforce Commerce 中构建 Instant Checkout。PwC 同月与 Stripe 达成合作,帮企业做 ACP 集成落地
协议开源,GitHub 仓库由 OpenAI 和 Stripe 联合治理
SPT:AI 怎么安全地花你的钱
Shared Payment Tokens(SPT)是 Stripe 为 Agent 支付设计的支付原语,2025 年 9 月随 ACP 一起发布
核心问题:AI Agent 替你付款时,你的信用卡信息不能暴露给商家或 Agent。SPT 是一个限定范围的临时令牌,绑定特定商家、最大金额和过期时间
工作流程四步:
→ 你的支付信息保存在 AI Agent 平台(比如 ChatGPT)的 Stripe 账户里
→ Agent 通过 Stripe API 创建一个 SPT,锁定到具体商家和交易金额
→ Agent 把 SPT 发给商家,商家用 SPT 创建 PaymentIntent 完成扣款
→ 全程你的卡号不出现在 Agent 和商家的通信中
Etsy 和 URBN(Anthropologie、Free People、Urban Outfitters)已经在用 SPT 处理 Agent 交易
2026.3 SPT 支付方式扩展
Stripe 称自己是目前唯一同时支持 Agent 网络令牌和 BNPL 令牌的支付提供商
ACS:商家一键接入 Agent
Agentic Commerce Suite(ACS)在 2025 年 12 月发布,是商家侧的接入方案
ACP 提供了标准协议,但实际操作中每个 AI Agent 的集成要求和入驻流程都不一样。Stripe 估算,商家为每个新 Agent 做适配可能需要长达 6 个月
ACS 把这件事简化了:商家把产品目录接入 Stripe,在 Dashboard 里勾选要接入哪些 AI Agent,Stripe 负责产品发现、结账、支付和反欺诈。模块化设计,可以按需选用
首批接入品牌包括 Coach、Kate Spade、URBN、Revolve、Ashley Furniture、Halara、Nectar,电商平台侧有 Squarespace、Wix、Etsy、WooCommerce、commercetools、BigCommerce
ACS Dashboard 操作界面
ACS 里的反欺诈模块单独说一下。传统反欺诈信号是针对人类流量调优的,AI Agent 缺乏人类行为的随机性,容易被误判为欺诈。另一面,Agent 本身也可能被恶意操纵去下高风险订单。ACS 在处理 SPT 时对每笔 Agent 交易做专门的风控判定
x402:用稳定币按次付费
到这里,场景从「帮人买东西」切换到「机器给机器付钱」
2026 年 2 月 11 日,Stripe 上线了 x402 协议集成(preview 阶段)
x402 是 Coinbase 开发的开放支付协议,利用了 HTTP 402(Payment Required)这个长期闲置的状态码。流程很直观:
→ Agent 请求一个付费资源
→ 服务器返回 HTTP 402,附带支付信息(金额、币种、收款地址)
→ Agent 用 USDC 在 Base 链上完成转账
→ 服务器验证到账,返回资源
Stripe 的集成方式:商家通过 PaymentIntents API 创建交易,Stripe 为每笔交易分配一个链上钱包地址。Agent 转入 USDC 后 Stripe 自动完成 PaymentIntent。商家在 Dashboard 里看到的和普通支付一样
特征:近零交易成本,支持低至 0.001 美元 的微支付,7×24 小时,即时结算,无退款纠纷
CoinGecko 已经上线了基于 x402 的按次付费 API,每次请求 0.01 USDC。目前仅支持 Base 链上的 USDC,后续会扩展到更多协议、币种和链
MPP:机器支付的统一协议
Machine Payments Protocol(MPP)是最新的产品,3 月 18 日发布,由 Stripe 和 Tempo 联合编写
MPP 和 x402 解决的问题一样(机器给机器付钱),但覆盖范围更广
x402 只支持链上交易。MPP 同时支持稳定币(通过 Tempo)、信用卡和借记卡(通过 Stripe 和 Visa)、比特币(通过 Lightning),以及未来可扩展的自定义支付方式
MPP 还有一个 Session 机制。客户端先充值,用轻量级的链下凭证消费余额,批量结算。这让高频场景(比如 AI 逐 token 消费一个流式 API)的延迟降到 100ms 以下
对 Stripe 商家来说,Agent 的 MPP 支付和普通人类支付在 Dashboard 里没有区别。资金按常规结算周期到账,税务计算、反欺诈、退款、记账集成全部复用现有 Stripe 基础设施
const paymentIntent = await stripe.paymentIntents.create({ amount: 1, currency: 'usd', payment_method_types: ['crypto'], confirm: true, });
几个已经上线的案例:
→ Browserbase:Agent 按会话付费使用无头浏览器
→ PostalForm:Agent 付费打印和寄送实体邮件
→ Prospect Butcher Co.:Agent 给纽约客户订三明治外卖
Visa 作为 MPP 的设计伙伴,已经在协议上扩展了卡网络支付支持
Agent Toolkit 和 MCP Server
Stripe 在 mcp.stripe.com 托管了官方的 MCP Server,通过 OAuth 安全连接,让 AI Agent 直接调用 Stripe API 和搜索 Stripe 文档
Agent Toolkit 支持 MCP、OpenAI Agent SDK、LangChain、CrewAI、Vercel AI SDK 等主流框架,Python 和 TypeScript 双语言,开源
核心能力三块:
→ 创建 Stripe 对象(Product、Price、Payment Link)
→ 按用量计费(自动追踪 Token 消耗,接入 Stripe Billing)
→ 通过 Stripe Issuing 创建一次性虚拟卡,用于在线购物
这一层是开发者工具,贯穿前面所有产品
特别说一下虚拟卡。Stripe Issuing 让 Agent 可以创建一次性虚拟 Visa 卡,锁定金额、锁定商家、用完即销毁。开头提到的 AgentCard 就是基于这个能力做的。你在 Claude 或 Cursor 的 MCP 配置里加一行,Agent 就能自己办卡、自己刷卡、自己查余额。整个流程大概两分钟
同一周,Visa Crypto Labs 也发布了 CLI 工具,让 Agent 不需要 API Key 就能直接走 Visa 网络付款。Ramp 则已经在给企业的 AI Agent 发专属虚拟卡,用于自动化 B2B 付款
给 Agent 发一张银行卡,这件事已经在发生了
Stripe 在 2025 年度信里给了一个清醒的判断:2026 年,95%% 的 AI 平台驱动的电商交易仍然在商家自己的网站上完成。真正的 Agent 自主购物(Agent 记住你的偏好,替你决策,替你买单,你只收到一条通知)还需要时间
但六层基础设施已经搭好了。给 Agent 配张银行卡,半年前听起来像个段子,现在是一个两分钟就能跑通的 MCP 工具奥特曼:生成式 AI 正让「创意人」获得优势Techub News 消息,奥特曼在 Stripe Sessions 活动上表示,生成式 AI 正在改变硅谷创业格局,让深刻理解用户的非技术创始人比技术人才更具优势,这标志着「创意人」的复仇。
他承认在 Y Combinator 时期曾将技术能力视为评估初创企业的首要标准,但如今领域专业知识和客户同理心正成为硬性要求。这一转变由其领导的 OpenAI 所推动的技术工具普及所促成。(CryptoBriefing)Stripe 聘请 Drew Turchin 负责稳定币卡业务Techub News 消息,支付巨头 Stripe 已聘请 Drew Turchin 担任稳定币卡业务负责人。Turchin 在 LinkedIn 发文称,稳定币正成为支付和价值存储媒介,而卡片支付将帮助这些余额在日常生活中即时消费。
Turchin 此前曾担任 Native Markets 业务开发负责人及 Uniswap Labs 业务拓展主管。Stripe 于 2024 年 10 月以 11 亿美元收购稳定币平台 Bridge,目前正利用该收购拓展企业级稳定币支付产品。据 Artemis Analytics 等机构报告,2024 年稳定币关联卡支付月交易量已达 15 亿美元。(Payments Dive)ElevenLabs 企业收入占比超 55%,ARR 接近 6 亿美元Techub News 消息,AI 语音平台 ElevenLabs 企业客户收入已占总收入的 55%,较 2025 年底的约 50% 有所增长。该公司年度经常性收入(ARR)已从 2025 年底的约 3.3 亿美元增长至 2026 年 5 月的超 5 亿美元,7 月已接近 6 亿美元。
目前 41% 的财富 500 强企业已成为其客户,包括 Meta、Stripe 和德国电信等。企业客户每周通过该平台处理数百万次对话。该公司还聘请了来自 OpenAI 的 Ashley Kramer 担任首席营收官,目标是在 2026 年底前将企业收入占比提升至 60%。(CryptoBriefing)Tempo 30 日稳定币转账量突破 10 亿美元Techub News 消息,由 Stripe 与 Paradigm 孵化的 Layer 1 区块链 Tempo 主网上线五个月后,30 日滚动稳定币转账量已突破 10 亿美元,年化运行率约达 37 亿美元。
该网络累计稳定币转账量已超 12 亿美元,主要服务企业全球支付,客户包括 Deel、Meta、Shopify、Visa 等。Ondo 收益型代币 USDY 已于 8 月 24 日在该链上线,支持企业闲置资金获取收益。(CryptoBriefing)ZetaChain 通过 Privy 引入 25 万链上用户Techub News 消息,ZetaChain 官方博客宣布,其 AI 产品 Anuma 已通过 Stripe 旗下 Privy 的钱包基础设施引入超 25 万名链上用户。Privy 营销负责人 Debbie Soon 称,很高兴看到钱包在金融产品之外解锁身份与 AI 等新用例。
用户注册时通过 Privy 获得 ZetaChain 自托管钱包,钱包派生密钥作为 AI 身份使用。自今年春季推出以来,Anuma 已创建超 26 万个钱包,过去一个月平均每周新增超 1.7 万个。用户可通过该钱包质押 ZETA 获取 AI 积分,未来还将支持权限管理和代理支付功能。X 将美国创作者支付服务从 Stripe 迁移至 X MoneyTechub News 消息,社交媒体平台 X 宣布,其美国创作者收益支付服务将由其内部支付服务 X Money 处理。此举意味着此前由 Stripe 提供支持的支付系统将被取代。
X Money 是 X 平台旗下的支付服务,旨在整合平台内的金融活动。此次迁移是 X 持续推进其支付生态系统建设的一部分。(TechCrunch)Stripe 与 Advent 放弃 500 亿美元收购 PayPal,后者股价盘前暴跌近 18%Techub News 消息,支付巨头 Stripe 与私募股权公司 Advent 已放弃对 PayPal 的收购,导致 PayPal 股价在盘前交易中暴跌近 18%。此次收购尝试曾涉及超 500 亿美元,是金融科技史上规模最大的收购案之一。
PayPal 股价本季度因收购传闻及强劲的二季度财报曾上涨超 40%,市值升至约 526 亿美元。随着收购谈判破裂,市场正在重新定价。PayPal 当前盘前股价报 50.61 美元,较近日高点 62.73 美元下跌约 18%。
PayPal 近年来在支付技术现代化方面面临挑战,市场份额被苹果和 Alphabet 等对手侵蚀。公司于 2026 年初更换了 CEO,新管理层制定了需数个季度才能见效的财务改革目标。 (BeInCrypto)代币化国债 USDY 上线 Tempo 支付网络Techub News 消息,Ondo Finance 宣布其代币化国债产品 USDY 已上线由 Stripe 和 Paradigm 孵化的 Layer-1 区块链 Tempo。该集成旨在为支付流程中的闲置资金提供美国国债收益,解决传统支付系统中资金闲置无法生息的问题。
Tempo 网络专为全球支付设计,具备亚秒级最终性和稳定币计价费用。USDY 作为无许可转让的代币化资产,无需白名单即可在链上自由转移,适用于企业钱包、薪资支付和商户结算等场景,为支付应用提供收益层基础设施。XDC 联合创始人称 AI 代理支付将颠覆发票与信用卡支付模式Techub News 消息,XDC Network 联合创始人 Atul Khekade 表示,AI 代理支付消除了银行、清算所或营业时间等传统延迟,使支付从等待过程转变为以底层网络速度持续进行的后台流程。他认为这预示了未来更多支付的可能形态。
研究显示,2025 年 5 月至 2026 年 4 月期间,AI 代理完成了超过 1.76 亿笔链上交易,总价值超 7300 万美元,其中 76% 的交易金额低于信用卡支付的 0.30 美元固定费用门槛。USDC 占据了 98.6% 的结算份额。
为适应高频、小额支付,行业已推出多项协议与服务,包括 Stripe 的机器支付协议(MPP)、谷歌的代理支付协议(AP2)、Cloudflare 的钱包与支付工具,以及万事达卡的 Agent Pay for Machines 服务。XDC 则通过 XDCAI.tech 平台,采用源自 Coinbase 的开放 x402 协议参与该市场。 (BeInCrypto)Stripe 任命 Drew Turchin 领导稳定币卡业务,支出额达 6.42 亿美元Techub News 消息,支付巨头 Stripe 任命 Drew Turchin 领导其稳定币卡业务,以推动该业务进入下一阶段。Turchin 在 LinkedIn 上宣布了这一任命,表示将与 Stripe 首席运营官 Max Segall 及团队共同推进业务。
Stripe 的稳定币卡业务支出额已达到 6.42 亿美元,显示出该业务在加密支付领域的快速增长势头。(CoinGape)智能流和资金流,过去是两条平行的轨道。 一条跑在应用层,提问、响应、任务完成;一条跑在支付层,授权、清算、对账。两条轨道从不直接相连,中间靠一个动作缝合——人点一下按钮。 人是唯一的接口。 8 月 27 日晚,DogPay 在香港办了一场名为「The Payment Layer for the Agent Economy」的活动,作为 Bitcoin Asia 期间的 Side Event,Money in Motion 联合主办。 讨论的其实是同一件事的不同侧面:当那个按钮不再由人来点,这两条轨道会发生什么。 一、付款方第一次不是人 我在分享里提的判断是:Agentic Payment 真正的变化不在通道,在付款方。 过去二十年,支付行业优化的一切——费率、成功率、结算速度、拒付率——都建立在同一个动作上:人点击,点击构成授权,授权发生在某个确定的时刻。这一刻之前和之后是两个世界,整套风控、清算和争议解决机制都是照着这个结构建的。 Agent 把这个前提拆了。支付变成任务执行过程中的一个字段:预算在哪里设、权限由谁授、什么条件下触发、按结果还是按用量计费、价格是否随负载浮动。系统要回答的不再只是「谁向谁付款」,还有「为什么付、谁批准的、怎么追溯」。 大屿讲 Agent Trading 时,把同一个问题带到了交易场景。他给出两条演进路径:一条是 Agent 成为独立自主的交易主体,自己发现机会、生成交易逻辑;另一条是成为交易者的数字分身,复刻人的交易体系、风险偏好和执行纪律。前者想象空间更大,后者更接近当下能落地的路径。 两条路径听上去差得很远,卡住它们的东西却完全一样:钱包安全、权限管理、审计追踪。 这不是巧合。代理消费和代理交易,分野的标准是同一个——Agent 是在执行人的意图,还是在生成自己的意图。而无论落在哪一边,人都从那个接口的位置上退了出来。 接口消失之后,两条流只能合并到同一条轨道上跑。 二、支付的逻辑,正在往 token 上搬 这件事最激进的实践者不在加密行业,在 Stripe。 我们此前拆过它那笔七十多亿美元的收购——史上最大一笔,买的是 AI 模型网关 OpenRouter,一家不做支付的公司。同期的股东信里,Stripe 十五年来第一次改写了自己的起源故事:资本与智能,正在成为托底每一门生意的两股数字流。 为什么一家支付公司要去管企业怎么花 token? 因为 token 的消费已经变成了流。AMP PBC 分析流经 OpenRouter 的一百万亿个 token 后发现,中位请求并不是一个人在提问,而是一台机器在循环中间。一个 agent 跑一晚上,同类调用重复几千次,无人值守、持续发生。 而 Stripe 这家公司向来只做一件事:在流上收费。 于是围着美元长了二十年的那一整套东西,开始一层层往 token 上搬——计量、路由、定价、风控、对账,一样都不少,只是标的从美元换成了 token。而这套体系里的三个角色也各就各位:AI token 制造账单,卡组织完成刷卡,稳定币负责结算。 模型是商品,计量层是收银台。 这句话底下是一个更冷的结构。稳定币解决的是转移,但它从没解决转移标的的估值。一笔链上付款可以在一秒内完成,可「这次模型调用该付多少」,链和币都回答不了。搬运的成本被压到接近零之后,所有的价值都挤到了定价这一侧。 谁掌握计量,谁就掌握定价。 三、同一个形状,两个方向长出来 回到香港这场活动。 DogPay 讲的三层——DogID 做身份,DogRouter 做用量,DogPay 做支付——放进上面那个坐标里看,几乎是同一个答案。Agent 需要先被识别,才谈得上被授权;被授权之后才能被计量;任务完成之后,付款、分账和对账才有触发的依据。身份、用量、支付,正好是这条链上的三个卡口。 而这个形状不是抄来的,是被约束逼出来的。当消费从离散事件变成连续的流,当付款方从人换成机器,任何人做这件事都会撞上同样三个问题:认得出是谁,算得清用了多少,结得了账。少一层都不成立。 所以香港一场 Side Event 上讨论的三层,和 Stripe 花七十多亿买回来的那个位置,指向的是同一件事。区别只在方向:一个从美元那一侧往上搬,把成熟的支付逻辑套到新商品上;一个从 Agent 原生那一侧往下长,先有机器的用量和身份,再回头解决钱。 出发点相反,形状一样。 这也解释了 DogPay 为什么把自己定位成价值流转网络,而不是一个收款按钮。收款工具处理的是一次性事件;它要处理的是一条一直在跑的流——当人和 Agent 混在同一个协作网络里,价值如何被记录、分配和结算。 形状想清楚了,不等于位置就定了。 从美元往上搬的那一侧,握着二十年的对抗性交易数据和最完整的商户网络;从 Agent 原生往下长的这一侧,握着更早的用量入口和更灵活的合规姿态。谁先站住,现在没有答案。这是一场还没跑的比赛,押哪边都是下注。 四、生而全球的东西,不需要落地 亚洲这一侧的问题,从来不是有没有需求。 这场活动能在 Bitcoin Asia 期间爆满,本身就是信号。从 API 调用到跨境收款再到智能交易,Agent Economy 在亚洲已经是在跑的生意,现场的人不是来听趋势的,是带着各自具体的问题来的。 生机勃勃的另一面,是一个还没被认真回答的问题。 agent 和 stablecoin 都是生而全球的。它们不在任何一个司法辖区出生,不依赖任何一个城市的清算系统,也不需要落地在任何一个地方。传统金融中心的逻辑恰恰相反——资金必须经过某个物理和法律的节点,城市的价值来自它是那个必经之地。 当这个节点开始收缩,香港要想清楚的是:在一个不需要地理的价值网络里,一个城市凭什么被需要。 我倾向于认为答案不在牌照本身。牌照能界定边界,界定不出吸引力;何况一个生而全球的东西,会去找摩擦最小的那条路径,而不是规矩最全的那一条。真正把城市留在网络里的,可能是机构——像 DogPay 这样足够灵活、能同时站在合规和链上两边、又愿意在标准还没成形的时候先做出来的机构。 城市的位置,要靠生态挣回来。 这是判断,不是结论。它成立的前提是接下来两三年里,Agent 支付的规则由做事的人写,而不是等规则写好了再做事。 十月六日,Money in Motion 和 LongTree Labs 会在新加坡办第一届 AGENTIC MONEY,把这些问题继续往下推。 按钮消失之后,两条流会自己找到一条轨道。真正的问题是,它经不经过这里。
