Stripe 数据揭示 AI 正在重塑全球经济。

撰文：@feigaobox

编译：AididiaoJP，Foresight News

1987 年，经济学家罗伯特·索洛说了一句著名的话：「你能在任何地方看到计算机时代，唯独在生产力统计数据里看不到。」这句话困扰了经济学家近十年。直到 1990 年代中期，计算机对生产力的贡献才终于在数据中显现出来。

2026 年，同样的困惑正在 AI 身上重演。泡沫论来来去去，学者们争论不休，企业犹豫不决，宏观数据信号依然模糊。但有一个地方，AI 对经济的影响已经无需争论。

现在我们来看 Stripe。

过去几天，我参加了在旧金山举行的 Stripe Sessions。Stripe 处理的交易量相当于全球 GDP 的近 2%，年支付量达 1.9 万亿美元，平台上有超过 500 万家企业。《福布斯》AI 50 强榜单中 86% 的公司都在使用 Stripe。如果说 AI 经济是一个刚出生的婴儿，那么 Stripe 就是产房里的心率监测仪。它比几乎任何人都更早、更精准地记录着婴儿的心跳。

圣路易斯联储 2026 年初发布的一项研究显示，AI 相关投资已贡献了美国边际 GDP 增长的近 40%，超过了互联网泡沫时期科技行业的峰值贡献。而当这些投资转化为收入时，大部分结算都发生在 Stripe 上。更重要的是，Stripe 不仅仅在记录 AI 经济的心跳。在今年的大会上，它宣布要推动一种新的经济形态：Agentic Commerce（智能体商业），即智能体成为交易主体。在一次集体媒体采访中，联合创始人兼总裁约翰·科里森表示，他预计智能体作为商业交易买方的角色将在 12 到 18 个月内成为主流。

两天时间、288 项产品和功能发布、超过 1 万名参会者，一个定义性短语贯穿始终：Agentic Commerce。以下是我在 Stripe Sessions 2026 的所见，以及我的个人思考。

AI 经济到底跑得有多快？

在讨论智能体商业之前，先看看 AI 经济的整体轮廓。索洛 1987 年说计算机在统计数据里无迹可寻，近四十年后，AI 在 Stripe 的数据里已经清晰可见。

大会第一天上午，CEO 帕特里克·科里森展示了一组数据。自疫情以来，Stripe 上每月新成立的企业数量一直保持在高位，但曲线相对平坦。从 2026 年初开始，这条曲线几乎垂直向上拉升。直接原因是 AI 编码工具大幅降低了创业门槛，许多开发者现在用「vibe coding」就能在几天内做出可收费的产品。帕特里克将其描述为更宏观的现象——整个经济正在围绕 AI 重新平台化。Stripe AI 业务首席营收官 Maia Josebachvili 补充了一个外部对比：直到 2024 年，iOS App Store 的应用发布数量一直在下降。AI 编码工具出现后，发布量环比增长 24%。

变化不仅是数量上的，也是质量上的。Stripe Atlas 是创始人最简便的美国公司注册方式之一。上周刚刚庆祝第 10 万家公司成立。在大会上，我听到一组惊人的数据：2025 年通过 Atlas 注册的公司，在生命周期的同一节点产生的收入是 2024 年同期公司的两倍。2026 年的公司才成立几个月，其收入已是去年同期公司的五倍。

第一天下午的 AI 经济报告中，Maia Josebachvili 列出了推动 AI 经济崛起的几个名字。Lovable 在八个月内做到 1 亿美元收入，又在接下来的八个月冲到 4 亿美元。Cursor 在不到两年内达到 10 亿美元年化收入，三个月后又翻倍至 20 亿美元。Stripe 上领先的 AI 原生公司在 2025 年增长 120%，2026 年至今已增长 575%。

消费端同样陡峭增长。最高消费用户每月在 AI 产品上花费 371 美元，超过普通美国人每月在互联网接入、流媒体和手机账单上的总和。我粗算了一下自己每月的 token 开支，早已超过手机账单。

帕特里克还做了一个对比：Stripe 上的企业增长速度是全球经济的 17 倍。

第二天，约翰·科里森直接提到了索洛悖论，并用历史类比解释。1882 年，爱迪生在曼哈顿点亮了第一批客户电灯。但在此后三十年电气化期间，生产力几乎没有提升。原因不是电力不管用，而是工厂当时是围绕蒸汽机设计的。只有在整座工厂被重建之后，生产力提升才出现。约翰的判断是，AI 正处于类似阶段。变化已经在发生，但旧有模式还没来得及完全吸收。「不过，」他说，「我怀疑 AI 不会花三十年。」

Stripe 的数据似乎支持他的乐观。在其平台上，AI 经济已经在爆发。我接触到的几乎每一家传统公司，最高领导层都在以极高的紧迫感推动 AI 部署。

从第一天起就全球化

除了速度，这些 AI 公司还有另一个让我印象深刻的特征：它们从第一天起就是全球化的。Stripe 对此有一个说法：默认全球化。

自从我自己成为 AI 博主以来，经常遇到一种体验：AI 内容创作没有时区之分。太平洋另一边的 AI 新闻和本地新闻权重相同。AI 产品也是如此。大语言模型模糊了传统软件依赖的界面语言和交互习惯。一个统一的聊天框就能让全球用户通过自然语言使用产品。从这个意义上，大语言模型第一次让统一的全球软件市场成为可能。

大会数据印证了这一观察。在之前的 SaaS 浪潮中，最快增长的公司第一年覆盖约 25 个国家，第三年达到 50 个。AI 公司的节奏完全不同：第一年 42 个国家，第三年 120 个。Maia 说，哈萨克斯坦现在已经出现在许多 AI 公司的市场清单上。在第二天的「Indexing the Economy」 分论坛上，Stripe 给出了一个中位数：前 100 家 AI 初创公司在第一年就已经卖到了 55 个国家。

Emergent Labs 是一个具体例子。该公司 2024 年在美国成立，但近 70% 的收入已来自海外，至少 16 个国家各自贡献至少 1% 的收入。在领先 AI 公司中，48% 的收入来自公司本土市场以外。三年前这一比例仅为 33%。全球收入不再是补充，而是基础情况。

速度和全球化是 AI 经济的两大核心特征，而这两点都与 Stripe 直接相关。AI 公司需要快速建立支付能力，需要在第一周就能在 40 个国家和地区收款。这恰好是 Stripe 从成立第一天起就在做的事情。

这里需要补充一点 Stripe 的创立背景。

Stripe 的创始人帕特里克·科里森和弟弟约翰·科里森是爱尔兰人，他们自己就是跨境创业者。在大会上，我遇到一位爱尔兰同事，他告诉我，在爱尔兰 AI 创始人眼中，这两兄弟是英雄。来到美国后，他们发现在线收款极其困难：连接支付系统需要和银行签合同、做 PCI 合规审查、对接多个中间商，整个过程可能要几周甚至几个月。

于是 2010 年，两个二十岁出头的年轻人辍学，搬到旧金山，写了一个解决方案，让开发者用七行代码就能收款。这七行代码正好赶上移动互联网和 SaaS 起飞。Shopify 需要帮助数百万商家收款，Uber 需要乘客无摩擦支付，Salesforce 需要处理全球订阅……他们都选择了 Stripe。随着这些全球客户一起成长，Stripe 在 46 个国家建立了本地化能力，覆盖 195 个市场，支持 125 种本地支付方式。

对消费者来说，Stripe 不是站在聚光灯下的公司。它藏在 Shopify 结账页、OpenAI 订阅确认邮件和 Uber 费用通知背后。但这种隐形并没有阻止它成为互联网经济的底层金融管道。在 AI 时代，这一全球金融基础设施让 Stripe 在服务向国际扩张的 AI 公司时拥有先发优势。

在今年的大会上，我还见到了 Stripe 全球产品负责人 Abhi Tiwari。他三个月前刚刚接手这个职位，并搬到了新加坡。Stripe 在旧金山、都柏林和新加坡设有工程中心，还在圣保罗设立了拉美办公室。Abhi 告诉我，很多 AI 公司找到 Stripe 时开口第一句都是：「我们默认全球化，用户在哪里不重要。」那种在总部开发产品再推向全球的旧模式，正在被本地团队在市场中构建的新模式取代。

触达全球用户是一回事，让他们付款是另一回事。后者要复杂得多，因为每个市场都有自己的货币和支付习惯。在这方面，Stripe 主要通过两种方式帮助 AI 公司和其他客户：本地货币定价和连接本地支付方式。前者让巴西用户看到的是雷亚尔而不是美元价格，跨境收入提升 18%；后者让印度用户用 UPI、巴西用户用 Pix 支付，转化率提升超过 7%。AI 演示工具 Gamma 在印度接入 UPI 后，当月印度收入暴涨 22%。在展台，我也看到了中国公司 MiniMax 的身影。据我了解，很多中国出海公司通过海外实体使用 Stripe 的金融服务。

这些 AI 原生公司还有一个共同特征：人员极少，很多是独立创始人。一两个人加上一群智能体，就能支撑起一家有真实收入的全球公司。第二天 Emily 的演讲中给出了一个数据：Atlas 上独立创始人的密度已接近每百万美国人 5000 人，而且越来越多人的年收入超过 10 万美元。

Emily 用的词是 solopreneur（一人公司）。这让我想起中国快速发展的 OPC（One Person Company）浪潮。约翰用罗纳德·科斯的企业理论来解释这一现象。企业存在是因为内部协调成本低于市场协调成本。但 AI 可能正在逆转这一逻辑。当智能体能帮你发现服务、集成软件、处理支付时，外部协调成本大幅下降。你不再需要一屋子员工去做以前需要整个部门完成的事。

从人类经济到智能体经济

上面描述的 AI 经济，无论增长多快、全球化程度多高，交易主体仍然是人类。人类在购买 AI 产品，人类在用 AI 工具创业。但我在今年的 Sessions 上感受到的最强信号是，Stripe 的下一个重大聚焦是另一种转变：智能体成为市场参与者的经济形态，这就是 Agentic Commerce。

这一转变已经在 Stripe 自己的数据中悄然出现。产品和业务总裁 Will Gaybrick 展示了一组数字。多年来，Stripe CLI（命令行界面）仅被一小群极度技术化的用户使用，使用量几乎没有变化。2026 年开始后，使用量突然暴增。原因在于智能体不需要精美的图形界面，简洁的 CLI 往往更有用。Maia 的数据显示，2025 年来自智能体阅读 Stripe 文档的流量增长了约十倍。如果当前趋势持续，到年底智能体阅读 Stripe 文档的数量将超过人类。Stripe 花了十多年打磨的 API 文档，找到了它新一轮最忠实的读者。

如果智能体花钱听起来还很陌生，可以想想两个已经发生的场景。

第一个是购物界面可能正在转向模型聊天窗口。消费者现在常用 ChatGPT、Gemini 或 Instagram 研究产品。研究和交易之间的距离被压缩到一个界面里。中国也出现了相关案例，比如在 AI 应用里买奶茶。

在集体媒体采访中，约翰·科里森用自己买旅行电源适配器的经历解释为什么这种压缩难以逆转。如果一个智能体完成从研究到下单的全流程，几天后产品送到家里，他不会再跑到另一个网站从头填写个人信息，哪怕那个网站的产品可能略好。一旦购物智能体完成搜索流程，下一个自然步骤就是结账。

第二个例子更有趣：OpenClaw。关注过「龙虾」浪潮的人都知道，它是目前最热门的开源自主智能体框架之一。用户通过飞书、Telegram、WhatsApp 等消息应用给智能体下指令，智能体自主执行任务。关键在于 OpenClaw 一天就能消耗几百元甚至几百美元的 token 成本。它自己管理 token 消耗和使用。虽然很多情况下仍需人工授权，但最终是智能体在消耗 token，而 token 可以直接转化为金钱。

从智能体管理 token 消耗，到智能体直接花钱，只差一步。在今年的大会上，Stripe 的演示跨过了这一步。

演示：智能体买卖

第二天主舞台上，一个演示赢得多次掌声。

约翰·科里森在台上给智能体一个简单指令：研究 AI 需求如何影响能源市场。智能体开始搜索，发现 Alpha Vantage 有一个它需要的能源市场数据集，价格 4 美分。智能体判断价格在预算内，随后用 Tempo CLI 中的稳定币钱包自主完成购买和下载，因为用信用卡支付 4 美分并不划算。接着它生成了一份完整的分析报告。这已经很惊人了。但约翰随后对智能体说：「把这份报告发布并出售。设定你认为合理的价格，让其他智能体能找到并购买它。」智能体检查了 Alpha Vantage 数据集的许可条款，确认允许商业化，然后搭建网站、发布报告，并生成一个指令文件，让其他智能体通过一个请求即可购买数据。

短短几分钟，一个智能体完成了研究、采购、生产、合规审查、发布、定价和销售的全链路。它既是买家也是卖家。演示结束后，约翰说了一句：「Agentic Commerce 已经来了。」

第一天的另外两个演示同样令人印象深刻。Will Gaybrick 搭建了一个 API 审查应用，让智能体为用户获取审查服务。整个过程中他没有告诉智能体任何支付信息。在执行任务时，智能体自动发现该应用使用 Machine Payments Protocol（MPP），并自主完成了 2 美元支付。人类只按了一次指纹授权。这种零配置发现支付的能力，正是 MPP 作为协议的核心设计。开发者无需为智能体单独编写支付逻辑，智能体自己就能找到。

紧接着，Gaybrick 结合 Metronome（实时计量引擎）、Tempo（为支付设计的区块链）和稳定币，演示了流式支付。一个应用根据 AI token 消耗实时收费，每百万 token 3 美元。多个智能体同时运行。左侧仪表盘显示 token 消耗上升，右侧稳定币微支付同步流入。当打开 Tempo 区块链浏览器时，总额 3.30 美元的支付由数千笔亚美分微支付组成，每笔只有三千分之一美分。信用卡做不到，ACH 做不到，UPI 和 Pix 也做不到。Gaybrick 在台上宣布，这是全球首个流式支付业务。

微支付的回归与新的消费逻辑

通过聊天窗口购物和 OpenClaw 是智能体代表人类消费的例子。但在集体采访中，科里森做出了更具野心的判断：智能体可能创造全新的需求。

他认为，智能体可能让一个讨论多年却从未真正实现的商业模式变得可行：微支付。人类不擅长做极度细粒度的消费决策。Spotify 用每月 9.99 美元订阅取代单曲付费，就是因为没人愿意每次按播放键时都决定一首歌值不值 15 美分。智能体没有这种认知负担。如果这一判断正确，那么一大类因人类认知摩擦而失败的商业模式，在智能体面前可能突然变得可行。Maia 在和我的一对一对话中也表达了类似观点。她说她刚和几十位 AI 创始人聊过，当讨论智能体商业时，定价是最常被提到的话题。

每一笔交易都有买卖双方。如果买方变成智能体，商家该怎么办？

在一次采访中，我问 Stripe 产品负责人 Jeff Weinstein：人类有句俗语「顾客永远是对的」，商家需要取悦消费者。那么该如何取悦智能体？Jeff 的回答是，把智能体想象成你认识的最好的程序员。它想要完美信息、结构化格式、快速可读性，以及决策所需的所有上下文。人类消费者喜欢漂亮图片和流畅动画，智能体想要原始结构化数据、精确物流信息，以及用最少步骤完成交易的能力。

在另一场对话中，Meta 产品副总裁 Ginger Baker 更激进地总结了这一转变：支付将从「瞬间」变成「策略」。人类消费者的购买是离散的。你走到收银台，掏出钱包，刷卡，交易完成。智能体消费是持续的。你设定一组规则，比如「本周杂货不超过 50 美元」「始终优先这张卡」「500 美元以上必须人工授权」。然后智能体在你设定的授权框架内自主持续消费。

安全：算力就是新的现金

如果智能体真的成为一种新的消费者，也会带来新的风险。这些风险与传统 SaaS 交易风险和人类消费者面临的风险本质不同。

在 Sessions 期间，我特别关注这个话题，并与几位 Stripe 高管进行了讨论。

Stripe 数据与 AI 负责人 Emily Glassberg Sands 描述了三种快速增长的欺诈模式。第一种是多账户滥用。同一个人反复注册不同账户，每个账户领取免费额度。根据 Stripe 网络数据，每六个 AI 公司注册中就有一个涉及此类滥用。第二种是免费试用期间的恶意消耗。这对 AI 公司尤其致命，因为每次试用都会烧掉真实推理成本。她举了一个例子：某合作伙伴公司获取每个付费客户的 token 成本超过 500 美元，因为转化一个客户需要 25 次免费试用，其中 19 次是欺诈。第三种她称为「吃霸王餐」。客户大量消耗 token，月底拒绝付款。Emily 还引用了一句名言：「算力就是新的现金。」传统 SaaS 被滥用时，边际成本几乎为零。但 AI 公司的每一次推理调用都是真实成本。被盗 token 就是被盗金钱。

然而，这里存在一个让我特别纠结的两难。许多 AI 创始人应对滥用的方法是关闭免费试用。

Emily 说，她问过所有声称「解决」这个问题的人是怎么做到的，结果发现他们的解决方案就是直接关闭免费层。但 Jeff 认为这会制造另一个问题。智能体正在成为发现新服务的主要方式。如果智能体无法自行试用服务，它就会直接跳到另一个 URL。Emily 补充说，如果呈现给智能体的行动号召是「加入等待名单」或「联系销售」，智能体就会立刻离开。为了防欺诈而关闭自助注册，可能意味着把最重要的增长渠道拱手让给竞争对手。

Stripe 对这一两难的回答是其欺诈预防系统 Radar。Radar 的逻辑很简单：每次在 Stripe 上完成交易，Radar 就学习一次。来自 500 万家企业的交易数据流入共享风险识别网络。如果一家公司遇到某种欺诈模式，所有公司都能受益。上个月，Radar 在八家高增长 AI 公司中阻止了超过 330 万次高风险免费试用注册。

Jeff 还提出了一个反直觉的观点：智能体购物最终可能比人类在网页上购物更安全。人类网页购物的信任验证依赖推断：用户在网站停留多久、点击路径是否正常等。而智能体交易可以进行程序化认证。Stripe 的 Shared Payment Tokens 将支付凭证 token 化，智能体永远不会接触原始信用卡号。用户通过生物识别授权，并可设置交易限额、时间窗口和商户白名单。当信任机制从推断转向确认时，安全基线实际上可能提高。

生态、协议与一段历史

到目前为止，应该很清楚：没有功能良好的生态系统，智能体商业就不可能实现。在 Stripe Sessions 2026，我遇到了一位食品行业人士。他说他参会的目的是想了解智能体商业是否能成为公司的新机会，这是卖方的视角。

所以这不可能仅靠 Stripe 完成，它需要一个生态系统。

在 Sessions 展厅漫步两天，我看到了金融产业链上大量公司的展位。Stripe 也与上下游合作伙伴推出或加入了一系列协议，将生态系统的不同部分连接起来：买方与卖方、人类与机器、机器与机器。Machine Payments Protocol（MPP）让智能体能通过 HTTP 发现并完成支付。Agentic Commerce Suite 让消费者直接在 Google、Meta、OpenAI 和微软的 AI 应用内完成购买。Universal Commerce Protocol（UCP）是由 Shopify 发起、Meta、Amazon、Salesforce 和微软加入的跨平台商业协议。Stripe 加入了 UCP 总理事会。一群既是合作伙伴又是竞争对手的公司同意共同制定一个共享协议，因为碎片化会让智能体难以跨平台顺畅消费，对谁都没好处。

说到协议，我在展厅看到一个特别的 Stripe 合作伙伴：Visa。在我看来，Visa 本质上就是一个协议平台。

注意到 Visa 立刻让我想起一本我很喜欢的书：《One from Many》，作者是 Visa 创始人 Dee Hock。书中一个核心主题是，在电子时代，银行、货币和信用卡该如何被重新定义。货币不再必须是硬币和纸币，它也可以是机构担保的、由网络记录的、在全球流动的数据。上世纪 60 年代末，Bank of America 发行的 BankAmericard 扩展到全国，大量跨州消费者涌入，旧系统崩溃。Hock 意识到问题是组织层面的。几十家相互竞争的银行需要共享基础设施，但现有组织形式无法让它们既合作又竞争。他用去中心化设计原则让所有银行成为新组织的平等成员，Bank of America 放弃了对系统的独占控制。这个组织后来被更名为 Visa。

于是两个不同时代、两家不同公司在做相似的事情，它们之间是否存在着某种传承？

借助任何智能体都能轻松找到答案。帕特里克·科里森曾公开向 Hock 致敬。2022 年 Hock 去世后，帕特里克称他为「一位被严重低估的创新者」，对他和弟弟影响深远。更明确的信号是招聘决定：Visa 权威学术史作者 David Stearns 后来加入了 Stripe。

还有一个熟悉支付历史的人会会心一笑的细节。在舞台上，Tempo 区块链 CTO Georgios Konstantopoulos 展示了验证者阵容。其中一个名字是 Visa。Hock 创立的 Visa，现在成了 Stripe 孵化的区块链网络中的一个参与节点。学生建了新网络，老师成了其中的一个节点。

当帕特里克在大会开幕时追溯 Stripe 的思想起源时，他说自己最初是个写 Lisp 的程序员。Lisp 的核心思想是「代码即数据」。他把这个思想翻译成 Stripe 自己的语言：「Stripe 的基本理念是货币即数据。当我们 2011 年推出 Stripe 时，这还不是行业的正统观念。」Hock 从组织理论接近货币本质，得出货币只是「价值交换的担保」。承载它的介质可以是任何东西。科里森从编程语言切入，直接把货币等同于数据：可以被编程、被 API 调用、被智能体操作的数据。两人用不同语言说了同一件事。当天舞台上，Ginger Baker 说得更直白：「货币不就是另一种数字内容吗？」

如果货币是数据，那么数据的消费者自然也会成为货币的消费者。

支线情节：Stripe 的内容基因

至此，AI 经济的故事已接近尾声。但让我们绕个小弯，Stripe 几乎可以被视为内容工作者的同行。

这家公司不仅擅长金融服务，也擅长内容产品。它的出版品牌 Stripe Press 品味极佳，许多人是因为出版《穷查理宝典》而知道它。它的播客《A Cheeky Pint》也很有特色，拥有大量听众。谷歌 CEO 桑达尔·皮查伊、Anthropic CEO Dario Amodei、a16z 联合创始人马克·安德森都上过这档播客。

在 Sessions 期间，我见到了 Stripe Press 高级编辑 Tammy Winter 和设计师 Pablo Delcan。Tammy 开玩笑说「Stripe 是一家附带一家数十亿美元公司的出版社」。Pablo Delcan 谈了他对品味的理解。他说品味是长期积累的结果，需要时间沉淀。在设计趋势上，他认为在不放弃简洁概念和清晰传达的前提下，新问题是如何通过细节和精确性增加一定程度的复杂度。

谈到书籍时，Tammy 告诉我，在 Stripe Press 内部，为创始人和构建者出版的系列叫「Turpentine」系列。这些书聚焦如何做的知识、工具、技术、维护，以及让工作运转起来的实际事务。它们不是抽象理论，而是旨在帮助读者解决具体的运营问题。

这个名字来自一个据说是关于毕加索的故事：艺术评论家聚在一起时谈论形式、结构和意义；艺术家聚在一起时谈论在哪里能买到便宜的松节油。这个系列想成为创始人的廉价松节油。如果你仔细想想，对于出海的 AI 公司来说，Stripe 的金融服务就是另一种松节油。你不用操心支付、合规或外汇，可以专注于构建产品。

这条支线看似与主线无关，但底层有联系。Stripe 还有一本杂志叫《Works in Progress》，核心问题是经济如何增长。它的播客采访 AI 经济领袖。Sessions 本身在某种程度上就像一场经济学讲座。第二天上午，约翰·科里森用整整一场演讲谈论经济数据、科斯的企业理论和索洛悖论。我猜一家金融服务公司如此关心经济学，正是因为理解经济的结构性变化，正是它发现下一个产品机会的方式。

作为一个播客爱好者，在大会第一天见到约翰·科里森时，我第一个想问的不是金融问题，而是播客。我问他，在采访过这么多不同的人之后，是否有一条贯穿所有对话的底层问题。他想了一会儿，说他真正感兴趣的是这些人的公司到底是如何运作的，他们处于怎样的竞争均衡，以及他们如何理解自己的业务。

巧合的是，第一天结束时还有一个小转折。原定的最后炉边谈话是帕特里克采访 OpenAI 联合创始人 Greg Brockman，但临上台前嘉宾换成了 Sam Altman。帕特里克解释说，毕竟「AI 是一个快速变化的领域」。

于是惊喜变成了喜悦。全场欢呼。

两人相识已近 19 年。Altman 是 Stripe 最早的天使投资人之一，当时科里森兄弟还不到 20 岁。正因如此，Altman 在整个对话中显得非常放松。

接近尾声时，帕特里克问了一个私人问题：为什么当年投资两个十几岁的年轻人？Altman 说，他记得他们想构建的产品是在解决自己亲身遇到的问题，而且他也看到这个机会可以规模化，因为很多其他人也需要同样的东西。

我觉得他对播客的回答和对投资的回答指向同一件事：找到真实需求，解决真实问题。在对话中，Altman 把 OpenAI 的转型分为三个阶段：从研究实验室，到产品公司，再到向世界供应智能的「token 工厂」。每个阶段对应不同的使命。Stripe 也很相似。2010 年，两个爱尔兰年轻人解决的问题是「在线收款太难了」。一路走来，他们为 500 万用户解决了同样的问题。2026 年，他们发现了一个新问题：这些企业的客户可能很快不再是人类。

一手拿着播客，一手拿着出版社，在舞台上讨论科斯理论和索洛悖论，在展厅铺开协议和 API，Stripe 不仅在创造 AI 经济，也在记录它。在大会上，我产生了一个听起来有点疯狂的想法：Stripe 掌握着相当于全球 GDP 近 2% 的交易数据。它能看到 AI 每一美元收入从哪里来、到哪里去、增长有多快。如果索洛当年有这样一个心率监测仪，或许他不必等十年才能在统计数据里找到计算机。

也许有一天，Stripe 能为 AI 经济提供一个模型。不是大语言模型，而是诺贝尔级别的经济模型。谁说这不可能？就在 DeepMind 创始人 Demis Hassabis 获得诺贝尔奖的几年前，谁又能想象得到呢？