Ramp 以 440 億美元估值融資 7.5 億美元，Stripe 砸 70 億美元買下 OpenRouter。兩家巨頭押注的不是單純增長，而是 AI 原生：token 支出、代理身份、模型路由等全新客戶任務，正成為金融科技的新金礦。
（前情提要：Stripe 與 Paradigm 聯手孵化的支付公鏈 Tempo 主網上線，同步推出「AI 機器支付協議」）
（背景補充：Stripe 發布 288 項更新：Google AI 購物、Link 代理錢包、Tempo 鏈穩定幣支付三線並進）
Simon Taylor 在最新專欄中拆解，Ramp 與 Stripe 的估值神話並非來自傳統支付業務，而是它們正圍繞 AI 創造的全新客戶任務建立護城河。從 token 支出管理到代理身份認證，這些任務在 AI 出現前根本不存在，如今卻成為金融科技最肥美的獲利來源。Taylor 指出，投資人真正買單的，是這些公司能否持續抓住 AI 原生需求。
🧠 AI 催生全新客戶痛點
這些痛點正是下一代金融商品的誕生溫床。Token 支出、代理身份和模型路由在 AI 之前幾乎不存在。
Ramp 近期完成 7.5 億美元融資，估值達 440 億美元。它可能並不需要這筆錢，但這輪融資買的不只是亮眼成長，而是更大的願景*。這輪融資買入的是一個關於成為 AI 原生的連貫敘事。
這個故事之所以可信，在於它正緊扣 AI 驅動的客戶任務重塑業務。例如，Router 為每個請求找到成本最低、質量最高的模型，據 Ramp 稱能為客戶節省 40% 的成本。Stripe 也正堆疊類似的技術架構：底層是支付，Metronome 負責按使用量計量和計費，頂層是 OpenRouter 在 400 多個模型之間路由流量。據報道，它為頂層支付了超過 70 億美元。
每位投資人，尤其是成長型基金，都在找尋能受惠於 AI 爆發、且因此更具韌性的企業。他們想押注贏家，避開輸家。
本週我與三位創辦人深談。三人都在以 AI 原生為名接近完成大額融資。三人問我的問題都差不多：
我們該如何將自己定位為 AI 原生？我們的產品應該是什麼？
他們問的是定位，但我認為答案在產品。
這篇專欄就是我的回應。
快速地圖：
你處在哪個位置：採納者、受益者還是原住民
AI 原生不是口號：Ramp 與 Stripe 的估值密碼
AI 創造了一個任務階梯：老任務做得更好；核心旁邊的新任務；沒人解決的新任務
為什麼你的代理需要分發策略
現在該做什麼
克萊頓·克里斯滕森對本文最有用的觀點是：客戶不買你的產品，他們僱傭產品來完成一項任務。
金融領域的待辦任務包括：報銷我的費用、對賬我的發票、幫我管理欺詐。這些任務早於 AI 就存在。現代模型能把其中一部分做得更快、更便宜、需要的人工更少，但客戶一醒來想要的還是同一件事。
AI 還創造了第二類任務：監控我的 token 支出；把每個推理請求路由到最佳模型；讓我的代理買東西，而不必交出整個身份和銀行帳戶。
在 AI 帶來這些問題之前，沒人有這些任務。
我透過一個 2×2 矩陣來思考如何成為 AI 原生。
任務：老客戶任務一直存在（比如管理欺詐），而 AI 創造的任務是隨技術一起出現的（比如管理我的 token 支出）。
公司：一家在 AI 之前就存在的公司或產品，或者一家只因 AI 才存在的公司。
把兩者放在一起，長這樣？
老客戶任務
AI 創造的客戶任務
已存在的公司 / 產品
任務階梯：從舊任務到新任務的獲利地圖
Nubank / NuFormer
Ramp 和 Stripe
沒有現代 AI 就不可能存在
Harvey、Hebbia 和 Rogo
OpenRouter 和 fal
左上是深度採用。Nubank 用 NuFormer 做更好的信貸決策，但承銷是古老的銀產業任務。
左下是 Harvey、Hebbia 和 Rogo 的位置：這些產品在現代模型出現前不可能存在，乾的是早就存在的法律和金融研究工作。
右側是順風所在。當 AI 給客戶提供新東西可買時，Ramp 和 Stripe 已經有業務了。OpenRouter 和 fal 之所以有意義，只是因為推理變成了一個產業。
這也意味著一家公司可以佔據不止一個格子。Ramp 的支出產品在左上。它的 token 面板和 Router 在右上。Stripe 的支付業務在左上；Metronome 和 OpenRouter 把它拖到了表格右側。事物很少能幹淨地塞進 2×2 矩陣。
所以請允許我再拋一個概念給你。
我發現有三個標籤很適合描述公司的姿態：
採納者用 AI 服務他們已有的需求。也許他們加了個副駕駛。這裡有真實價值。它們可以更快、更便宜、更精簡，但銷售管線結構不變。大多數加了個代理的 SaaS 公司都是這一類。
受益者把老任務做得更好，並抓住 AI 在隔壁創造的新需求。Ramp 或 Stripe 是最乾淨的例子。支出管理仍是核心任務；token 成本管理和模型路由則是旁邊的新收入口袋。
原住民因新需求而存在。OpenRouter 在 400 多個模型之間路由請求。fal 大規模執行生成式媒體推理。在一個沒有推理可賣的世界裡，這兩家都沒有生意。
代理身份與模型路由：金融科技的新金礦
這張圖告訴你需求從哪裡來。
任務告訴你機會可能在哪裡。成為 AI 原生是有階梯的：底部是熟悉的，頂部是尚未解決的輝煌難題。那就跟我一起往上爬吧。
AI 驅動的營運模式改變了公司的形態、治理和作業系統。團隊圍繞員工構建外掛，接入內部資料、共享技能，並改變誰能做什麼。產品經理和設計師開始上執行緒式碼。工程師進一步進入產品。團隊構建自己的內部工具。（更多內容見 AI 營運模式報告。）
這是入場券。它能讓你加速，但單靠它不會改變你賣什麼。
一些 AI 原生產品服務於非常老的任務。這並不會降低它們的原生程度。
合規篩查、檔案與郵件對賬、法律研究和財務報告在 AI 出現前都是麻煩的文書工作。Beacon、Sardine*、Gradient Labs、Harvey、Hebbia 和 Rogo 用現代模型彙總數百份檔案和資料來源，然後給出答案或管理流程。這些產品幾年前根本做不出來。但任務本身很古老。
我是 Sardine 的顧問。
如果你做的是支出管理、帳戶管理或幫助人們付款，老客戶任務依然存在，但它們旁邊也出現了一些新任務。有幾種不同風味。
任務：幫我管理 AI 使用。Ramp 的 token 面板是一個 AI 創造的任務，住在一個已經存在的產品裡。你可能會反駁，成本面板並不新鮮。Vantage 和 Datadog 多年來一直在給雲和計算支出定價。區別在於帳單。在 AI 給你一張 token 帳單之前，沒人需要給 token 成本分類、預測或區分 COGS 和 OpEx。在 Ramp 上，AI token 支出在 2025 年 6 月到 2026 年 6 月間增長了 20.7 倍。Metronome 現在屬於 Stripe，它坐在同一個任務的另一端，負責計量和計費這種使用。
工作：幫我的智慧體連線你的產品並完成工作。Mercury、Visa、Ramp 等公司都在推出命令列介面（CLI）。老牌 Stripe 七年前就發布了自家 CLI。但自 Claude Code 推出後，使用量暴增。CLI 是一種使用者介面，使用命令列（終端），而不是應用或網頁。智慧體覺得這些介面更好導航。而且使用 CLI 消耗的 token 少得多。例如，以–agent 模式執行 Ramp CLI，交易會以 JSON 返回，約 105 個 token。以–human 模式運行同一筆交易，需要 280 個 token 做格式化展示。這就是為「非人類客戶」設計的產品介面。
工作：幫我的商店被 AI 智慧體發現。大約三分之一的 Z 世代現在用 AI 而不是 Google 來研究買什麼。如果你的商店和 SKU 不在那裡，你可能會錯過機會。Shopify、WooCommerce 等公司，以及幫助電商商家的支付服務商（PSP），現在也在最佳化這一塊。
AI 在你現有業務旁邊創造了一整類需求。你的機會是構建服務這類需求的介面。無需立刻讓整個業務轉型。
你的智慧體需要分發策略：誰掌握控制平面？
但想象一個未來：智慧體佔網際網路流量、商業、經濟的 80% 到 90%。如果這有幾分真實，你會如何重新定位公司和敘事？你創造的核心價值單位是什麼？它如何適用於那個客戶？
在這個思想實驗中，我們必須擺脫把 AI 當作現有業務之上附加功能的思維。
有些問題在 AI 爆發前並不存在。它們也不只是來自簡單使用 AI。
我如何信任這個智慧體處理我的資料，或它做出的決定？我們正進入一個世界：第三方開發的智慧體可能會與你的業務互動。你需要某種方式確保它們安全、可靠、管理隱私，並且有某個法律實體在背後負責。簡單的模式是智慧體位於你已有企業協議的某個 SaaS 提供商內部。但智慧體越來越成為產品本身。它可能來自 Anthropic 這樣的實驗室、一家創業公司，或內部部門。我看到公司在構建或購買外殼或控制平面（如 Primitive）來包裝這些智慧體。另一種方法是 AIUC，它的目標是承保和認證智慧體。
我如何信任這個智慧體進行交易？如果一個智慧體出現在你的商店試圖購買東西，你如何瞭解它的聲譽，或它的建立者是誰？使用者是否認證了那個智慧體去買東西？目前有一些新興標準，比如 Google 的 A2A、Visa 的 Trusted Agent Protocol，以及 FIDO 正在構建身份標準。但我們仍處於非常早期。Natural Payments、Skyfire 和 A-comm 這類公司正在這裡插旗。它們管理智慧體商務工作流中智慧體實際動錢的環節。
我如何獲得更低成本的推理和算力？Brex 表示，公司在首次產生 OpenAI 或 Anthropic API 費用後，五個月內就會增加第一家開放計算供應商。五個月。前一分鐘你還在向模型實驗室支付 API 費用。下一分鐘你就在比較 Together AI、Fireworks 和 Baseten。你決定工作負載在哪裡執行，並詢問財務如何避險成本。AI 創造了一條軟體供應鏈，然後開始在它下面構建資本堆疊。Nvidia 和華爾街正試圖圍繞這一層調動 5000 億美元。
來源：Brex Benchmark；Brex 卡及帳單支付資料，2021 年 1 月–2026 年 6 月
這些工作比功能更大。它們橫跨產品、資料、身份和資金。一旦它們橫跨產品，問題就變成客戶信任誰坐在它們之上。
我不想要你的智慧體。我想要我的智慧體進入你的產品。
大多數商業客戶最終會執行某種控制平面或外殼：一個地方來編排他們擁有的智慧體，跨他們使用的工具。CFO 的財務智慧體、工程師的編碼智慧體和營運團隊的採購智慧體，將從產品之上的一個層進行預算、授權和觀察。
消費者也會有他們的版本。無論是 Grokbot 還是 Instinct，來自 OpenAI 或 Google 的新消費者應用，或者 Apple 最終讓 Siri 不那麼糟糕，總會有某個東西跨產品為使用者著想。
Garry Tan 對現有軟體面臨的威脅說得很到位：
下一步：選擇任務、打造介面、決定分發
記錄系統已經擁有外殼所需的資料、許可權和分發。它們的問題是，一個新的編排層可以坐在它們之上，把下面的每個產品變成一個可呼叫的供應商。
這帶來三個戰略選擇：
擁有編排。成為客戶檢視、授權和管理每個智慧體的地方。
擁有一個可信的控制點。即使別人擁有外殼，身份、聲譽、路由、採購和結算也都能保持價值。
成為每個重要外殼最容易呼叫的產品。CLI、API 和智慧體介面就是分發。（這對你們中的更多人來說是正確答案，比你想的要多）
Salesforce 和銀行核心系統不會輕易放棄他們已經擁有的粘性楔子。這不純粹是聚合理論。記錄系統可以變成外殼；專家可以擁有控制點；產品可以透過所有這些進行分發。
這種張力正是重點。獎品可能是控制平面。它也可能是每個控制平面都需要的那件不可或缺的東西。
回到我聊過的那三位創始人。
答案始終是工作。定位跟隨產品。
找到 AI 在你已經交付的價值旁邊創造的工作。為它構建介面。
然後決定它如何傳播。你可以擁有外殼，在它裡面擁有一個可信的控制點，或者變成能從所有外殼中被優美呼叫的產品。
這就是重新發明自己的含義。你從用 AI 營運自己開始。你用它把舊工作做得更好。然後你向那些在模型給客戶帶來問題之前不存在的工作攀登。
Ramp 達到 440 億美元，並不是因為費用管理做得最好。它到達那裡，是因為投資者相信 AI 能在核心旁邊持續創造新需求。而 Ramp 有抓住它的速度。
選擇工作。選擇介面。給它分發。
*（按金融公司標準，Ramp 的增長很離譜：TPV（總處理量）截至 3 月同比增長 170%，這是三年來最快速度，而其業務規模已經擴大了 20 倍。）
@sytaylor
📍相關報導📍
當 Base 遇見 Solana：鏈間戰爭結束，流量戰爭開始
