在《福布斯》评选的 AI 50 企业中，有近八成都是 Stripe 客户。其中包括 OpenAI、Cursor 等明星企业。就 OpenAI 而言，在 9 月底，Stripe 与之联合推出了智能体商业协议，让美国用户可以在 ChatGPT 对话界面，直接购买来自电商平台的商品。
AI 公司对全球市场的渴望，是催生 Stripe 与其紧密联系的一个主要原因。此外，Stripe 的技术导向基因，也让它自己格外重视 AI。
在今年 5 月，Stripe 推出了全球首个专为支付打造的 AI 基础模型。据称该模型基于数百亿笔交易训练而成，能够识别出数百种专业模型无法捕捉的细微支付信号。
事实上，凡是要做全球化的生意，对 Stripe 就不会陌生。它以支付为核心，把 " 提升互联网 GDP" 作为企业愿景。简单来说，Stripe 所做的是让任何企业都能面向全球收款——企业如果不能收款，就无法变现，而不同国家有不同的金融与支付环境，不同的汇率和税收规则，让收款成了一项繁琐的挑战。Stripe 简化了这个问题，把收款成为一种 " 即插即用 " 的能力。
可以说，Stripe 一种程度上加速了 AI 企业的全球化进程。当然，其中也包括中国的 AI 公司。而眼下，Stripe 正想招揽更多的中国 AI 客户。
今年 4 月，Stripe 在中国举办了首场官方路演。MiniMax 作为合作伙伴登台。之前 Minimax 通过与 Stripe 合作，用两周时间完成了全球化布局。8 月，Stripe 在新加坡办活动，Manus 联合创始人兼首席科学家季逸超跟 Stripe 亚太区首席营收官展开谈话，外界由此知道了 Manus 的营收情况。
相比传统行业，AI 行业的轻资产、高扩展等特性，让它天然适合做全球生意。中国的 AI 创业者们也展现出比前辈更积极的全球化态度。
在近日的一个路演分享里，Stripe 大中华区销售开发总监 Daniel Chao 指出，全球极速增长的企业有三个鲜明特征：全球化是它们的标准开局，广阔统一的数字市场奖励垂直化与专业化，新兴技术推动人效发挥到极致。Stripe 大中华区企业客户总经理 Melina Lee 则表示，Stripe 有 10% 的新用户直接由大语言模型推荐，销售的核心从 " 人找货 " 的主动搜索，正变成 "AI 驱动场景化交易 "。
在这场路演前后，硅星人跟 Stripe 东南亚、印度及大中华区区域主管兼董事总经理鑫利塔（Sarita Singh）聊了聊，讨论了 Stripe 对 AI 以及对中国 AI 企业的看法。在鑫利塔看来，中国 AI 创业者尤其关注变现，对了解不同业务类型适合的商业化模式、定价基准等，充满渴望。
同时鑫利塔强调了 AI 它 Agent 崛起带来的商业变革。Stripe 已经把 Agent 商业的建设视为核心工作，除了跟 OpenAI 进行智能体商业协议合作，他们也在跟 Microsoft、Manus 等测试代理式解决方案。这意味着，今后 Stripe 不仅是帮企业收钱了，他们还要让智能体能够安全、可靠地进行交易。
智能体成为企业和消费者的新连接，要做 AI Agent 商业新基建
硅星人：ChatGPT 通过 Stripe 完成购物支付引起广泛关注，在你们看来，这反映出怎样的商业趋势？
Sarita：消费者的线上行为正在快速转变，愈发依赖 ChatGPT 等 AI 工具处理日常事务，并开始让智能体代表自己在互联网上执行任务。消费者会期望企业能够出现在这些 AI 工具的界面中。
硅星人：所以你们跟 OpenAI 共同推出了智能体商业协议，这个协议能给商家带来什么好处？除了 OpenAI，是否有其他 AI 公司在跟 Stripe 展开类似电商合作？
Sarita：当下的商业基础设施，并没有为上面这种趋势转变做好准备。为了解决这个问题，我们与 OpenAI 共同推出了智能体商业协议（ACP）。这是一个开放标准，它为企业与智能体建立了一套通用语言，商家仅需一次对接，即可通过各类智能体进行销售，同时完全掌控商品、品牌展示与订单履行方式。
眼下我们正在和 Microsoft、Manus AI、Anthropic、Perplexity、Squarespace 和 Salesforce 等早期的合作伙伴合作，共同测试与优化这些代理式解决方案。
硅星人：我们知道，眼下 Stripe 有 10% 的新用户直接由大语言模型推荐而来。你如何理解这种 "AI 分发 " 趋势带来的机会和挑战？Stripe 要怎么来确保自己在 AI 推荐生态中持续被选中？
Sarita：消费者现在都习惯于在日常使用的 AI 工具中检索产品和服务。这意味着所有包括 Stripe 在内的所有企业都必须思考，如何在这些 AI 的界面中出现以触达用户。
今年早些时候，我们上线了自己的 MCP 服务器 。这是 Stripe 出现在 ChatGPT、Claude AI、Cursor、Mistral AI 等越来越多的 AI 工具中的方式。凭借 MCP，用户可以在不离开 A 聊天窗口的情况下直接使用 Stripe 服务。同时，我们也在让我们的开发者文档变得智能体友好，以便它们能够理解这些内容。
硅星人：随着 Agent 崛起，Stripe 的产品规划有哪些变化？
Sarita：Stripe 正调整产品策略以应对这一趋势，其中，Agent 商业的建设是我们的核心工作。包括我们与 OpenAI 共同搭建的 ACP 基础协议。此外，我们也在升级核心产品，比如使用 Stripe Radar 来防范由 AI 代理发起的欺诈交易，利用 Link 为买家在不同 AI 代理之间提供持续、安全的身份体系。我们的目标是为这波 AI 驱动型的商业新浪潮构建基础设施。
硅星人：关于如何把握 AI Agent 的机会，推出 Stripe Agent SDK 是 Stripe 最重要的一个举措吗？这一智能体开发工具包目前的用户规模有多大？
Sarita：Agent SDK 让开发者可以让他们的智能体直接调用 Stripe 的 API。目前，这个 SDK 每周都有数千次下载。比如，ElevenLabs 就利用它构建了一个语音智能体，能够自主完成订阅管理和退款处理。
硅星人：Stripe 跟大量头部 AI 企业都有合作，据你们观察，目前 AI 行业最值得关注的趋势是什么？
Sarita：AI 不仅以惊人的速度推动整个行业的发展，而且用户在使用 AI 技术的方式上已经发生了根本性的变化。就像前面说的，依赖搜索引擎查找信息的时代已经成为过去式，如今用户越来越多地使用大型语言模型（LLM）和 AI 原生界面去完成信息搜索，甚至交易。
随着 AI Agent 加速普及，我们看到了它对金融基础设施带来的实际影响，主要围绕消费者对本地化服务的速度与精准度提出的更高要求。这可能涉及提供本地支付方式、货币兑换，以及税务和监管合规等方面。甚至 Stripe 内部也迅速应用 AI 模型。例如，我们打造了支付领域首个 AI 基础模型，能够识别特定的支付模式。
硅星人：据说这个模型能够识别出数百种专业模型无法捕捉的细微支付信号，它是怎样做到的？
Sarita：Stripe 每分钟可处理 5 万笔全新交易，每年处理的交易总额已超过 1.4 万亿美元。每一笔交易，都会成为 Stripe AI 不断学习、欺诈防控的重要训练数据。过去，Stripe 运用多个专有模型来优化不同环节，例如用于身份验证的模型、欺诈防控以及争议管理模型。然而 AI 技术的最新突破不断证明，在数据量庞大的场景中，通用模型的表现往往优于专有模型。正如大型语言模型（LLMs）能够理解语言一样，Stripe 的基础模型能够理解支付。
硅星人：这个模型能给企业带来哪些实际好处？举个具体的例子？
Sarita：过去几年中，欺诈活动逐渐产业化，大量的机器人黑客昼夜不停地窃取企业资产。以近年来急剧增长的卡片测试攻击为例，Stripe 帮助商户将此类攻击减少了 80%。不过，对于部分大型商户而言，这类攻击仍是一大难题。犯罪分子常在数以百万计的真实交易中夹杂上百笔仅 30 美分的小额授权，以躲避检测。传统模型往往难以及时识别，而 Stripe 的基础模型能够迅速发现这些异常，并即时拦截。 这一能力使欺诈检测率从 59% 提升至 97%。
硅星人：Stripe 之前要做支付基础设施，在 AI 时代，它的定位是否会发生变化，来扮演一个新角色？
Sarita：Stripe 希望提升互联网的 GDP，但互联网本身在不断演进，我们也在与时俱进。Stripe 正为 AI 构建经济基础设施。这意味着我们的角色正变得愈发基础，不仅是帮助资金流动，更是为 AI 企业及常规企业的 AI 业务增长，提供一套完整的工具套件：从商业化变现、欺诈反控，到金融服务，如今还拓展至智能体驱动的全新商业形态。我们的目标是成为让智能体能够安全、可靠地代表个人与企业进行交易的平台。
中国 AI 创业者非常重视变现，现在两周完成 " 出海 " 不是问题
硅星人：Stripe 在 4 月在中国办了首场路演，深圳是第二场，看起来 Stripe 在中国市场的动作越来越多。在这背后，Stripe 对中国市场有哪些新的观察？
Sarita：我们观察到，中国企业不仅像许多其他企业那样寻求全球扩张和适应变化，更在主动构建和采用全新的技术来提升自身的核心竞争力。而推动力之一正是来自 AI。这不仅体现在 AI 企业正在加速全球化，也体现在其他的中国企业都纷纷在积极应用 AI 技术，以便为客户提供更优质的结果，同时提升自身的运营效率。今年 7 月，我们通过 YouGov 开展了一场市场调研，调研显示高达 99% 的中国企业已在部署或计划在未来 12 个月内引入代理式 AI。这一数字相当惊人。
硅星人：这一调查数据的样本量有多大，主要覆盖了哪些行业？主要调查内容是什么？
Sarita：这项研究由 YouGov 和 Stripe 在 2025 年 7 月联合开展，我们采访了 500 多位出海企业主和高层决策者。受访者来自不同规模的企业，从中小型公司到大型企业，涵盖销售、电商、财务和技术等岗位。研究重点讨论了企业在跨境业务、支付以及应用 AI 等方面的信心、战略重点和所面临的挑战。
硅星人：中国企业，尤其是中国 AI 初创企业，有哪些地方让你印象深刻？
Sarita：与中国企业领导者共事最令我钦佩的是他们的全球化视野。他们从一开始就面向全球的市场和用户，并深刻理解不同地区消费者存在着截然不同的产品的使用习惯和消费方式。这种思维让他们既充满雄心，又极具创造力。特别是在 AI 领域，我们确实能看到显著的增长。事实上，去年亚太地区有超过 2600 家 AI 初创企业，其中超一半来自中国。我可以再向你分享一个有趣的数据，去年亚太地区的 AI 企业共获得约 130 亿美元的投资，其中 70% 来自中国。
所以，这不仅仅是中国企业领导者的雄心，整个生态系统都具有令人难以置信的雄心。而这种动力，很大程度上也源于中国政府将 AI 明确定位为国家战略核心支柱。这得益于政府、商业生态系统，以及各领域的企业领导者的共同推动。
硅星人：AI 行业的客户相比其他行业，在金融服务方面的诉求是否会有差异？
Sarita：AI 企业向我们提出了一些需求，其中最大的需求是帮助它们加速实现全球化以及抢占市场。这里面涉及支付、监管与合规，以及税务缴纳。举个例子，Minimax 在与我们的合作下，仅用两周时间就完成了全球化布局。
此外，我认为 AI 企业希望我们能够在这两方面提供支持。首先，他们非常关注如何实现变现，例如他们的客户希望以何种方式购买他们的产品。为此提供多样化的计费模式与订阅方案至关重要，比如可以按席位收费、按用户收费，或者按使用量收费（即只为实际使用付费）。不同类型的 AI 公司需要这种灵活性，以便通过不同的计费方式吸引不同类型的客户。另一方面，我们推出的智能体开发工具包 ( Stripe Agent SDK ) 可以在 AI 企业构建自身模型时提供专项支持。这个工具包将 Stripe 金融基础设施无缝嵌入系统，使开发者在构建代理时能自动配置全链路支付功能。
硅星人：在商业化层面，中国 AI 创业者有什么特点？
Sarita：许多中国 AI 创业者创业之初就瞄准出海，因此更倾向于把商业化策略的制定交给专业团队来处理。我们观察到，中国创业者非常渴望了解适合不同业务类型的商业化模式、定价基准，以及为何特定定价模型更具优势，例如信用额度模式与用量计费模式的优劣对比。
硅星人：把你们与 MiniMax 的合作展开讲讲吧，Stripe 是如何帮它在两周内完成全球化布局的？其他 AI 公司能否复制这套流程，像 MiniMax 一样快速出海？
Sarita：Stripe 提供的不只是一个支付工具，而是一整套全面的解决方案。例如，Stripe Tax 能帮助企业在全球各个国家和城市精准计算和申报销售税。此外，我们会在处理交易争议、预防欺诈、优化支付策略等关键问题上为企业提供专业支持和指导。
和 Minimax 类似，Stripe 还有另外一个中国 AI 客户 Hitpaw，他们在不到 10 天内完成了全球支付集成，并通过优化定价策略，在一个月内实现了 30% 的收入增长。具体成果包括支付成功率提升 18%，争议率降低 45%，并成功挽回了 20 万美元的收入损失。
硅星人：从 Stripe 的角度来看，中国 AI 企业出海主要面临哪些挑战？
Sarita：我们从中国企业领导者那里获得的反馈表明，目前他们主要面临两大痛点：超半数 ( 53.27% ) 的受访企业表示他们缺乏一个能够真正帮助其进入目标市场的支付合作伙伴；同时有 40% 的受访企业认为理解并遵守当地法规也是一大挑战。
硅星人：AI 正重塑商业逻辑，你对中国的 AI 公司有什么建议？
Sarita：AI Agent 正在被广泛应用，这些智能体有效提升了客户体验。这种趋势正在被广泛应用和借鉴。与此同时，部分 AI 企业专注于构建 AI 基础与模型，另一部分则是在现有模型之上开发应用。整个 AI 生态系统本质上也由这两部分组成。我们鼓励中国企业尤其是 AI 企业去思考，是否真正需要自己开发基础模型，还是可以利用已有的模型去开发应用产品。
硅星人：在 Stripe 服务的客户中，是否看到过 " 盲目自研模型 " 或 " 成功利用现有模型 " 的案例？现在模型更新越来越快，是否意味着 " 应用层创新 " 才是未来竞争的高地？
Sarita：这是我们与创业者经常讨论的话题。我们的建议很简单：脚踏实地。我们看到许多客户通过利用现有基础模型来打造卓越的应用层产品，取得了巨大成功。Manus AI、Hitpaw and MiniMax 等公司就是绝佳范例，它们专注于解决用户的现实需求，而非从零构建底层模型，从而实现了爆发式增长。
