在《福布斯》評選的 AI 50 企業中，有近八成都是 Stripe 客戶。其中包括 OpenAI、Cursor 等明星企業。就 OpenAI 而言，在 9 月底，Stripe 與之聯合推出了智能體商業協議，讓美國用戶可以在 ChatGPT 對話界面，直接購買來自電商平臺的商品。
AI 公司對全球市場的渴望，是催生 Stripe 與其緊密聯系的一個主要原因。此外，Stripe 的技術導向基因，也讓它自己格外重視 AI。
在今年 5 月，Stripe 推出了全球首個專為支付打造的 AI 基礎模型。據稱該模型基于數百億筆交易訓練而成，能夠識別出數百種專業模型無法捕捉的細微支付信號。
事實上，凡是要做全球化的生意，對 Stripe 就不會陌生。它以支付為核心，把 " 提升互聯網 GDP" 作為企業愿景。簡單來說，Stripe 所做的是讓任何企業都能面向全球收款——企業如果不能收款，就無法變現，而不同國家有不同的金融與支付環境，不同的匯率和稅收規則，讓收款成了一項繁瑣的挑戰。Stripe 簡化了這個問題，把收款成為一種 " 即插即用 " 的能力。
可以說，Stripe 一種程度上加速了 AI 企業的全球化進程。當然，其中也包括中國的 AI 公司。而眼下，Stripe 正想招攬更多的中國 AI 客戶。
今年 4 月，Stripe 在中國舉辦了首場官方路演。MiniMax 作為合作伙伴登臺。之前 Minimax 通過與 Stripe 合作，用兩周時間完成了全球化布局。8 月，Stripe 在新加坡辦活動，Manus 聯合創始人兼首席科學家季逸超跟 Stripe 亞太區首席營收官展開談話，外界由此知道了 Manus 的營收情況。
相比傳統行業，AI 行業的輕資產、高擴展等特性，讓它天然適合做全球生意。中國的 AI 創業者們也展現出比前輩更積極的全球化態度。
在近日的一個路演分享里，Stripe 大中華區銷售開發總監 Daniel Chao 指出，全球極速增長的企業有三個鮮明特征：全球化是它們的標準開局，廣闊統一的數字市場獎勵垂直化與專業化，新興技術推動人效發揮到極致。Stripe 大中華區企業客戶總經理 Melina Lee 則表示，Stripe 有 10% 的新用戶直接由大語言模型推薦，銷售的核心從 " 人找貨 " 的主動搜索，正變成 "AI 驅動場景化交易 "。
在這場路演前后，硅星人跟 Stripe 東南亞、印度及大中華區區域主管兼董事總經理鑫利塔（Sarita Singh）聊了聊，討論了 Stripe 對 AI 以及對中國 AI 企業的看法。在鑫利塔看來，中國 AI 創業者尤其關注變現，對了解不同業務類型適合的商業化模式、定價基準等，充滿渴望。
同時鑫利塔強調了 AI 它 Agent 崛起帶來的商業變革。Stripe 已經把 Agent 商業的建設視為核心工作，除了跟 OpenAI 進行智能體商業協議合作，他們也在跟 Microsoft、Manus 等測試代理式解決方案。這意味著，今后 Stripe 不僅是幫企業收錢了，他們還要讓智能體能夠安全、可靠地進行交易。
智能體成為企業和消費者的新連接，要做 AI Agent 商業新基建
硅星人：ChatGPT 通過 Stripe 完成購物支付引起廣泛關注，在你們看來，這反映出怎樣的商業趨勢？
Sarita：消費者的線上行為正在快速轉變，愈發依賴 ChatGPT 等 AI 工具處理日常事務，并開始讓智能體代表自己在互聯網上執行任務。消費者會期望企業能夠出現在這些 AI 工具的界面中。
硅星人：所以你們跟 OpenAI 共同推出了智能體商業協議，這個協議能給商家帶來什么好處？除了 OpenAI，是否有其他 AI 公司在跟 Stripe 展開類似電商合作？
Sarita：當下的商業基礎設施，并沒有為上面這種趨勢轉變做好準備。為了解決這個問題，我們與 OpenAI 共同推出了智能體商業協議（ACP）。這是一個開放標準，它為企業與智能體建立了一套通用語言，商家僅需一次對接，即可通過各類智能體進行銷售，同時完全掌控商品、品牌展示與訂單履行方式。
眼下我們正在和 Microsoft、Manus AI、Anthropic、Perplexity、Squarespace 和 Salesforce 等早期的合作伙伴合作，共同測試與優化這些代理式解決方案。
硅星人：我們知道，眼下 Stripe 有 10% 的新用戶直接由大語言模型推薦而來。你如何理解這種 "AI 分發 " 趨勢帶來的機會和挑戰？Stripe 要怎么來確保自己在 AI 推薦生態中持續被選中？
Sarita：消費者現在都習慣于在日常使用的 AI 工具中檢索產品和服務。這意味著所有包括 Stripe 在內的所有企業都必須思考，如何在這些 AI 的界面中出現以觸達用戶。
今年早些時候，我們上線了自己的 MCP 服務器 。這是 Stripe 出現在 ChatGPT、Claude AI、Cursor、Mistral AI 等越來越多的 AI 工具中的方式。憑借 MCP，用戶可以在不離開 A 聊天窗口的情況下直接使用 Stripe 服務。同時，我們也在讓我們的開發者文檔變得智能體友好，以便它們能夠理解這些內容。
硅星人：隨著 Agent 崛起，Stripe 的產品規劃有哪些變化？
Sarita：Stripe 正調整產品策略以應對這一趨勢，其中，Agent 商業的建設是我們的核心工作。包括我們與 OpenAI 共同搭建的 ACP 基礎協議。此外，我們也在升級核心產品，比如使用 Stripe Radar 來防范由 AI 代理發起的欺詐交易，利用 Link 為買家在不同 AI 代理之間提供持續、安全的身份體系。我們的目標是為這波 AI 驅動型的商業新浪潮構建基礎設施。
硅星人：關于如何把握 AI Agent 的機會，推出 Stripe Agent SDK 是 Stripe 最重要的一個舉措嗎？這一智能體開發工具包目前的用戶規模有多大？
Sarita：Agent SDK 讓開發者可以讓他們的智能體直接調用 Stripe 的 API。目前，這個 SDK 每周都有數千次下載。比如，ElevenLabs 就利用它構建了一個語音智能體，能夠自主完成訂閱管理和退款處理。
硅星人：Stripe 跟大量頭部 AI 企業都有合作，據你們觀察，目前 AI 行業最值得關注的趨勢是什么？
Sarita：AI 不僅以驚人的速度推動整個行業的發展，而且用戶在使用 AI 技術的方式上已經發生了根本性的變化。就像前面說的，依賴搜索引擎查找信息的時代已經成為過去式，如今用戶越來越多地使用大型語言模型（LLM）和 AI 原生界面去完成信息搜索，甚至交易。
隨著 AI Agent 加速普及，我們看到了它對金融基礎設施帶來的實際影響，主要圍繞消費者對本地化服務的速度與精準度提出的更高要求。這可能涉及提供本地支付方式、貨幣兌換，以及稅務和監管合規等方面。甚至 Stripe 內部也迅速應用 AI 模型。例如，我們打造了支付領域首個 AI 基礎模型，能夠識別特定的支付模式。
硅星人：據說這個模型能夠識別出數百種專業模型無法捕捉的細微支付信號，它是怎樣做到的？
Sarita：Stripe 每分鐘可處理 5 萬筆全新交易，每年處理的交易總額已超過 1.4 萬億美元。每一筆交易，都會成為 Stripe AI 不斷學習、欺詐防控的重要訓練數據。過去，Stripe 運用多個專有模型來優化不同環節，例如用于身份驗證的模型、欺詐防控以及爭議管理模型。然而 AI 技術的最新突破不斷證明，在數據量龐大的場景中，通用模型的表現往往優于專有模型。正如大型語言模型（LLMs）能夠理解語言一樣，Stripe 的基礎模型能夠理解支付。
硅星人：這個模型能給企業帶來哪些實際好處？舉個具體的例子？
Sarita：過去幾年中，欺詐活動逐漸產業化，大量的機器人黑客晝夜不停地竊取企業資產。以近年來急劇增長的卡片測試攻擊為例，Stripe 幫助商戶將此類攻擊減少了 80%。不過，對于部分大型商戶而言，這類攻擊仍是一大難題。犯罪分子常在數以百萬計的真實交易中夾雜上百筆僅 30 美分的小額授權，以躲避檢測。傳統模型往往難以及時識別，而 Stripe 的基礎模型能夠迅速發現這些異常，并即時攔截。 這一能力使欺詐檢測率從 59% 提升至 97%。
硅星人：Stripe 之前要做支付基礎設施，在 AI 時代，它的定位是否會發生變化，來扮演一個新角色？
Sarita：Stripe 希望提升互聯網的 GDP，但互聯網本身在不斷演進，我們也在與時俱進。Stripe 正為 AI 構建經濟基礎設施。這意味著我們的角色正變得愈發基礎，不僅是幫助資金流動，更是為 AI 企業及常規企業的 AI 業務增長，提供一套完整的工具套件：從商業化變現、欺詐反控，到金融服務，如今還拓展至智能體驅動的全新商業形態。我們的目標是成為讓智能體能夠安全、可靠地代表個人與企業進行交易的平臺。
中國 AI 創業者非常重視變現，現在兩周完成 " 出海 " 不是問題
硅星人：Stripe 在 4 月在中國辦了首場路演，深圳是第二場，看起來 Stripe 在中國市場的動作越來越多。在這背后，Stripe 對中國市場有哪些新的觀察？
Sarita：我們觀察到，中國企業不僅像許多其他企業那樣尋求全球擴張和適應變化，更在主動構建和采用全新的技術來提升自身的核心競爭力。而推動力之一正是來自 AI。這不僅體現在 AI 企業正在加速全球化，也體現在其他的中國企業都紛紛在積極應用 AI 技術，以便為客戶提供更優質的結果，同時提升自身的運營效率。今年 7 月，我們通過 YouGov 開展了一場市場調研，調研顯示高達 99% 的中國企業已在部署或計劃在未來 12 個月內引入代理式 AI。這一數字相當驚人。
硅星人：這一調查數據的樣本量有多大，主要覆蓋了哪些行業？主要調查內容是什么？
Sarita：這項研究由 YouGov 和 Stripe 在 2025 年 7 月聯合開展，我們采訪了 500 多位出海企業主和高層決策者。受訪者來自不同規模的企業，從中小型公司到大型企業，涵蓋銷售、電商、財務和技術等崗位。研究重點討論了企業在跨境業務、支付以及應用 AI 等方面的信心、戰略重點和所面臨的挑戰。
硅星人：中國企業，尤其是中國 AI 初創企業，有哪些地方讓你印象深刻？
Sarita：與中國企業領導者共事最令我欽佩的是他們的全球化視野。他們從一開始就面向全球的市場和用戶，并深刻理解不同地區消費者存在著截然不同的產品的使用習慣和消費方式。這種思維讓他們既充滿雄心，又極具創造力。特別是在 AI 領域，我們確實能看到顯著的增長。事實上，去年亞太地區有超過 2600 家 AI 初創企業，其中超一半來自中國。我可以再向你分享一個有趣的數據，去年亞太地區的 AI 企業共獲得約 130 億美元的投資，其中 70% 來自中國。
所以，這不僅僅是中國企業領導者的雄心，整個生態系統都具有令人難以置信的雄心。而這種動力，很大程度上也源于中國政府將 AI 明確定位為國家戰略核心支柱。這得益于政府、商業生態系統，以及各領域的企業領導者的共同推動。
硅星人：AI 行業的客戶相比其他行業，在金融服務方面的訴求是否會有差異？
Sarita：AI 企業向我們提出了一些需求，其中最大的需求是幫助它們加速實現全球化以及搶占市場。這里面涉及支付、監管與合規，以及稅務繳納。舉個例子，Minimax 在與我們的合作下，僅用兩周時間就完成了全球化布局。
此外，我認為 AI 企業希望我們能夠在這兩方面提供支持。首先，他們非常關注如何實現變現，例如他們的客戶希望以何種方式購買他們的產品。為此提供多樣化的計費模式與訂閱方案至關重要，比如可以按席位收費、按用戶收費，或者按使用量收費（即只為實際使用付費）。不同類型的 AI 公司需要這種靈活性，以便通過不同的計費方式吸引不同類型的客戶。另一方面，我們推出的智能體開發工具包 ( Stripe Agent SDK ) 可以在 AI 企業構建自身模型時提供專項支持。這個工具包將 Stripe 金融基礎設施無縫嵌入系統，使開發者在構建代理時能自動配置全鏈路支付功能。
硅星人：在商業化層面，中國 AI 創業者有什么特點？
Sarita：許多中國 AI 創業者創業之初就瞄準出海，因此更傾向于把商業化策略的制定交給專業團隊來處理。我們觀察到，中國創業者非常渴望了解適合不同業務類型的商業化模式、定價基準，以及為何特定定價模型更具優勢，例如信用額度模式與用量計費模式的優劣對比。
硅星人：把你們與 MiniMax 的合作展開講講吧，Stripe 是如何幫它在兩周內完成全球化布局的？其他 AI 公司能否復制這套流程，像 MiniMax 一樣快速出海？
Sarita：Stripe 提供的不只是一個支付工具，而是一整套全面的解決方案。例如，Stripe Tax 能幫助企業在全球各個國家和城市精準計算和申報銷售稅。此外，我們會在處理交易爭議、預防欺詐、優化支付策略等關鍵問題上為企業提供專業支持和指導。
和 Minimax 類似，Stripe 還有另外一個中國 AI 客戶 Hitpaw，他們在不到 10 天內完成了全球支付集成，并通過優化定價策略，在一個月內實現了 30% 的收入增長。具體成果包括支付成功率提升 18%，爭議率降低 45%，并成功挽回了 20 萬美元的收入損失。
硅星人：從 Stripe 的角度來看，中國 AI 企業出海主要面臨哪些挑戰？
Sarita：我們從中國企業領導者那里獲得的反饋表明，目前他們主要面臨兩大痛點：超半數 ( 53.27% ) 的受訪企業表示他們缺乏一個能夠真正幫助其進入目標市場的支付合作伙伴；同時有 40% 的受訪企業認為理解并遵守當地法規也是一大挑戰。
硅星人：AI 正重塑商業邏輯，你對中國的 AI 公司有什么建議？
Sarita：AI Agent 正在被廣泛應用，這些智能體有效提升了客戶體驗。這種趨勢正在被廣泛應用和借鑒。與此同時，部分 AI 企業專注于構建 AI 基礎與模型，另一部分則是在現有模型之上開發應用。整個 AI 生態系統本質上也由這兩部分組成。我們鼓勵中國企業尤其是 AI 企業去思考，是否真正需要自己開發基礎模型，還是可以利用已有的模型去開發應用產品。
硅星人：在 Stripe 服務的客戶中，是否看到過 " 盲目自研模型 " 或 " 成功利用現有模型 " 的案例？現在模型更新越來越快，是否意味著 " 應用層創新 " 才是未來競爭的高地？
Sarita：這是我們與創業者經常討論的話題。我們的建議很簡單：腳踏實地。我們看到許多客戶通過利用現有基礎模型來打造卓越的應用層產品，取得了巨大成功。Manus AI、Hitpaw and MiniMax 等公司就是絕佳范例，它們專注于解決用戶的現實需求，而非從零構建底層模型，從而實現了爆發式增長。
