在 Stripe 大會，我看見了 AI 經濟的未來

作者：Gao fei

編譯：佳歡，ChainCatcher

1987年，經濟學家羅伯特·索洛（Robert Solow）的一句話廣為流傳：「你可以到處看到電腦時代的身影，唯獨在生產率統計數據中找不到。」

這句話困擾了經濟學家近十年。 直到1990年代中期，電腦對生產率的貢獻才終於開始在數據中顯現。

2026年的今天，同樣的困惑正圍繞著AI上演。 泡沫之說此起彼落。 學術界爭論不休。 企業猶豫不決。 宏觀經濟數據傳遞的訊號依然模糊不清。

但在一個地方，AI對經濟的影響已毫無爭議。

這個地方就是Stripe。

過去幾天，我在舊金山參加了Stripe Sessions大會。 Stripe處理的交易量相當於全球GDP的近2%，年支付量達1.9兆美元，平台上有超過500萬家企業。

在《富比士》AI 50名單中，有86%的公司使用Stripe。 如果說AI經濟是個初生的嬰兒，Stripe就是產房裡的心電監視器。 它比幾乎任何人都更早、更精準地記錄下這個嬰兒的心跳。

聖路易斯聯邦儲備銀行在2026年初發布的一項研究顯示，與AI相關的投資已對美國邊際GDP增長貢獻了近40%，超過了互聯網泡沫時期科技行業的峰值貢獻。 而當這些投資轉化為收入時，很大一部分結算都是在Stripe上進行。

更重要的是，Stripe不僅在記錄AI經濟的心跳。

在今年的大會上，它宣布將推動一種全新的經濟形態：Agent商業（agentic commerce），即Agent成為交易主體。

在一次媒體群訪中，Stripe聯合創始人兼總裁約翰·科里森（John Collison）表示，他預計充當商業交易買方的Agent將在12到18個月內成為主流。

兩天時間。 288個產品和功能發布。 超過一萬名與會者。 一個定義性詞彙：Agent商業。 以下是我在2026年Stripe大會上的所見所聞，以及我的一些思考。

AI 經濟發展有多快？

在討論Agent商業之前，有必要先看看AI經濟的整體輪廓。 索洛在1987年說統計數據中找不到計算機的蹤影。 近四十年後，AI在Stripe的數據中已清晰可見。

大會第一天上午，執行長帕特里克·科里森（Patrick Collison）展示了一組數據。 自疫情以來，Stripe上每月新創建的企業數量一直保持在高位，但曲線相對平緩。 從2026年初開始，這條曲線幾乎呈現垂直上升趨勢。

最直接的原因是AI程式設計工具降低了創業門檻。 許多開發者現在可以透過 vibe coding 在幾天內建立出一個可收費的產品。

帕特里克將其定義為一個更宏大的概念，即整個經濟正在圍繞AI進行平台重構。

Stripe負責AI業務的首席營收長Maia Josebachvili補充了一個外部對比數據：在2024年之前，iOS應用商店的App發布數量一直在下降。 而AI程式工具出現後，應用程式發布量較上季暴增了24%。

這種變化不僅是數量上的，也是質量上的。 Stripe Atlas是創業家在美國註冊公司最方便的途徑之一。

上週，它剛慶祝了第10萬家公司的誕生。 在大會上，我聽到了一組驚人的數字：在生命週期的同一階段，2025年透過Atlas註冊的公司所創造的收入是2024年那一批的兩倍。 而2026年的這一批公司才成立幾個月，其收入卻已經是去年同期那一批的五倍。

在第一天下午的AI經濟報告中，Maia Josebachvili列舉了幾個推動AI經濟崛起的公司名字。

Lovable在八個月內實現了1億美元的收入，在隨後的八個月裡又達到了4億美元。 Cursor在不到兩年的時間裡實現了10億美元的年化收入，三個月後又翻倍至20億美元。

Stripe上領先的AI原生公司在2025年成長了120%。 到了2026年，目前的成長率已達575%。

消費端的成長同樣迅猛。 消費最高的族群每月在AI產品上花費371美元，比一般美國人每月在網路、串流服務和手機電話費用上的總和還要多。 我粗略計算了一下我每個月的Token開銷。 它早就超過我的手機話費了。

派崔克也做了一個對比：Stripe上企業的成長速度是全球經濟成長的17倍。

第二天，約翰·科里森直接提到了索洛悖論，並使用了一個歷史類比。

1882年，愛迪生在曼哈頓點亮了第一批客戶的電燈。 然而，在電氣化之後的三十年裡，生產力幾乎沒有提高。 原因不在於電沒用。 而在於當時工廠的設計都是圍繞著蒸汽機展開的。 直到整個工廠重建，生產率的提升才顯現出來。

約翰的判斷是，AI正處於類似的階段。 改變已經發生，但舊模式還沒有時間吸收它。 「不過，」他說，「我覺得AI不需要花三十年。」

Stripe的資料似乎印證了他的樂觀態度。 在其平台上，AI經濟已經爆發。 在我接觸過的幾乎所有傳統企業中，最高層領導者都在以極強的緊迫感推動AI的部署。

生而全球化

除了速度，這些AI公司還有另一個讓我印象深刻的特點：它們從第一天起就是全球化的。 Stripe對此有個說法：預設全球化（go global by default）。

自從成為AI部落客以來，我經常有一種體驗。 AI內容創作是沒有時差的。 太平洋彼岸的AI新聞與本地新聞同等重要。

AI產品的運作方式也類似。 大語言模型模糊了傳統軟體曾經依賴的介面語言和互動習慣。 一個統一的聊天框讓全球使用者都能透過自然語言使用產品。 從這個意義上說，大語言模型首次讓一個統一的全球軟體市場成為可能。

大會上的數據證實了這個觀察。 在早期的浪潮中，成長最快的SaaS公司在第一年大約覆蓋25個國家，到第三年達到50個。

AI公司的發展速度則完全不同：第一年就達到42個國家，第三年則擴大到120個。

Maia表示，哈薩克現在已經出現在許多AI公司的市場名單上。 在第二天的「索引經濟」環節中，Stripe給出了一個中位數數據：前100家AI新創公司在第一年就已經向55個國家銷售產品。

一家公司提供了一個具體的例子。 Emergent Labs於2024年在美國成立，但其近70%的收入已來自海外。 至少有16個國家各自為其貢獻了至少1%的收入。

在領先的AI公司中，48%的收入來自本土市場之外。 三年前，這個數字僅33%。 全球收入不再是補充。 而是基本盤。

速度和全球化是AI經濟的兩個核心特徵，兩者都與Stripe有著直接的連結。 AI公司需要快速建立支付能力。 它們需要在成立的第一周內就在40個國家和地區接受付款。 這恰好是Stripe自創立伊始就在做的事情。

在這裡，我們不妨稍微回顧一下Stripe的創立背景。

Stripe的創辦人派崔克‧科里森及其弟弟約翰‧科里森都是愛爾蘭人。 他們本身就是跨國創業家。

在大會上，我遇到了一位愛爾蘭同行，他告訴我，在愛爾蘭的AI創業家眼中，這兩兄弟就是英雄。 到了美國後，兩兄弟發現線上收款困難得離譜。 接入支付系統需要與銀行簽約、接受PCI合規審查，並與多個中間商進行整合。 整個過程可能需要數週甚至數月的時間。

因此，在2010年，兩個剛滿二十歲的年輕人雙雙退學，搬到舊金山，寫出了一套只需七行程式碼就能讓開發者接受付款的解決方案。

這七行程式碼的誕生正值行動互聯網與SaaS起飛之際。 Shopify需要協助數百萬商家收款。 Uber需要讓乘客實現無摩擦的支付。 Salesforce需要處理全球訂閱服務。

他們都選了Stripe。 隨著Stripe與這些全球客戶共同成長，它在46個國家建立了在地化能力，涵蓋了195個市場，並支援125種本地支付方式。

對消費者來說，Stripe並不是站在聚光燈下的公司。

它隱藏在Shopify的結帳頁面、OpenAI的訂閱確認郵件和Uber的車費通知背後。 但這種不可見性並沒有阻止它成為網路經濟底層的金融管道。

在AI時代，這種全球性的金融基礎設施讓Stripe在服務AI公司出海時贏得了先機。

在今年的大會上，我也見到了Stripe全球產品負責人Abhi Tiwari。

他在三個月前接任此職位並搬到了新加坡。 Stripe在舊金山、都柏林和新加坡設有工程中心，並在聖保羅設立了拉丁美洲辦事處。 Abhi告訴我，許多AI公司找到Stripe時的開場白如出一轍：「我們默認生而全球化。我們的用戶在哪裡並不重要。」

過去那種在總部研發產品然後再推向全球的舊模式，正被本地團隊在目標市場直接開發所取代。

觸達全球用戶是一回事。 向他們收錢則是另一回事。 後者相當複雜，因為每個市場都有自己的貨幣和支付習慣。

在這裡，Stripe主要透過兩種方式幫助AI公司及眾多其他客戶：以當地貨幣定價和接入本地支付方式。

前者讓巴西用戶能看到以巴西雷亞爾而非美元計價的商品價格，使跨國收入增加了18%。 後者讓印度用戶可以使用UPI支付，讓巴西用戶可以使用Pix支付，帶來了超過7%的轉換率提升。

在AI演示工具Gamma在印度加入UPI支付後，其當月在印度的收入猛增了22%。 在展台上，我還看到了中國公司MiniMax的身影。 據我了解，許多出海的中國公司都是透過其海外實體使用Stripe的金融服務。

這些AI原生公司還有一個共同特色：人數極少。 許多都是獨立創辦人。 一兩個人加上一群Agent就能撐起一家擁有實際收入的全球化公司。

在第二天的演講中，Emily給了一個數據：在Atlas上，獨立創始人的密度已經接近每百萬美國人中有5000名，而且他們中有越來越多的人年收入突破了10萬美元。

Emily使用的字是solopreneur：一人公司。 約翰用羅納德·科斯的「企業理論」解釋了這個現象。 企業之所以存在，是因為內部協調的成本低於市場交易成本。

但AI可能會顛覆這個邏輯。 當Agent能夠幫你發現服務、整合軟體並處理付款時，外部協調的成本就會急劇下降。 你不再需要滿滿一屋子的員工去完成曾經需要整個部門才能處理的工作。

從人類經濟到 Agent 經濟

上述所描述的AI經濟，無論發展多快，無論多麼全球化，其交易主體依然是人類。 是人類在購買AI產品。 是人類在使用AI工具創業。

但在今年的Sessions大會上，我感受到的最強烈信號是，Stripe的下一個重大焦點是另一場轉變：一種Agent成為市場參與者的經濟形態。 這就是Agent商業。

這種轉變已經在Stripe自身的資料中悄悄顯現。

Stripe產品和業務總裁Will Gaybrick展示了一組資料。 多年來，Stripe的命令列介面（CLI）一直被一小群技術精湛的用戶使用，使用量幾乎沒有變動。

但進入2026年後，使用量突然激增。 原因是Agent不需要精美的圖形介面。 簡潔的CLI通常更為實用。

Maia的資料顯示，2025年Agent閱讀Stripe文件的流量增加了約十倍。

如果這種趨勢持續下去，到今年年底，Agent閱讀Stripe文檔的數量將超過人類。 Stripe花了十多年時間打磨的API文件正在找到一群最忠實的新讀者。

如果Agent花錢的想法聽起來依然有些陌生，不妨看看兩個正在發生的真實場景。

第一個是購物介面可能已經轉移到了模型聊天視窗。 消費者現在通常會使用ChatGPT、Gemini或Instagram來搜尋商品。 搜尋與交易之間的距離正被壓縮到一個單一的介面。 中國也有相關的例子，包括現在大家都很熟悉的在AI應用裡買奶茶的故事。

在媒體群訪中，約翰·科里森用自己購買旅行電源適配器的經驗來解釋為什麼這種壓縮很難逆轉。

如果一個Agent完成了從搜尋到下單的整個過程，並且幾天後產品送到了他家，他就不會再跑到另一個網站從頭填寫個人資訊了，哪怕那個網站的產品可能稍微好一點。 一旦購物Agent完成了搜尋過程，順理成章的下一步就是結帳。

第二個範例更有趣：OpenClaw。 有關注「爪子（claw）」浪潮的人都知道，它是目前最火的開源自主Agent框架之一。

使用者透過飛書、Telegram和WhatsApp等訊息應用程式向Agent下達指令，Agent自主執行任務。

關鍵點在於，OpenClaw在一天之內就能消耗掉幾百元甚至幾百美元的Token成本。 它自行管理Token的消耗和使用。 雖然在許多情況下仍需要人類授權，但歸根結底，消耗Token的是Agent。 而Token可以直接換算成錢。

從Agent管理Token消耗到Agent直接花錢，中間只差一步。 在今年的大會上，Stripe的演示跨越了這條線。

Agent 買賣

在第二天的主要舞台上，一場演示贏得了陣陣掌聲。

約翰‧科里森在台上給了一個Agent一條簡單的指令：研究AI需求是如何影響能源市場的。 Agent開始搜索，發現Alpha Vantage有一個它需要的能源市場資料集，售價4美分。

Agent判斷價格在預算範圍內，隨後在Tempo CLI中使用穩定幣錢包自主購買並下載了數據，因為用信用卡進行4美分的交易顯然不合常理。

接著它產生了一份完整的分析報告。 光是這一步就已經令人驚嘆。 但約翰隨後對Agent說：「發布並出售這份報告。設定一個你認為合理的價格，並讓其他Agent能夠找到併購買它。」

Agent檢查了Alpha Vantage資料集的授權條款，確認允許商業化後，建了一個網站，發布了報告，並產生了一個指令文件，允許其他Agent透過單一請求購買該資料。

幾分鐘之內，一個Agent完成了全鏈條操作：研究、採購、生產、合規審查、發布、定價和銷售。 它既是買家也是賣家。 演示結束後，約翰說了一句話：「Agent商業已經到來。」

第一天的另外兩個演示同樣引人注目。 Will Gaybrick建立了一個API程式碼審查應用，讓Agent代為使用者取得審查服務。 在整個過程中，他沒有告訴Agent任何關於支付的資訊。

在執行任務時，Agent自動發現該應用程式使用了機器支付協議（MPP），並獨立完成了2美元的支付。 人類所做的只是按了一下指紋授權。 這種零配置發現支付的能力正是MPP作為一項協議的核心設計。 開發者不需要為Agent單獨編寫支付邏輯。 Agent自己就能找到。

緊接著，Gaybrick結合了實時計費引擎Metronome、專為支付設計的區塊鏈Tempo以及穩定幣，演示了流支付（將資金拆解為無數極微小的金額，隨著服務（如AI算力）的消耗，像水流一樣實時、連續地劃同步地劃轉的支付方式。

一個應用根據AI的Token消耗即時計費，價格為每百萬Token 3美元。 多個Agent同時運行。 左側的儀錶板顯示Token消耗量不斷上升，而右側穩定幣的微支付則在同步流入。

開啟Tempo區塊鏈瀏覽器後，可以看到一筆3.30美元的總付款由數千筆不到一美分的微支付組成，每一筆相當於一美分的三千分之一。

信用卡做不到這一點。 ACH清算做不到。 UPI和Pix也同樣做不到。 Gaybrick在台上宣布，這是全球首個串流支付業務。

微支付的迴歸與消費新邏輯

在聊天視窗購物和OpenClaw是Agent代表人類消費的例子。 但在群訪中，科里森做出了一個更宏大的判斷：Agent可能還會創造出全新的需求。

他認為，Agent可能會讓一個討論了多年卻從未真正成功過的商業模式重獲生機：微支付。 人類不擅長做出極為細微的消費決策。 Spotify之所以用每月9.99美元的訂閱費取代了單曲付費，是因為沒有人願意在每次按下播放鍵時，還要權衡一首歌值不值15美分。

Agent則沒有這種認知負擔。 如果這個判斷是正確的，那麼一整類曾經因為人類認知阻力而失敗的商業模式，在Agent面前可能會突然變得可行。

Maia在與我的一對一交談中也表達了類似的觀點。 她說她剛與幾十位AI創始人交談過，當他們討論Agent商業時，定價是出現頻率最高的話題。

每筆交易都有兩方：買方和賣方。 如果買方變成了Agent，商家該怎麼辦？

在一次訪談中，我問Stripe產品負責人Jeff Weinstein一個問題：人類常說「顧客就是上帝」。 商家需要取悅消費者。 那麼他們該如何取悅Agent呢？

Jeff的回答是，把Agent想像成你認識的最優秀的程式設計師。 它想要完美的資訊、結構化的格式、快速的可讀性以及決策所需的全部背景資訊。

人類消費者喜歡精美的圖片和流暢的動畫。 Agent則想要原始的結構化資料、精準的物流訊息，並希望用盡可能少的步驟完成交易。

在另一次對話中，Meta產品副總裁Ginger Baker對這種轉變的總結更為激進：支付將從一個「瞬間」轉變為一種「策略」。

人類消費者的購買是離散的。

你走到收銀台前，拿出錢包，刷卡，交易完成。

Agent消耗則是連續的。

你設定一組規則，例如「本週購買日用品的花費不超過50美元」、「永遠優先使用這張卡」或「永遠不要自動授權任何超過500美元的交易」。 然後，Agent就會在你設定的授權框架內持續自主消費。

算力就是新現金

如果Agent真的成為一種新型消費者，它們也會帶來新的風險。 這些風險與傳統的SaaS交易風險有著本質上的不同，也與人類消費者面臨的風險截然不同。

在Sessions大會期間，我特別關注了這個主題，並與幾位Stripe高層討論了相關問題。

Stripe資料和AI主管Emily Glassberg Sands描述了三種快速成長的詐騙模式。 第一種是多帳戶濫用。 同一個人重複註冊不同的帳戶，每個帳戶都能獲得免費額度。

根據Stripe的網路數據，每六家AI公司註冊中就有一個涉及此類濫用。 第二種是免費試用期間的惡意消費。 這對AI公司尤其致命，因為每次試用都會燃燒實打實的推理成本。

她舉了一個例子：對於一家合作公司來說，獲取每個付費客戶的Token成本超過了500美元，因為轉換一個客戶需要25次免費試用，而其中19次試用是欺詐行為。

第三種模式她稱之為「吃霸王餐」。 客戶消耗了大量的Token，然後在月底拒不付款。 Emily也引用了一句話：「算力就是新現金」。 傳統SaaS被濫用時，邊際成本幾乎為零。 但AI公司的每一次推理調用都是實實在在的成本。 偷走Token就是偷錢。

然而，這其中有一個讓我覺得格外棘手的困境。 許多AI創始人應對濫用的方式就是直接關閉免費試用。

Emily說，她曾問過每一個聲稱「解決」了這個問題的人是如何做到的，結果發現他們的方案只是關閉免費層。 但Jeff認為這會引發另一個問題。

Agent正日益成為發現新服務的主要途徑。 如果Agent無法自行試用某項服務，它就會直接跳到另一個連結。

Emily補充說，如果呈現給Agent的引導選項是“加入候補名單”或“聯繫銷售”，Agent會立刻離開。 為了防範詐欺而關閉自助註冊，可能意味著將最重要的成長管道拱手讓給了競爭對手。

Stripe對此困境的解法是其詐欺防制系統Radar。 Radar的邏輯很容易描述：每次在Stripe上完成一筆交易，Radar就會進行學習。

來自500萬家企業的交易資料匯入共享的風險識別網路。 如果一家公司遇到了某種詐騙模式，所有公司都能從中受益。 上個月，Radar在八家高成長的AI公司中攔截了超過330萬次高風險的免費試用註冊。

Jeff也提出了一個有悖直覺的觀點：Agent購物最終可能比人類在網頁上購物更安全。 人類網頁購物的信任驗證依賴於推斷：使用者在網站上停留了多久、點擊路徑看起來是否正常等。

然而，Agent交易可以透過程式進行身份驗證。 Stripe的共享支付令牌對支付憑證進行了標記化處理，因此Agent永遠不會接觸到原始信用卡號。 使用者透過生物辨識進行授權，並可設定交易限額、時間窗口和商家白名單。

當信任機制從推論轉變為確認時，安全基線反而可能會提高。

生態系、協議與一段歷史

講到這裡，你應該很清楚，Agent商業的實現離不開一個運作良好的生態系統。 在2026年的Stripe Sessions上，我遇到了一位來自食品業的人。 他說他參加的目的是想了解Agent商業是否能成為他公司的新機會。 這就是賣方的視角。

所以這不能光靠Stripe一家來完成。 它需要一個生態系統。

在Sessions展廳裡逛了兩天，我看到了大量橫跨金融產業鏈各環節公司的展位。

Stripe也與上下游合作夥伴推出或加入了一系列協議，以連接生態系統的各個部分：買方和賣方、人類和機器、以及機器和機器。 機器支付協定（MPP）讓Agent可以透過HTTP發現並完成付款。

Agent商業套件讓消費者可以直接在Google、Meta、OpenAI和微軟的AI應用程式內完成購買。 通用商業協議（UCP）是由Shopify發起、Meta、亞馬遜、Salesforce和微軟共同加入的跨平台商業協議。 Stripe加入了UCP的總務委員會。

一群既是合作夥伴又是競爭對手的公司同意在一個共享協議上合作，因為碎片化會讓Agent很難跨平台順暢消費。 這對誰都沒有好處。

談到協議，我在展會上看到了一個特殊的Stripe合作夥伴：Visa。 在我看來，Visa本質上就是一個協議平台。

看到Visa立刻讓我想起了一本我長久以來都很喜歡的書：Visa創始人迪伊·霍克（Dee Hock）寫的《混序：開創和管理新時代的異類商業組織》。

這本書的一個主題是，在電子時代，銀行、貨幣和信用卡可以如何被重新定義。 貨幣不再必須是硬幣和紙鈔。 它也可以是機構擔保、網路記錄並在全球流動的數據。

20世紀60年代末，美國銀行發行的美國銀行卡向全國擴張。 大量跨州消費者湧入，舊系統隨之崩潰。 霍克意識到問題出在組織架構上。 數十家相互競爭的銀行需要共享基礎設施，但現有的任何組織形式都不允許它們在競爭的同時合作。

他利用去中心化的設計理念，讓所有銀行都成為新組織的平等成員，美國銀行也放棄了對該系統的獨家控制權。 那個組織後來被更名為Visa。

所以兩個不同時代的兩家不同公司在做著類似的事情。 它們之間是否存在某種傳承？

借助任何Agent的幫助，答案都很容易找到。 派崔克·科里森曾公開向霍克致敬。 2022年霍克去世後，帕特里克稱他為“一位被嚴重低估的創新者”，並表示霍克啟發了他和他的弟弟。

一個更明顯的受其影響的標誌是一項招募決定：關於Visa的權威學術史的作者David Stearns後來加入了Stripe。

還有一個細節會讓任何熟悉支付歷史的人會心一笑。 在台上，Tempo區塊鏈的技術長Georgios Konstantopoulos展示了驗證者陣容。 其中一個名字就是Visa。

霍克創立的機構Visa，如今成了Stripe孵化的一個區塊鏈網路中的參與節點。 學生建立了一個新網絡，老師成了其中的一個節點。

當派崔克在大會開幕式上追溯Stripe的思想淵源時，他說自己最初是一名用Lisp語言編寫程式碼的程式設計師。 Lisp的一個核心理念是「程式碼即資料」。

他把這個理念轉化成了Stripe自己的術語：「Stripe的基本理念是金錢即數據。我們在2011年推出Stripe時，這並非業界的主流觀點。」

霍克從組織理論的角度探討金錢的本質，並得出結論：金錢只是「價值交換的擔保」。 承載它的媒介可以是任何東西。 科里森則從程式語言的角度出發，直接將金錢等同於資料：一種可以被程式設計、被API呼叫、被Agent操作的資料。

兩個人用不同的語言表達了同一個意思。 在同一天的舞台上，Ginger Baker說得更直白：「金錢不就是另一種形式的數位內容嗎？」

如果金錢是數據，那麼數據的消費者自然就會成為金錢的消費者。

Stripe 的內容基因

講到這裡，關於AI經濟的故事已接近尾聲。 但讓我們稍微繞個彎。 Stripe幾乎可以被認為是內容工作者的同行。

這家公司不僅擅長金融服務。 它也很擅長做內容產品。 其出版部門Stripe Press有著極佳的品味。 許多人知道它是得益於其出版的《窮查理寶典》。

它的播客《A Cheeky Pint》也獨具特色，受眾廣。 Google執行長桑達爾·皮查伊、Anthropic執行長達裡奧·阿莫迪以及a16z聯合創始人馬克·安德森都曾是其座上賓。

在Sessions期間，我認識了Stripe Press的高級編輯Tammy Winter和設計師Pablo Delcan。 Tammy開玩笑說：「Stripe就是一家附帶了價值數十億美元公司的出版社。」

Pablo Delcan談到了他對品味的理解。 他說品味是隨著時間發展並需要沉澱的東西。 在設計趨勢方面，他認為在不放棄簡單概念和清晰表達的前提下，新的問題是如何透過細節和精確度增加一定的複雜感。

當主題轉到書籍時，Tammy告訴我，在Stripe Press內部，為創始人和建設者出版的系列叢書被稱為“松節油”（Turpentine）系列。

這些書著重於操作知識、工具、技術、維護以及讓工作順利運作的實用性內容。 它們不是抽象的理論。 它們旨在幫助讀者解決具體的操作問題。

這個名字來自一個據說是關於畢卡索的故事：當藝術評論家聚在一起時，他們談論形式、結構和意義；而當藝術家聚在一起時，他們談論去哪裡買便宜的松節油。

這個系列想做的，就是成為創始人手中的廉價松節油。 仔細想想，對於出海的AI公司來說，Stripe的金融服務就是另一種形式的松節油。 你無需操心支付、合規或外匯。 你可以專注於打造產品。

這段插曲看似與主線故事無關，但其實有著潛在的連結。

Stripe還有一本名為《在建工程》（Works in Progress）的雜誌，其核心議題是經濟如何成長。 它的播客採訪的是AI經濟的領導者。 Sessions本身在某種程度上就像一場經濟學講座。

第二天上午，約翰·科里森花了一整場的時間來談論經濟數據、科斯的企業理論以及索洛悖論。 我猜想，一家金融服務公司之所以如此關心經濟學，是因為理解經濟結構的變遷，正是它發現下一個產品機會的途徑。

身為播客愛好者，當我在大會第一天見到約翰‧科里森時，我最想問的問題不是關於金融的。 而是關於播客的。 我問他，在採訪了那麼多不同的人之後，是否有一個貫穿所有對話的根本問題。

他想了一會兒說，他真正感興趣的是這些人的公司實際上是如何運作的、它們處於什麼樣的競爭均衡中，以及他們如何理解自己的業務。

巧合的是，第一天結束時還出現了一個小小的插曲。 最後一場爐邊談話原定由派崔克採訪OpenAI聯合創始人格雷格·布羅克曼（Greg Brockman）。 但在上台前不久，嘉賓換成了山姆·奧特曼（Sam Altman）。 帕特里克解釋說，畢竟「AI是一個發展迅速的領域」。

於是驚喜變成了狂歡。 全場歡呼起來。

兩人相識已近19年。 奧特曼是Stripe最早的天使投資人之一，他投資時，科里森兄弟還不到20歲。 正因如此，奧特曼在整個對話過程中顯得非常放鬆。

在快結束時，派崔克問了一個私人問題：當年奧特曼為什麼要投資兩個十幾歲的年輕人？ 奧特曼說他記得他們想做的產品解決的是他們自己親身遇到的問題，而且他也看到了這個機會能夠擴大規模，因為許多其他人都需要同樣的東西。

我認為他關於播客的回答和關於投資的回答指向了同一件事：尋找真實的需求，解決真實的問題。

在對話中，奧特曼將OpenAI的轉型分為三個階段：從一個研究實驗室，到一個產品公司，再到向世界提供智慧的「Token工廠」。 每個階段都對應著不同的使命。

Stripe也是如此。

在2010年，兩個愛爾蘭少年解決的問題是線上收款太難了。 一路走來，他們為500萬用戶解決了同樣的問題。 而在2026年，他們發現了一個新問題：這些企業的客戶可能很快就不再是人類了。

一手做播客，一手做出版，台上討論著科斯理論和索洛悖論，展廳裡鋪滿了協議和API，Stripe不僅在創造AI經濟。 它也在記錄AI經濟。

在大會上，我腦中閃過一個聽起來可能有些瘋狂的念頭：Stripe掌握著相當於全球GDP近2%的交易資料。 它能看到AI收入的每一塊錢從哪裡來、到哪裡去，以及成長速度有多快。

如果當年索洛有這樣一個心電監視器，也許他就不需要等上十年才在統計數據中找到計算機的身影了。

也許有一天，Stripe能為AI經濟提供一個模型。 不是大語言模型，而是諾貝爾獎等級的經濟模型。 誰說那是不可能的呢？ 就在DeepMind創始人德米斯·哈薩比斯（Demis Hassabis）獲得諾貝爾獎的幾年前，誰又能預見那一幕呢？