作者：Gao fei
编译：佳欢，ChainCatcher
1987年，经济学家罗伯特·索洛（Robert Solow）的一句话广为流传：“你可以到处看到计算机时代的身影，唯独在生产率统计数据中找不到。”
这句话困扰了经济学家近十年。直到20世纪90年代中期，计算机对生产率的贡献才终于开始在数据中显现。
2026年的今天，同样的困惑正围绕着AI上演。泡沫之说此起彼伏。学术界争论不休。企业犹豫不决。宏观经济数据传递的信号依然模糊不清。
但在一个地方，AI对经济的影响已毫无争议。
这个地方就是Stripe。
过去几天，我在旧金山参加了Stripe Sessions大会。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。
在《福布斯》AI 50榜单中，有86%的公司使用Stripe。如果说AI经济是一个初生的婴儿，Stripe就是产房里的心电监护仪。它比几乎任何人都更早、更精准地记录下这个婴儿的心跳。
圣路易斯联储在2026年初发布的一项研究显示，与AI相关的投资已对美国边际GDP增长贡献了近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，很大一部分结算都在Stripe上进行。
更重要的是，Stripe不仅在记录AI经济的心跳。
在今年的大会上，它宣布将推动一种全新的经济形态：Agent商业（agentic commerce），即Agent成为交易主体。
在一次媒体群访中，Stripe联合创始人兼总裁约翰·科里森（John Collison）表示，他预计充当商业交易买方的Agent将在12到18个月内成为主流。
两天时间。288个产品和功能发布。超过一万名与会者。一个定义性词汇：Agent商业。以下是我在2026年Stripe大会上的所见所闻，以及我的一些思考。
AI 经济发展有多快？
在讨论Agent商业之前，有必要先看看AI经济的整体轮廓。索洛在1987年说统计数据中找不到计算机的踪影。近四十年后，AI在Stripe的数据中已清晰可见。
大会第一天上午，首席执行官帕特里克·科里森（Patrick Collison）展示了一组数据。自疫情以来，Stripe上每月新创建的企业数量一直保持在高位，但曲线相对平缓。从2026年初开始，这条曲线几乎呈垂直上升趋势。
最直接的原因是AI编程工具降低了创业门槛。许多开发者现在可以通过 vibe coding 在几天内构建出一个可收费的产品。
帕特里克将其定义为一个更宏大的概念，即整个经济正在围绕AI进行平台重构。
Stripe负责AI业务的首席营收官Maia Josebachvili补充了一个外部对比数据：在2024年之前，iOS应用商店的App发布数量一直在下降。而AI编程工具出现后，应用发布量环比暴增了24%。
这种变化不仅是数量上的，也是质量上的。Stripe Atlas是创业者在美国注册公司最便捷的途径之一。
上周，它刚庆祝了第10万家公司的诞生。在大会上，我听到了一组惊人的数字：在生命周期的同一阶段，2025年通过Atlas注册的公司所创造的收入是2024年那一批的两倍。而2026年的这一批公司才成立几个月，其收入却已经是去年同期那一批的五倍。
在第一天下午的AI经济报告中，Maia Josebachvili列举了几个推动AI经济崛起的公司名字。
Lovable在八个月内实现了1亿美元的收入，在随后的八个月里又达到了4亿美元。Cursor在不到两年的时间里实现了10亿美元的年化收入，三个月后又翻倍至20亿美元。
Stripe上领先的AI原生公司在2025年增长了120%。到了2026年，目前的增长率已达575%。
消费端的增长同样迅猛。消费最高的群体每月在AI产品上花费371美元，这比普通美国人每月在网络、流媒体服务和手机话费上的总和还要多。我粗略计算了一下自己每月的Token开销。它早就超过了我的手机话费。
帕特里克还做了一个对比：Stripe上企业的增长速度是全球经济增速的17倍。
第二天，约翰·科里森直接提到了索洛悖论，并使用了一个历史类比。
1882年，爱迪生在曼哈顿点亮了第一批客户的电灯。然而，在电气化之后的三十年里，生产率几乎没有提高。原因不在于电没用。而在于当时工厂的设计都是围绕蒸汽机展开的。直到整个工厂被重建，生产率的提升才显现出来。
约翰的判断是，AI正处于类似的阶段。变革已经发生，但旧模式还没有时间去吸收它。“不过，”他说，“我觉得AI不需要花三十年。”
Stripe的数据似乎印证了他的乐观态度。在其平台上，AI经济已经爆发。在我接触过的几乎所有传统企业中，最高层领导都在以极强的紧迫感推动AI的部署。
生而全球化
除了速度，这些AI公司还有另一个给我留下深刻印象的特点：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（go global by default）。
自从成为一名AI博主以来，我经常有一种体验。AI内容创作是没有时差的。太平洋彼岸的AI新闻与本地新闻同等重要。
AI产品的运作方式也类似。大语言模型模糊了传统软件曾经依赖的界面语言和交互习惯。一个统一的聊天框让全球用户都能通过自然语言使用产品。从这个意义上说，大语言模型首次让一个统一的全球软件市场成为可能。
大会上的数据证实了这一观察。在早期的浪潮中，增长最快的SaaS公司在第一年大约覆盖25个国家，到第三年达到50个。
AI公司的发展速度则完全不同：第一年就达到42个国家，第三年则扩大到120个。
Maia表示，哈萨克斯坦现在已经出现在许多AI公司的市场名单上。在第二天的“索引经济”环节中，Stripe给出了一个中位数数据：前100家AI初创公司在第一年就已经向55个国家销售产品。
一家公司提供了一个具体的例子。Emergent Labs于2024年在美国成立，但其近70%的收入已经来自海外。至少有16个国家各自为其贡献了至少1%的收入。
在领先的AI公司中，48%的收入来自本土市场之外。三年前，这个数字仅为33%。全球收入不再是补充。而是基本盘。
速度和全球化是AI经济的两个核心特征，两者都与Stripe有着直接的联系。AI公司需要快速建立支付能力。它们需要在成立的第一周内就在40个国家和地区接受付款。这恰好是Stripe自创立伊始就在做的事情。
在这里，我们不妨稍微回顾一下Stripe的创立背景。
Stripe的创始人帕特里克·科里森及其弟弟约翰·科里森都是爱尔兰人。他们本身就是跨国创业者。
在大会上，我遇到了一位爱尔兰同行，他告诉我，在爱尔兰的AI创业者眼中，这两兄弟就是英雄。到了美国后，两兄弟发现线上收款困难得离谱。接入支付系统需要与银行签约、接受PCI合规审查，并与多个中间商进行整合。整个过程可能需要数周甚至数月的时间。
因此，在2010年，两个刚满二十岁的年轻人双双退学，搬到旧金山，写出了一套只需七行代码就能让开发者接受付款的解决方案。
这七行代码的诞生正值移动互联网和SaaS起飞之际。Shopify需要帮助数百万商家收款。Uber需要让乘客实现无摩擦的支付。Salesforce需要处理全球订阅服务。
他们都选择了Stripe。随着Stripe与这些全球客户共同成长，它在46个国家建立了本地化能力，覆盖了195个市场，并支持125种本地支付方式。
对于消费者来说，Stripe并不是一家站在聚光灯下的公司。
它隐藏在Shopify的结账页面、OpenAI的订阅确认邮件和Uber的车费通知背后。但这种不可见性并没有阻止它成为互联网经济底层的金融管道。
在AI时代，这种全球性的金融基础设施让Stripe在服务AI公司出海时赢得了先机。
在今年的大会上，我还见到了Stripe全球产品负责人Abhi Tiwari。
他在三个月前接任此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，并在圣保罗设立了拉丁美洲办事处。Abhi告诉我，许多AI公司找到Stripe时的开场白如出一辙：“我们默认生而全球化。我们的用户在哪里并不重要。”
过去那种在总部研发产品然后再推向全球的旧模式，正被本地团队在目标市场直接开发所取代。
触达全球用户是一回事。向他们收钱则是另一回事。后者相当复杂，因为每个市场都有自己的货币和支付习惯。
在这里，Stripe主要通过两种方式帮助AI公司及众多其他客户：以当地货币定价和接入本地支付方式。
前者让巴西用户能看到以巴西雷亚尔而非美元计价的商品价格，使跨境收入增加了18%。后者让印度用户可以使用UPI支付，让巴西用户可以使用Pix支付，带来了超过7%的转化率提升。
在AI演示工具Gamma在印度加入UPI支付后，其当月在印度的收入猛增了22%。在展台上，我还看到了中国公司MiniMax的身影。据我了解，许多出海的中国公司都是通过其海外实体使用Stripe的金融服务。
这些AI原生公司还有一个共同特点：人数极少。许多都是独立创始人。一两个人加上一群Agent就能撑起一家拥有实际收入的全球化公司。
在第二天的演讲中，Emily给出了一个数据：在Atlas上，独立创始人的密度已经接近每百万美国人中有5000名，而且他们中有越来越多的人年收入突破了10万美元。
Emily使用的词是solopreneur：一人公司。约翰用罗纳德·科斯的“企业理论”解释了这一现象。企业之所以存在，是因为内部协调的成本低于市场交易成本。
但AI可能会颠覆这一逻辑。当Agent能够帮你发现服务、整合软件并处理支付时，外部协调的成本就会急剧下降。你不再需要满满一屋子的员工去完成曾经需要整个部门才能处理的工作。
从人类经济到 Agent 经济
上面描述的AI经济，无论发展多快，无论多么全球化，其交易主体依然是人类。是人类在购买AI产品。是人类在使用AI工具创业。
但在今年的Sessions大会上，我感受到的最强烈信号是，Stripe的下一个重大焦点是另一场转变：一种Agent成为市场参与者的经济形态。这就是Agent商业。
这种转变已经在Stripe自身的数据中悄然显现。
Stripe产品和业务总裁Will Gaybrick展示了一组数据。多年来，Stripe的命令行界面（CLI）一直被一小群技术精湛的用户使用，使用量几乎没有变动。
但进入2026年后，使用量突然激增。原因是Agent不需要精美的图形界面。简洁的CLI通常更为实用。
Maia的数据显示，2025年Agent阅读Stripe文档的流量增长了约十倍。
如果这种趋势继续下去，到今年年底，Agent阅读Stripe文档的数量将超过人类。Stripe花了十多年时间打磨的API文档正在找到一群最忠实的新读者。
如果Agent花钱的想法听起来依然有些陌生，不妨看看两个正在发生的真实场景。
第一个是购物界面可能已经转移到了模型聊天窗口中。消费者现在通常使用ChatGPT、Gemini或Instagram来搜索商品。搜索与交易之间的距离正被压缩到一个单一的界面中。中国也有相关的例子，包括现在大家都很熟悉的在AI应用里买奶茶的故事。
在媒体群访中，约翰·科里森用自己购买旅行电源适配器的经历来解释为什么这种压缩很难逆转。
如果一个Agent完成了从搜索到下单的整个过程，并且几天后产品送到了他家，他就不会再跑到另一个网站从头填写个人信息了，哪怕那个网站的产品可能稍微好一点。一旦购物Agent完成了搜索过程，顺理成章的下一步就是结账。
第二个例子更有趣：OpenClaw。关注过“爪子（claw）”浪潮的人都知道，它是目前最火的开源自主Agent框架之一。
用户通过飞书、Telegram和WhatsApp等消息应用向Agent下达指令，Agent自主执行任务。
关键点在于，OpenClaw在一天之内就能消耗掉几百元甚至几百美元的Token成本。它自行管理Token的消耗和使用。虽然在许多情况下仍需要人类授权，但归根结底，消耗Token的是Agent。而Token可以直接换算成钱。
从Agent管理Token消耗到Agent直接花钱，中间只差一步。在今年的大会上，Stripe的演示跨越了这条线。
Agent 买卖
在第二天的主要舞台上，一场演示赢得了阵阵掌声。
约翰·科里森在台上给了一个Agent一条简单的指令：研究AI需求是如何影响能源市场的。Agent开始搜索，发现Alpha Vantage有一个它需要的能源市场数据集，售价4美分。
Agent判断价格在预算范围内，随后在Tempo CLI中使用稳定币钱包自主购买并下载了数据，因为用信用卡进行4美分的交易显然不合常理。
接着它生成了一份完整的分析报告。单是这一步就已经令人惊叹。但约翰随后对Agent说：“发布并出售这份报告。设定一个你认为合理的价格，并让其他Agent能够找到并购买它。”
Agent检查了Alpha Vantage数据集的授权条款，确认允许商业化后，建了一个网站，发布了报告，并生成了一个指令文件，允许其他Agent通过单一请求购买该数据。
几分钟之内，一个Agent完成了全链条操作：研究、采购、生产、合规审查、发布、定价和销售。它既是买家也是卖家。演示结束后，约翰说了一句话：“Agent商业已经到来。”
第一天的另外两个演示同样引人注目。Will Gaybrick构建了一个API代码审查应用，让Agent代为用户获取审查服务。在整个过程中，他没有告诉Agent任何关于支付的信息。
在执行任务时，Agent自动发现该应用使用了机器支付协议（MPP），并独立完成了2美元的支付。人类所做的仅仅是按了一下指纹授权。这种零配置发现支付的能力正是MPP作为一项协议的核心设计。开发者不需要为Agent单独编写支付逻辑。Agent自己就能找到。
紧接着，Gaybrick结合了实时计费引擎Metronome、专为支付设计的区块链Tempo以及稳定币，演示了流支付（将资金拆解为无数极微小的金额，随着服务（如AI算力）的消耗，像水流一样实时、连续不断地同步划转的支付方式。）。
一个应用根据AI的Token消耗实时计费，价格为每百万Token 3美元。多个Agent同时运行。左侧的仪表盘显示Token消耗量不断上升，而右侧稳定币的微支付则在同步流入。
打开Tempo区块链浏览器后，可以看到一笔3.30美元的总付款由数千笔不到一美分的微支付组成，每一笔相当于一美分的三千分之一。
信用卡做不到这一点。ACH清算做不到。UPI和Pix也同样做不到。Gaybrick在台上宣布，这是世界上首个流支付业务。
微支付的回归与消费新逻辑
在聊天窗口购物和OpenClaw是Agent代表人类消费的例子。但在群访中，科里森做出了一个更为宏大的判断：Agent可能还会创造出全新的需求。
他认为，Agent可能会让一个讨论了多年却从未真正成功过的商业模式重获生机：微支付。人类不擅长做出极其细微的消费决策。Spotify之所以用每月9.99美元的订阅费取代了单曲付费，是因为没有人愿意在每次按下播放键时，还要权衡一首歌值不值15美分。
Agent则没有这种认知负担。如果这个判断是正确的，那么一整类曾因人类认知阻力而失败的商业模式，在Agent面前可能会突然变得可行。
Maia在与我的一对一交谈中也表达了类似的观点。她说她刚与几十位AI创始人交谈过，当他们讨论Agent商业时，定价是出现频率最高的话题。
每笔交易都有两方：买方和卖方。如果买方变成了Agent，商家该怎么办？
在一次采访中，我问Stripe产品负责人Jeff Weinstein一个问题：人类常说“顾客就是上帝”。商家需要取悦消费者。那么他们该如何取悦Agent呢？
Jeff的回答是，把Agent想象成你认识的最优秀的程序员。它想要完美的信息、结构化的格式、快速的可读性以及决策所需的全部背景信息。
人类消费者喜欢精美的图片和流畅的动画。Agent则想要原始的结构化数据、精准的物流信息，并希望用尽可能少的步骤完成交易。
在另一次对话中，Meta产品副总裁Ginger Baker对这种转变的总结更为激进：支付将从一个“瞬间”转变为一种“策略”。
人类消费者的购买是离散的。
你走到收银台前，拿出钱包，刷卡，交易完成。
Agent消费则是连续的。
你设定一组规则，例如“本周购买日用品的花费不超过50美元”、“永远优先使用这张卡”或“永远不要自动授权任何超过500美元的交易”。然后，Agent就会在你设定的授权框架内持续进行自主消费。
算力就是新现金
如果Agent真的成为一种新型消费者，它们也会带来新的风险。这些风险与传统的SaaS交易风险有着本质的不同，也与人类消费者面临的风险截然不同。
在Sessions大会期间，我特别关注了这个话题，并与几位Stripe高管讨论了相关问题。
Stripe数据和AI主管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的账户，每个账户都能获得免费额度。
根据Stripe的网络数据，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费。这对AI公司尤其致命，因为每一次试用都会燃烧实打实的推理成本。
她举了一个例子：对于一家合作公司来说，获取每个付费客户的Token成本超过了500美元，因为转化一个客户需要25次免费试用，而其中19次试用是欺诈行为。
第三种模式她称之为“吃霸王餐”。客户消耗了大量的Token，然后在月底拒不付款。Emily还引用了一句话：“算力就是新现金”。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实实在在的成本。偷走Token就是偷钱。
然而，这其中存在一个让我觉得格外棘手的困境。许多AI创始人应对滥用的方式就是直接关闭免费试用。
Emily说，她曾问过每一个声称“解决”了这个问题的人是如何做到的，结果发现他们的方案仅仅是关闭免费层。但Jeff认为这会引发另一个问题。
Agent正日益成为发现新服务的主要途径。如果Agent无法自行试用某项服务，它就会直接跳转到另一个链接。
Emily补充说，如果呈现给Agent的引导选项是“加入候补名单”或“联系销售”，Agent会立刻离开。为了防范欺诈而关闭自助注册，可能意味着将最重要的增长渠道拱手让给了竞争对手。
Stripe对这一困境的解法是其欺诈预防系统Radar。Radar的逻辑很容易描述：每次在Stripe上完成一笔交易，Radar就会进行学习。
来自500万家企业的交易数据汇入一个共享的风险识别网络。如果一家公司遇到了某种欺诈模式，所有公司都能从中受益。上个月，Radar在八家高增长的AI公司中拦截了超过330万次高风险的免费试用注册。
Jeff还提出了一个有悖直觉的观点：Agent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于推断：用户在网站上停留了多久、点击路径看起来是否正常等。
然而，Agent交易可以通过程序进行身份验证。Stripe的共享支付令牌对支付凭证进行了标记化处理，因此Agent永远不会接触到原始信用卡号。用户通过生物识别进行授权，并可以设置交易限额、时间窗口和商家白名单。
当信任机制从推断转变为确认时，安全基线反而可能会提高。
生态系统、协议与一段历史
讲到这里，你应该很清楚，Agent商业的实现离不开一个运作良好的生态系统。在2026年的Stripe Sessions上，我遇到了一位来自食品行业的人。他说他参会的目的是想了解Agent商业是否能成为他公司的新机遇。这就是卖方的视角。
所以这不能光靠Stripe一家来完成。它需要一个生态系统。
在Sessions展厅里逛了两天，我看到了大量横跨金融产业链各环节公司的展位。
Stripe还与上下游合作伙伴推出或加入了一系列协议，以连接生态系统的各个部分：买方和卖方、人类和机器、以及机器和机器。机器支付协议（MPP）让Agent可以通过HTTP发现并完成支付。
Agent商业套件让消费者可以直接在谷歌、Meta、OpenAI和微软的AI应用内完成购买。通用商业协议（UCP）是由Shopify发起、Meta、亚马逊、Salesforce和微软共同加入的跨平台商业协议。Stripe加入了UCP的总务委员会。
一群既是合作伙伴又是竞争对手的公司同意在一个共享协议上合作，因为碎片化会让Agent很难跨平台顺畅消费。这对谁都没有好处。
谈到协议，我在展会上看到了一个特殊的Stripe合作伙伴：Visa。在我看来，Visa本质上就是一个协议平台。
看到Visa立刻让我想起了一本我长久以来都很喜欢的书：Visa创始人迪伊·霍克（Dee Hock）写的《混序：开创和管理新时代的异类商业组织》。
这本书的一个主题是，在电子时代，银行、货币和信用卡可以如何被重新定义。货币不再必须是硬币和纸钞。它也可以是机构担保、网络记录并在全球流动的数据。
20世纪60年代末，美国银行发行的美国银行卡向全国扩张。大量跨州消费者涌入，旧系统随之崩溃。霍克意识到问题出在组织架构上。几十家相互竞争的银行需要共享基础设施，但现有的任何组织形式都不允许它们在竞争的同时进行合作。
他利用去中心化的设计理念，让所有银行都成为新组织的平等成员，美国银行也放弃了对该系统的独家控制权。那个组织后来被更名为Visa。
所以两个不同时代的两家不同公司在做着类似的事情。它们之间是否存在某种传承？
借助任何Agent的帮助，答案都很容易找到。帕特里克·科里森曾公开向霍克致敬。2022年霍克去世后，帕特里克称他为“一位被严重低估的创新者”，并表示霍克启发了他和他的弟弟。
一个更明显的受其影响的标志是一项招聘决定：关于Visa的权威学术史的作者David Stearns后来加入了Stripe。
还有一个细节会让任何熟悉支付历史的人会心一笑。在台上，Tempo区块链的首席技术官Georgios Konstantopoulos展示了验证者阵容。其中一个名字就是Visa。
霍克创立的机构Visa，如今成了Stripe孵化的一个区块链网络中的参与节点。学生建立了一个新网络，而老师成了其中的一个节点。
当帕特里克在大会开幕式上追溯Stripe的思想渊源时，他说自己最初是一名用Lisp语言编写代码的程序员。Lisp的一个核心理念是“代码即数据”。
他把这个理念转化成了Stripe自己的术语：“Stripe的基本理念是金钱即数据。我们在2011年推出Stripe时，这并非业界的主流观点。”
霍克从组织理论的角度探讨金钱的本质，得出结论：金钱仅仅是“价值交换的担保”。承载它的媒介可以是任何东西。科里森则从编程语言的角度出发，直接将金钱等同于数据：一种可以被编程、被API调用、被Agent操作的数据。
两个人用不同的语言表达了同一个意思。在同一天的舞台上，Ginger Baker说得更直白：“金钱不就是另一种形式的数字内容吗？”
如果金钱是数据，那么数据的消费者自然就会成为金钱的消费者。
Stripe 的内容基因
讲到这里，关于AI经济的故事已接近尾声。但让我们稍微绕个弯。Stripe几乎可以被认为是内容工作者的同行。
这家公司不仅擅长金融服务。它也很擅长做内容产品。其出版部门Stripe Press有着极佳的品味。许多人知道它是得益于其出版的《穷查理宝典》。
它的播客《A Cheeky Pint》也独具特色，受众广泛。谷歌首席执行官桑达尔·皮查伊、Anthropic首席执行官达里奥·阿莫迪以及a16z联合创始人马克·安德森都曾是其座上宾。
在Sessions期间，我遇到了Stripe Press的高级编辑Tammy Winter和设计师Pablo Delcan。Tammy开玩笑说：“Stripe就是一家附带了一家价值数十亿美元公司的出版社。”
Pablo Delcan谈到了他对品味的理解。他说品味是随着时间发展并需要沉淀的东西。在设计趋势方面，他认为在不放弃简单概念和清晰表达的前提下，新的问题是如何通过细节和精确度增加一定的复杂感。
当话题转到书籍时，Tammy告诉我，在Stripe Press内部，为创始人和建设者出版的系列丛书被称为“松节油”（Turpentine）系列。
这些书侧重于操作知识、工具、技术、维护以及让工作顺利运转的实用性内容。它们不是抽象的理论。它们旨在帮助读者解决具体的操作问题。
这个名字来源于一个据说是关于毕加索的故事：当艺术评论家聚在一起时，他们谈论形式、结构和意义；而当艺术家聚在一起时，他们谈论去哪里买便宜的松节油。
这个系列想做的，就是成为创始人手中的廉价松节油。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形式的松节油。你无需操心支付、合规或外汇。你可以专注于打造产品。
这段插曲看似与主线故事无关，但实际上有着潜在的联系。
Stripe还有一本名为《在建工程》（Works in Progress）的杂志，其核心议题是经济如何增长。它的播客采访的是AI经济的领军人物。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·科里森花了一整场的时间来谈论经济数据、科斯的企业理论以及索洛悖论。我猜想，一家金融服务公司之所以如此关心经济学，是因为理解经济结构的变迁，正是它发现下一个产品机会的途径。
作为一名播客爱好者，当我在大会第一天见到约翰·科里森时，我最想问的问题不是关于金融的。而是关于播客的。我问他，在采访了那么多不同的人之后，是否有一个贯穿于所有对话的根本问题。
他想了一会儿说，他真正感兴趣的是这些人的公司实际上是如何运作的、它们处于什么样的竞争均衡中，以及他们如何理解自己的业务。
巧合的是，第一天结束时还出现了一个小小的插曲。最后一场炉边谈话原定由帕特里克采访OpenAI联合创始人格雷格·布罗克曼（Greg Brockman）。但在上台前不久，嘉宾换成了山姆·奥特曼（Sam Altman）。帕特里克解释说，毕竟“AI是一个发展迅速的领域”。
于是惊喜变成了狂欢。全场欢呼起来。
两人相识已近19年。奥特曼是Stripe最早的天使投资人之一，他投资时，科里森兄弟还不到20岁。正因如此，奥特曼在整个谈话过程中显得非常放松。
在快结束时，帕特里克问了一个私人问题：当年奥特曼为什么要投资两个十几岁的年轻人？奥特曼说他记得他们想做的产品解决的是他们自己亲身遇到的问题，而且他也看到了这个机会能够扩大规模，因为许多其他人都需要同样的东西。
我认为他关于播客的回答和关于投资的回答指向了同一件事：寻找真实的需求，解决真实的问题。
在对话中，奥特曼将OpenAI的转型分为三个阶段：从一个研究实验室，到一个产品公司，再到向世界提供智能的“Token工厂”。每个阶段都对应着不同的使命。
Stripe也是如此。
在2010年，两个爱尔兰少年解决的问题是线上收款太难了。一路走来，他们为500万用户解决了同样的问题。而在2026年，他们发现了一个新问题：这些企业的客户可能很快就不再是人类了。
一手做播客，一手做出版，台上讨论着科斯理论和索洛悖论，展厅里铺满了协议和API，Stripe不仅在创造AI经济。它也在记录AI经济。
在大会上，我脑海中闪过一个听起来可能有些疯狂的念头：Stripe掌握着相当于全球GDP近2%的交易数据。它能看到AI收入的每一块钱从哪来、到哪去，以及增长速度有多快。
如果当年索洛有这样一个心电监护仪，也许他就不需要等上十年才在统计数据中找到计算机的身影了。
也许有一天，Stripe能为AI经济提供一个模型。不是大语言模型，而是一个诺贝尔奖级别的经济模型。谁说那是不可能的呢？就在DeepMind创始人德米斯·哈萨比斯（Demis Hassabis）获得诺贝尔奖的几年前，谁又能预见那一幕呢？
