Stripe 数据负责人：Stripe 内部看到的 Agent 经济长什么样？丨Every

Stripe 数据负责人：Stripe 内部看到的 Agent 经济长什么样？丨Every Stripe 数据负责人：Stripe 内部看到的 Agent 经济长什么样？丨Every Modified May 6 🔗 原文链接： https://mp.weixin.qq.com/s/oj7e0yOU... 原创 Capihom Capihom 晚点再听LaterCast2026年5月6日 20:42 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "互联网出现了一种新行动者，Agent 会成为互联网上主要的行动者。" "AI 公司达到 3000 万美元 ARR，大约只用 18 个月。" "LLM 到 Stripe 文档的流量同比增长了 10 倍。" Every 这次请来 Emily Glassberg Sands，她负责 Stripe 的数据和 AI，位置很特殊：Stripe 处理大约全球 2% 的 GDP，能看到 AI 公司如何收钱、谁在付钱、欺诈从哪里来、商家怎样接入新的购买渠道。对做产品、工程和增长的人，这期对话的价值不在宏大预测，而在几个很具体的变化：客户不再只坐在浏览器前点按钮，Agent 正在访问文档、调用接口、比较商品、发起支付，互联网的默认用户正在被改写。 互联网多了一个买家：Agent Emily 开场给出的框架很直接：互联网过去建立在一个朴素假设上，主要行动者是人。人坐在屏幕前浏览、填表、下单，也由人写代码、接工具、配置系统。现在这个假设开始松动。有人仍然控制决策，只是入口从网站变成 ChatGPT、Gemini 或其他 AI 界面；有些任务交给 Agent 代办；还有一些软件开始直接和软件交互。 一旦行动者从人扩展到 Agent，发现、购买、结账、身份、风控和开发者工具都要重新设计。 Stripe 关心的也不只是 AI 让搜索更好，而是企业怎样变得“agent ready”。 "互联网出现了一种新行动者。随着时间推移，Agent 会成为互联网上主要的行动者。" 这层变化会落到产品细节里。过去商家优化网页导航、搜索框、价格页和表单；Agent 进入以后，商品目录要能被机器读取，价格要能被机器比较，结账流要能在对话界面里完成。PM 不能只问用户会点哪里，还要问一个代理系统拿到什么字段、怎样判断可买、怎样把购买请求交还给商家。 AI 公司的欺诈从信用卡变成算力 传统 SaaS 的免费层成本很低，骗子薅一个免费账号，平台损失有限。AI 公司完全不同。一次提示词、一次图片生成、一次 API 请求背后都有推理成本。Emily 说，Stripe 现在看到的欺诈不只是盗刷银行卡，越来越多是“偷算力”。坏人注册账号、领取试用额度、刷 token、到账期前失联。 当免费试用本身就是增长发动机，免费算力就变成新的 CAC，也变成新的攻击面。 这让 AI 公司必须在注册、试用、用量、账单几个环节一起看，而不能等到结账时才处理欺诈。 "欺诈者正在偷算力，而这是一类完全不同的问题。" Emily 还提醒，很多看似简单的拦截手段会误伤正常客户。比如虚拟卡常被滥用，但在 Stripe 的 AI 公司里，大约 15% 的合法卡交易也来自虚拟卡。粗暴关闭虚拟卡，会把真实企业采购、员工报销和隐私保护场景一起挡掉。AI 公司的风控难点，往往落在高成本试用和低摩擦转化之间：拦得太松烧钱，拦得太狠伤增长。 免费额度成了增长团队的新成本表 对增长团队来说，最刺耳的一组数字来自注册端。Emily 说，在 Stripe 上的 AI 公司里，大约 7% 的注册来自多账号用户；某个大型 AI 客户每周被拦截的欺诈性免费试用达到 25 万次。还有一类滥用发生在账期后段，用户在一天、一小时内消耗成千上万美元算力，到月底扣款失败，损失已经发生。 AI 产品的漏斗不能只看注册转化率，还要看每个新用户领取了多少不可追回的推理成本。 以前增长团队买流量，现在可能在买被滥用的 token。 "免费算力正在成为新的获客成本。" 以前的增长看板喜欢把免费试用注册数放在最前面。AI 公司需要在旁边加上几列：每个注册账号领取多少 credits，多少分钟内触发高成本模型，是否跨邮箱和设备重复领取，账期结束前是否已经堆出不可追回的推理账单。增长和财务从同一张表里看问题，才知道一条获客渠道是在带来客户，还是在把算力送给攻击者。 风控从结账按钮前移到注册页 Stripe 的 Radar 过去主要在交易发生时判断一笔支付是否可疑。AI 公司把风控压力推到更前面：注册、领取额度、开始调用模型、持续消耗 token，每一步都可能产生损失。Emily 提到，Stripe 已经把 Radar 扩到更多支付方式，也推出 Radar API，让不经由 Stripe 处理的交易也能调用同一套欺诈信号。她把风控称作互联网经济的公共品，因为欺诈者不会在意交易跑在 Stripe、Adyen、Worldpay、银行卡还是加密货币上。 防守方要赢，靠的是跨支付方式、跨商户、跨处理器的综合视角。 "Stripe 看到全球 2% 的 GDP，并且同比增长 34%。我们有 AI，也有数据。" Dan 把它形容成一场 AI 武装的攻防赛。Emily 的回答更像风控团队的日常：欺诈者不在乎边界，不在乎一笔交易走银行卡、加密货币还是先买后付，也不在乎商家用了哪家支付处理器。Stripe 的做法是扩大可见范围，再用 Agent 每天、甚至每小时扫描异常模式。某个支付方式、某类商户、某个国家突然出现新形态攻击，系统要尽快识别并压下去。 AI 公司 18 个月冲到 3000 万 ARR Stripe 看到的第二条主线是收入增长速度。Emily 观察 Stripe 上排名前 100 的 AI 公司，其中能做到 3000 万美元 ARR 的公司，大约 18 个月就能达到；相比 2018 年顶尖 SaaS 公司，这个速度约快三倍。1 百万、5 百万美元 ARR 的节点也类似。钱从哪里来？她判断早期很多是新增预算，因为 AI 从接近零开始，企业还没有立刻砍掉原有 SaaS 合同。往后，预算会开始从传统 SaaS、部分人力成本和不同 AI 工具之间迁移。 AI 支出正在从实验预算进入经营预算，财务表也会跟着重排。 "达到 3000 万美元 ARR 的 AI 公司大约用 18 个月，是 2018 年顶尖 SaaS 公司的三倍速度。" 她给了一个预算视角：企业原来为一名工程师付出 30 万美元薪酬和股权，现在可能还要为同一名工程师配 3 万美元 LLM 预算。采购负责人迟早会把这 10% 的新增成本和产出放在一起看，决定要不要继续扩编、减少某些软件座席，或把预算换到 ROI 更清楚的 AI 工具上。AI 公司的增长速度很快，但客户的钱包不会无限扩张。 她还观察到，AI 公司之间已经开始互相替代：一个团队可能先买通用模型，再买垂直工具，随后把预算迁到效果更好的新产品。早期扩张来自新增支出，后续竞争会更接近经营效率之争。谁能证明节省了人力、提升了产出、降低了失败成本，谁才能留在预算表里。采购会从“买不买 AI”转向“哪笔 AI 花费能兑现”。 座席收费正在让位给用量和结果 传统 SaaS 喜欢按 seat 收费，因为主要用户是员工，边际成本接近零。AI 工具面对的是 token、API 调用、工作流、结果和推理成本。Emily 说，AI 公司正在用很高精度计量事件：每一次调用如何计价、带哪些元数据、是否有预付额度或实时扣费。她还谈到开发者工具的尴尬：如果 Agent 让一个开发者的产出提高数倍，公司未来可能需要更少开发者，软件收入还绑定开发者人数就会变得别扭。 企业软件的价格锚点，会从“有多少人登录”转向“替客户完成了多少工作”。 "如果 Agent 让每个开发者生产力提高十倍，收入为什么还要和开发者人数绑定？" 垂直 AI 产品尤其会被客户追问 ROI。客服场景里，价格可以跟解决的工单数挂钩；但工单难度、服务质量、CSAT、被自动化岗位的成本都要纳入计价。Emily 作为经济学背景的人，甚至提到更复杂的目标函数。产品负责人听到这里，应该意识到定价不再是包装页上的套餐设计，而是产品本身要记录、证明和结算业务结果。 文档访问者开始变成机器 开发者体验也在变。Emily 提到，LLM 到 Stripe 文档的流量同比增长 10 倍。人仍会检查文档，因为支付集成是严肃决策；但写代码、查接口、生成配置的一部分访问量已经来自模型。Stripe 因此开始考虑 agent experience：文档要能被模型理解，CLI 要允许开发者和 Agent 一起创建、管理软件栈。她提到 Stripe Project，用户或 Agent 可以从命令行创建、管理部分软件栈。 当机器成为文档读者，API、错误信息、示例代码和权限边界都要服务“人机共同开发”。 "LLM 到 Stripe 文档的流量同比增长了 10 倍，机器也在成为开发者基础设施的用户。" 文档团队和平台团队会感到压力。面向人的文档可以靠上下文、截图和解释补足；面向模型的文档需要稳定结构、清楚示例、明确权限和可预期错误返回。一个 Agent 在命令行里创建支付集成时，读错一个字段就可能生成不可用配置。Stripe 把 CLI、Project 和文档放在一起看，背后是同一件事：机器读者已经进入开发流程。 购买发生在 ChatGPT、Copilot 和广告里 Agentic Commerce 听起来很科幻，Emily 却把它拆成一条谱系：先是 AI 帮人比较选项、填表、缩小范围；再到用户给出预算、日期、偏好，系统替人买下儿童夏令营；更远处才是环境式代理，系统知道季节需求，提前处理家庭采购。现实落点先在支付基础设施上。Stripe 和 OpenAI 共同创建 Agent Commerce Protocol，让 AI 系统和商家共享技术语言；Microsoft Copilot 和 Meta 的广告购物体验也在使用。商家只需一次集成商品目录、价格和结账流，就能在多种 Agent 入口开放销售，同时保留 merchant of record 身份、客户关系和欺诈控制。 "商家只需要和 Stripe 集成一次，就能在一整批 Agent 里打开自己。" 支付凭证的处理方式也变了。Stripe 做了 shared payment token，让支付凭证从 AI Agent 安全传给商家，Agent 看不到真实卡号；同时，token 会带上 Radar 欺诈分数，商家可以判断这个人和这个 Agent 是否可信。消费者侧则交给 Link。Emily 提到，Link 已经有大约 2.5 亿消费者，Lovable 的支付量里 58% 通过 Link 完成。委托购买不会靠“把卡交出去”，而是靠限额、条件和批准流程。 Emily 也没有把现状说得过满。消费端的 Agent 交易量还小，更多发生在低决策成本商品上，比如万圣节服装。她自己试过让 Agent 安排一家四口的夏季旅行，但航班、酒店、交通和行程组合还不足以让她一键购买。Stripe 选择先做底层 primitives：目录暴露、共享支付 token、欺诈保护和商家控制权。界面会变，底层能力要先稳定。 写在最后 这期最值得带走的判断很朴素：AI 产品别只盯模型能力，也要重看收费、风控、文档、结账和权限。Agent 进入互联网以后，很多旧指标会失真。先把机器用户、委托支付和算力成本放进产品设计，团队才不会被下一轮增长反噬。先查一遍注册、计费和权限链路，比追下一个酷炫演示更务实，现在就能动手。 内容来源："What the Agent Economy Looks Like From Inside Stripe"丨Every 原视频：https://www.youtube.com/watch?v= gOyup6yLBY Audio or video is not supported Please download the file and open it with the appropriate software. fad796eee8494a11b510a2ef733ec2e0.mp4 · 312.95MB fad796eee8494a11b510a2ef733ec2e0 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ https://mp.weixin.qq.com/s/oj7e0yOU... 🔗 原文链接： https://mp.weixin.qq.com/s/oj7e0yOU... https://mp.weixin.qq.com/s/oj7e0yOU... 原创 Capihom Capihom 晚点再听LaterCast2026年5月6日 20:42 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "互联网出现了一种新行动者，Agent 会成为互联网上主要的行动者。" "AI 公司达到 3000 万美元 ARR，大约只用 18 个月。" "LLM 到 Stripe 文档的流量同比增长了 10 倍。" Every 这次请来 Emily Glassberg Sands，她负责 Stripe 的数据和 AI，位置很特殊：Stripe 处理大约全球 2% 的 GDP，能看到 AI 公司如何收钱、谁在付钱、欺诈从哪里来、商家怎样接入新的购买渠道。对做产品、工程和增长的人，这期对话的价值不在宏大预测，而在几个很具体的变化：客户不再只坐在浏览器前点按钮，Agent 正在访问文档、调用接口、比较商品、发起支付，互联网的默认用户正在被改写。 互联网多了一个买家：Agent Emily 开场给出的框架很直接：互联网过去建立在一个朴素假设上，主要行动者是人。人坐在屏幕前浏览、填表、下单，也由人写代码、接工具、配置系统。现在这个假设开始松动。有人仍然控制决策，只是入口从网站变成 ChatGPT、Gemini 或其他 AI 界面；有些任务交给 Agent 代办；还有一些软件开始直接和软件交互。 一旦行动者从人扩展到 Agent，发现、购买、结账、身份、风控和开发者工具都要重新设计。 Stripe 关心的也不只是 AI 让搜索更好，而是企业怎样变得“agent ready”。 "互联网出现了一种新行动者。随着时间推移，Agent 会成为互联网上主要的行动者。" 这层变化会落到产品细节里。过去商家优化网页导航、搜索框、价格页和表单；Agent 进入以后，商品目录要能被机器读取，价格要能被机器比较，结账流要能在对话界面里完成。PM 不能只问用户会点哪里，还要问一个代理系统拿到什么字段、怎样判断可买、怎样把购买请求交还给商家。 AI 公司的欺诈从信用卡变成算力 传统 SaaS 的免费层成本很低，骗子薅一个免费账号，平台损失有限。AI 公司完全不同。一次提示词、一次图片生成、一次 API 请求背后都有推理成本。Emily 说，Stripe 现在看到的欺诈不只是盗刷银行卡，越来越多是“偷算力”。坏人注册账号、领取试用额度、刷 token、到账期前失联。 当免费试用本身就是增长发动机，免费算力就变成新的 CAC，也变成新的攻击面。 这让 AI 公司必须在注册、试用、用量、账单几个环节一起看，而不能等到结账时才处理欺诈。 "欺诈者正在偷算力，而这是一类完全不同的问题。" Emily 还提醒，很多看似简单的拦截手段会误伤正常客户。比如虚拟卡常被滥用，但在 Stripe 的 AI 公司里，大约 15% 的合法卡交易也来自虚拟卡。粗暴关闭虚拟卡，会把真实企业采购、员工报销和隐私保护场景一起挡掉。AI 公司的风控难点，往往落在高成本试用和低摩擦转化之间：拦得太松烧钱，拦得太狠伤增长。 免费额度成了增长团队的新成本表 对增长团队来说，最刺耳的一组数字来自注册端。Emily 说，在 Stripe 上的 AI 公司里，大约 7% 的注册来自多账号用户；某个大型 AI 客户每周被拦截的欺诈性免费试用达到 25 万次。还有一类滥用发生在账期后段，用户在一天、一小时内消耗成千上万美元算力，到月底扣款失败，损失已经发生。 AI 产品的漏斗不能只看注册转化率，还要看每个新用户领取了多少不可追回的推理成本。 以前增长团队买流量，现在可能在买被滥用的 token。 "免费算力正在成为新的获客成本。" 以前的增长看板喜欢把免费试用注册数放在最前面。AI 公司需要在旁边加上几列：每个注册账号领取多少 credits，多少分钟内触发高成本模型，是否跨邮箱和设备重复领取，账期结束前是否已经堆出不可追回的推理账单。增长和财务从同一张表里看问题，才知道一条获客渠道是在带来客户，还是在把算力送给攻击者。 风控从结账按钮前移到注册页 Stripe 的 Radar 过去主要在交易发生时判断一笔支付是否可疑。AI 公司把风控压力推到更前面：注册、领取额度、开始调用模型、持续消耗 token，每一步都可能产生损失。Emily 提到，Stripe 已经把 Radar 扩到更多支付方式，也推出 Radar API，让不经由 Stripe 处理的交易也能调用同一套欺诈信号。她把风控称作互联网经济的公共品，因为欺诈者不会在意交易跑在 Stripe、Adyen、Worldpay、银行卡还是加密货币上。 防守方要赢，靠的是跨支付方式、跨商户、跨处理器的综合视角。 "Stripe 看到全球 2% 的 GDP，并且同比增长 34%。我们有 AI，也有数据。" Dan 把它形容成一场 AI 武装的攻防赛。Emily 的回答更像风控团队的日常：欺诈者不在乎边界，不在乎一笔交易走银行卡、加密货币还是先买后付，也不在乎商家用了哪家支付处理器。Stripe 的做法是扩大可见范围，再用 Agent 每天、甚至每小时扫描异常模式。某个支付方式、某类商户、某个国家突然出现新形态攻击，系统要尽快识别并压下去。 AI 公司 18 个月冲到 3000 万 ARR Stripe 看到的第二条主线是收入增长速度。Emily 观察 Stripe 上排名前 100 的 AI 公司，其中能做到 3000 万美元 ARR 的公司，大约 18 个月就能达到；相比 2018 年顶尖 SaaS 公司，这个速度约快三倍。1 百万、5 百万美元 ARR 的节点也类似。钱从哪里来？她判断早期很多是新增预算，因为 AI 从接近零开始，企业还没有立刻砍掉原有 SaaS 合同。往后，预算会开始从传统 SaaS、部分人力成本和不同 AI 工具之间迁移。 AI 支出正在从实验预算进入经营预算，财务表也会跟着重排。 "达到 3000 万美元 ARR 的 AI 公司大约用 18 个月，是 2018 年顶尖 SaaS 公司的三倍速度。" 她给了一个预算视角：企业原来为一名工程师付出 30 万美元薪酬和股权，现在可能还要为同一名工程师配 3 万美元 LLM 预算。采购负责人迟早会把这 10% 的新增成本和产出放在一起看，决定要不要继续扩编、减少某些软件座席，或把预算换到 ROI 更清楚的 AI 工具上。AI 公司的增长速度很快，但客户的钱包不会无限扩张。 她还观察到，AI 公司之间已经开始互相替代：一个团队可能先买通用模型，再买垂直工具，随后把预算迁到效果更好的新产品。早期扩张来自新增支出，后续竞争会更接近经营效率之争。谁能证明节省了人力、提升了产出、降低了失败成本，谁才能留在预算表里。采购会从“买不买 AI”转向“哪笔 AI 花费能兑现”。 座席收费正在让位给用量和结果 传统 SaaS 喜欢按 seat 收费，因为主要用户是员工，边际成本接近零。AI 工具面对的是 token、API 调用、工作流、结果和推理成本。Emily 说，AI 公司正在用很高精度计量事件：每一次调用如何计价、带哪些元数据、是否有预付额度或实时扣费。她还谈到开发者工具的尴尬：如果 Agent 让一个开发者的产出提高数倍，公司未来可能需要更少开发者，软件收入还绑定开发者人数就会变得别扭。 企业软件的价格锚点，会从“有多少人登录”转向“替客户完成了多少工作”。 "如果 Agent 让每个开发者生产力提高十倍，收入为什么还要和开发者人数绑定？" 垂直 AI 产品尤其会被客户追问 ROI。客服场景里，价格可以跟解决的工单数挂钩；但工单难度、服务质量、CSAT、被自动化岗位的成本都要纳入计价。Emily 作为经济学背景的人，甚至提到更复杂的目标函数。产品负责人听到这里，应该意识到定价不再是包装页上的套餐设计，而是产品本身要记录、证明和结算业务结果。 文档访问者开始变成机器 开发者体验也在变。Emily 提到，LLM 到 Stripe 文档的流量同比增长 10 倍。人仍会检查文档，因为支付集成是严肃决策；但写代码、查接口、生成配置的一部分访问量已经来自模型。Stripe 因此开始考虑 agent experience：文档要能被模型理解，CLI 要允许开发者和 Agent 一起创建、管理软件栈。她提到 Stripe Project，用户或 Agent 可以从命令行创建、管理部分软件栈。 当机器成为文档读者，API、错误信息、示例代码和权限边界都要服务“人机共同开发”。 "LLM 到 Stripe 文档的流量同比增长了 10 倍，机器也在成为开发者基础设施的用户。" 文档团队和平台团队会感到压力。面向人的文档可以靠上下文、截图和解释补足；面向模型的文档需要稳定结构、清楚示例、明确权限和可预期错误返回。一个 Agent 在命令行里创建支付集成时，读错一个字段就可能生成不可用配置。Stripe 把 CLI、Project 和文档放在一起看，背后是同一件事：机器读者已经进入开发流程。 购买发生在 ChatGPT、Copilot 和广告里 Agentic Commerce 听起来很科幻，Emily 却把它拆成一条谱系：先是 AI 帮人比较选项、填表、缩小范围；再到用户给出预算、日期、偏好，系统替人买下儿童夏令营；更远处才是环境式代理，系统知道季节需求，提前处理家庭采购。现实落点先在支付基础设施上。Stripe 和 OpenAI 共同创建 Agent Commerce Protocol，让 AI 系统和商家共享技术语言；Microsoft Copilot 和 Meta 的广告购物体验也在使用。商家只需一次集成商品目录、价格和结账流，就能在多种 Agent 入口开放销售，同时保留 merchant of record 身份、客户关系和欺诈控制。 "商家只需要和 Stripe 集成一次，就能在一整批 Agent 里打开自己。" 支付凭证的处理方式也变了。Stripe 做了 shared payment token，让支付凭证从 AI Agent 安全传给商家，Agent 看不到真实卡号；同时，token 会带上 Radar 欺诈分数，商家可以判断这个人和这个 Agent 是否可信。消费者侧则交给 Link。Emily 提到，Link 已经有大约 2.5 亿消费者，Lovable 的支付量里 58% 通过 Link 完成。委托购买不会靠“把卡交出去”，而是靠限额、条件和批准流程。 Emily 也没有把现状说得过满。消费端的 Agent 交易量还小，更多发生在低决策成本商品上，比如万圣节服装。她自己试过让 Agent 安排一家四口的夏季旅行，但航班、酒店、交通和行程组合还不足以让她一键购买。Stripe 选择先做底层 primitives：目录暴露、共享支付 token、欺诈保护和商家控制权。界面会变，底层能力要先稳定。 写在最后 这期最值得带走的判断很朴素：AI 产品别只盯模型能力，也要重看收费、风控、文档、结账和权限。Agent 进入互联网以后，很多旧指标会失真。先把机器用户、委托支付和算力成本放进产品设计，团队才不会被下一轮增长反噬。先查一遍注册、计费和权限链路，比追下一个酷炫演示更务实，现在就能动手。 内容来源："What the Agent Economy Looks Like From Inside Stripe"丨Every 原视频：https://www.youtube.com/watch?v= gOyup6yLBY Audio or video is not supported Please download the file and open it with the appropriate software. fad796eee8494a11b510a2ef733ec2e0.mp4 · 312.95MB fad796eee8494a11b510a2ef733ec2e0 00:00 Audio or video is not supported Please download the file and open it with the appropriate software. fad796eee8494a11b510a2ef733ec2e0.mp4 · 312.95MB fad796eee8494a11b510a2ef733ec2e0 00:00 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣