我在 Stripe Sessions 2026 看到的 AI 經濟

撰文：Gao fei

編譯：AididiaoJP，Foresight News

1987 年，經濟學家羅伯特·索洛說了一句著名的話：「你能在任何地方看到計算機時代，唯獨在生產力統計數據裡看不到。」這句話困擾了經濟學家近十年。直到 1990 年代中期，計算機對生產力的貢獻才終於在數據中顯現出來。

2026 年，同樣的困惑正在 AI 身上重演。泡沫論來來去去，學者們爭論不休，企業猶豫不決，宏觀數據信號依然模糊。但有一個地方，AI 對經濟的影響已經無需爭論。

現在我們來看 Stripe。

過去幾天，我參加了在舊金山舉行的 Stripe Sessions。Stripe 處理的交易量相當於全球 GDP 的近 2%，年支付量達 1.9 萬億美元，平臺上有超過 500 萬家企業。《福布斯》AI 50 強榜單中 86% 的公司都在使用 Stripe。如果說 AI 經濟是一個剛出生的嬰兒，那麼 Stripe 就是產房裡的心率監測儀。它比幾乎任何人都更早、更精準地記錄著嬰兒的心跳。

聖路易斯聯儲 2026 年初發布的一項研究顯示，AI 相關投資已貢獻了美國邊際 GDP 增長的近 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，大部分結算都發生在 Stripe 上。更重要的是，Stripe 不僅僅在記錄 AI 經濟的心跳。在今年的大會上，它宣佈要推動一種新的經濟形態：Agentic Commerce（智能體商業），即智能體成為交易主體。在一次集體媒體採訪中，聯合創始人兼總裁約翰·科裡森表示，他預計智能體作為商業交易買方的角色將在 12 到 18 個月內成為主流。

兩天時間、288 項產品和功能發佈、超過 1 萬名參會者，一個定義性短語貫穿始終：Agentic Commerce。以下是我在 Stripe Sessions 2026 的所見，以及我的個人思考。

AI 經濟到底跑得有多快？

在討論智能體商業之前，先看看 AI 經濟的整體輪廓。索洛 1987 年說計算機在統計數據裡無跡可尋，近四十年後，AI 在 Stripe 的數據裡已經清晰可見。

大會第一天上午，CEO 帕特里克·科裡森展示了一組數據。自疫情以來，Stripe 上每月新成立的企業數量一直保持在高位，但曲線相對平坦。從 2026 年初開始，這條曲線幾乎垂直向上拉昇。直接原因是 AI 編碼工具大幅降低了創業門檻，許多開發者現在用「vibe coding」就能在幾天內做出可收費的產品。帕特里克將其描述為更宏觀的現象——整個經濟正在圍繞 AI 重新平臺化。Stripe AI 業務首席營收官 Maia Josebachvili 補充了一個外部對比：直到 2024 年，iOS App Store 的應用發佈數量一直在下降。AI 編碼工具出現後，發佈量環比增長 24%。

變化不僅是數量上的，也是質量上的。Stripe Atlas 是創始人最簡便的美國公司註冊方式之一。上週剛剛慶祝第 10 萬家公司成立。在大會上，我聽到一組驚人的數據：2025 年通過 Atlas 註冊的公司，在生命週期的同一節點產生的收入是 2024 年同期公司的兩倍。2026 年的公司才成立幾個月，其收入已是去年同期公司的五倍。

第一天下午的 AI 經濟報告中，Maia Josebachvili 列出了推動 AI 經濟崛起的幾個名字。Lovable 在八個月內做到 1 億美元收入，又在接下來的八個月衝到 4 億美元。Cursor 在不到兩年內達到 10 億美元年化收入，三個月後又翻倍至 20 億美元。Stripe 上領先的 AI 原生公司在 2025 年增長 120%，2026 年至今已增長 575%。

消費端同樣陡峭增長。最高消費用戶每月在 AI 產品上花費 371 美元，超過普通美國人每月在互聯網接入、流媒體和手機賬單上的總和。我粗算了一下自己每月的 token 開支，早已超過手機賬單。

帕特里克還做了一個對比：Stripe 上的企業增長速度是全球經濟的 17 倍。

第二天，約翰·科裡森直接提到了索洛悖論，並用歷史類比解釋。1882 年，愛迪生在曼哈頓點亮了第一批客戶電燈。但在此後三十年電氣化期間，生產力幾乎沒有提升。原因不是電力不管用，而是工廠當時是圍繞蒸汽機設計的。只有在整座工廠被重建之後，生產力提升才出現。約翰的判斷是，AI 正處於類似階段。變化已經在發生，但舊有模式還沒來得及完全吸收。「不過，」他說，「我懷疑 AI 不會花三十年。」

Stripe 的數據似乎支持他的樂觀。在其平臺上，AI 經濟已經在爆發。我接觸到的幾乎每一家傳統公司，最高領導層都在以極高的緊迫感推動 AI 部署。

從第一天起就全球化

除了速度，這些 AI 公司還有另一個讓我印象深刻的特徵：它們從第一天起就是全球化的。Stripe 對此有一個說法：默認全球化。

自從我自己成為 AI 博主以來，經常遇到一種體驗：AI 內容創作沒有時區之分。太平洋另一邊的 AI 新聞和本地新聞權重相同。AI 產品也是如此。大語言模型模糊了傳統軟件依賴的界面語言和交互習慣。一個統一的聊天框就能讓全球用戶通過自然語言使用產品。從這個意義上，大語言模型第一次讓統一的全球軟件市場成為可能。

大會數據印證了這一觀察。在之前的 SaaS 浪潮中，最快增長的公司第一年覆蓋約 25 個國家，第三年達到 50 個。AI 公司的節奏完全不同：第一年 42 個國家，第三年 120 個。Maia 說，哈薩克斯坦現在已經出現在許多 AI 公司的市場清單上。在第二天的「Indexing the Economy」 分論壇上，Stripe 給出了一箇中位數：前 100 家 AI 初創公司在第一年就已經賣到了 55 個國家。

Emergent Labs 是一個具體例子。該公司 2024 年在美國成立，但近 70% 的收入已來自海外，至少 16 個國家各自貢獻至少 1% 的收入。在領先 AI 公司中，48% 的收入來自公司本土市場以外。三年前這一比例僅為 33%。全球收入不再是補充，而是基礎情況。

速度和全球化是 AI 經濟的兩大核心特徵，而這兩點都與 Stripe 直接相關。AI 公司需要快速建立支付能力，需要在第一週就能在 40 個國家和地區收款。這恰好是 Stripe 從成立第一天起就在做的事情。

這裡需要補充一點 Stripe 的創立背景。

Stripe 的創始人帕特里克·科裡森和弟弟約翰·科裡森是愛爾蘭人，他們自己就是跨境創業者。在大會上，我遇到一位愛爾蘭同事，他告訴我，在愛爾蘭 AI 創始人眼中，這兩兄弟是英雄。來到美國後，他們發現在線收款極其困難：連接支付系統需要和銀行籤合同、做 PCI 合規審查、對接多箇中間商，整個過程可能要幾周甚至幾個月。

於是 2010 年，兩個二十歲出頭的年輕人輟學，搬到舊金山，寫了一個解決方案，讓開發者用七行代碼就能收款。這七行代碼正好趕上移動互聯網和 SaaS 起飛。Shopify 需要幫助數百萬商家收款，Uber 需要乘客無摩擦支付，Salesforce 需要處理全球訂閱……他們都選擇了 Stripe。隨著這些全球客戶一起成長，Stripe 在 46 個國家建立了本地化能力，覆蓋 195 個市場，支持 125 種本地支付方式。

對消費者來說，Stripe 不是站在聚光燈下的公司。它藏在 Shopify 結賬頁、OpenAI 訂閱確認郵件和 Uber 費用通知背後。但這種隱形並沒有阻止它成為互聯網經濟的底層金融管道。在 AI 時代，這一全球金融基礎設施讓 Stripe 在服務向國際擴張的 AI 公司時擁有先發優勢。

在今年的大會上，我還見到了 Stripe 全球產品負責人 Abhi Tiwari。他三個月前剛剛接手這個職位，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，還在聖保羅設立了拉美辦公室。Abhi 告訴我，很多 AI 公司找到 Stripe 時開口第一句都是：「我們默認全球化，用戶在哪裡不重要。」那種在總部開發產品再推向全球的舊模式，正在被本地團隊在市場中構建的新模式取代。

觸達全球用戶是一回事，讓他們付款是另一回事。後者要複雜得多，因為每個市場都有自己的貨幣和支付習慣。在這方面，Stripe 主要通過兩種方式幫助 AI 公司和其他客戶：本地貨幣定價和連接本地支付方式。前者讓巴西用戶看到的是雷亞爾而不是美元價格，跨境收入提升 18%；後者讓印度用戶用 UPI、巴西用戶用 Pix 支付，轉化率提升超過 7%。AI 演示工具 Gamma 在印度接入 UPI 後，當月印度收入暴漲 22%。在展臺，我也看到了中國公司 MiniMax 的身影。據我瞭解，很多中國出海公司通過海外實體使用 Stripe 的金融服務。

這些 AI 原生公司還有一個共同特徵：人員極少，很多是獨立創始人。一兩個人加上一群智能體，就能支撐起一家有真實收入的全球公司。第二天 Emily 的演講中給出了一個數據：Atlas 上獨立創始人的密度已接近每百萬美國人 5000 人，而且越來越多人的年收入超過 10 萬美元。

Emily 用的詞是 solopreneur（一人公司）。這讓我想起中國快速發展的 OPC（One Person Company）浪潮。約翰用羅納德·科斯的企業理論來解釋這一現象。企業存在是因為內部協調成本低於市場協調成本。但 AI 可能正在逆轉這一邏輯。當智能體能幫你發現服務、集成軟件、處理支付時，外部協調成本大幅下降。你不再需要一屋子員工去做以前需要整個部門完成的事。

從人類經濟到智能體經濟

上面描述的 AI 經濟，無論增長多快、全球化程度多高，交易主體仍然是人類。人類在購買 AI 產品，人類在用 AI 工具創業。但我在今年的 Sessions 上感受到的最強信號是，Stripe 的下一個重大聚焦是另一種轉變：智能體成為市場參與者的經濟形態，這就是 Agentic Commerce。

這一轉變已經在 Stripe 自己的數據中悄然出現。產品和業務總裁 Will Gaybrick 展示了一組數字。多年來，Stripe CLI（命令行界面）僅被一小群極度技術化的用戶使用，使用量幾乎沒有變化。2026 年開始後，使用量突然暴增。原因在於智能體不需要精美的圖形界面，簡潔的 CLI 往往更有用。Maia 的數據顯示，2025 年來自智能體閱讀 Stripe 文檔的流量增長了約十倍。如果當前趨勢持續，到年底智能體閱讀 Stripe 文檔的數量將超過人類。Stripe 花了十多年打磨的 API 文檔，找到了它新一輪最忠實的讀者。

如果智能體花錢聽起來還很陌生，可以想想兩個已經發生的場景。

第一個是購物界面可能正在轉向模型聊天窗口。消費者現在常用 ChatGPT、Gemini 或 Instagram 研究產品。研究和交易之間的距離被壓縮到一個界面裡。中國也出現了相關案例，比如在 AI 應用裡買奶茶。

在集體媒體採訪中，約翰·科裡森用自己買旅行電源適配器的經歷解釋為什麼這種壓縮難以逆轉。如果一個智能體完成從研究到下單的全流程，幾天後產品送到家裡，他不會再跑到另一個網站從頭填寫個人信息，哪怕那個網站的產品可能略好。一旦購物智能體完成搜索流程，下一個自然步驟就是結賬。

第二個例子更有趣：OpenClaw。關注過「龍蝦」浪潮的人都知道，它是目前最熱門的開源自主智能體框架之一。用戶通過飛書、Telegram、WhatsApp 等消息應用給智能體下指令，智能體自主執行任務。關鍵在於 OpenClaw 一天就能消耗幾百元甚至幾百美元的 token 成本。它自己管理 token 消耗和使用。雖然很多情況下仍需人工授權，但最終是智能體在消耗 token，而 token 可以直接轉化為金錢。

從智能體管理 token 消耗，到智能體直接花錢，只差一步。在今年的大會上，Stripe 的演示跨過了這一步。

演示：智能體買賣

第二天主舞臺上，一個演示贏得多次掌聲。

約翰·科裡森在臺上給智能體一個簡單指令：研究 AI 需求如何影響能源市場。智能體開始搜索，發現 Alpha Vantage 有一個它需要的能源市場數據集，價格 4 美分。智能體判斷價格在預算內，隨後用 Tempo CLI 中的穩定幣錢包自主完成購買和下載，因為用信用卡支付 4 美分並不划算。接著它生成了一份完整的分析報告。這已經很驚人了。但約翰隨後對智能體說：「把這份報告發布並出售。設定你認為合理的價格，讓其他智能體能找到併購買它。」智能體檢查了 Alpha Vantage 數據集的許可條款，確認允許商業化，然後搭建網站、發佈報告，並生成一個指令文件，讓其他智能體通過一個請求即可購買數據。

短短几分鐘，一個智能體完成了研究、採購、生產、合規審查、發佈、定價和銷售的全鏈路。它既是買家也是賣家。演示結束後，約翰說了一句：「Agentic Commerce 已經來了。」

第一天的另外兩個演示同樣令人印象深刻。Will Gaybrick 搭建了一個 API 審查應用，讓智能體為用戶獲取審查服務。整個過程中他沒有告訴智能體任何支付信息。在執行任務時，智能體自動發現該應用使用 Machine Payments Protocol（MPP），並自主完成了 2 美元支付。人類只按了一次指紋授權。這種零配置發現支付的能力，正是 MPP 作為協議的核心設計。開發者無需為智能體單獨編寫支付邏輯，智能體自己就能找到。

緊接著，Gaybrick 結合 Metronome（實時計量引擎）、Tempo（為支付設計的區塊鏈）和穩定幣，演示了流式支付。一個應用根據 AI token 消耗實時收費，每百萬 token 3 美元。多個智能體同時運行。左側儀表盤顯示 token 消耗上升，右側穩定幣微支付同步流入。當打開 Tempo 區塊鏈瀏覽器時，總額 3.30 美元的支付由數千筆亞美分微支付組成，每筆只有三千分之一美分。信用卡做不到，ACH 做不到，UPI 和 Pix 也做不到。Gaybrick 在臺上宣佈，這是全球首個流式支付業務。

微支付的迴歸與新的消費邏輯

通過聊天窗口購物和 OpenClaw 是智能體代表人類消費的例子。但在集體採訪中，科裡森做出了更具野心的判斷：智能體可能創造全新的需求。

他認為，智能體可能讓一個討論多年卻從未真正實現的商業模式變得可行：微支付。人類不擅長做極度細粒度的消費決策。Spotify 用每月 9.99 美元訂閱取代單曲付費，就是因為沒人願意每次按播放鍵時都決定一首歌值不值 15 美分。智能體沒有這種認知負擔。如果這一判斷正確，那麼一大類因人類認知摩擦而失敗的商業模式，在智能體面前可能突然變得可行。Maia 在和我的一對一對話中也表達了類似觀點。她說她剛和幾十位 AI 創始人聊過，當討論智能體商業時，定價是最常被提到的話題。

每一筆交易都有買賣雙方。如果買方變成智能體，商家該怎麼辦？

在一次採訪中，我問 Stripe 產品負責人 Jeff Weinstein：人類有句俗語「顧客永遠是對的」，商家需要取悅消費者。那麼該如何取悅智能體？Jeff 的回答是，把智能體想象成你認識的最好的程序員。它想要完美信息、結構化格式、快速可讀性，以及決策所需的所有上下文。人類消費者喜歡漂亮圖片和流暢動畫，智能體想要原始結構化數據、精確物流信息，以及用最少步驟完成交易的能力。

在另一場對話中，Meta 產品副總裁 Ginger Baker 更激進地總結了這一轉變：支付將從「瞬間」變成「策略」。人類消費者的購買是離散的。你走到收銀臺，掏出錢包，刷卡，交易完成。智能體消費是持續的。你設定一組規則，比如「本週雜貨不超過 50 美元」「始終優先這張卡」「500 美元以上必須人工授權」。然後智能體在你設定的授權框架內自主持續消費。

安全：算力就是新的現金

如果智能體真的成為一種新的消費者，也會帶來新的風險。這些風險與傳統 SaaS 交易風險和人類消費者面臨的風險本質不同。

在 Sessions 期間，我特別關注這個話題，並與幾位 Stripe 高管進行了討論。

Stripe 數據與 AI 負責人 Emily Glassberg Sands 描述了三種快速增長的欺詐模式。第一種是多賬戶濫用。同一個人反覆註冊不同賬戶，每個賬戶領取免費額度。根據 Stripe 網絡數據，每六個 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耗。這對 AI 公司尤其致命，因為每次試用都會燒掉真實推理成本。她舉了一個例子：某合作伙伴公司獲取每個付費客戶的 token 成本超過 500 美元，因為轉化一個客戶需要 25 次免費試用，其中 19 次是欺詐。第三種她稱為「吃霸王餐」。客戶大量消耗 token，月底拒絕付款。Emily 還引用了一句名言：「算力就是新的現金。」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真實成本。被盜 token 就是被盜金錢。

然而，這裡存在一個讓我特別糾結的兩難。許多 AI 創始人應對濫用的方法是關閉免費試用。

Emily 說，她問過所有聲稱「解決」這個問題的人是怎麼做到的，結果發現他們的解決方案就是直接關閉免費層。但 Jeff 認為這會製造另一個問題。智能體正在成為發現新服務的主要方式。如果智能體無法自行試用服務，它就會直接跳到另一個 URL。Emily 補充說，如果呈現給智能體的行動號召是「加入等待名單」或「聯繫銷售」，智能體就會立刻離開。為了防欺詐而關閉自助註冊，可能意味著把最重要的增長渠道拱手讓給競爭對手。

Stripe 對這一兩難的回答是其欺詐預防系統 Radar。Radar 的邏輯很簡單：每次在 Stripe 上完成交易，Radar 就學習一次。來自 500 萬家企業的交易數據流入共享風險識別網絡。如果一家公司遇到某種欺詐模式，所有公司都能受益。上個月，Radar 在八家高增長 AI 公司中阻止了超過 330 萬次高風險免費試用註冊。

Jeff 還提出了一個反直覺的觀點：智能體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推斷：用戶在網站停留多久、點擊路徑是否正常等。而智能體交易可以進行程序化認證。Stripe 的 Shared Payment Tokens 將支付憑證 token 化，智能體永遠不會接觸原始信用卡號。用戶通過生物識別授權，並可設置交易限額、時間窗口和商戶白名單。當信任機制從推斷轉向確認時，安全基線實際上可能提高。

生態、協議與一段歷史

到目前為止，應該很清楚：沒有功能良好的生態系統，智能體商業就不可能實現。在 Stripe Sessions 2026，我遇到了一位食品行業人士。他說他參會的目的是想了解智能體商業是否能成為公司的新機會，這是賣方的視角。

所以這不可能僅靠 Stripe 完成，它需要一個生態系統。

在 Sessions 展廳漫步兩天，我看到了金融產業鏈上大量公司的展位。Stripe 也與上下游合作伙伴推出或加入了一系列協議，將生態系統的不同部分連接起來：買方與賣方、人類與機器、機器與機器。Machine Payments Protocol（MPP）讓智能體能通過 HTTP 發現並完成支付。Agentic Commerce Suite 讓消費者直接在 Google、Meta、OpenAI 和微軟的 AI 應用內完成購買。Universal Commerce Protocol（UCP）是由 Shopify 發起、Meta、Amazon、Salesforce 和微軟加入的跨平臺商業協議。Stripe 加入了 UCP 總理事會。一群既是合作伙伴又是競爭對手的公司同意共同制定一個共享協議，因為碎片化會讓智能體難以跨平臺順暢消費，對誰都沒好處。

說到協議，我在展廳看到一個特別的 Stripe 合作伙伴：Visa。在我看來，Visa 本質上就是一個協議平臺。

注意到 Visa 立刻讓我想起一本我很喜歡的書：《One from Many》，作者是 Visa 創始人 Dee Hock。書中一個核心主題是，在電子時代，銀行、貨幣和信用卡該如何被重新定義。貨幣不再必須是硬幣和紙幣，它也可以是機構擔保的、由網絡記錄的、在全球流動的數據。上世紀 60 年代末，Bank of America 發行的 BankAmericard 擴展到全國，大量跨州消費者湧入，舊系統崩潰。Hock 意識到問題是組織層面的。幾十家相互競爭的銀行需要共享基礎設施，但現有組織形式無法讓它們既合作又競爭。他用去中心化設計原則讓所有銀行成為新組織的平等成員，Bank of America 放棄了對系統的獨佔控制。這個組織後來被更名為 Visa。

於是兩個不同時代、兩家不同公司在做相似的事情，它們之間是否存在著某種傳承？

藉助任何智能體都能輕鬆找到答案。帕特里克·科裡森曾公開向 Hock 致敬。2022 年 Hock 去世後，帕特里克稱他為「一位被嚴重低估的創新者」，對他和弟弟影響深遠。更明確的信號是招聘決定：Visa 權威學術史作者 David Stearns 後來加入了 Stripe。

還有一個熟悉支付歷史的人會會心一笑的細節。在舞臺上，Tempo 區塊鏈 CTO Georgios Konstantopoulos 展示了驗證者陣容。其中一個名字是 Visa。Hock 創立的 Visa，現在成了 Stripe 孵化的區塊鏈網絡中的一個參與節點。學生建了新網絡，老師成了其中的一個節點。

當帕特里克在大會開幕時追溯 Stripe 的思想起源時，他說自己最初是個寫 Lisp 的程序員。Lisp 的核心思想是「代碼即數據」。他把這個思想翻譯成 Stripe 自己的語言：「Stripe 的基本理念是貨幣即數據。當我們 2011 年推出 Stripe 時，這還不是行業的正統觀念。」Hock 從組織理論接近貨幣本質，得出貨幣只是「價值交換的擔保」。承載它的介質可以是任何東西。科裡森從編程語言切入，直接把貨幣等同於數據：可以被編程、被 API 調用、被智能體操作的數據。兩人用不同語言說了同一件事。當天舞臺上，Ginger Baker 說得更直白：「貨幣不就是另一種數字內容嗎？」

如果貨幣是數據，那麼數據的消費者自然也會成為貨幣的消費者。

支線情節：Stripe 的內容基因

至此，AI 經濟的故事已接近尾聲。但讓我們繞個小彎，Stripe 幾乎可以被視為內容工作者的同行。

這家公司不僅擅長金融服務，也擅長內容產品。它的出版品牌 Stripe Press 品味極佳，許多人是因為出版《窮查理寶典》而知道它。它的播客《A Cheeky Pint》也很有特色，擁有大量聽眾。谷歌 CEO 桑達爾·皮查伊、Anthropic CEO Dario Amodei、a16z 聯合創始人馬克·安德森都上過這檔播客。

在 Sessions 期間，我見到了 Stripe Press 高級編輯 Tammy Winter 和設計師 Pablo Delcan。Tammy 開玩笑說「Stripe 是一家附帶一家數十億美元公司的出版社」。Pablo Delcan 談了他對品味的理解。他說品味是長期積累的結果，需要時間沉澱。在設計趨勢上，他認為在不放棄簡潔概念和清晰傳達的前提下，新問題是如何通過細節和精確性增加一定程度的複雜度。

談到書籍時，Tammy 告訴我，在 Stripe Press 內部，為創始人和構建者出版的系列叫「Turpentine」系列。這些書聚焦如何做的知識、工具、技術、維護，以及讓工作運轉起來的實際事務。它們不是抽象理論，而是旨在幫助讀者解決具體的運營問題。

這個名字來自一個據說是關於畢加索的故事：藝術評論家聚在一起時談論形式、結構和意義；藝術家聚在一起時談論在哪裡能買到便宜的松節油。這個系列想成為創始人的廉價松節油。如果你仔細想想，對於出海的 AI 公司來說，Stripe 的金融服務就是另一種松節油。你不用操心支付、合規或外匯，可以專注於構建產品。

這條支線看似與主線無關，但底層有聯繫。Stripe 還有一本雜誌叫《Works in Progress》，核心問題是經濟如何增長。它的播客採訪 AI 經濟領袖。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·科裡森用整整一場演講談論經濟數據、科斯的企業理論和索洛悖論。我猜一家金融服務公司如此關心經濟學，正是因為理解經濟的結構性變化，正是它發現下一個產品機會的方式。

作為一個播客愛好者，在大會第一天見到約翰·科裡森時，我第一個想問的不是金融問題，而是播客。我問他，在採訪過這麼多不同的人之後，是否有一條貫穿所有對話的底層問題。他想了一會兒，說他真正感興趣的是這些人的公司到底是如何運作的，他們處於怎樣的競爭均衡，以及他們如何理解自己的業務。

巧合的是，第一天結束時還有一個小轉折。原定的最後爐邊談話是帕特里克採訪 OpenAI 聯合創始人 Greg Brockman，但臨上臺前嘉賓換成了 Sam Altman。帕特里克解釋說，畢竟「AI 是一個快速變化的領域」。

於是驚喜變成了喜悅。全場歡呼。

兩人相識已近 19 年。Altman 是 Stripe 最早的天使投資人之一，當時科裡森兄弟還不到 20 歲。正因如此，Altman 在整個對話中顯得非常放鬆。

接近尾聲時，帕特里克問了一個私人問題：為什麼當年投資兩個十幾歲的年輕人？Altman 說，他記得他們想構建的產品是在解決自己親身遇到的問題，而且他也看到這個機會可以規模化，因為很多其他人也需要同樣的東西。

我覺得他對播客的回答和對投資的回答指向同一件事：找到真實需求，解決真實問題。在對話中，Altman 把 OpenAI 的轉型分為三個階段：從研究實驗室，到產品公司，再到向世界供應智能的「token 工廠」。每個階段對應不同的使命。Stripe 也很相似。2010 年，兩個愛爾蘭年輕人解決的問題是「在線收款太難了」。一路走來，他們為 500 萬用戶解決了同樣的問題。2026 年，他們發現了一個新問題：這些企業的客戶可能很快不再是人類。

一手拿著播客，一手拿著出版社，在舞臺上討論科斯理論和索洛悖論，在展廳鋪開協議和 API，Stripe 不僅在創造 AI 經濟，也在記錄它。在大會上，我產生了一個聽起來有點瘋狂的想法：Stripe 掌握著相當於全球 GDP 近 2% 的交易數據。它能看到 AI 每一美元收入從哪裡來、到哪裡去、增長有多快。如果索洛當年有這樣一個心率監測儀，或許他不必等十年才能在統計數據裡找到計算機。

也許有一天，Stripe 能為 AI 經濟提供一個模型。不是大語言模型，而是諾貝爾級別的經濟模型。誰說這不可能？就在 DeepMind 創始人 Demis Hassabis 獲得諾貝爾獎的幾年前，誰又能想象得到呢？