TechFlow Logo
登入/ 註冊
ETH Gas
Gwei
恐懼
gas
所有人都錯了,Stripe 收購 OpenRouter 因為 AI 安全:a16z 種子輪投資人揭露真實原因

所有人都錯了,Stripe 收購 OpenRouter 因為 AI 安全:a16z 種子輪投資人揭露真實原因

2026.08.21
分享至
Stripe 買下的並不是一個“模型路由器”,也不只是一個新的 AI 計費入口。它買下的,是目前整個 AI 生態中極少數真正具備戰略價值的跨模型安全與對齊資產。

兩天前,Stripe 官宣收購 OpenRouter,網傳整個收購超過 80 億美元,為什麼 Stripe 願意付出如此高的價格?

最有資格回答這個問題的人之一,是 Anjney Midha。因為他不只是 OpenRouter 最早期、最關鍵的投資人之一,也是公司董事。他主導了 a16z 對 OpenRouter 的種子輪投資,後來創辦 AMP PBC 後又繼續加註。

Midha 的履歷非常少見。他在 Stanford 接觸機器學習,後來進入 Kleiner Perkins,並推動成立其早期科技投資團隊 KPCB Edge;之後轉身創業,創辦計算機視覺與多人空間計算公司 Ubiquity6,2021 年被 Discord 收購。他隨後成為 Discord 的平臺生態副總裁,建立了 Discord 第一個專門的開發者平臺團隊,並親手推動與 Midjourney 的合作。

2023 年,他加入 a16z 負責 AI 投資。作為投資人,他很早就押中了 Anthropic、ElevenLabs、Luma AI、Ideogram、Mistral AI、Black Forest Labs、LMArena、Sesame AI、Periodic Labs 和 OpenRouter。這個人真正厲害的地方,不只是投中了很多明星公司,而是他總能在一個新類別被市場看懂之前,就先看見它。

Stripe 與 OpenRouter 官宣交易後,Midha 很快在 AMP 官網發表了一篇文章,對這筆收購做了一個非常獨特的總結。

在他看來,大多數人都沒有理解 Stripe 收購 OpenRouter 的真正原因。

Stripe 買下的並不是一個“模型路由器”,也不只是一個新的 AI 計費入口。它買下的,是目前整個 AI 生態中極少數真正具備戰略價值的跨模型安全與對齊資產。

1. 引言

OpenRouter 已宣佈將加入 Stripe。許多風險投資人、評論人士和分析師都對這筆合併為何非常合理,或者為何毫無道理,發表了各自的看法,具體是哪一種說法,似乎取決於當天是星期幾。我們還沒有看到一篇分析真正說對了。

簡短的答案很簡單:這是為了整個生態系統層面的 AI 安全與對齊。

不是為了路由,不是為了整合計費,也不是因為“Token 就是新的美元”(儘管它們的確是)。下面是完整解釋。

2. Stripe 是一家安全公司

人們通常把 Stripe 看作一家轉移資金的公司。但如果只是簡單地轉移資金,這其實是一種標準化商品;銀行幾個世紀以來一直在以極低的利潤率做這件事。

Stripe 真正建立起來的,是一臺可以規模化運行的在線信任機器。Radar 每天都在整個網絡中對對抗性交易進行風險評分。那套人人稱讚的 API,本質上是構建在安全基礎設施之上的開發者體驗;其底層包括欺詐模型、拒付責任、身份驗證,以及覆蓋全球所有司法轄區的合規能力。

Stripe 能夠勝出,是因為在互聯網規模的惡意流量中,它比任何同類機構都更擅長承擔和管理風險。

3. OpenRouter 數據的形態

我們曾經發表過一項研究,分析了流經 OpenRouter 的 100 萬億個 Token [1]。與許多人的想象不同,處於中位數的典型請求並不是一個人向大語言模型提出問題,而是一臺正在循環過程中運行的機器:

在一年時間裡,推理模型的流量佔比從幾乎可以忽略不計的水平,上升到全部流量的一半以上(圖 1);平均 Prompt 長度增長了 4 倍(圖 2);還有相當比例的請求最終以一次工具調用結束(圖 3)。

這項研究的核心結論非常直接:

推理平臺現在必須規模化地管理持續變化的上下文和狀態。

圖 1:推理模型的 Token 佔比,按周統計,2024 年 11 月至 2025 年 11 月。

圖 2:每次請求的平均 Prompt Token 數,2024 年 1 月至 2025 年 11 月。

4. 對齊是一個上下文反饋問題

就像規模化支付一樣,規模化的前沿 AI 安全也是一個持續的上下文反饋循環問題。Stripe Radar 的防禦壁壘主要就來自這一點:十年來,它每天都在規模化的對抗性交易數據上進行訓練。

沒有足夠新鮮的數據語料,就無法複製這個模型;而如果不處在交易流本身之中,就無法獲得這樣的語料。所有能夠長期成立的安全業務都具有相同的結構:

產品是模型,護城河是數據,而數據來自流量。

如果從安全角度重新審視第 3 節,就會看到:Agent 持有憑證、調用工具併發起支付。一個擁有支出權限、同時帶有 2 萬 Token 上下文的自主進程,本身就是一個交易對手方。

這些對抗性的機器交易對手方,可能受到惡意人類的指使,即濫用(misuse);可能在追求其操作者無意設定、但模型已經習得的目標,即錯位(misalignment);也可能在執行過程中被注入的指令劫持,即攻陷(compromise)。無論屬於哪種情況,它們都可能以機器速度實施欺詐、竊取並外傳數據,以及耗盡預算。

如果這種對抗性交易對手方運行的是開放權重模型,就沒有任何上游實驗室能夠觀察或撤銷它。唯一能夠執行約束的地方,是它實際進行交易的那一層。保護推理系統的方式,將與保護支付系統的方式相同:

使用規模化的交易數據訓練模型。

因此,這筆收購最終可以歸結為一個問題:誰擁有這些數據?

不是模型實驗室。每一家前沿模型實驗室都能觀察到巨大的流量,但只能看到自己模型上的流量,就像一家銀行只能看到自己的賬戶。僅憑一家銀行的賬本,不可能訓練出 Visa 的欺詐檢測模型;而對於開放權重模型來說,甚至連這樣一家“銀行”都不存在。也不是雲服務商。雲服務商能夠觀察基礎設施,卻無法觀察行為意圖。

這裡需要先說明幾個術語,因為 AI 安全領域對這些概念的區分非常重要。

5. 正在形成的前沿 AI 對齊技術棧

對齊是系統行為的一種屬性。目前,這一領域主要從兩個環節研究對齊問題。

訓練時方法(training-time methods)負責塑造模型的行為意圖。越來越多關於推理時對齊(inference-time alignment)的研究,則嘗試在不重新訓練模型的情況下,於部署階段約束模型按照預期行事 [5, 6]。與此同時,AI 控制研究關注的是:即使訓練時對齊失敗,如何仍然保證已部署系統的安全 [3, 4]。

圖 3:正在形成的前沿 AI 對齊技術棧

我們用“部署時對齊”(deployment-time alignment)來指代由此產生的複合問題:在真實運行環境中,對已經部署的 Agent 的預期行為進行驗證和強制執行,因為對齊失敗正是在這裡實際顯現。

驗證需要監控,而監控的效果取決於用來訓練監控系統的行為數據質量 [7]。Agent 的行為數據是一種網絡屬性:

我們必須能夠跨越同一個 Agent 所接觸的每一個模型和供應商,對它進行觀察。因為無論是濫用、錯位還是被攻陷,在行為發生的那一刻,都會以完全相同的形式呈現出來:一筆交易。

因此,Agent 安全本質上是一個部署時對齊問題;而部署時對齊,就像此前的欺詐檢測一樣,本質上又是一個數據問題。

目前,恰好只有一個這樣的數據集存在。

OpenRouter 每天處理超過 10 萬億個 Token,覆蓋來自數十家供應商的 500 多個模型,其中包括執行軌跡、工具調用圖、支出速度、路由決策和失敗模式。

這是目前世界上規模最大的跨模型推理交易數據語料庫。對於開放權重模型而言,它甚至是唯一的一個。開放權重模型正在承載數量可觀且不斷增長的 Agent 工作負載 [1]。同一個開放模型檢查點會由數十家彼此獨立的供應商提供服務;這些供應商都不是模型作者,沒有任何一家對模型行為負全責,也沒有任何一家能夠看到超出自己局部範圍的數據。只有在路由層,這些行為才會真正匯聚到一起。

這裡必須準確區分:這些是具有交易結構的元數據,而不是 Prompt 內容。OpenRouter 默認關閉 Prompt 日誌記錄 [2];相關實證研究也完全基於元數據進行,沒有訪問任何 Prompt 或模型補全文本 [1]。

Stripe Radar 同樣不會讀取購物車裡的具體內容。欺詐模型依據的是交易的形態,而 OpenRouter 掌握的跨網絡交易形態,比市場上的任何其他實體都更豐富。

對此最明顯的反對意見是數據集中化:這筆交易將目前唯一存在的跨模型行為數據語料庫放進了一傢俬人公司,而這種獨一無二、與安全高度相關的數據集,恰恰是整個領域最擔心被集中控制的資產。

但是,其他選擇可能更糟:數據繼續碎片化地分散在數十家供應商手中,沒有任何一家能夠看到足夠多的信息並採取行動;或者,這些數據最終被一家擁有直接競爭模型利益的前沿實驗室所控制。與這些可能性相比,目前的結果是一個少見的淨利好(Net positive)。

Stripe 對不同模型保持足夠中立:它不訓練任何前沿模型,也不與任何模型實驗室競爭。Stripe 的商業激勵,是為所有通過其系統進行交易的參與者提供信任保障。這一激勵與整個生態系統的安全目標指向同一個方向。

換句話說,Stripe 買下的不是一個路由器,而是一項具有戰略意義的前沿 AI 系統安全與對齊資產。

我們相信,將這項資產與 Stripe 現有的基礎設施結合起來,可以增強整個生態系統獨立開展對齊工作的能力;這是任何一家模型實驗室都很難獨自做到的。因此,這筆收購對獨立前沿 AI 生態系統的健康發展而言,是一個淨利好。