Ramp 估值 440 亿美元融资，Stripe 70 亿收购

Ramp 以 440 億美元估值融資 7.5 億美元，Stripe 砸 70 億美元買下 OpenRouter。兩家巨頭押注的不是單純增長，而是 AI 原生：token 支出、代理身份、模型路由等全新客戶任務，正成為金融科技的新金礦。

（前情提要：Stripe 與 Paradigm 聯手孵化的支付公鏈 Tempo 主網上線，同步推出「AI 機器支付協議」）

（背景補充：Stripe 發布 288 項更新：Google AI 購物、Link 代理錢包、Tempo 鏈穩定幣支付三線並進）

Simon Taylor 在最新專欄中拆解，Ramp 與 Stripe 的估值神話並非來自傳統支付業務，而是它們正圍繞 AI 創造的全新客戶任務建立護城河。從 token 支出管理到代理身份認證，這些任務在 AI 出現前根本不存在，如今卻成為金融科技最肥美的獲利來源。Taylor 指出，投資人真正買單的，是這些公司能否持續抓住 AI 原生需求。

AI 催生全新客戶痛點 這些痛點正是下一代金融商品的誕生溫床。Token 支出、代理身份和模型路由在 AI 之前幾乎不存在。

Ramp 近期完成 7.5 億美元融資，估值達 440 億美元。它可能並不需要這筆錢，但這輪融資買的不只是亮眼成長，而是更大的願景*。這輪融資買入的是一個關於成為 AI 原生的連貫敘事。

這個故事之所以可信，在於它正緊扣 AI 驅動的客戶任務重塑業務。例如，Router 為每個請求找到成本最低、質量最高的模型，據 Ramp 稱能為客戶節省 40% 的成本。Stripe 也正堆疊類似的技術架構：底層是支付，Metronome 負責按使用量計量和計費，頂層是 OpenRouter 在 400 多個模型之間路由流量。據報道，它為頂層支付了超過 70 億美元。

每位投資人，尤其是成長型基金，都在找尋能受惠於 AI 爆發、且因此更具韌性的企業。他們想押注贏家，避開輸家。

本週我與三位創辦人深談。三人都在以 AI 原生為名接近完成大額融資。三人問我的問題都差不多： 我們該如何將自己定位為 AI 原生？我們的產品應該是什麼？

他們問的是定位，但我認為答案在產品。

這篇專欄就是我的回應。

快速地圖： 你處在哪個位置：採納者、受益者還是原住民 AI 原生不是口號：Ramp 與 Stripe 的估值密碼 AI 創造了一個任務階梯：老任務做得更好；核心旁邊的新任務；沒人解決的新任務 為什麼你的代理需要分發策略 現在該做什麼 克萊頓·克里斯滕森對本文最有用的觀點是：客戶不買你的產品，他們僱傭產品來完成一項任務。

金融領域的待辦任務包括：報銷我的費用、對賬我的發票、幫我管理欺詐。這些任務早於 AI 就存在。現代模型能把其中一部分做得更快、更便宜、需要的人工更少，但客戶一醒來想要的還是同一件事。

AI 還創造了第二類任務：監控我的 token 支出；把每個推理請求路由到最佳模型；讓我的代理買東西，而不必交出整個身份和銀行帳戶。

在 AI 帶來這些問題之前，沒人有這些任務。

我透過一個 2×2 矩陣來思考如何成為 AI 原生。

任務：老客戶任務一直存在（比如管理欺詐），而 AI 創造的任務是隨技術一起出現的（比如管理我的 token 支出）。

公司：一家在 AI 之前就存在的公司或產品，或者一家只因 AI 才存在的公司。

把兩者放在一起，長這樣？

老客戶任務 AI 創造的客戶任務 已存在的公司 / 產品 任務階梯：從舊任務到新任務的獲利地圖 Nubank / NuFormer Ramp 和 Stripe 沒有現代 AI 就不可能存在 Harvey、Hebbia 和 Rogo OpenRouter 和 fal 左上是深度採用。Nubank 用 NuFormer 做更好的信貸決策，但承銷是古老的銀產業任務。

左下是 Harvey、Hebbia 和 Rogo 的位置：這些產品在現代模型出現前不可能存在，乾的是早就存在的法律和金融研究工作。

右側是順風所在。當 AI 給客戶提供新東西可買時，Ramp 和 Stripe 已經有業務了。OpenRouter 和 fal 之所以有意義，只是因為推理變成了一個產業。

這也意味著一家公司可以佔據不止一個格子。Ramp 的支出產品在左上。它的 token 面板和 Router 在右上。Stripe 的支付業務在左上；Metronome 和 OpenRouter 把它拖到了表格右側。事物很少能幹淨地塞進 2×2 矩陣。

所以請允許我再拋一個概念給你。

我發現有三個標籤很適合描述公司的姿態： 採納者用 AI 服務他們已有的需求。也許他們加了個副駕駛。這裡有真實價值。它們可以更快、更便宜、更精簡，但銷售管線結構不變。大多數加了個代理的 SaaS 公司都是這一類。

受益者把老任務做得更好，並抓住 AI 在隔壁創造的新需求。Ramp 或 Stripe 是最乾淨的例子。支出管理仍是核心任務；token 成本管理和模型路由則是旁邊的新收入口袋。

原住民因新需求而存在。OpenRouter 在 400 多個模型之間路由請求。fal 大規模執行生成式媒體推理。在一個沒有推理可賣的世界裡，這兩家都沒有生意。

代理身份與模型路由：金融科技的新金礦 這張圖告訴你需求從哪裡來。

任務告訴你機會可能在哪裡。成為 AI 原生是有階梯的：底部是熟悉的，頂部是尚未解決的輝煌難題。那就跟我一起往上爬吧。

AI 驅動的營運模式改變了公司的形態、治理和作業系統。團隊圍繞員工構建外掛，接入內部資料、共享技能，並改變誰能做什麼。產品經理和設計師開始上執行緒式碼。工程師進一步進入產品。團隊構建自己的內部工具。（更多內容見 AI 營運模式報告。）

這是入場券。它能讓你加速，但單靠它不會改變你賣什麼。

一些 AI 原生產品服務於非常老的任務。這並不會降低它們的原生程度。

合規篩查、檔案與郵件對賬、法律研究和財務報告在 AI 出現前都是麻煩的文書工作。Beacon、Sardine*、Gradient Labs、H...