微信｜tqkm1510
AI 公司为了获得一个付费用户，可能要在 Token 上烧掉超过 500 美元。这种情况并非虚构，而是真实发生在 Stripe 合作的客户身上。
作为一家试图打造 AI 经济基础设施的企业，Stripe 串联起近九成的《福布斯》AI 50 强企业。这让它了解到 AI 世界中钱的流向，和 AI 商业化的种种趋势。待完成对 OpenRouter 的收购，它对 AI 经济的渗透还将进一步加深。
9 月，Stripe Tour 正式落地中国。这是他们面向全球重点市场举办的年度旗舰巡回大会，涉及产品发布、客户交流、生态建设以及对行业趋势的讨论。AI 占据了活动相当多的篇幅。
我们近距离围观了这场活动，同时跟 Stripe AI 业务首席营收官 Maia Josebachvili 做了一番交流。Stripe 分享的数字、案例和观察，把 AI 经济中的问题和趋势直观呈现出来。Token 欺诈正是其中之一。
此外，Maia 对 AI 产品定价与收费模式上的问题做了一番解读，并指出一种有意思的趋势：增长最快的 AI 企业，正集中到用户付费意愿明确的产品领域。
Token 盗用有多严重
AI 为经济带来新活力时，还带来一个副产品：新型欺诈。
不法分子不再只是窃取资金，还在窃取 AI 中的 Token。Stripe 指出，随着越来越多的公司把 AI 嵌入到自己的产品中，Token 盗用已经成为大家面临的最紧迫的挑战之一。
一种常见的类型是多账户滥用。不法分子反复注册，以领取新用户账户、规避限制，或者以全新身份来获取服务。Stripe数据显示，AI 公司超过六分之一的注册涉及多账户使用。
还有一种迅速升级的欺诈模式是免费试用滥用。随着 AI Agent 的能力变强并迅速兴起，Stripe 网络中的免费试用滥用情况急剧攀升，而这会明显增加企业的经营成本。
Stripe 提到，虽然并不是每一次试用都是滥用，但只要滥用足够多，AI 公司的经济模型就会彻底崩塌，进而陷入一种两难困境：要么保留免费试用，任由滥用侵蚀自己的经济模型；要么取消免费试用，拖慢产品或公司的增长速度。
此外还有按量付费的滥用。某位用户在一个月里消耗了价值数千美元的 Token，到月底计费时，却从不付款。“这就像在一家高档米其林星级餐厅用完餐，不买单就跑了。”
Stripe 加强了反欺诈产品 Radar 的能力，来应对这些新挑战。Radar 直接集成在 Stripe 的支付流程里，用来拦截高风险的交易。2025年，这款产品为亚洲企业拦截了 38.9 亿美元的欺诈交易额。
就多账户滥用而言，Radar 会基于此前的设备指纹、IP 地址、邮箱域名等信号，实时评估每一个新账户，在 Token 被消耗之前拦截此类滥用。
针对免费试用滥用，Radar 会预测哪些注册是滥用行为，让正常用户通过，同时把不法分子挡在 Token 之外。
针对按量付费的“逃单”行为，Radar 可以在账单到期之前预测不付款的情况，以便让 AI 企业要求用户预充值或中止服务。
这些措施已见成效。在 8 家企业部署防护后的 30 天内，Radar 拦截了超过 330 万次高风险的免费试用尝试。而这组数字，再次展示了 Token 盗用有多严重。
AI 产品定价方式正在转变
Token 盗用直接影响 AI 企业的收入，产品定价与收费模式对 AI 企业的影响则更为复杂。便宜的 Token 和划算的套餐，有利于用户增长，但它们带来的收入，未必能付费 AI 企业在 Token 上支出的成本。
作为 Stripe AI 业务首席营收官，Maia 认为，用低价的 Token 先吸引流量可能不是一种健康的做法：流量与价值之间不能画等号，一个健康的飞轮要体现出可衡量的高质量价值。
更进一步来看，AI 企业既希望用户多使用自己的服务，同时又会担心 Token 带来的过度消耗，以至于造成“产品使用量越大，成本越来越高，利润越来越薄”的尴尬处境。
Maia对此指出，企业的定价模式在不断发生转变，现在很多 AI 企业不再只是按照订阅制或是按席位收费，转而走向按量收费或者混合制的收费模式。
数据已经验证了这种趋势。据 Stripe 观察，过去一年采用混合定价模式的企业占比从 27% 增加到 41%；同时在顶级 AI 公司中，采用固定订阅费或者按席位收费的公司占比，从去年的 40% 降到了今年的 24%。
所谓混合定价，一方面对可预见的基础用量收取固定费用或基础套餐费用，另一方面对超额用量进行按量收费。在 Maia 看来，如果 AI 公司直接采用按量收费，可能会遇到非常多的不确定性，而混合定价模式可以帮企业寻找一个平衡点。
这不难理解。对 AI 企业的普通用户来说，固定费用的基础套餐意味着更低的使用门槛；对重度用户来说，超量部分按量计费也很公道。
实际上，Maia 之前还对 AI 企业的定价与收费给出过直截了当的建议：
第一，要用客户的语言定价。第二，在客户收到账单之前向他们展示他们在消费什么。第三，销售积分，而不是成本——让你的客户一次性用钱换积分，这样他们每次使用你的产品时想的是价值，而不是美元和美分。
增长最快的 AI 企业有了集中化趋势
这些年 AI 技术与 AI 应用的发展都远超人们的想象，这种速度本身成了 AI 更长远发展的挑战。Maia 提到一些数据。
使用 Stripe 的前 100 家 AI 企业中，实现 100 万美元年化收入所需时间的中位数为 11.5 个月，而增长最快的 SaaS 企业群体需要 15 个月；实现 500 万美元年化收入，前者需要 24 个月，后者需要 37 个月。
AI 企业的全球扩张也远快于传统 SaaS 公司。即使是表现最好的 SaaS 公司，通常也只能在三年内将产品和服务销售到约 50 个国家；而优秀的 AI 公司，可以在三年内进入约 120 个国家和市场。
有意思的是，当被问到哪一类 AI 公司在这两年突飞猛进，Maia 的回复是，各类 AI 企业都在快速增长。“从语言模型到应用层产品，再到生成式 AI，我们在整个行业的不同领域都看到了这一趋势。”
中国 AI 企业的表现突出。Stripe 上中国 AI 公司的支付量增长速度比全球平均增长速度更快。并且一个更有价值的信号是，增长最快的 AI 企业，正越来越集中在使用频率高、用户付费意愿明确的产品领域。娱乐与陪伴类产品等消费级 AI、生产力与知识类 AI、企业级 AI 与基础模型平台以及 AI 硬件，都成了中国 AI 增长极快的赛道。
“Stripe 平台上 AI 100 强的公司，每 7 家公司里面就有一家来自中国。”Maia 表示，这是一个非常鼓舞人心的数字。
但就像前面提到的 Token 盗用与收费模式问题，这些快速发展的副产物，成了 AI 进一步成长的绊脚石。商业化的挑战更是如此。给人惊艳甚至震撼感觉的 AI 企业，很少真正赚到利润。而一个健康持久的产业生态，必然需要实现商业化的正向循环。
换句话说，AI 背后的商业逻辑还需要理顺，AI 经济所需要的基础设施也还需要完善。
Stripe 正在这个方向上发力。在Stripe Tour 上海活动中，他们拿出了一系列的产品：Checkout Studio提供一站式平台，可以帮企业构建在智能体交互场景的自适应结账体验；Machine Payments Protocol 机器支付协议，支持开发者针对内容、API 及其他服务向智能体收取费用；Stripe Billing，支持基于Token消耗的计费模式。
这些产品可以让AI 公司可以专注于核心业务，从而更好地经营自己的生意。而对中国的 AI 企业来说，基于 Stripe 的 全球化网络，有机会更快速地实现全球业务的拓展。
不过，Stripe主要聚焦在商业与金融层面，整个AI 经济基础设施的构建显然需要更多参与者，以及更多时间。正如刚刚涌现的智能体商业，Stripe 创始人把它所处的阶段与早期互联网相提并论。一个引人遐想的AI未来，还只是刚刚开始。
