Stripe联合创始人兼总裁约翰·科里森认为，AI智能体将分两个阶段改变在线商业。首先，智能体会接手购买的具体环节，例如填写表单和付款。随后，它们会改变购物者最初发现商品的方式，他认为这才是更深层的转变。由于Stripe处在线上资金流动的中心，他的看法颇具分量：该公司2025年处理的支付额达$1.9万亿，比上一年增长34%。
第一阶段：智能体包办繁琐手续
科里森指出，填写网页表单对人来说毫无价值。没有人喜欢在又一个结账页面上输入个人信息。因此，一个有用的个人智能体必须是有状态的，也就是能记住收货地址、付款偏好和身份信息等内容，无需每次都询问用户就能行动。
他看重的技术是计算机使用（computer use），即AI模型像人一样查看屏幕、通过点击和输入来操作软件的能力。在他看来，计算机使用是面向现实世界的向后兼容层。州机动车管理部门不必先发布现代化的API或MCP服务器。MCP即Model Context Protocol，是把AI模型连接到外部工具和数据的标准方式。智能体可以直接操作现有网站，完成更新驾照之类的事务。
科里森更进一步，称计算机使用是继Transformer、大语言模型和强化学习之后AI的下一次重大飞跃。由于它能在已有的软件上运行，智能体可以立即在当今的网站和服务上行动，而不必等待每个机构都建好新的对接。
第二阶段：AI改变谁会被发现
在科里森看来，更大的变化发生在商品发现环节。人们用AI研究商品时，结果往往绕过传统的聚合渠道，让口碑良好的小众品牌和不太知名的商品浮出水面。一家规模不大但品质出色的企业，只要容易被AI智能体找到，就可能排在头部品牌之前。
他把这与Facebook和Instagram定向广告兴起的时期相比。Wish.com、Teespring、Temu和Shein等公司之所以迅速壮大，是因为它们的商业模式和获客方式从一开始就围绕社交信息流搭建。按照同样的逻辑，下一代商业可能由围绕AI搜索、智能体优化和自动购买而设计的企业主导。他认为，现有的聚合平台如果不能迅速适应，就有可能失去影响力。
▲ AI发现小众品牌
对商家而言，实际的启示似乎很明确：让AI研究智能体能够轻松读取商品数据，并从真实买家那里赢得真实的好评。
API迎来新的读者
Stripe多年来一直在打磨开发者体验，细致到API文档的措辞和版本升级的路径。然而，当开发者不再手写集成代码，而是把这项工作交给AI编程智能体后，情况迅速改变。智能体的需求与人不同，出错的方式也不同。例如，智能体可能会针对过时的API版本编写代码。过去需要一份供人阅读的迁移指南才能完成的版本迁移，如今由编程智能体直接执行。
因此，Stripe不得不按照科里森所说的“AI工效学”而非人类开发者的工效学来设计，并重新思考内部看重哪些技能。他把整个软件行业比作一盘被掀翻后重新摆放的棋局，并鼓励各行各业的领导者把这种洗牌视为机遇，而非威胁。
Stripe收购了什么，为什么收购
Stripe最近的几笔收购遵循同样的逻辑。
| 公司 | 领域 | 原因 |
|---|---|---|
| Bridge和Privy | 加密基础设施 | 获得若靠内部培养需要数年才能建立的加密原生团队和方法 |
| Metronome | 按用量计费 | AI推理成本正推动软件告别按席位订阅 |
| OpenRouter | 多模型路由 | 企业把不同任务交给不同模型 |
科里森表示，由于AI应用每次运行都会产生计算成本，几乎所有现代软件公司都在转向token积分、超额费用和分级计量，就像ChatGPT和Claude那样先给用户一定额度，用完后再出售更多积分。OpenRouter的前提是企业不会只用一个模型。高价值用户或复杂工作可以交给昂贵的前沿模型，日常查询则由更便宜的小模型处理。
在自建还是收购的问题上，科里森的经验法则是：处于Stripe现有核心优势范围内的工作，通常更适合内部开发。而像token路由这样需要全新能力的领域，尤其是在市场变化很快时，就是收购的候选对象。他指出，OpenRouter所在的市场在过去12个月里发生了巨大变化，12个月后又会是完全不同的样子。在这样的市场中，内部项目有可能在交付时就已经过时。
安全：攻击者也在提速
科里森强调，新技术总是具有两用性。汽车刚出现时，银行劫匪是最早使用它的人群之一，警察则不得不随后追赶。最近的AI模型展现出先进的自主网络能力，抬高了所有公司基础设施面临的威胁基线。他预测，未来五年行业发生的安全入侵事件将明显多于过去五年。
风险并非均匀分布。拥有小而新、结构统一的技术栈的初创公司更占优势。运行着50年历史的系统和已停止支持的Windows版本的老牌企业，则面临大得多的风险。科里森表示，Stripe长期以来在内部对安全保持高度警惕，因此能够主动适应，而不是措手不及。
▲ 区分合法智能体与恶意机器人
他认为另一个相关但关注度不足的问题是机器人检测。长期以来，网站防御的重点是一律拦截自动化流量。随着越来越多的流量来自代表真实用户行事的合法智能体，网站需要能够区分经用户授权的有益智能体和恶意机器人，而不是全部拦截。他承认，智能体与网站把关者之间的平衡最终会落在哪里，目前仍不清楚。
Stripe内部：先设护栏，再开放访问
科里森把AI的能力描述为“参差不齐的边界”（jagged frontier）。模型在有大量公开网络数据支撑的任务上表现极好，但在没有先例、需要从第一性原理出发推理时可能会出错。此外，企业工作依赖公司内部的私有数据，因此通用的消费级聊天机器人并不够用。
Stripe搭建了一款内部AI应用，把模型与各部门的数据连接起来。最难的部分是为隐私、准确性和访问控制建立护栏。例如，人力资源部门的薪酬数据必须只对需要的人可见。精细的权限到位后，这个工具改变了日常工作。例如，销售代表如今用它来调研客户并起草量身定制的方案。
员工也在自己动手开发工具。Stripe的法务团队开发了一个智能体，用于阅读和总结新出台的长篇法规，例如印度或芬兰长达600页的法令，这样的阅读量过去靠人工根本无法跟上。科里森认为，由于开发软件的门槛已大幅降低，人们期待已久的个性化软件终于正在成为现实。
乐观的理由
与旧金山的许多AI讨论相比，科里森明显更加乐观。Stripe员工半开玩笑地把2026年1月1日命名为“Singularity Epoch”，这是在致敬以1970年1月1日为起点的Unix纪元。他的理由是，编程模型在去年年底达到了转折点，使递归式自我改进，也就是AI帮助打造更好的AI，成为现实。他还提到了“数学战争”：相互竞争的实验室几乎每周都会公布在高难度数学基准测试上的新成果。
他最强调的是经济影响。随着随取随用的智能变得越来越便宜，Stripe上新企业的注册速度达到了近期以来的最高水平，因为创始人可以用少得多的资本和运营开销创办并发展公司。他没有单独给出AI在Stripe交易额中的占比，理由是当Meta这样的老牌企业也在转型为AI公司时，把企业分成AI和非AI两类已经没有意义。
他给焦虑的领导者的建议是，用安全准备这类具体的关注点取代模糊的末日感。为了保持判断准确，他更愿意进行氛围编程，也就是通过向AI描述需求来构建小应用，并与快速成长的客户交流，而不是每晚啃一摞研究论文。
现在该做什么
科里森的展望可以归结为：智能体会先接手表单和付款，随后重塑商品发现的方式，在此过程中，API设计、定价和安全的规则也会随之改变。由此可以得出以下实际步骤。
- 商家：让商品信息便于AI智能体读取，并积累真实买家的真实评价
- 开发者平台：针对编程智能体调整API和文档，防范智能体使用过时版本
- AI产品团队：考虑与推理成本挂钩的按用量计费，并在多个模型之间分配任务
- 安全团队：保持系统小而新，规划如何区分用户授权的智能体与恶意机器人
- 引入内部AI的公司：在连接敏感数据之前先设计访问控制
回顾在Stripe的17年，科里森表示，公司从未有过一次性爆发的时刻，有的只是在“Users First”原则下逐年复利累积的稳健增长。他还指出，Stripe几乎所有成功的产品起初看起来都像玩具。这或许意味着，应对智能体时代的合理方式，是从小而有用的实验开始。