本文来自微信公众号： AIGC从0到1 ，作者：王零壹
Stripe要买OpenRouter，乍看有点不合常理。
一家做支付的公司，为什么愿意为一个模型路由平台给出超过70亿美元、外界普遍估计接近或超过80亿美元的价格？OpenRouter不训练模型，没有GPU，也不卖聊天机器人。它做的是统一接口：开发者接一次，就能调用OpenAI、Anthropic、Google、DeepSeek和一批开源模型、推理供应商。
过去，这种产品很容易被一句“API wrapper”打发掉。
Stripe 8月19日宣布同意收购OpenRouter时，讲的却是另一件事。Stripe一直在替企业处理支付方式、授权成功率和欺诈风险；现在，企业还得在模型、速度、价格和效果之间做即时取舍。OpenRouter当时连接400多个模型、80多家供应商，正好卡在这道取舍之前。
Stripe给投资人的信里有一句话，很像这笔交易的底稿：过去每个开发者都需要管理收入管道，往后，每个开发者还得管理“智能管道”。
问题一下就变了。Stripe看中的不只是一段模型API，而是企业今后如何采购智能、给智能记账、约束智能，并为它结算的入口。
一、先把一个误解放下：Token不是钱
这桩交易很容易被说成“Token要成为AI时代的货币”。
不同模型的tokenizer、输入输出价格、缓存、吞吐和延迟都不同。同样是一百万token，Claude、GPT、DeepSeek以及不同推理服务商卖出的东西并不相同。它们不存在像美元和欧元那样稳定的兑换关系。
Token更像AI生产里的电量、工时或不断变价的原材料凭证。它是计量单位。
模型和工具消耗token、推理和调用次数；业务部门要的是线索、工单、代码、交易或研究结论；财务仍用人民币、美元、欧元记账；钱最后通过银行卡、银行账户或稳定币结算。Stripe看见的，就是中间这几道原本没被连起来的账。
过去，财务系统处理的是“谁付钱、付多少、能不能付、怎么结算”。AI时代，企业还要处理另一套问题：这个任务该用哪个模型？要不要多跑一遍验证？质量提高3%，值不值得多花一倍的钱？涉及敏感数据时，能不能换到特定地区的供应商？任务失败了，这笔消耗又该算到谁头上？
它会越来越像一笔持续发生的采购，而不是每个月买一套固定价格的SaaS。
二、一条Agent任务，已经像一张小型采购单
假设销售团队让一个Agent做一件事：研究500家公司，筛出30个潜在客户，并为每家公司写一封个性化邮件。
在人的想象里，它可能只是“一次调用模型”。放进真实工作流，事情马上碎开了。
网页抓取适合更便宜的模型或专用工具；基础分类可以交给价格低、吞吐高的模型；重点公司需要更强的推理；事实核验又得接搜索、数据库或RAG；最后写信时，还要在文风、错误率和成本之间取舍。碰到欧洲客户，数据或许不能离开特定区域。一个供应商拥堵，系统得临时换路。某个模型的工具调用不稳定，任务也许要切到另一个服务商。
用户只给出一句目标，系统内部却要完成一连串模型、数据、工具和算力的选择。
这也是OpenRouter这类产品不再只是“模型挂了就切换一下”的原因。路由器要在质量、价格、延迟、稳定性、地区、隐私、工具支持和容量之间做选择。
金融市场早就有类似的系统，叫Smart Order Router。它替交易者在不同交易所、不同价格和不同流动性之间寻找执行路径。
模型路由还没像金融交易那样标准化，但企业面对的问题已经很像了：它们买的不是一个模型，而是为一项任务采购合适的智能组合。
OpenRouter的吸引力也在这里。它站在需求侧，能看到开发者最后选了谁、为何这样选、花了多少钱，以及下一次有没有更合适的路可走。这种视角已经很接近支付网络。
三、Stripe在补的，不是一条产品线
把“支付公司收购模型路由”单独拿出来看，确实像跨界。把Stripe过去两年的动作摆在一起，能看到它一直在同一条链上补零件。
Stripe的老本行是支付与结算。它后来收购Metronome，补上了复杂按量计费和使用量计量；在AI公司身上，这对应token billing、额度消耗、订阅叠加超额使用等问题。它又围绕稳定币、钱包和Agent支付做了Bridge、Privy、Tempo、Link Agent Wallet、MPP等布局，试图让软件Agent获得受限的支付能力，而不是把一张真实信用卡交给一个概率模型。
差的一块是：这笔智能支出发生以前，谁来决定买什么。
OpenRouter填的就是这个位置。
把这些东西串起来，路径大致是这样的：企业或用户提出目标，Agent获得预算和权限，任务被拆成一系列调用；路由层在多个模型和供应商间做选择；计量层记录每一次token、工具和数据消耗；支付层完成扣款、分账与结算；最终再回到任务结果和业务回报上。
最容易被忽略的是最后一步。
只知道“这个月用了多少token”，管的仍是一笔云成本。若能继续看到“这10万美元模型支出替销售多筛出多少合格客户、替客服少转多少人工工单、替研发少花多少返工时间”，才开始碰到生产投入本身。
Stripe不需要做最强模型。它要知道每一笔智能支出从哪里来，经过哪些选择，最后换来了什么。
四、模型路由一旦接上支付，产业会多出哪些位置
如果Agent只停留在聊天和写作工具里，支付公司没有必要走这么远。真正改变事情的是，Agent开始替人执行任务，也开始替人调用服务、购买数据、消耗算力，甚至在授权范围内完成付款。
这条链一旦跑通，AI产业会多出几层彼此咬合的基础设施。它们未必各自独立成一家公司，也不会只剩一家赢家。
最底层仍然是模型和算力供应。OpenAI、Anthropic、Google、DeepSeek、Qwen、开源模型、云厂商与推理服务商，都在提供不同质量、不同成本和不同约束下的“智能产能”。模型公司的定价权不会消失。高风险、强推理、对结果要求极高的任务，仍然会集中到少数模型上。
模型之上是路由与执行市场。这里不只包括OpenRouter，也包括云厂商的网关、开发框架里的路由能力，以及企业内部自己搭的策略层。它负责把“我想完成什么”翻译成“这次该买哪一种模型能力”。模型继续增加，路由就会从默认设置变成采购策略。
再往上一层，是评测、可观测性和质量SLA。模型越多，企业越不能只按token单价来选。一个便宜模型如果让销售线索错掉一半，省下的成本并不便宜；一个昂贵模型如果只在真正关键的5%任务里出现，反而可能划算。未来的路由需要知道质量，但“质量”不是抽象分数，而是任务是否完成、错误有没有造成损失、用户有没有真的接受结果。
这会让Eval的位置变得很不一样。今天它更像工程团队的调试工具。若AI产品越来越多地按完成动作、节省成本或创造收入收费，评测就会靠近一张经济凭证：系统凭什么认定Agent做成了事，服务商又凭什么收费？它不一定会成为统一的“结算Oracle”，却会离账单越来越近。
第四层是身份、授权和风控。Agent不能拿着一张没有限制的信用卡到处花钱。它得有一种经济身份：代表谁行动，预算上限是多少，只能在哪些商户和服务上花钱，能不能把权限再交给下一个Agent，出了问题谁负责。新的权限标准会和现有的支付风控、企业身份、审计系统重新接上。
最外层才是计量、财务与结算。Metering、账单、税务、分账、稳定币、银行卡和银行网络仍会在那里。它们不负责决定模型该用谁，却负责把所有智能消耗变成企业能理解、能预算、能追责的账。
这几层合在一起，才接近Stripe想描述的“AI经济基础设施”。
未来未必会出现一个包揽所有职责的“AI时代Visa”。模型路由、质量评测、Agent授权、计量计费、实际清算，都可能长出重要公司。Stripe的野心，是把其中几层连成一套企业智能开支的控制系统。
五、真正被买走的，可能是一张账
很多人会问，模型路由有什么护城河？接口可以做，切换逻辑也可以开源。LiteLLM一类项目已经证明，统一接入模型本身不难；AWS、Azure、Google Cloud、Vercel也都能提供各自的网关和路由能力。
这个质疑没有错。
真正难积累的，不是“支持多少模型”，而是一张跨模型的交易图谱：什么任务，在什么预算、时延和隐私约束下，选择了什么模型；实际质量怎样；中间有没有重试、回退或人工介入；最后带来的是收入、成本节约，还是一次失败。
把它写成一条链，就是：任务、模型、成本、质量、结果、支付。
单看其中任何一个点都不稀奇。模型公司知道自己的模型表现，支付公司知道钱从哪里流过，企业知道自己的业务结果。把这些节点持续连起来，才有机会形成更好的路由、预算、定价和风控。
这或许比“收购一个网关”更能解释Stripe为什么愿意给出战略溢价。它买的是一个会持续积累“企业如何购买智能”的需求入口。
但这条链也会带来新的权力问题。
六、被Stripe买下以后，OpenRouter最难卖的可能是“中立”
OpenRouter从一开始最重要的承诺，是多模型。没有任何一家模型会永远适合所有任务，开发者应当有切换的自由。
这也是它为什么能成为模型公司之外的一层入口。
Stripe收购它以后，价值会变大，压力也会变大。一个同时掌握路由、计量、支付和风险控制的公司，很难不被怀疑会影响路由顺序、收费方式、数据使用，或者把某类服务变成默认选项。
开发者最在意的，未必是页面上有没有一个“中立”开关。真正要看的，是路由策略是否可解释，数据保留和删除规则是否能在控制权变化后仍然成立，企业是否可以带走自己的用量记录、评测结果和策略，模型提供商又愿不愿意把更完整的成本与性能数据交到Stripe手里。
Stripe买下了OpenRouter最有价值的资产，也接过了它最敏感的问题。
路由器若真成为AI需求侧的交易入口，它迟早会从产品问题变成治理问题，碰到平台自我优待、数据集中、跨境合规和竞争监管。
七、这笔账也未必算得成
Stripe的故事并不会自动成立。
第一个变量是模型供给。如果未来出现足够便宜、足够强、又能私有化部署的通用模型，企业对复杂路由的需求会下降。路由仍然有价值，但不会像交易系统那样处在中心。
第二个变量是云厂商。AWS、Google、Microsoft不只掌握模型入口，也掌握算力、数据、企业关系和云账单。Stripe想做跨云、跨模型的经济控制层，必须证明它比“在一家云里把事情都办了”更省事，也更可信。
第三个变量是地缘和监管。模型、数据、支付和稳定币原本就分别受到不同规则约束，放在一起后，跨境路由会更难。未来很可能不会有一个全球统一的智能市场，美国、中国、欧洲以及其他区域会形成彼此不同的模型、数据和结算组合。
最后一个变量，反而最朴素：企业是否真的愿意把智能开支当成一门独立的财务科目来管理。
在今天，很多团队还停留在“API费用涨了多少”的阶段。等到Agent开始广泛进销售、客服、研发、采购和运营，问题才会变成：哪些任务值得自动化，谁有权调用最贵的模型，成本超支时谁来刹车，结果又是否配得上这笔支出。
那时，企业里可能会出现一种现在还不常见的系统：它管智能预算、模型采购、质量门槛、Agent授权和投入产出。可以把它叫作Intelligence Treasury，也可以叫AI FinOps的下一阶段。名字还没定，账会先出现。
Stripe收购OpenRouter，未必会把它变成这个位置的唯一赢家。它甚至未必能守住OpenRouter最看重的中立性。
这笔交易至少把一个变化摆到了桌面上：当AI开始替企业做事，模型调用不再只是工程师在后台刷掉的一笔API费用。它会变成一项需要选择、授权、计量和结算的生产投入。
支付公司跑到模型路由里来，并不离奇。
它只是比很多人更早把这笔账看见了。
—
*资料参考：Stripe关于收购OpenRouter的公告及2026年8月投资者信；OpenRouter公开资料；Axios、Reuters、FT、WSJ等对交易的报道；Stripe、Metronome、Bridge、Privy、Tempo、MPP与Agentic Commerce相关公开材料。交易金额未由Stripe官方披露，文中以“超过70亿美元、外界普遍估计接近或超过80亿美元”表述。*