OpenRouter被Stripe70亿收购背后：追风口的底层逻辑

从NFT到AI，一个不变的赚钱逻辑

昨天，全球支付巨头Stripe用70亿美金收购了在AI开发者圈子里颇有名气的OpenRouter。这条消息本身并不算太意外——OpenRouter作为大模型API的聚合平台，早已服务了千万级开发者。真正耐人寻味的是背后创始人Alex的经历。

OpenRouter的核心价值在于它将OpenAI、Anthropic、Google、Meta等数十家AI公司的大语言模型统一封装成标准化的API接口，开发者只需接入OpenRouter一个平台，就能按需调用不同模型的能力。这种模式类似于云计算时代的API网关，降低了开发者逐一对接各家模型的集成成本，同时通过智能路由技术，根据任务类型、成本预算和响应速度等维度，自动为开发者选择最合适的模型。

从商业模式的本质来看，OpenRouter属于AI领域的"中间件经济"。在云计算发展史上，类似的聚合层商业模式屡见不鲜：Twilio聚合了电信运营商的通信能力，Plaid聚合了银行的金融数据接口，Fastly聚合了CDN节点。这类平台的核心价值在于标准化异构系统的接口差异，降低下游开发者的集成复杂度。OpenRouter还引入了"fallback"机制——当某个模型服务不可用时，自动切换到备选模型，保障业务连续性。这种智能路由加故障转移的架构设计，使其从简单的代理层升级为关键基础设施。

仔细一查才发现，这个OpenRouter竟然是从Web3时代的NFT平台转型而来。当年Alex做的是零散NFT交易的撮合平台，通过抽佣盈利，最高估值曾做到133亿美金——比今天70亿美金的收购价还要高。

所谓NFT（Non-Fungible Token，非同质化代币），是基于区块链技术发行的数字资产凭证，每个NFT都具有唯一性，不可互换。2021年前后，NFT市场经历了爆发式增长，艺术家Beeple的一幅数字作品以6930万美元成交，OpenSea等交易平台估值一度飙升。但随后市场急剧降温，大量NFT项目价值归零，整个赛道被视为泡沫破裂的典型案例。Alex的平台正是在那波浪潮中崛起，又在退潮中果断转型。

Alex的转型并非孤例。2022-2023年间，大量Web3创业者向AI领域迁移，形成了一波"Crypto-to-AI"的转型潮。这种迁移之所以能成功，有几个结构性原因：首先，两个领域的用户画像高度重叠——都是技术导向的开发者群体；其次，底层的分布式系统架构思维相通；最后，Web3时代积累的社区运营和开发者关系网络可以直接复用。正是这些可迁移的底层能力，让Alex得以在新赛道快速站稳脚跟。

很多人由此评价Alex是「投机」，是连续两次运气好而已。但如果只停留在这个判断，你就错过了这个案例最有价值的部分：风口本身从来不是目的，而是一个成本极低的练兵场。

风口的真正价值：低成本练兵

为什么说风口是练兵场？因为当一个风口来临时，资金、人才、社会关注度和流量都会疯狂涌入。当所有资源都冲进来的时候，恰恰是你练兵成本最低、试错成本最低的时候。

真正的高手并不是在追「风口」这个概念，而是在不停地利用风口去打磨一套可复用的能力框架。每一个风口都会有退潮的时候，但这层框架能够穿越周期。

大多数人追风口的失败，不是因为追错了方向，而是只追到了表面，没有沉淀出可以带走的内核。这才是Alex与普通投机者的根本区别。Alex从NFT平台中沉淀下来的核心能力——API聚合架构设计、大规模并发交易处理、开发者社区运营、动态定价与路由算法——这些能力与具体的行业无关，却能在任何新兴平台经济中快速复用。

Token的两次定义：从资产凭证到信息单位

Alex的两段创业，表面看是从NFT跳到了AI，但底层逻辑其实完全一致——聚合零散资产，撮合交易并抽佣。只不过交易的商品类型变了：从聚合零散的NFT资产，变成了聚合零散的大模型API。

如今这个平台每天交易10万亿的Token，服务千万级开发者。有意思的是，「Token」这个词最初出圈被大众认知，恰恰也是因为Web3。

两个时代Token的本质区别

在Web3时代，Token的定义是虚拟资产所有权的凭证，比如NFT本身就是一种非同质化的代币。它可以被拥有、被交易、被买卖甚至被炒作。

而在AI大模型时代，Token指的是「词元」，是一种信息单位。在自然语言处理领域，大语言模型并不直接理解文字，而是先通过分词器（Tokenizer）将输入文本拆分成Token序列。一个Token可能是一个完整的单词、一个汉字、一个子词甚至一个标点符号。例如，「ChatGPT is amazing」可能被拆分为['Chat', 'G', 'PT', ' is', ' amazing']共5个Token。大模型API的计费方式通常按照输入和输出的Token数量来收费，这也是为什么OpenRouter平台每天处理10万亿Token——这个数字反映的是全球开发者通过该平台调用AI模型时处理的文本总量。这个时代的Token更像是电——你用完就没了，它不能被买卖炒作。

值得补充的是，不同模型的Token化方式存在显著差异。OpenAI使用的BPE（Byte Pair Encoding）算法通过统计语料中高频出现的字节对来逐步构建词表，其核心思想是将罕见词拆分为更小的子词单元，从而在词表大小和表达能力之间取得平衡。Google的SentencePiece则采用了一种与语言无关的分词方法，直接在原始文本上进行训练，不依赖预先分词。而针对中文等非拉丁语系的优化分词策略，则需要处理字符边界模糊、词汇粒度不统一等特殊挑战——同一句中文在不同模型中可能产生数量差异高达30%的Token。这种差异直接影响API调用成本，也正是OpenRouter的智能路由需要解决的核心问题之一——帮开发者在模型能力和Token消耗之间找到最优平衡。

同一个词，在两个时代承载了完全不同的含义。而Alex巧妙地站在了这两次Token浪潮的交汇点上，把撮合交易的能力从一个战场平滑迁移到了另一个战场。

黄仁勋的启示：小风口串成大护城河

如果说Alex是个案，那么英伟达的黄仁勋则是更著名的「连续追风者」。

第一次深度关注英伟达，很多人也是在Web3时代。当时加密货币火爆，无数人用英伟达显卡组装矿机「挖矿」，黄仁勋因此一度被骂成「全网炒币帮凶」。后来元宇宙成为风口，黄仁勋又推出了Omniverse，继续讲述英伟达在元宇宙时代的故事。

每一步都不是白走的

但回头看，英伟达今天的强大，恰恰离不开每一次追风口时积累的能力：

• 矿卡时代积累的并行计算能力，构建出了CUDA生态。CUDA（Compute Unified Device Architecture）是英伟达在2006年推出的并行计算平台和编程模型，它允许开发者利用GPU的数千个计算核心来执行通用计算任务，而不仅仅是图形渲染。全球数百万开发者已经基于CUDA编写了海量的计算程序，PyTorch、TensorFlow等主流深度学习框架也深度依赖CUDA。这种软件生态的锁定效应，使得即便AMD、Intel等竞争对手推出性能接近的硬件，开发者迁移的成本也极高——这才是英伟达真正的壁垒所在；

CUDA生态的锁定效应之深，可以用更具体的数据来说明：截至2024年，CUDA开发者社区已超过400万人，基于CUDA优化的软件库超过900个，涵盖从分子动力学模拟到金融风险计算的各个领域。更关键的是，全球顶尖AI研究者的工作流程已经深度绑定CUDA——从模型训练到推理部署，几乎每个环节都依赖CUDA特有的优化技术如Tensor Core加速、混合精度训练、Flash Attention等。即便AMD推出了ROCm作为替代方案，Intel推出了oneAPI试图统一异构计算，但重写和迁移数百万行CUDA代码的成本仍是天文数字。这就是为什么英伟达能在AI芯片市场占据超过80%的份额——它卖的不仅是硬件，更是一整套不可替代的软件生态。

• 元宇宙时代锤炼出的图形渲染能力与数字孪生技术，为后来的AI可视化、机器人仿真训练和自动驾驶模拟环境奠定了基础。英伟达的Omniverse平台虽然在元宇宙叙事退潮后不再被频繁提起，但其底层的物理引擎和实时光线追踪技术已经成为工业数字孪生和具身智能训练的核心工具；
• 这些看似分散的小风口串联起来，反而构成了AI时代英伟达极深的护城河。

这印证了那个核心观点：风口是周期性的，但能力是复利的。 每一次追风口的过程，都是把可复用能力沉淀下来的机会。

Stripe为什么要花70亿买OpenRouter？

理解了Alex的逻辑，还需要理解Stripe的野心。这笔收购至少有三重考量。

Stripe成立于2010年，由爱尔兰裔兄弟Patrick和John Collison创立，是全球最大的在线支付基础设施公司之一，估值超过900亿美元。它为开发者提供极简的支付集成方案——只需几行代码即可在应用中嵌入支付功能，支持信用卡、借记卡、数字钱包等多种支付方式，覆盖全球超过195个国家。Shopify、Amazon、Slack等知名企业都是其客户。Stripe的核心竞争力在于其开发者友好的API设计和强大的金融合规能力。理解了这一点，就能更好地理解这笔收购的战略意图——Stripe和OpenRouter在"为开发者提供极简API体验"这一基因上高度同源。

70亿美金的收购价格需要放在2024-2025年AI基础设施投资热潮的大背景下理解。同期，微软向OpenAI追加投资130亿美元，亚马逊向Anthropic投入40亿美元，软银计划向AI领域投入1000亿美元。AI基础设施层的估值逻辑已经从传统的收入倍数转向了"战略卡位价值"——谁掌握了开发者的入口和数据流，谁就在未来AI经济中占据收税的位置。从这个角度看，70亿美金买下千万级开发者的AI调用入口，对Stripe而言可能是一笔极具性价比的战略投资。

买用户、买数据、买入口

第一是买用户。 Stripe本身就是全球开发者的支付基建，而OpenRouter手上千万级的开发者，天然就是Stripe的大客户池。这些开发者中的很多人正在构建商业化的AI应用，他们需要支付解决方案来向终端用户收费——这意味着OpenRouter的用户不仅是Stripe的API消费者，更可能成为Stripe支付服务的商户端客户，形成从"花钱调用AI"到"用AI赚钱"的完整商业闭环。

第二是买数据。 Stripe相当于新时代的Visa、MasterCard。当年Visa为了做信用卡数据，买下了全球刷卡清算网络；而现在Stripe想买下的，是AI时代的刷卡清算网络。通过OpenRouter，Stripe能看到哪些模型被调用最多、哪些行业的AI消费增长最快、开发者的预算分配如何变化——这些数据的价值远超交易佣金本身，它们构成了AI经济的实时晴雨表。在金融领域，"数据即权力"的逻辑已被反复验证：彭博终端之所以能向华尔街收取每年2万美元的订阅费，核心不在于软件界面，而在于它汇聚的实时市场数据。Stripe通过OpenRouter获得的AI消费数据，未来可能衍生出类似的数据产品和金融服务——比如基于AI消费趋势的信贷评估、基于模型调用量的收入预测等。

第三是买入口——这是最具野心的一点。 Stripe瞄准的是智能体时代的支付入口。未来是AI Agent自己去花钱、自己去交易、自己去买Token。所谓AI Agent（智能体），是指能够自主感知环境、制定计划、执行任务的AI系统，它超越了传统的对话式AI，具备独立决策和行动能力。在支付场景中，未来的AI Agent可能会代替人类完成采购、订阅服务、调用API等需要付费的操作——比如一个AI助手自动比较多家云服务的价格，选择最优方案并完成支付。

AI Agent自主支付的场景已经不再是纯粹的设想。2024年以来，多家公司开始探索M2M（Machine-to-Machine）微支付协议。例如，一个编程AI Agent在执行任务时可能需要调用代码检索API、运行云端测试环境、购买临时计算资源——这些操作在几秒内连续发生，每笔金额可能只有几美分，但日累计可达数百万笔交易。传统支付系统为人类设计的身份验证（如短信验证码、面部识别）、欺诈检测逻辑（基于人类行为模式）和T+1结算周期完全无法适配这种场景。新的M2M支付基础设施需要支持毫秒级结算、基于API密钥和预算规则的授权机制、以及针对机器行为模式的全新风控模型。OpenRouter作为AI Agent调用模型的核心入口，天然就是这种M2M支付流量的汇聚点——Stripe通过收购它，相当于提前卡住了AI Agent经济体中"钱流动的咽喉"。

这意味着支付系统需要适配机器对机器的交易模式，交易频率将远超人类操作，单笔金额可能极小但总量巨大，传统的身份验证和风控逻辑也需要重新设计。在全球支付网络中，人类交易的占比会越来越低，而AI交易的占比会越来越高。Token将成为下一个时代更主流的结算单位。

换句话说，Stripe买下OpenRouter，也就是买下了下一个时代支付的话语权。

给普通人的启示：能力才是穿越周期的底气

回到我们每个人身上，这个收购案给出的启示很清晰：

永远不要去等一个百分之百的机会，也永远不要去嘲笑追风口的人。

不一定每一个风口都能带来巨大结果，但每一次追风口的过程中，我们都可以借助它沉淀可复用的能力边界。风口是周期性的，能力却是复利的。

对于普通从业者而言，这个道理同样适用。无论你是设计师、程序员、产品经理还是内容创作者，当AI浪潮席卷你所在的行业时，关键不在于你是否"追对了风口"，而在于你在这个过程中是否沉淀了可迁移的认知框架——对技术边界的判断力、对用户需求的洞察力、对复杂系统的抽象能力。这些能力不会因为某个具体技术的过时而贬值，反而会随着经验的积累而增值。

每一次扎进风口的本质，是在每一个浪潮里成就更好的自己。不管下一个风口是什么，真正能带走的、能穿越周期的，永远是你自己的知识体系与能力框架。这，才是一个人在快速变化的AI时代里最扎实的底气。