靠解决 AI 产生的“新麻烦”赚钱，Ramp 与 Stripe 的新生意经

BiRun 消息，作者：Simon Taylor 编译：深潮 TechFlow 深潮导读： AI 带来的不只是效率提升，还有一批此前不存在的新客户任务：token 支出、代理身份、模型路由。Ramp 和 Stripe 已围绕这些任务建立新收入池，它们的估值叙事并非单纯增长，而是押注 AI 原生。看懂这张“新任务”地图，能帮投资者分清谁在受益、谁会被淘汰。 🧠 AI 创造了新的客户问题解决这些问题正是下一代金融产品形成的地方。Token 支出、代理身份和模型路由在 AI 之前几乎不存在。 Ramp 最近以 440 亿美元估值融资 7.5 亿美元。它可能并不需要这笔钱，但这轮融资买入的是一个比亮眼增长更大的东西*。这轮融资买入的是一个关于成为 AI 原生的连贯叙事。 这个故事可信，因为它正围绕 AI 创造的客户任务重建自身。例如，Router 为每个请求找到成本最低、质量最高的模型，据 Ramp 称能为客户节省 40% 的成本。Stripe 正在组装类似的技术栈：底层是支付，Metronome 负责按使用量计量和计费，顶层是 OpenRouter 在 400 多个模型之间路由流量。据报道，它为顶层支付了超过 70 亿美元。 每位投资者，尤其是成长型投资者，都在寻找受益于 AI 快速起飞并因此变得更持久的公司。他们想持有受益者，尽量别持有受害者。 本周我和三位创始人聊过。三人都在以 AI 原生为名接近完成大额融资。三人问我的问题都差不多： 我们应该如何把自己定位成 AI 原生？我们的产品应该是什么？ 他们问的是定位问题。我认为答案是产品问题。 这篇专栏是我的回答。 快速地图： 你处在哪个位置：采纳者、受益者还是原住民 AI 创造了一个任务阶梯：老任务做得更好；核心旁边的新任务；没人解决的新任务为什么你的代理需要分发策略现在该做什么你处在哪个位置：采纳者、受益者还是原住民克莱顿·克里斯滕森对本文最有用的观点是：客户不买你的产品，他们雇佣产品来完成一项任务。 金融领域的待办任务包括：报销我的费用、对账我的发票、帮我管理欺诈。这些任务早于 AI 就存在。现代模型能把其中一部分做得更快、更便宜、需要的人工更少，但客户一醒来想要的还是同一件事。 AI 还创造了第二类任务：监控我的 token 支出；把每个推理请求路由到最佳模型；让我的代理买东西，而不必交出整个身份和银行账户。 在 AI 带来这些问题之前，没人有这些任务。 AI 原生描述的是产品。AI 创造描述的是需求。 我通过一个 2x2 矩阵来思考如何成为 AI 原生。 任务：老客户任务一直存在（比如管理欺诈），而 AI 创造的任务是随技术一起出现的（比如管理我的 token 支出）。 公司：一家在 AI 之前就存在的公司或产品，或者一家只因 AI 才存在的公司。 把两者放在一起，长这样？ 老客户任务 AI 创造的客户任务已存在的公司 / 产品 Nubank / NuFormer Ramp 和 Stripe 没有现代 AI 就不可能存在 Harvey、Hebbia 和 Rogo OpenRouter 和 fal 左上是深度采用。Nubank 用 NuFormer 做更好的信贷决策，但承销是古老的银行业任务。 左下是 Harvey、Hebbia 和 Rogo 的位置：这些产品在现代模型出现前不可能存在，干的是早就存在的法律和金融研究工作。 右侧是顺风所在。当 AI 给客户提供新东西可买时，Ramp 和 Stripe 已经有业务了。OpenRouter 和 fal 之所以有意义，只是因为推理变成了一个行业。 这也意味。