Stripe盯上了AI公司的另一张账单。
8月19日，Stripe宣布已同意收购AI模型网关及路由平台OpenRouter。双方没有披露具体交易金额，有媒体报道，这笔交易规模约80亿美元。
OpenRouter目前连接400多个AI模型和80多家模型提供商。官方披露，其平台每天处理超过10万亿Token，服务超过1000万开发者和企业。
这笔交易尚未完成。OpenRouter表示，交易仍需满足惯常交割条件，预计未来数周完成。
有意思的是，Stripe自己已经在做Token Billing，也提供AI Gateway。它已经能够记录模型调用和Token使用量，却仍愿意为OpenRouter投入约80亿美元。
Stripe与OpenRouter早已从收款走到Token计费
今年1月，Stripe曾披露与OpenRouter的合作。
当时，OpenRouter已经使用Stripe Invoicing向客户开票并收款，通过Stripe Tax处理税务，并使用Radar管理欺诈风险。OpenRouter提供模型调用入口，Stripe承担背后的支付和计费。
4月，OpenRouter接入Stripe Projects。开发者可以直接通过Stripe CLI创建OpenRouter账户、生成API密钥并接入Stripe计费体系，随后调用OpenRouter提供的模型服务。账户、模型访问和付费关系由此进入同一个开发流程。
Token Billing又把双方连到了模型使用量这一层。
Stripe目前正在私有预览阶段测试针对大模型Token的计费能力。企业可以把不同模型的Token使用量记录到Stripe，再按照加价、预付额度、按量收费等方式建立价格体系。
这些使用量既可以通过Stripe自己的AI Gateway采集，也可以通过第三方Gateway同步，OpenRouter已经是Stripe列出的第三方集成伙伴之一。
一笔通过OpenRouter发生的模型调用，可以继续进入Stripe的使用量记录和计费体系。从支付和计费客户，到Stripe Projects，再到Token Billing，两家公司在收购前已经沿着模型调用和商业化这条链路越走越近。
Stripe已经能算Token的账，为什么还需要OpenRouter？
Stripe并不缺模型调用入口。
目前的Token Billing已经带有AI Gateway。开发者可以把模型请求交给Stripe，由Stripe向支持的模型提供商发起请求，同时记录模型和Token使用量，再把这些数据用于计费。
但计量Token只是其中一环。
一家AI应用现在可以同时使用多个模型。同一个任务可以交给不同模型，同一个模型也可能由不同推理服务商提供，价格、速度、吞吐量、可用性和数据政策都存在差异。
OpenRouter把这些模型和提供商放在统一接口后面。开发者可以按照价格、吞吐量或延迟进行选择，也可以指定供应商、设置价格上限，并在某个提供商不可用时自动切换。
Stripe现有能力主要把Token使用量与计费连接起来，OpenRouter则已经形成一个横跨大量模型和提供商的访问与路由层。
而OpenRouter带来的还不只是另一套Gateway能力。
它已经拥有超过1000万开发者和企业用户，每天处理超过10万亿Token。Stripe自己继续建设Gateway，可以补产品能力。把OpenRouter收入体系，则可以直接获得一个已经形成规模的开发者入口和模型调用网络。
OpenRouter本身也已经建立起一套围绕模型消费的收费模式。
普通付费用户可以购买以美元计价的预付余额，再按照实际模型调用消耗。OpenRouter标准付费模式主要在充值时收取5.5%的平台费。用户也可以绑定自己的模型供应商API密钥，由OpenRouter继续提供统一接口、路由和故障切换等服务，超过一定免费额度后再收取平台费用。
模型和供应商越多，企业面对的就越不只是“有没有模型可用”，而是该选哪个模型、同一模型走哪家服务商、价格和性能怎么平衡，以及某条路径出问题后如何切换。
与单一模型厂商自己的入口相比，OpenRouter提供的是跨模型、跨供应商的选择空间。OpenRouter在宣布加入Stripe后表示，现有产品和路线不会改变，路由仍将围绕用户需求展开。
进入Stripe体系之后，这种跨模型、跨供应商的定位还能否继续保持吸引力，将成为后续整合的重要观察点。
Stripe此次公开给出的收购理由，也已经超出了平台收费本身。
过去，Stripe更擅长解决AI企业怎么向客户收费。OpenRouter则把它带到模型调用的另一侧，一项AI服务该使用什么模型、选择什么供应商，又需要付出多少模型调用成本。
对越来越多AI企业来说，这已经是一项持续发生、直接影响利润的可变成本。
从支付优化到AI经济优化
OpenRouter进入Stripe的收购名单，并没有看起来那么突兀。
一笔在线支付进入Stripe以后，不同支付方式、支付网络、授权成功率、欺诈风险和处理成本都会影响最终结果。Stripe长期做的事情之一，就是在复杂网络中根据多个变量优化交易结果。
现在，类似的选择问题开始出现在AI模型市场。
模型和推理提供商越来越多，价格、速度、能力和稳定性各不相同。企业需要持续决定每一次调用交给谁，以及怎样在成本和效果之间找到更合适的组合。
Stripe此次收购公告也把这两类能力放到了一起。过去，它通过支付方式、授权率和欺诈等变量帮助企业提高收入。现在，又开始处理Token成本和模型调用问题。OpenRouter进一步把价格、速度、可靠性和任务需求带入模型选择与路由。
Stripe过去的核心能力主要围绕企业收入建立。支付、收款、订阅和计费，都是在帮助企业把产品和服务变成收入。
AI企业的另一侧，则是不断发生的模型调用成本。
模型价格变化、调用量增长以及不同模型之间的成本差异，都会直接影响AI产品最后能够留下多少利润。
今年1月，Stripe介绍与OpenRouter的合作时就提到，如果AI应用的收费没有跟上底层推理成本变化，利润率会受到影响。此次收购公告里，Stripe又进一步提出，要同时处理盈利能力的两侧：一边提高收入和效果，一边降低Token成本。
OpenRouter因此把Stripe往AI企业成本侧又推近了一步。
Stripe还在推进Agentic Commerce，让AI Agent能够进入交易和完成支付。与此同时，AI应用和Agent自身运行，也在持续消费有价格的模型资源。随着AI服务越来越多地按照调用量、Token消耗和多模型组合计费，支付与计费基础设施正在向底层资源使用继续延伸。
Stripe盯上的，已经不只是AI公司向客户收多少钱。还有另一张账，这些AI服务自己究竟要花多少钱。
这里是支付之家。我们关注支付表象之下的规则差异与逻辑变化，提供支付科技领域增量信息。观点内容仅供参考。
未经允许，严禁转载。发布者：支付之家 转载或引用请注明出处：https://www.zfzj.cn/14172.html
