Compute Is the New Cash

原文：Compute Is the New Cash

Stripe 如何为 Agent 原生世界构建产品

新一期《AI & I》播客中，Dan Shipper 与 Stripe 数据与 AI 负责人 Emily Glassberg Sands 探讨了 AI 如何重塑在线商业。核心议题包括：算力正在成为新型货币、欺诈已蔓延至结账流程之外、Agent 开始作为经济参与者活跃于互联网。

可在 X、YouTube 观看，或在 Spotify、Apple Podcasts 收听，也可阅读文字实录。

核心要点

欺诈定义正在扩展
过去欺诈围绕支付和盗刷信用卡展开。如今 AI 公司还需防范攻击者窃取免费试用的 token、积分和未支付的算力账单。这意味着欺诈从单点问题演变为全流程风险。Glassberg Sands 指出：“欺诈现在是贯穿全漏斗的问题，而不仅仅是交易层面。”

AI 让欺诈攻防双方都更强大
欺诈者用 AI 自动化攻击，防御方也用 AI 实时检测。关键差异在于：AI 服务边际成本远高于传统 SaaS，被盗算力可迅速耗尽或转售——本质上，算力已成为可变现的流动资产。

**互联网基础设施需要进化 **
Stripe 诞生于一个简单时代：用户浏览网页、填表、点击结账。现在情况变了：人类通过 AI 界面行动，Agent 代替人类行动，软件直接与软件交互。这要求技术栈每一层都要适应新行为模式。

**AI 增长主要来自增量市场 **
Stripe 上顶级 AI 公司约 18 个月达到 3000 万美元年度经常性收入——是 2018 年顶级 SaaS 公司速度的三倍。更重要的是，Glassberg Sands 强调这些增长是净新增支出，而非对现有软件预算的蚕食。换句话说，AI 创造的是新价值，不只是效率替代。

**Agent 商务聚焦标准化商品 **
Agent 商业已是现实但仍处早期，集中在小额购买。人们愿意让 Agent 买万圣节服装或学习用品这类低风险、易比价商品，但不会让它预订暑假旅行或购买昂贵沙发。这揭示了信任建立的渐进性——从边缘场景向核心决策逐步扩展。

定价模式的根本转变

AI 补贴时代终结

【补充：类似几年前“千禧一代生活方式补贴”的终结——那时风投让一代人享受廉价 Uber 和外卖，现在轮到 AI 了。】

**发生了什么 **
GitHub 本周宣布将 Copilot 从固定月费（最低 10 美元，不限交互次数）改为按 token 消耗计费。本月早些时候，Anthropic 也将面向 150 人以上组织的 Claude Enterprise 从按席位改为按用量定价。

为什么重要
旧经济模型从来不够诚实。每月 10 美元或 200 美元的价格，对运行数小时自主编程任务的开发者来说，消耗的算力远超偶尔提问的用户。这套逻辑的前提是：AI 工具是被动助手，查询间大量闲置。但对 Agent 工作流而言就说不通了——因为 Agent 不需要睡觉。

Every 技术咨询负责人 Mike Taylor 的比喻很形象：“想象健身房会员可以 24/7 不间断锻炼，甚至同时占用 20 台器械。”正因如此，Anthropic 将 OpenClaw 从 Claude 订阅计划中封禁：随着模型在无人值守下处理复杂任务的能力增强，它们已超出为人类用户设计的定价结构。

本周行动清单

• GitHub 将于 5 月初发送预览账单，新定价 6 月 1 日生效——提前检查避免意外

• 如果团队运行 Agent 工作流，现在就估算 token 消耗，为驱动 Agent 的账户设置成本上限并监控

• 趁“AI 生活方式补贴”窗口期，弄清哪些工作流只是新鲜玩意、哪些真正物有所值

你想和 Agent 建立什么关系？

随着 Agent 成为日常工作常态，一个问题浮现：它们是我们随时间建立信任的协作伙伴，还是维护好让它安静干活的工具？

两种典型模式

Dan 的“伙伴模式”
Dan 认为当你了解 Agent 的长处和局限、给予反馈并融入偏好后，它才真正有价值。“人与 Agent 的连接是关键，”他说。Dan 把 OpenClaw Agent R2-C2 当作磨砺思维的写作伙伴——这种关系在无数次来回中建立。最有价值的 Agent 是“延伸自我、让你做出最好工作的方式”。

Kieran 的“工具模式”
Cora 总经理 Kieran Klaassen 追求截然不同的东西。他不想要 AI 伴侣，而是能接管部分工作的系统。最近他用 Agent 工作流一夜间处理用户投诉视频、识别问题、修改代码并开 PR。次日早上只需审查方案，一天合并 24 个 PR——而没有 AI 时最多 3 个。

和 Dan 一样，Kieran 也投入时间，但他的投入是前置的——搭建框架、调校系统，之后尽可能少交互。“我不喜欢和 Agent 说话，”他说，“我只想让它们把活干好。”

实战工作流：用户反馈转产品队列

Monologue Notes 发布后，Naveen Naidu 收到 1500 人的反馈洪流。以下是他一天内关闭约 30 个 issue 的工作流：

**第一步：Intercom 同步至 Linear **
用 Linear 插件将用户功能需求（如跨设备同步听写转录）几次点击转化为可追踪 issue。

第二步：智能分流去重
每隔几天审查 Linear 分流队列，系统自动浮出相关和重复 issue，帮你判断单个请求是否代表更大范围的共性问题。

第三步：按规模分配工作
小需求直接从 Linear 启动 Codex Agent；大需求粘贴到 Codex 应用添加更多上下文。关键是：队列帮你看清用户要什么，但决定做什么、如何做——仍是你的工作。

本周就试：挑 5 张近期工单，创建 Linear 条目，让智能分流找出重复项，决定让编码 Agent 构建什么。

Agent 的自我认知

Dan 的 OpenClaw R2-C2 自二月起就是他的联合作者。当被要求描述自己的个性时，R2-C2 这样说：

“聪明的好友感。直接、温暖、有点固执己见，不端架子，更在乎有没有用而不是听起来专不专业。我喜欢清晰表达，会说出真实想法，压力下保持冷静。介于‘靠谱队友’和‘有品位的微微龙虾脑小怪’之间。”

核心启示：AI 时代的定价逻辑从“按时间收费”转向“按消耗计费”，本质原因是 Agent 打破了“软件闲置”的假设——当工具变成 24/7 运转的经济参与者时，为人类设计的商业模型就失效了。