ARTICLE · 1079551
AI 原生组织的样本|Stripe 的 AI 战略:效率提高以后,不是裁人,而是建设更多产品
Token 并不是真正的货币，却正在成为 AI 公司的可计价生产要素；当每次生成、推理和智能体行动都产生真实成本，软件公司就必须同时重做单位经济、反欺诈、定价、支付、组织效率和质量管理。
过去的软件公司，最喜欢一类用户：买了账号，却不怎么使用。
因为传统 SaaS 的边际成本很低。一个用户今天登录十次，和一个月只登录一次，对公司的直接成本差别通常没有那么大。订阅收入已经到账，多出来的使用往往只是数据库、带宽和客服成本。
AI 软件完全不同。
用户每发起一次生成、让智能体多运行一步、调用一次外部工具，公司都可能为模型、算力、存储和第三方服务支付成本。过去只是“没有转化”的免费试用用户，今天可能直接烧掉一笔钱；过去是活跃度越高越好，今天如果没有与收入匹配，活跃度越高，亏损可能越大。
Stripe 产品与业务总裁 Will Gaybrick 在与 a16z 合伙人 David George 的对谈中，用了一个很有传播力的说法：
Tokens are the new dollars。Token 正在变成新的美元。
这当然不是字面意义上的等同。
从企业经营的角度看，Will 的比喻抓住了一场真正的变化：Token 已经不只是技术团队观察的调用数据，而开始像资金一样被获取、消耗、滥用、盗取、调度和兑换为业务结果。
当生产软件的成本下降，使用软件的成本却重新变得显性，AI 公司面对的就不只是一场产品升级。
而是一整套经营系统的重写。
01 软件重新有了“用一次、付一次”的成本
Will Gaybrick 的观察
AI 出现之前，免费试用滥用并不是许多软件公司最严重的问题。用户多试几次，浪费的计算资源相对有限。
现在，软件拥有了新的成本结构。
一些人会重复注册账号、反复领取免费额度，甚至利用试用资源进行更复杂的模型相关操作。Stripe 与客户一起识别这些行为时，看到的不再只是增长漏斗里的低质量线索，而是持续发生的真实资源损失。
Will 在访谈中提到，某个客户曾发现大约六分之一的免费试用存在滥用；ElevenLabs 据称利用 Stripe 的网络信号，每天拦截约两千个免费试用滥用者。这些数据来自对谈案例，更适合说明问题规模，不代表所有 AI 产品都具有相同滥用率。
真正重要的是：过去的软件反欺诈主要保护收入，今天还必须保护算力。
爽爷观点
传统 SaaS 管账号，AI 公司要同时管账号和能量。
一个 AI 产品的单位经济，不再只是“获客成本—订阅收入—续费率”。它至少增加了四个变量：
每项任务消耗多少 Token 与第三方资源； 这些消耗产生了多少用户价值； 用户支付是否覆盖推理与服务成本； 免费额度是否被真正的潜在客户使用。
因此，AI 公司不能只看 DAU、调用量和 ARR。还要看每类任务的贡献毛利、每个客户的 Token 回收率，以及每一单位推理成本换来了多少留存、收入或任务完成。
Token 一旦进入成本表，产品行为就必须进入财务语言。
02 AI 生产力的第一选择：裁人，还是扩张边界？
AI 让一个工程师完成过去多个团队的工作后，公司首先面对的不是技术问题，而是资本配置问题。
你可以用它降低成本，也可以用它增加产出。
Will Gaybrick 的判断
一些公司把智能体效率视为优化成本结构的机会。Stripe 的选择更激进：尽可能多地建设。
因为降低成本的空间终究有限，市场机会的上限却可能更高。Stripe 积累了大量长期未满足的客户需求，工程生产力提高后，更值得做的是加速完成这些需求，进入与现有能力相邻的新市场。
公司内部开发了一套名为 Minions 的编程智能体。Will 提到，它们从每周提交约 1200 个 PR，增长到约 7000 个，一周内一度贡献了大约 30% 的 PR。
Stripe 还搭建了内部知识工具 Kai。按照访谈中的数据，其周活跃覆盖约 83%，日活跃覆盖约 60%，销售生产力提升约 20%。Stripe 的反应不是因此减少销售人员，而是认为销售投入回报变得更好，可以配置更多人去增长。
这背后是一种接近“杰文斯悖论”的判断：当一种资源的使用效率提升，总使用量不一定下降，反而可能因为用途增加而上升。
爽爷观点
AI 提效后的真正选择，不是“要不要更少的人”，而是“要不要更大的野心”。
如果一家公司的市场边界已经固定、需求有限，生产力提高很可能转化为成本压缩；如果仍有大量未满足需求和相邻机会，过早裁减能力，相当于把效率红利直接变成短期利润，却放弃未来增长。
两条路线没有绝对对错，关键看一个公式：
AI 红利去向 = 可扩张机会 × 组织承接能力
没有新机会，扩人只会制造忙碌；有机会却没有组织承接能力，生成更多代码也只会堵塞流程。
03 代码变快以后，瓶颈会转移到整条商业链路
Will Gaybrick 的经验
Stripe 合并的代码比过去多得多，但这也开始挤压其他系统：新产品怎样进入销售体系，价格页面怎样更新，销售人员能否及时理解功能，产品怎样真正到达用户手中。
工程提速之后，最慢的环节不再一定是编码。
Will 把智能体编程类比为注塑成型。真正重要的是先做出“模具”：仓库里的说明文件、开发规范、集成模式、测试路径和稳定模板。一旦模具足够清楚，智能体就能重复生产大量代码，人的时间更多集中在审查和关键判断上。
所以 Stripe 关注的不只是代码生成，而是从客户需求、产品开发、定价、销售培训到产品落地的整条关键路径。
爽爷观点
局部效率越高，系统瓶颈越容易暴露。
当工程产出提升十倍，而评审、合规、定价、发布和销售培训保持原速，公司得到的不是十倍增长，而是一条更长的待办队列。
企业真正需要优化的不是“写代码”这个点，而是：
商业速度 = 最慢关键环节的吞吐量
AI 转型如果只采购编程工具，却不重做需求入口、决策权限、质量门槛和上市流程，最终只是把拥堵从工程部门搬到其他部门。
04 更小、更扁平的团队，前提是给个人创始人式权力
Will Gaybrick 的判断
当高级工程师可以同时调度多个智能体，他会自然承担一部分产品、设计和工程协调工作。Stripe 因此更倾向于更小、更扁平的团队，减少过去用于传递和编排工作的层级。
Will 提到，一位资深工程师同时编排 16 个智能体；另一个项目主要由一名产品经理、一名资深工程师和少量协作者，在几周内完成。团队人数未必都要下降，但同一个团队可以同时推进过去三倍的事情。
Stripe 希望成为“内部创始人的平台”：给个人清楚目标、工具和资源，同时减少中心流程对行动的阻碍。
爽爷观点
智能体放大的不是职位，而是所有权。
如果一个人仍然只能接收拆好的任务、等待多层审批，即使配备 16 个 Agent，也只是把局部执行变快。只有当他能够理解用户、决定取舍、调度资源并对结果负责，智能体才会把他放大成真正的小型团队。
组织扁平化也不等于取消管理。它意味着管理工作的重心从分派任务，转向定义边界、配置资源、校准质量和解决跨系统冲突。
未来最稀缺的不是会同时打开多少个 Agent，而是能否为它们提供一个值得完成、足够清楚且后果可控的任务。
05 智能体商业还没有爆发，因为互联网缺少机器可用的交易原语
智能体可以查信息、写代码、调用工具，却很难像人一样顺畅购买服务。
今天的互联网支付主要围绕人设计：进入结账页、填写表单、登录账号、选择套餐、同意条款。让 Agent 模拟点击这些页面，只是在让机器扮演人，并不是机器原生的商业体验。
Will Gaybrick 的判断
Agent 商业仍处于缺少基础原语的阶段。服务需要能够直接告诉机器：这项内容或能力如何购买，价格是多少，允许怎样使用，付款后如何交付。
Stripe 与合作方探索了机器支付协议，让服务能够在请求发生时返回支付要求。它也在尝试 Agent 钱包和命令行接口，让智能体在人的授权与预算范围内使用支付凭证。
Will 认为，结账页未来可能逐渐消失。用户不必进入单独页面完成重复信息填写，而是在商品或任务场景中直接确认购买。B2B 可能更早发生这种变化：智能体能够为项目发现、开通并配置托管、浏览器或其他开发服务。
爽爷观点
当机器成为买家，商品首先要做到“可被机器理解”。
过去，企业通过品牌页面、销售话术和搜索排名争夺人；未来，一部分采购会先经过 Agent。它关心的可能是结构化价格、调用方式、权限范围、历史可靠性、可取消性和任务适配度。
这会催生一种新的“机器渠道”：
产品能力需要结构化描述； 价格和使用限制需要可读取； 服务开通要有标准接口； 支付必须携带身份、预算和授权； 结果需要能够被验证和追责。
未来企业不仅要做人类喜欢的产品，还要做智能体愿意选择、能够调用、出了问题可以解释的产品。
06 微支付可能回归，因为 Agent 不想替人订一百个会员
微支付在互联网出现后的几十年里被反复讨论，却一直没有成为主流。订阅和广告通常比按篇文章、按次服务收费更简单，也更符合平台利益。
Agent 可能改变这一点。
Will Gaybrick 的判断
一个人偶尔想给亲友生成一首歌，未必愿意为某项工具建立账号并支付每月十美元。他更希望告诉 Agent：找到合适的服务，预算十五美元，完成任务。
复杂任务中的智能体会像蜂鸟一样，在互联网上短暂调用不同能力：购买一点数据、使用一段临时存储、调用一次计算、生成一张图片，然后继续下一步。人不希望为每个服务创建账户，也不需要知道每次调用发生在哪里。
要让这种经济成立，服务必须支持短暂、一次性的消费，支付也要足够低成本和自动化。Will 认为，稳定币可能提供相应基础设施，因为机器不会像人一样介意钱包、币种和支付轨道之间的切换，只需要在授权预算中完成任务。
爽爷观点
订阅卖的是持续访问权，Agent 购买的是即时任务能力。
这并不意味着订阅会消失。高频、稳定、需要持续关系的服务仍适合订阅；低频、跨工具、一次性组合的任务，更适合按量或按结果付费。
未来更可能出现混合模式：
基础订阅负责身份、数据和长期工作流； 用量计费覆盖模型、存储和外部工具成本； 结果计费对应可验证的业务成果； 微支付帮助 Agent 临时购买外部能力。
AI 商业模式的关键，不是把月费拆得更碎，而是让付费单位与用户获得的价值单位重新对齐。
07 Token 像美元，意味着企业需要一套“Token 财务系统”
Will Gaybrick 的判断
Token 与美元之间正在出现某种经营上的模糊地带。
对于 Cursor、Replit 等通用 AI 产品，Token 可以被用于完成很多不同任务。针对免费额度和账户的攻击，也越来越像针对资金的欺诈：有人创建多个账户、盗取额度、转移资源，再把它兑换成实际产出。
Will 认为，未来企业需要像管理资金一样管理 Token：安全地获得、存储、分配和使用它，并让 Token 与美元之间的转换尽可能顺畅。
他还区分了两类 Token 使用：一类用于建设公司内部能力，属于经营费用；另一类直接进入产品，为客户提供服务，影响产品效果和毛利。企业需要知道何时选择更强模型，何时选择更便宜模型，以及每一份消耗究竟带来了什么结果。
爽爷观点
Token 账单不是云成本明细，而是 AI 公司的经营镜子。
一套成熟的 Token 管理系统至少要回答六个问题：
谁在消耗？ 为哪个客户、任务和产品消耗？ 调用了什么模型与工具？ 产生了什么质量和业务结果？ 对应多少收入与毛利？ 是否存在异常、滥用或可以替代的路径？
由此可以形成一个新的单位经济公式：
任务贡献 = 任务收入 − 模型成本 − 工具成本 − 失败与重试成本 − 风险成本
未来 CFO 不会只审核预算，产品团队也不会只优化体验。双方必须共同决定：某类任务值得消耗多少智能，以及怎样用最低成本达到足够好的结果。
08 产出越多，品味越不能只靠“少数高手的感觉”
访谈最后讨论了 Stripe 长期被认可的产品品味，以及在大量工作由 AI 完成后如何保持质量。
Will Gaybrick 的经验
Will 对“品味是人类最后护城河”保持谨慎。他认为，不能武断地假设模型永远不会拥有类似能力。
Stripe 更具体的做法有两条。
第一，管理层反复强调产品质量。质量不是一句文化口号，而是持续进入战略、评审和资源配置。
第二，让团队真实使用产品。Stripe 会构造不含个人敏感信息的模拟账户，保留增长、季节变化、退款、争议等真实业务特征，让团队能够体验客户每天面对的问题。工程管理者也被要求参与产品使用，因为他们能够决定是否把资源投入质量改进。
爽爷观点
品味规模化，不靠统一审美，而靠统一的质量反馈回路。
AI 让团队可以生产更多功能，也更容易制造更多“基本可用”的半成品。如果领导只奖励发布数量，组织就会用最快速度积累体验债务。
所谓品味，不应只停留在某位创始人的直觉。它需要被转化为三件事：
可反复讲清的质量原则； 能逼近真实场景的测试环境； 发现问题后愿意改变资源优先级的决策机制。
质量不是生成阶段的一次检查，而是组织每天怎样使用、感受和修正产品。
09 AI 公司现在应该重做哪几张表？
把整场访谈压缩下来，AI 公司至少需要重新建立六张经营表：
1. Token 损益表
按客户、任务、模型和产品核算收入、推理成本、工具成本与失败成本。
2. 免费额度风险表
追踪多账户、异常调用、自动化滥用和高成本低转化行为，避免把增长预算变成算力补贴。
3. 模型路由表
明确不同任务需要的质量、延迟和成本，建立模型选择、降级与重试规则。
4. 产品关键路径表
从用户需求到代码、评审、合规、定价、销售培训和发布，找出真正限制商业速度的环节。
5. Agent 交易授权表
定义智能体可以购买什么、预算多少、谁来批准、如何审计，以及出错后怎样撤销与追责。
6. 质量反馈表
用模拟环境和真实使用持续发现问题，并让质量缺陷能够真正改变排期和资源。
这六张表背后，是同一种经营变化：
AI 公司不能再把智能只当作功能，而要把它当作一种需要采购、配置、保护和变现的资源。
结语：Token 不是钱，但公司必须像管钱一样管它
Token 不会取代美元。
但它正在成为 AI 经济中连接成本、产品能力和用户价值的中间单位。
一端，Token 对应模型推理、智能体行动和真实现金支出；另一端，它可以被转化为代码、内容、分析、服务与业务结果。中间的差额，决定一家 AI 公司究竟是在创造价值，还是只是在补贴使用。
这也是我持续关注 AI 商业模式与 Agent 基础设施的原因。今天大家看到的是模型能力快速增强，真正决定公司能否长期成立的，却是能力怎样被计价、交易、约束和沉淀。
未来最优秀的 AI 公司，未必是调用 Token 最多的公司。
而是最清楚每一个 Token 为什么被花掉、产生了什么结果，又应该由谁付费的公司。
当企业开始回答这些问题，Token 才不只是工程账单上的数字。
它才真正进入经营。
素材说明
本文基于 a16z 合伙人 David George 与 Stripe 产品及业务总裁 Will Gaybrick 的对谈《Tokens Are the New Dollars》整理与分析。嘉宾观点在忠于原意的基础上进行了书面化重构；「爽爷观点」为结合 AI 单位经济、智能体商业、支付基础设施和组织管理所做的延伸判断。文中涉及 Stripe 内部使用率、PR 数量、生产力、免费试用滥用、国家覆盖与客户案例的数据均来自访谈陈述，未在本文中独立审计，且可能随时间与统计口径变化。稳定币和 Agent 商业仍受技术、监管、安全与市场采用影响，文中相关内容不构成投资判断或确定预测。