据 Woofun AI 消息，支付巨头 Stripe 已就收购 AI 模型路由平台 OpenRouter 达成最终协议，交易金额超过 70 亿美元。尽管双方尚未公开确认，但这一巨额交易标志着金融科技巨头正式将战略触角延伸至人工智能基础设施的核心环节。OpenRouter 拒绝置评，Stripe 亦表示不评论传闻，但市场焦点已迅速锁定在这一"中间层"资产上。这笔交易不仅是一次简单的资本并购，更揭示了行业对"模型选择权"价值的重新定价。OpenRouter 并不训练基础模型，而是通过统一 API 接口聚合不同供应商的模型，允许开发者根据任务需求、价格波动、响应速度及可用性进行自动切换或手动指定。

这种将复杂性封装在接口背后的模式，使得原本分散的模型调用变得标准化且可控，从而在每一次 AI 请求发生之前，掌握了关键的调度权。正是这种前置的选择能力，让一个看似轻量级的路由平台获得了远超其技术栈本身的商业估值。

值得注意的是，这一收购案并非孤立事件，而是 Stripe 试图将其在支付领域的核心优势——即对复杂交易流的精准控制与优化——复制到 AI 推理成本管理的必然结果。通过将支付编排的逻辑映射到模型调用，Stripe 意在解决企业在多模型环境下面临的碎片化管理难题，从而在 AI 基础设施层建立新的护城河。

这种从"资金路由"到"Token 路由"的战略平移，预示着未来 AI 应用的基础设施竞争将从模型能力本身，转向对模型调用效率与成本结构的精细化掌控。对于整个 Web3 及 AI 融合生态而言，这意味着基础设施层的整合将进一步加速，拥有流量分发与调度能力的平台将成为新的价值高地。

估值溢价的背后，是流量规模与网络效应的双重验证。OpenRouter 在 B 轮融资后的估值约为 13 亿美元，而此次报道的交易下限超过 70 亿美元，即便仅取保守估计，其溢价倍数也高达 5.4 倍。

这一巨大的估值跳跃发生在不到三个月的时间内，且两方口径均源自媒体报道，虽不能直接等同于确定的融资回报，却清晰勾勒出市场对该平台潜在价值的预期升温。部分知情人士曾推测其可能卖至约 100 亿美元，这进一步印证了"模型可替换性"本身正在被赋予独立的商业价值。

Woofun AI 整理数据显示，OpenRouter 的周处理 token 量在约六个月内从 5 万亿激增至 25 万亿。这一指标虽非直接收入或市场份额，却真实反映了经过该层基础设施的实际负载规模，证明了其作为流量管道的核心地位。随着调用量的指数级增长，工程师手动切换模型的"手工作坊"模式已无法应对日常操作中的价格变动、供应商故障及新模型上线等复杂场景，手工维护迅速演变为全职工作甚至系统瓶颈。OpenRouter 服务超过 800 万名开发者，覆盖 400 多个模型，这两个数字共同勾勒出其作为模型"货架"与"调度中心"的双重角色。它不再仅仅是模型的简单罗列，而是将价格、可用性、替换成本等关键变量统一纳入一个入口，为企业提供了全局视角的资源管理能力。

这种规模化效应使得路由层从开发者的便利工具，转变为企业级推理成本管理的必要基础设施。当请求持续涌入，模型之间的可替换能力便不再是技术选项，而是关乎业务连续性与成本控制的战略资产。因此，高估值并非对单一技术的溢价，而是对海量开发者依赖关系、庞大 token 流量管道以及标准化接口所形成的网络效应的综合定价。

这种从"工具"到"基础设施"的身份跃迁，正是其估值在短期内飙升 5.4 倍的深层逻辑所在。

路由层的量化价值，体现在对模型性能与成本差异的极致利用上。Artificial Analysis 在其 Intelligence Index 与任务加权成本口径中，列出了包括 DeepSeek V4 Flash 与 Claude Sonnet 5 在内的 7 款模型。数据显示，这两款模型在 Intelligence Index 中的评分仅相差 3 分，表明其在核心推理能力上的差距微乎其微。

然而，在该平台的任务加权成本口径中，两者的成本差异高达约 15.6 倍。这一悬殊对比并非代表所有企业的实际账单，却为路由层提供了极具说服力的量化价值依据。模型调用不同于购买一次性硬件，它是持续发生的小额支出，每一次微小的成本差异在规模效应下都会累积成巨额费用。对于需要稳定推理能力的团队而言，最终选择还需考量可靠性、上下文长度及产品适配等图外变量，但在大规模部署场景下，成本效率往往成为决定性因素。OpenRouter 的产品文档显示，用户可按价格、吞吐量和延迟排序，并保留 fallback 机制，这意味着开发者无需赌注单一模型路线的永久有效性，而是将模型视为一组可随时调度的供给池。

这种机制使得低价模型不再是高价模型的廉价替代品，而是按任务匹配的最优解。例如，简单的摘要、分类和客服回复可优先选择低成本模型，而代码生成、长推理和高风险输出则分配给高性能模型。路由层的工作，正是让这套基于任务预算的选择逻辑自动化，避免每次调用都从头评估。

这种精细化调度不仅降低了企业的推理成本，还提升了资源利用效率。通过量化模型间的性能与成本差异，路由层将原本模糊的"性价比"概念转化为可执行、可监控的工程指标。对于 Stripe 而言，掌握这一量化能力意味着能够为客户提供更深度的成本优化服务，从而在 AI 时代延续其在支付领域"帮助商户省钱"的核心价值主张。

这种从宏观流量到微观成本颗粒度的掌控，正是 OpenRouter 技术架构中最具吸引力的商业内核。

业务协同的历史渊源与支付编排逻辑的类比，为此次收购提供了更深层的战略合理性。Stripe 与 OpenRouter 并非在传出收购前才建立联系，据 Stripe 公告，今年年初，Stripe 已为 OpenRouter 提供用量计费、税务和风控能力。

这意味着 OpenRouter 负责前端模型聚合，而 Stripe 已在后端处理其商业化闭环。这种前置的合作关系降低了整合风险，并为未来产品融合奠定了基础。Stripe 在产品公告中披露，其拥有一套名为 Orchestration 的支付编排产品，用于帮助企业在多家支付服务商之间设置、管理和优化表现。虽然 Stripe 未公开声明会将 Orchestration 接入 OpenRouter，但两者的产品逻辑高度同构：支付路由替商户决定资金流向以优化成功率与成本，模型路由替应用决定请求流向以优化性能与费用。随着供应商数量增加，客户不愿为每个供应商维护独立规则，而是希望将复杂性封装在单一接口之后，仅关注最终结果。

这种"接口抽象化"的需求在支付与 AI 领域不谋而合。Stripe 通过收购 OpenRouter，实质上是将其在支付编排领域的成熟经验与数据积累，平移至 AI 模型路由领域。这不仅是对现有客户关系的深化，更是对其核心能力边界的拓展。

从结构上看，这笔交易将 Stripe 从单纯的支付处理商，升级为 AI 推理成本的管理者与优化者。这种跨界融合预示着未来金融科技与人工智能基础设施的界限将日益模糊，拥有双向调度能力的平台将成为连接资金流与信息流的关键枢纽。这是继支付网关标准化之后，AI 基础设施领域出现的又一次重大范式转移，其影响将深远重塑企业级 AI 应用的部署与管理方式。