據 Woofun AI 消息，支付巨頭 Stripe 已就收購 AI 模型路由平臺 OpenRouter 達成最終協議，交易金額超過 70 億美元。儘管雙方尚未公開確認，但這一鉅額交易標誌着金融科技巨頭正式將戰略觸角延伸至人工智能基礎設施的核心環節。OpenRouter 拒絕置評，Stripe 亦表示不評論傳聞，但市場焦點已迅速鎖定在這一"中間層"資產上。這筆交易不僅是一次簡單的資本併購，更揭示了行業對"模型選擇權"價值的重新定價。OpenRouter 並不訓練基礎模型，而是通過統一 API 接口聚合不同供應商的模型，允許開發者根據任務需求、價格波動、響應速度及可用性進行自動切換或手動指定。

這種將複雜性封裝在接口背後的模式，使得原本分散的模型調用變得標準化且可控，從而在每一次 AI 請求發生之前，掌握了關鍵的調度權。正是這種前置的選擇能力，讓一個看似輕量級的路由平臺獲得了遠超其技術棧本身的商業估值。

值得注意的是，這一收購案並非孤立事件，而是 Stripe 試圖將其在支付領域的核心優勢——即對複雜交易流的精準控制與優化——複製到 AI 推理成本管理的必然結果。通過將支付編排的邏輯映射到模型調用，Stripe 意在解決企業在多模型環境下面臨的碎片化管理難題，從而在 AI 基礎設施層建立新的護城河。

這種從"資金路由"到"Token 路由"的戰略平移，預示着未來 AI 應用的基礎設施競爭將從模型能力本身，轉向對模型調用效率與成本結構的精細化掌控。對於整個 Web3 及 AI 融合生態而言，這意味着基礎設施層的整合將進一步加速，擁有流量分發與調度能力的平臺將成爲新的價值高地。

估值溢價的背後，是流量規模與網絡效應的雙重驗證。OpenRouter 在 B 輪融資後的估值約爲 13 億美元，而此次報道的交易下限超過 70 億美元，即便僅取保守估計，其溢價倍數也高達 5.4 倍。

這一巨大的估值跳躍發生在不到三個月的時間內，且兩方口徑均源自媒體報道，雖不能直接等同於確定的融資回報，卻清晰勾勒出市場對該平臺潛在價值的預期升溫。部分知情人士曾推測其可能賣至約 100 億美元，這進一步印證了"模型可替換性"本身正在被賦予獨立的商業價值。

Woofun AI 整理數據顯示，OpenRouter 的周處理 token 量在約六個月內從 5 萬億激增至 25 萬億。這一指標雖非直接收入或市場份額，卻真實反映了經過該層基礎設施的實際負載規模，證明了其作爲流量管道的核心地位。隨着調用量的指數級增長，工程師手動切換模型的"手工作坊"模式已無法應對日常操作中的價格變動、供應商故障及新模型上線等複雜場景，手工維護迅速演變爲全職工作甚至系統瓶頸。OpenRouter 服務超過 800 萬名開發者，覆蓋 400 多個模型，這兩個數字共同勾勒出其作爲模型"貨架"與"調度中心"的雙重角色。它不再僅僅是模型的簡單羅列，而是將價格、可用性、替換成本等關鍵變量統一納入一個入口，爲企業提供了全局視角的資源管理能力。

這種規模化效應使得路由層從開發者的便利工具，轉變爲企業級推理成本管理的必要基礎設施。當請求持續湧入，模型之間的可替換能力便不再是技術選項，而是關乎業務連續性與成本控制的戰略資產。因此，高估值並非對單一技術的溢價，而是對海量開發者依賴關係、龐大 token 流量管道以及標準化接口所形成的網絡效應的綜合定價。

這種從"工具"到"基礎設施"的身份躍遷，正是其估值在短期內飆升 5.4 倍的深層邏輯所在。

路由層的量化價值，體現在對模型性能與成本差異的極致利用上。Artificial Analysis 在其 Intelligence Index 與任務加權成本口徑中，列出了包括 DeepSeek V4 Flash 與 Claude Sonnet 5 在內的 7 款模型。數據顯示，這兩款模型在 Intelligence Index 中的評分僅相差 3 分，表明其在覈心推理能力上的差距微乎其微。

然而，在該平臺的任務加權成本口徑中，兩者的成本差異高達約 15.6 倍。這一懸殊對比並非代表所有企業的實際賬單，卻爲路由層提供了極具說服力的量化價值依據。模型調用不同於購買一次性硬件，它是持續發生的小額支出，每一次微小的成本差異在規模效應下都會累積成鉅額費用。對於需要穩定推理能力的團隊而言，最終選擇還需考量可靠性、上下文長度及產品適配等圖外變量，但在大規模部署場景下，成本效率往往成爲決定性因素。OpenRouter 的產品文檔顯示，用戶可按價格、吞吐量和延遲排序，並保留 fallback 機制，這意味着開發者無需賭注單一模型路線的永久有效性，而是將模型視爲一組可隨時調度的供給池。

這種機制使得低價模型不再是高價模型的廉價替代品，而是按任務匹配的最優解。例如，簡單的摘要、分類和客服回覆可優先選擇低成本模型，而代碼生成、長推理和高風險輸出則分配給高性能模型。路由層的工作，正是讓這套基於任務預算的選擇邏輯自動化，避免每次調用都從頭評估。

這種精細化調度不僅降低了企業的推理成本，還提升了資源利用效率。通過量化模型間的性能與成本差異，路由層將原本模糊的"性價比"概念轉化爲可執行、可監控的工程指標。對於 Stripe 而言，掌握這一量化能力意味着能夠爲客戶提供更深度的成本優化服務，從而在 AI 時代延續其在支付領域"幫助商戶省錢"的核心價值主張。

這種從宏觀流量到微觀成本顆粒度的掌控，正是 OpenRouter 技術架構中最具吸引力的商業內核。

業務協同的歷史淵源與支付編排邏輯的類比，爲此次收購提供了更深層的戰略合理性。Stripe 與 OpenRouter 並非在傳出收購前才建立聯繫，據 Stripe 公告，今年年初，Stripe 已爲 OpenRouter 提供用量計費、稅務和風控能力。

這意味着 OpenRouter 負責前端模型聚合，而 Stripe 已在後端處理其商業化閉環。這種前置的合作關係降低了整合風險，併爲未來產品融合奠定了基礎。Stripe 在產品公告中披露，其擁有一套名爲 Orchestration 的支付編排產品，用於幫助企業在多家支付服務商之間設置、管理和優化表現。雖然 Stripe 未公開聲明會將 Orchestration 接入 OpenRouter，但兩者的產品邏輯高度同構：支付路由替商戶決定資金流向以優化成功率與成本，模型路由替應用決定請求流向以優化性能與費用。隨着供應商數量增加，客戶不願爲每個供應商維護獨立規則，而是希望將複雜性封裝在單一接口之後，僅關注最終結果。

這種"接口抽象化"的需求在支付與 AI 領域不謀而合。Stripe 通過收購 OpenRouter，實質上是將其在支付編排領域的成熟經驗與數據積累，平移至 AI 模型路由領域。這不僅是對現有客戶關係的深化，更是對其核心能力邊界的拓展。

從結構上看，這筆交易將 Stripe 從單純的支付處理商，升級爲 AI 推理成本的管理者與優化者。這種跨界融合預示着未來金融科技與人工智能基礎設施的界限將日益模糊，擁有雙向調度能力的平臺將成爲連接資金流與信息流的關鍵樞紐。這是繼支付網關標準化之後，AI 基礎設施領域出現的又一次重大範式轉移，其影響將深遠重塑企業級 AI 應用的部署與管理方式。