Airwallex 吴恺:金融基础设施如何吃到 Agent 入口Chapters1×0:08金融基础设施,正在遇到 AI 客户4:18从一杯咖啡到全球网络7:16从十套 SaaS 到一个 Agent 入口10:16金融超级入口争什么13:28从一百一十亿到一千亿,先看能否继续交付0:0019:160:08主持人这一期的嘉宾是 Airwallex 空中云汇首席营收官吴恺。Airwallex 刚把估值推到一百一十亿美元,节目却没有停在融资故事上,而是继续追问:一家做跨境金融基础设施的公司,为什么会在人工智能这一轮里获得新的机会?0:26分析师我们根据十字路口Crossing这期公开音频的完整转写,压缩出四个给 AI 产品创业者的判断。先说明素材边界:这是一集二次精炼,不加入嘉宾原声剪辑;你可以通过正文里的原始音频链接回听完整对话。0:42主持人第一个判断是,AI 模型公司带来的,不只是更多支付客户,而是一套完全不同的金融基础设施需求。Kimi、MiniMax、智谱、DeepSeek 这类公司,钱从哪里来、模型怎么切换、不同客户怎么计费,都会变成实时问题。1:02分析师传统软件可以按席位、按月收钱,模型公司的账单却经常跟调用量、模型路由、峰值流量和计算成本一起波动。用户可能在一分钟里切换多个模型,客户需要阶梯费率,高峰和低谷也可能采用不同价格。财务系统如果还按固定订阅去算,很快就会失真。1:24主持人这对创业者的启发很直接:如果你的产品服务 AI 公司,别只看它今天有没有一个好用的界面。先看它背后的用量、计费、权限、结算和风险控制能不能被准确记录。模型能力越像商品,真正难替代的部分越可能藏在这些脏活里。1:44分析师但这里也有一个限制。节目谈的是 Airwallex 自己接触到的大模型客户和产品方向,不能直接推导出整个行业的统一结论。我们把它当成一个正在发生的案例,去观察 AI 产品怎样把金融系统往底层推,而不是把一家公司的判断当成市场定论。2:03主持人为什么这些事不直接让模型公司自己做?因为模型公司真正擅长的是训练和推理,不一定想同时承担全球账户、跨境收付、不同币种、监管审查和企业账期。它们需要的是一套可以嵌进去的金融能力,而不是再招一支支付工程团队。2:23分析师对金融基础设施公司来说,客户也不只是「要一个账户」。它可能要同时管理多个模型供应商,向下游客户按不同规则收费,再把成本、退款、税务和现金流放回同一个账本。谁能把这些变化记录成可审计的交易,谁才有机会从支付通道走到企业的经营系统里。2:43主持人如果你正在做面向 AI 公司的产品,可以把这件事拆成一张真实的账单来验证。一次模型调用从哪里发生,经过哪一个路由,成本落到谁身上,最后由谁付款;中间任何一段没有记录,月底就只能靠人工猜。先把这条链跑通,比一开始做一个看起来很聪明的财务首页更重要。3:07分析师而且这条链的价值,不只在于把钱算对。它还会反过来影响产品定价。你可以知道客户是在低峰期使用,还是在某个模型切换后成本突然变高;可以知道哪些功能带来收入,哪些功能只是消耗算力。对 AI 创业团队来说,金融数据如果足够及时,就会变成产品和毛利决策的一部分,而不是月底的报表。3:33主持人所以第一个创业者动作是,画出一张从用量到收款的端到端地图,标出所有人工补录、规则冲突和异常处理。第二个动作是问清楚,客户愿意为哪一个确定的结果付费,是更快收款,是更少对账,还是能在资金风险发生前得到提醒。只有这两个问题都能回答,金融基础设施才不会停在漂亮的接口层。4:01主持人这其实改变了产品销售的对象。你不再只向财务负责人卖一个工具,还要让工程团队、运营团队和管理层相信:这套接口不会因为流量突然翻倍就失控,费用不会算错,出现争议时能找到每一步的依据。4:18主持人Airwallex 的故事从墨尔本一家咖啡店开始。创始团队经营咖啡生意时发现,进口原料的跨境支付又慢又贵,一笔汇款不论金额大小,都可能被收取二十到五十美元。更麻烦的是,付款人的姓名还曾因为和制裁名单同音,反复被卡住。4:39分析师这个起点很重要,因为它解释了 Airwallex 后来为什么没有把自己理解成一个简单的转账工具。Wise、Revolut 等公司也看到了跨境支付的机会,Airwallex 选择的路径是先把不同国家和地区的支付网络铺出来,再把账户、收款、支出和财务操作放到同一套企业服务里。5:01主持人代价是前几年很难看。节目里谈到,Airwallex 如果只做东南亚市场,可能会更早盈利;但从第一天开始,它就选择覆盖全球,先把网络和牌照能力建起来。对一个创业团队来说,这不是一句「长期主义」就能带过的选择,而是连续几年承受亏损,仍然相信未来客户会需要这张网络。5:25分析师很多区域性的支付网络后来卖给了 Visa、PayPal 这样的巨头。Airwallex 没有在早期出售,背后是一个很朴素的判断:只做资金转移,能直接使用的企业太少;只有把底层能力变成产品,企业才会愿意持续留下来。5:42主持人节目还回顾了 B 轮时 Stripe 曾提出收购。这个选择难,不只是因为价格,而是因为两条路都看起来合理:卖掉可以立刻兑现,继续做则要承担多年亏损和更大的执行风险。对创业者来说,所谓愿景往往要先翻译成一张能承受坏情况的现金流表。6:05分析师所以它一边铺网络,一边把产品砍到最小可用。多条产品线可以同时推进,但每条线都得先证明一个足够窄的使用场景。创业者经常争论该做垂直产品,还是做全栈平台。这个案例给出的答案是,先问你有没有能力把底层能力变成用户每天能用的动作,再讨论产品应该长多宽。6:27主持人全栈也不是把所有功能都做一遍。它更像一条从钱进来到钱出去的完整链路:账户、收款、支出、账务和对账之间能互相看见。垂直则是把某一类客户的复杂动作做到足够深。两者的交叉点,才是创业团队真正有机会守住的地方。6:48分析师Airwallex 到二〇二一年,也就是成立第六年,才真正等来全球银行产品的产品市场匹配。这个时间点提醒我们,基础设施创业往往不是上线一个功能就能验证,网络、合规、产品和销售必须一起成熟。只盯着短期收入,容易把还没有铺完的网络误判成失败;只讲远大愿景,又会掩盖每个阶段到底有没有交付。7:16主持人第二个判断,AI 对金融软件的改造,核心不是把十个软件的入口换成一个聊天框,而是让原来分散的流程真正连起来。过去,一家公司可能要用十套软件处理费用、会计、收入确认、对账和计费,再由五个财务人员把数据拼回去。7:37分析师这些单点软件的问题,不只是界面多。它们各自保存一段数据,彼此之间没有完整上下文,所以每一个软件里的 AI 都只能看到局部。一个系统知道付款发生了,另一个知道预算超了,第三个知道发票没有匹配。没有跨流程数据,所谓智能就很容易变成会聊天的局部自动化。8:00主持人Airwallex 在节目中介绍了几条不同的产品线。Kai 是放在 WebApp 里的 AI 助手,能分析财务政策、优化流动资金、搭费用工作流,也能排查一笔付款为什么没有到账。AgentOS 则把底层金融能力通过命令行、应用程序接口和 M C P 开放出去,让企业自己的 Agent 来调用。8:22分析师这两种产品代表两种入口。Kai 面向已经在平台里工作的财务人员,帮助他们少点几次、少查几张表;AgentOS 面向企业自己的自动化系统,重点是让外部 Agent 能安全地调用支付和账户能力。对创业者来说,做 Agent 不能只做一个更聪明的聊天层,还要决定哪些动作可以执行、谁能授权、出了错如何追溯。8:50主持人节目还提到 T 零和 Airi。T 零想让公司从成立第一天起就拥有一个迷你首席财务官,Airi 则从一键结账继续走向面向消费者和 Agent 的智能钱包。它们看起来都叫 AI 金融产品,但服务对象、数据范围和动作权限并不一样。9:10分析师这里有一个值得留意的早期信号:Kai 上线大约一个月后,团队就开始观察用户是不是真的把自然语言交给它去完成财务任务。对 AI 产品来说,注册数和对话数都不够。真正有用的指标应该更靠后,用户有没有授权,任务有没有完成,人工复核有没有减少,出了问题能不能找回责任链。9:35主持人这也解释了为什么金融 Agent 比普通办公助手更难。付款、对账和账户权限都涉及钱,系统必须同时处理准确性、合规和可撤销性。一个回答错了,可能只是让人重写一封邮件;一笔支付做错了,后果就完全不同。9:55分析师所以创业团队如果想把 Agent 做进金融流程,产品优先级不该从「模型能说什么」开始,而应从「系统允许它做什么」开始。先把权限、边界、日志和人工接管做扎实,再谈让 Agent 主动完成更多任务。这个顺序没那么性感,但会决定产品能不能真正进入企业。10:16主持人第三个判断,是关于入口竞争。节目把金融超级入口拆成三张牌:数据、人才和流量。Airwallex 收购 Leapfin 和 OpenPay,节目讨论的重点也不只是多了两个产品,而是这些交易可能帮助它补齐收入数据、支付能力、团队经验和客户触达。10:38分析师这个判断对创业者很实用。并购不一定是为了把一个漂亮功能贴到首页,很多时候买的是时间、牌照、客户关系或一支已经知道怎么交付的团队。如果你的公司也在考虑并购,应该先写清楚到底想买哪一种不可快速复制的资产,而不是先被「协同效应」四个字说服。11:00主持人另一方面,ChatGPT Finance 这样的产品如果想连接金融平台,会带来一个现实选择:平台可以借助巨大的流量触达更多客户,也可以尽量守住自己的数据和入口。流量入口能带来新增客户,但平台一旦把关键交互全部交出去,就可能慢慢失去对用户关系的控制。11:22分析师这不是简单的开放或者封闭。金融平台要判断,哪些能力适合通过接口开放,哪些数据必须留在自己的控制范围,哪些高风险动作必须由用户再次确认。AI 时代的 API 策略,已经不只是开发者体验问题,也变成客户关系和风险管理问题。11:41主持人当模型越来越像通用商品,金融超级入口可能长在更靠近真实资金流和企业工作流的那一层。模型可以帮你理解一张账单,但能不能拿到正确的账户数据,能不能执行付款,能不能在异常时解释清楚,取决于另一套基础设施。11:59分析师这给小团队留下的机会,不一定是去做一个缩小版的通用金融平台。更现实的路径是先占住一个动作链:比如一个行业的收款、对账和现金流预测,或者一个跨境业务的合规付款。只要这条链上的数据和结果足够连续,AI 才有机会从建议走到执行。12:20分析师这也是为什么 ChatGPT Finance 一类入口的出现,会让平台关系重新洗牌。它可能带来巨大的新增流量,却不自动等于平台拥有了新的客户关系。真正要谈合作,至少要分清三层:谁负责解释,谁负责提供数据,谁对最终的金融动作承担责任。12:40主持人对小团队而言,最危险的做法是为了接上一个大入口,把所有数据都无条件开放。更稳的方式是按动作拆接口:查询可以宽一点,写入要窄一点,付款和转账必须有额度、角色、二次确认和完整日志。这样做看似降低了 Agent 的自由度,实际上提高了企业敢于授权的概率。13:05分析师反过来,平台也不能只靠封闭来保护自己。如果外部 Agent 已经成为客户的工作入口,完全不开放就会让产品被绕开。开放哪些能力、收取什么费用、怎样保留客户关系,应该和自身最强的资产绑定起来。数据、风险控制和交付结果,至少要有一项是你能持续做深的。13:28主持人第四个判断回到 Airwallex 自己。节目中,吴恺回顾了早期拒绝 Stripe 收购、也拒绝过早赚钱的选择。二〇一八年,公司收入几乎为零,他却做了一份通向十几亿美元收入的财务模型,当时有投资人直接认为不可能。13:47分析师六年后回看,实际增长曲线和那份预测只差了大约一个半季度。这个故事最有价值的地方,不是预测准确,而是模型背后有一套持续更新的经营动作:先判断市场够不够大,再把全球网络铺出来,然后用产品和销售去验证每一条曲线。14:08主持人节目给出的当前数字是,Airwallex 年度经常性收入大约十三亿美元,年增速约百分之九十,行业毛利约七成,客户超过二十万。吴恺认为,按约八倍市销率计算,一百一十亿美元估值并不高。14:25分析师这些数字属于节目中的公司口径,我们不把它当成独立审计结论。对创业者来说,更值得拿回去用的是问题本身:增长来自哪些客户,毛利由哪些产品贡献,增长速度会不会随着全球化成本上升而下降,估值故事能不能被下一年的收入和留存接住。14:46主持人把这套问题放回自己的公司,最好不要只做一个乐观版本。可以同时做三个场景:客户增长符合预期,客户增长放缓但单客使用扩展,或者新市场进入推迟但核心市场毛利改善。每个场景都要写出现金还能撑多久、哪些招聘可以延后、哪条产品线必须先停。这样估值讨论才会回到经营,而不是只剩一个漂亮的倍数。15:15分析师Airwallex 的案例也提醒我们,融资不是增长的替代品。吴恺提到融资会帮助公司更快获取人才、数据和并购机会,但这些投入只有在产品交付和客户扩展跟得上的时候才有意义。对早期团队来说,融资到账后的第一张表,不应该只是预算表,还应该有每一笔投入如何改变交付速度和收入质量的假设。15:40主持人从一百一十亿美元走到一千亿美元,节目给出的下一道台阶是把客户从二十多万推到一百万。产品也要从帮助财务人员完成操作,走向能够主动提升效率的智能金融。听起来很大,但落地时还是几个小问题:一个任务能不能自动完成,一次错误能不能被追回,一个国家的销售方法能不能复制到下一个国家。16:06分析师全球化最难的部分,节目里并不是把总部的流程翻译成英语,而是选对当地管理者,理解每个市场的支付习惯、监管边界和获客方式。公司从二〇一九年开始大量招聘当地 GM,让当地人吸引当地人才,也让合规、营销和文化判断留在当地。16:26主持人这对正在出海的 AI 创业者有个不太好听的提醒:全球化不是多开几个地区页面,也不是把一个销售团队复制十遍。Airwallex 后来甚至把市场选择简化成按 GDP 排序,先看全球前十,再看前二十;当地人能不能做决定,产品能不能适配当地工作流,出了合规问题谁来负责,才是扩张速度的上限。16:52分析师当地 GM 也不是挂名的销售负责人。一个合格的 GM 至少要能把客户需求翻译给产品,把合规边界翻译给总部,把招聘和交付责任留在本地。总部如果只给目标、不放决策权,最后得到的往往是一个昂贵的地区办事处,而不是可以复制的增长单元。17:14主持人因此,出海前可以先做一个小测试:让本地团队独立拿下一个客户,完成开户、收款、对账和售后,再看哪些环节仍然依赖总部。客户能否在不跨时区等待的情况下得到答案,通常比地区页面是否上线更能说明本地化有没有开始。17:34分析师从二十多万客户到一百万,节目里还给了两条增长路径:继续进入新市场,以及让单个客户使用更多产品。客户可以从账户类扩展到交易类,再扩展到软件和资本类;单个客户的价值,目标是每年增长百分之二十多、接近百分之三十。如果把这一期压成一张创业者检查表,可以留下四个问题。第一,你的 AI 产品是不是在解决模型公司新增的计费、权限和结算问题。第二,你有没有一条连续的数据和动作链,而不是又一个孤立的 SaaS 页面。第三,你控制的是数据、人才、流量中的哪一张牌。第四,你的增长预测能不能拆成下一季度真的能交付的任务。18:21主持人Airwallex 这期对话最值得带走的,也许不是一千亿美元这个目标,而是它把一个宏大估值目标拆成了全球网络、企业产品、智能入口和组织复制。创业者可以不认同这条路线,但至少可以用同样的方式检查自己的路线:愿景后面,下一步到底是哪一个客户、哪一个动作、哪一条能被复盘的数据。18:45分析师本期是根据十字路口Crossing公开音频完整转写后的二次精炼,不含嘉宾原声剪辑。原始音频链接、节目标题和素材边界都放在正文里,欢迎先听这二十分钟,再回到原集核对上下文。19:01主持人这里是「七档 AI 创业者精选播客缩短版」。我们下期再见。