Stripe超70亿美元收购OpenRouter,中国模型霸榜助力,VC回报超5倍!

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

突发收购:Stripe超70亿美元拿下OpenRouter

8月16日,多家媒体报道,美国支付巨头Stripe已就收购OpenRouter达成最终协议,交易估值超过70亿美元(约合471亿元人民币)。若交易顺利完成,将成为2026年AI基础设施领域规模最大的并购案之一。

OpenRouter:全球大模型聚合平台的崛起

OpenRouter是全球最大的大模型聚合平台,开源模型发布常以在其平台获"token使用量全球第一"为宣传点。这家2023年成立、约50名员工的"小公司"卖出70亿美元天价,三个月前投资的VC已获超5倍回报。

2022年11月30日,OpenAI上线ChatGPT并迅速走红,一个月后月活用户破亿,世界进入AI时代。几乎同时,OpenRouter问世,其主要创始人Alex Atallah曾是全球最大NFT交易平台OpenSea联合创始人兼CTO,看到大模型爆火,他意识到大模型可能需要"token聚合交易"平台。2023年初,Alex Atallah拉着两位老搭档创立OpenRouter,其商业模式是"AI模型聚合器",用户只需调用统一接口就能访问全球主流大模型。

创立头一年,OpenRouter并不成功,当时大模型赛道OpenAI一枝独秀,开源大模型难敌GPT,"AI模型聚合"缺乏根基。它只能兼容OpenAI的API格式,供开发者无缝切换,日调用量仅百万级。

2024年下半年起,随着开源模型阵容强大,OpenRouter成为全球AI产业关键基础设施。其用"年化推理支出"指标体现业务增长,2024年10月为1000万美元,12月增至1900万美元,2025年5月达1亿美元,2026年3月第三方报告估计为10亿美元。

如今,OpenRouter是全球大模型推理算力流量枢纽,开源、闭源大厂都将模型接入。其盈利模式是对用户收5.5%服务费,大模型赛道越卷,其生意越好且无需大量本钱投入。目前,OpenRouter周处理token量达25万亿,上架超400款大模型,注册开发者超800万,约50人团队人均效率极高。相比之下,OpenRouter人均估值超智谱、OpenAI等顶尖大模型公司。

中国大模型:助力OpenRouter发展

OpenRouter的发展离不开中国大模型。2025年初,"K神"Andrej Karpathy称其模型排行榜是"最具参考价值的真实负载评估标准",使其在开源社区声望飙升。2026年起,中国模型集体霸榜,2月MiniMax M2.5登顶周度调用量排行榜,3月小米MiMo V2 Pro登顶周榜,4月阿里Qwen3.6 - Plus、腾讯混元Hy3 preview、月之暗面Kimi K2.6等先后登顶,5月DeepSeek V4 Flash连续六周霸榜,7月小米MiMo V2.5重回巅峰,8月第一周DeepSeek V4 Flash夺回第一。如今,中国模型在OpenRouter上Token消耗量占比超60%,全球前五全是中国模型。

不过,OpenRouter排名价值有限,顶尖闭源模型大厂调用多来自自家接口,其平台API收入远不及OpenAI。但它仍是全球最大第三方大模型调用平台,排行榜有参考价值,且其用户47%来自美国,已成为中国大模型出海关键支点。

资本青睐:多轮融资与高回报

2025年2月,a16z领投OpenRouter 1250万美元种子轮融资。6月,OpenRouter获4000万美元A轮融资,估值5亿美元,由Menlo Ventures领投,美国红杉资本跟投。2026年5月,B轮融资1.13亿美元,估值涨至13亿美元,由谷歌旗下CapitalG领投,英伟达等CVC跟投。B轮融资3个月后,Stripe以超70亿美元估值收购,B轮投资者回报超5倍,A轮超10倍。

Stripe的焦虑与布局

Stripe愿出高价与其自身焦虑有关,它担心AI时代商业交易形态改变,因此积极布局AI,在2026年Stripe Sessions大会发布面向AI Agent的商业套件。OpenRouter创始人Alex Atallah曾将公司比作AI领域的Stripe,从P/S倍数看,Stripe开出的估值隐含高增长预期和战略价值,二者合作的化学反应有待揭晓。

AI 时代程序员必备技能

Codex、Claude Code、Cursor、Hermes Agent、OpenClaw等工程化实战专栏 ,讲透 AI 如何接管脏活累活

01、数据介绍 在量化业绩说明会文本时,研究者通常采用自然语言处理(NLP)技术来提取关键特征,在构建管理层或投资者的情感语调时,普遍采用“净正面语调”作为核心指标。其计算公式通常为:净正面语调 = (正面词汇数 − 负面词汇数)/(正面词汇数 + 负面词汇数),该指标的取值范围在[-1, 1]之间,数值越大,表明发言者的情感语调越积极。 数据名称:上市公司业绩说明会文本+情感语调 数据年份:2005-2024年 02、数据指标 服务业种类、服务业收入(万元)和服务业收入占比数据提取都来自:根据上市公司财务报表中经营范围的描述,将与主营业务相关的生产性服务分为以下八类:(1)技术支持服务,包括维修、保养、安装与检测等基本技术支持与售后服务;(2)销售服务,包括分销、批发、零售和国际贸易等;(3)咨询服务,包括产品咨询、管理咨询以及市场咨询等;(4)培训服务;(5)租赁服务,包括产品租赁和设备租赁等;(6)研发与信息服务,包括设计、研发、开发、维护、升级、转让、技术指导、数据及信息处理服务、系统集成、系统运营维护以及综合技术服务等;(7)金融服务,包括融资与保险等金融服务;(8)物流服务,包括物流、装卸、搬运、仓储和运输等。具体处理方法:按照关键词检索企业是否开展上述八类服务,在此基础上对服务种类进行加总,得到代表企业服务业务种类的变量。 问题序号:业绩说明会提问问题的排序 提问内容:投资者提问内容 提问时间:投资者提问时间 回答人:回复投资者提问的人员 回答时间:回复投资者提问的时间 回答内容:对投资者提问的具体回复内容 正面词汇数量:回答内容中识别出的正面词汇数量 负面词汇数量:回答内容中识别出的负面词汇数量 正面词汇数比例:上市公司业绩说明会管理层回答所用的正面语调词汇数目占管理层回答词汇总数的比例 负面词汇数比例:上市公司业绩说明会
内容概要:本文系统介绍了Ćuk转换器的工作原理及其在Simulink环境下的建模与仿真实现方法,重点剖析了该电路如何实现输入直流电压到极性反转的输出直流电压的高效转换。文章详细阐述了Ćuk转换器的电路拓扑结构、两种开关工作模式下的能量传递机制、关键元件(如电感、电容、开关管和二极管)的作用与参数设计原则,并通过构建Simulink仿真模型,展示了输入输出电压波形、电感电流变化等关键动态响应,验证了理论分析的正确性,帮助读者深入理解其运行特性与工程应用价值。; 适合人群:电气工程、自动化、电力电子及相关专业的本科生、研究生,以及从事电源变换器设计与仿真的科研人员和工程技术人员;需具备电路理论基础和Simulink基本操作能力。; 使用场景及目标:①作为教学案例,辅助理解升降压型DC-DC变换器特别是反相拓扑的工作机理;②为科研项目中高性能负压电源的设计提供理论依据与仿真参考;③指导工程师完成Ćuk转换器的建模、参数优化与动态性能验证,提升实际系统开发效率与可靠性。; 阅读建议:建议结合Simulink软件动手实践,按照文档步骤搭建仿真模型,重点关注PWM控制信号的设置、储能元件参数的选取及示波器观测点的配置,通过对比不同工况下的仿真结果,深化对电路能量流动与稳态/暂态行为的理解。
内容概要:本文提出了一种基于角蜥蜴优化算法(HLOA)改进BP神经网络的风电功率预测模型,旨在提升传统BP神经网络在风电功率预测中存在的收敛速度慢、易陷入局部最优等缺陷。通过引入HLOA算法对BP神经网络的初始权重和阈值进行全局优化,显著提高了模型的预测精度与稳定性。研究在Matlab平台上完成了算法实现,并采用真实风电场数据进行实验验证,结果表明所提出的HLOA-BP模型在均方根误差(RMSE)、平均绝对误差(MAE)等关键评价指标上均优于传统BP、GWO-BP等对比模型,尤其适用于风电功率的短期预测场景,为新能源并网调度与电力系统安全稳定运行提供了可靠的数据支持和技术路径。; 适合人群:具备一定机器学习、智能优化算法基础,从事新能源发电预测、电力系统分析、智能算法应用研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现风电场出力的高精度短期预测,辅助电网调度决策;②探索新型生物启发式优化算法(如HLOA)在神经网络参数优化中的有效性与应用潜力;③为相关领域开展MATLAB仿真建模与预测算法研究提供可复现的技术范例和代码参考。; 阅读建议:此资源融合了算法理论创新与工程实践验证,建议读者深入理解HLOA算法的种群更新机制与寻优特性,重点掌握其与BP网络耦合的实现逻辑,动手复现实验流程,并尝试迁移至其他预测任务或优化问题中,以全面提升模型构建、参数调优与跨领域应用能力。
内容概要:本文提出了一种结合改进深度优先搜索算法与二进制粒子群优化算法(BPSO)的配电网故障恢复重构方法,旨在实现故障后供电的快速、高效恢复。通过改进的深度优先搜索算法快速生成满足辐射状拓扑约束的可行网络结构,再由BPSO算法优化开关操作序列,以最小化停电损失、降低网络损耗并兼顾电压质量等多重目标。该方法充分考虑了分布式电源接入下的复杂运行特性,在Matlab平台上完成了仿真验证,结果表明其在收敛性、优化效果和实用性方面均具有优越性能,适用于现代智能配电网的自愈控制需求。; 适合人群:具备电力系统分析基础、优化算法理论及Matlab仿真能力的研究生、科研人员以及从事配电网自动化、智能电网运维等相关领域的工程技术人员。; 使用场景及目标:①为配电网发生故障后提供快速可靠的网络重构方案,提升供电可靠性;②支撑含分布式电源的主动配电网实现自主恢复与优化运行;③为相关科研工作提供可复现的算法框架与仿真案例,推动故障恢复策略的研究与改进。; 阅读建议:此资源以算法协同设计与工程应用为导向,建议读者重点理解改进深度优先搜索与BPSO的耦合机制,深入分析目标函数构建、约束处理策略及算法参数设置对优化结果的影响,并结合提供的Matlab代码进行仿真实践,以掌握其在实际系统中的实现细节与调优方法。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值