金融科技巨头 Stripe 周三在其年度 Stripe Sessions 用户活动上公布了一系列新产品发布。其中亮点包括:支付领域全新 AI 基础模型;由稳定币驱动的账户;全新的 Orchestration 解决方案,以及与芯片巨头 Nvidia 近期达成的迁移合作。
Stripe 的支付基础模型经过数百亿笔交易的数据训练,Stripe 信息主管 Emily Glassberg Sands 介绍说,因此它“捕捉到了每笔支付中数百个细微的信号”,这些信号是其他模型容易忽略的。
其中一个应用场景是改进欺诈检测。Stripe 之前的模型通过“逐步”减少信用卡测试攻击,在两年内将该类攻击降低了 80%。信用卡测试攻击是一种欺诈行为,攻击者尝试检测被盗信用卡信息是否有效,以便利用这些信息进行购物。
该公司宣称,其全新基础模型几乎在一夜之间就将大企业遭受此类攻击的检测率提高了 64%。
她补充道:“过去,我们无法充分利用海量数据。现在,我们可以。”
当然,Stripe 并不是唯一一家利用 AI 构建欺诈检测模型的金融科技公司。仅举一例,Sardine 将自身描述为专注于欺诈、合规及信用承保的 AI 风险平台,今年二月就由 Activant Capital 领投完成了 7000 万美元的 C 轮融资。
在接受 TechCrunch 采访时,Stripe 产品与业务总裁 Will Gaybrick 表示,Stripe 的通用模型采用自监督学习,因此能够自主发掘特征。
他说:“我们在机器学习中一再发现,通用模型的表现更胜一筹。其主要原因在于敏捷性。它在性能上更优,且能更好地适应欺诈模式的变化。”
此外,Stripe 周三还宣布计划通过与 Ramp、Squads 以及 Airtm 等初创企业合作,为各国企业引入由稳定币支持的多币种卡。借助这些卡片,各国企业将能够“首次在同一货币体系下运营”,据各公司称。
这一举措距离 Stripe 完成对稳定币平台 Bridge 的收购仅三个月。
借助 Orchestration 解决方案,Stripe 表示能更好地帮助企业通过仪表板设置、管理并优化多个支付提供商间的表现,无论企业是否使用 Stripe 作为支付处理器。
在此次活动中,Stripe 还提及了多家使用其结算产品的 AI 公司,包括 Windsurf、OpenAI、Anthropic、Cursor、Perplexity 以及 Eleven Labs。
近期,根据 Stripe 收入自动化主管 Vivek Sharma 的介绍,Nvidia 在六周内将其“全部订阅用户群”成功迁移至 Stripe Billing——而金融科技公司称通常此类迁移需要数月完成,这一过程创下了“Stripe Billing 迁移最快纪录”。(Nvidia 早前已是 Stripe Payments 的客户。)
Stripe 周三的其他公告还包括:
支持 25 种新支付方式,包括 UPI 与 PIX,使其总支付方式超过 125 种。
Klarna 将在今年夏天登录 Stripe 的消费者支付产品 Link。
Stripe Terminal 现已支持使用第三方硬件,首发伙伴为 Verifone。
Managed Payments —— 一项全新的商家记录服务,为企业进入新市场提供所需的一切,包括代为处理全球税务、欺诈防范、争议管理、履约等。
Smart Disputes 利用 AI 自动化处理争议管理。
Stripe Tax 服务现已覆盖 102 个国家,较去年的 57 个实现大幅增长,并实现了从监控、注册到收税、申报的全税务生命周期自动化。
Global Payouts 允许企业只需使用电子邮件地址即可向客户、外包人员及其他第三方完成支付。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。