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
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。