支付新創Stripe估值破950億美元，登全美最有價值獨角獸！還被譽為下一個Google？|數位時代 BusinessNext

支付新創Stripe估值破950億美元，登全美最有價值獨角獸！還被譽為下一個Google？

支付新創Stripe完成新一輪募資後，如今估值上看950億美元，已是全美最有價值的新創公司。

疫情帶動電商趨勢，支付服務進而成為投資者焦點

Stripe是由一對愛爾蘭的兄弟黨派翠克．克里森（Patrick Collison）及約翰．克里森（John Collison）攜手成立，主要提供個人或企業接受線上付款的軟體服務，避免潛在的交易風險，初期投資者包括彼得．泰爾（Peter Thiel）、伊隆．馬斯克（Elon Musk）等知名人士。

根據商業數據公司Datanyze的資料，目前Stripe在美國支付處理市場的市占率以18.59%居於第二，PayPal仍以54.34%的市占率遙遙領先。不過，創投公司Y Combinator共同創辦人保羅．格拉漢（Pual Graham）2020年10月曾在推特上評論，「這種既視感太強列了，Stirpe將是下一個Google。」

去年席捲全球的新冠肺炎，大大加速個人與企業數位化的腳步，當門市被迫關閉、出門在外面臨著感染風險，推動了企業轉往線上銷售的趨勢，使用電商購物的民眾也大幅增加。例如，身為Stripe客戶之一的雜貨電商Instacart就在2020年首度轉虧為盈，聲稱已超前達到2022年的目標，疫情爆發時還宣佈僱用30萬名人力應付高漲需求。

支付服務因而大為受到投資者看好，甚至不單Stripe的估值翻倍成長，推特創辦人傑克．多西（Jack Dorsey）旗下的支付新創Square，過去一年裡股價也從41美元飆升至242美元

《紐約時報》也指出，現在矽谷正掀起一股對科技新創的狂熱，去年12月IPO的Airbnb現在市值超過1,230億美元；稍早直接上市的Roblox市值也一度飆破450億美元。上週赴美IPO的韓國電商新創Coupang更創下繼2014年阿里巴巴以來，美國海外公司最大的上市紀錄，市值上看840億美元。

不過，隨著各國疫苗陸續問世，Stripe的成長幅度是否能夠延續下去，勢必也會成為部份投資者的疑慮。但市場成長的速度始終快過人們的想像，約翰．克里森表示，10年前整個電商市場甚至還沒有現在Stripe處理的支付量來得大。

《金融時報》指出，Stripe的客戶更遍及整個科技界，包括Zoom、Salesforce等企業軟體公司，Shopify、Instacart等電商業者，甚至Uber及Instagram都仰賴這間新創的技術處理線上支付。

只要電商市場持續增長、科技巨頭繼續深入你我生活，在背後為這之間的商機默默提供支持的Stripe，或許就仍有繼續發展的空間。

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。