Stripe 表示，其平台上的新商家数量同比几乎翻倍。

Why it matters

Stripe's proprietary data suggests AI is accelerating company formation and early monetization, even as agents threaten thin software products. The opportunity is shifting toward founders with deep knowledge, differentiated markets and plans ambitious enough to justify years of work.

Patrick Collison (@patrickc), Stripe 的联合创始人兼首席执行官，说截至 7 月 26 日，在该支付平台上新成立的企业数量接近去年的两倍，这是 Stripe 记录到的最强劲的年度增长。

在 Y Combinator's Startup School 的演讲中，Collison 表示，Stripe 的内部数据还显示公司成立之外的改善。他说，中位数新公司的表现优于一年前同期，而达到从 $1 million 到 $10 million 不等的收入门槛的公司比例也更高。通过 Stripe Atlas（Stripe 的注册服务）成立的公司达到首笔收入的速度也更快。

“我认为 Stripe 的数据表明，现在是最好的时机，”Collison 说。

近乎 2 倍的数字是 Stripe 的一个指标，而不是全经济中新公司的计数。Collison 没有提供公司基础数量或用于定义新公司的期间，而且支付平台的注册并不能衡量有多少公司存活。Stripe 在创业经济中的位置仍然使这一结果具有分量：Stripe 在二月报告称，它直接或间接地支持了超过 500 万家企业，并处理了 2025 年约 1.9 万亿美元的交易量。

那份年度更新早已提供了相同加速的更早视角。Stripe 表示其 2025 年队列的增长速度比 2024 年队列快约 50%，而在三个月内达到每年 $10 million 经常性收入的公司数量是之前的两倍。2025 年 Stripe Atlas 的注册增长了 41%，并且 20% 的 Atlas 初创公司在 30 天内为客户收费，高于 2020 年的 8%。Stripe 还表示 Atlas 现在占特拉华州公司注册的 25%。

Knowledge remains an advantage

Collison 将这些增长数据与反对过度将思考外包给 AI 的论点相结合。他把积累的知识比作处理器最快的内存层：已经存在于“认知 L1 缓存”的信息可以比人类形成提示并等待代理响应更快地被检索和组合。

“在相当长的一段时间内，神经网络查找会快得多，”Collison 说。

他的检验标准是 AI 实验室和像 Stripe 这样的公司的招聘行为，即便模型在改进，这些公司仍继续高价聘请具有认知能力的人。Collison 认为，在没有证据表明已学到的知识的优势已经被耗尽之前，放弃这些知识的价值为时尚早。

他对写作也适用同样的标准。Collison 说他仍然自己写材料，因为他不喜欢模型生成的散文，并且还没有发现一篇由 AI 写成的文章令人信服。他还表示，他从未发送过像 Gmail 等产品越来越多地放在用户面前的预写回复。

这一立场对 AI 周期中最常见的创业论点之一施加了限制。模型可以减少研究、编码和运营产品所需的劳动，但它们并不能消除创始人已经对市场、技术或客户有深刻理解从而能提出更好问题并识别薄弱答案的优势。

AI changes where startups should begin

Collison 承认，日益强大的智能体将消除一些软件类别。一个能够导航界面、组装工作流并执行任务的通用智能体，可以吸收原本支持独立垂直应用的功能。

他拒绝了模型提供商会吞噬每一个创业机会的更广泛结论。大型组织即便拥有进入相邻市场的资本、分发渠道和技术能力，也难以同时推进数百个优先事项。Collison 指出 Google 是一个在许多领域取得成功却并未构建每一种可能产品的公司。

“总体上，我认为这种担忧被夸大了，”他说。

竞争压力可能反而会改变创始人选择起始市场的方式。Collison 说，传统的精益创业方法——团队通过广告或快速测试发现小切口并逐步扩张——在 AI 让许多竞争者能够识别并攻击同一切口时变得更难。

他提出的替代方案是在成立时就实现更大的差异化。创始人可以利用 AI 从一个技术上雄心勃勃的产品或一种此前需要更大团队才能实现的非同寻常的市场定位开始。他举例说，前沿 AI 实验室和国防科技公司 Anduril 的初始计划并不类似于狭窄、低成本的实验。

其实际含义是：AI 降低了尝试大想法的成本，同时增加了对明显想法的竞争压力。围绕一个广泛可用模型构建的薄界面，面临来自其他初创公司、模型提供商和既有软件供应商的快速复制。而围绕专有知识、困难的运营或被他人忽视的市场组织起来的公司则有更多空间去复利增长。

Founders still have to want the company

Collison 还警告有意成为创始人的人，不要把公司成立视为主要决策。更难的问题出现在创业成功后。

“如果你成功了怎么办？”他说。“你融资了、有了客户、有了员工，整套东西都起来了。你会喜欢那样吗？你会想要为此工作十年、十七年、三十年吗？”

Collison 大部分成年生活都处在那样的结果中。在 Stripe 之前，他和他的兄弟 John 构建了面向在线卖家的软件 Auctomatic，并在 2008 年将其出售。Patrick 曾短暂就读 MIT，并在后来向国会 描述过 Stripe，称其为让接受互联网付款更容易的一项努力。

兄弟俩在 2009 年参加 Berkeley 的 Startup School 后决定推进 Stripe。Collison 回忆说，他在晚餐后走回来的路上做出这个决定，推理是这个项目“大概不会那么难”。Stripe 公开发布几乎用了两年时间，于 2011 年 9 月推出。

重返 Startup School 为 Collison 的成立数据提供了一个方便的对称性。Stripe 向与会者提供免费的 Atlas 注册，减少了任何离开活动准备创业的人的一项行政成本。更大的赌注体现在 Stripe 的产品策略上：更多新公司意味着对支付、计费、税务、欺诈防范和注册服务的更多需求。Collison 对创业创造的乐观基于 Stripe 的数据，而如果这种解读被证明正确，Stripe 将直接受益。