11 年，110 亿美金，然后呢？｜对话 Airwallex 吴恺：AI 时代，下一站 1000 亿

摘要

• Airwallex 新一轮融资估值 110 亿美金，底层支撑是 13 亿美金 ARR 以 90% 增速扩张、行业毛利约七成——CRO 吴恺直言"这个 PS 倍数不算高，完全不算高"，把增速考虑进去后"其实相对是比较低的"。 融资主要目的在于加速找到优秀人才和高质量数据，并购主要瞄准两样东西：人和数据。
• 全篇最尖锐的投资判断：AI 可能重塑金融垂类 SaaS——费控、会计、收入确认、计费等十个原本独立的赛道，往后看五年可能合并成一个 agent 入口，“原来是五个财务人员用十个不同的软件，未来可能变成三个财务人员用一个 agent 系统”。 单点 SaaS 的数据割裂在 AI 时代让自动化割裂、AI 能力受限：“它的 AI 是比较笨的”。
• Airwallex 押注金融超级智能入口：吴恺不认同"超级智能只有通用一层"的判断，认为每个大行业板块的非公开专业数据构成独立壁垒。 潜在入场者除了自己，“Stripe 肯定在做”——其产品线近三四年急剧扩张正是为此；Revolut 靠几千万 C 端用户的流量也可能是一个潜在玩家，“再其他就比较少”。
• 大模型出海公司（Kimi、MiniMax、智谱）带来一门新生意：多模型、阶梯用量、费率实时变化的动态计费——DeepSeek 高峰费率是低谷的两倍——由出账单方 Airwallex 直接实时计算，省掉对账环节。 大模型兴起"就是过去十八到二十四个月的事情"，反而给了 Airwallex 后发优势。
• 公司史上两个反共识决定构成今天的壁垒：day one 做全球而非区域网络——“你如果做一个东南亚的支付，你可能早就盈利了”，但区域玩家最终都卖给了 Visa、PayPal；以及"只做资金的转移是比较差的一个生意"，要在云上重建一整套全球银行。 B 轮时 Stripe 提出收购，公司面临是否卖掉的选择。
• 对 ChatGPT Finance 的姿态是战略观望：ChatGPT 想接金融科技公司，“但是你看有谁会跟他接呢？ 暂时没有”。类比 agentic commerce——亚马逊、沃尔玛不玩，因为数据是最宝贵财富。博弈核心是流量对数据：“底层的模型未来也是一个通用商品，那我为什么不自己做一个超级入口出来，而要把这个入口放在别人这里？”
• 千亿美金路线图是一道简单算术：客户从 20 多万增至 100 万，靠 intelligent finance 把单客户年贡献做到 1 万美金——“能够支撑起一个一百亿美金的收入规模”，从而撑起千亿估值的智能金融平台。

精读

1. 大模型出海带火一门新生意：实时阶梯计费

• 吴恺的对比：传统软件计费"每个月定一个套餐，然后每个月给你账单"，很成熟很简单；但大模型"非常实时动态"——多种模型对应不同性能不同费率，用量按阶梯计价，费率还在不断变化。DeepSeek 高峰费率是低谷的两倍，“这些东西都需要在我们这样的计费和支付平台里面把逻辑放进去”。
• 主持人 Koji 追问为什么不让模型公司自己算，答案落在流程效率上：Airwallex 是最终出账单收费的一方，计费"不是它的核心能力"，模型公司算完再传过来"中间还有一个对账的问题，多出来一个不必要的步骤"。代价是责任极重——算少了要补贴模型公司，算多了终端客户"会非常生气"。

2. 起点是墨尔本咖啡馆：豆子不贵，SWIFT 很贵

• 2015 年墨尔本，CEO Jack 和创业伙伴的咖啡馆副业进口南美、非洲的豆子，撞上跨境支付两大痛点：到账慢——联合创始人李成的拼音"跟某一个制裁的名字是一样的"，走 SWIFT 经常被卡；以及贵——“本来那豆子是没多少钱，SWIFT 一笔可能就是收你大概二十到五十美金”，与金额大小无关。
• 技术判断先于商业判断：SWIFT"本质上是个报文系统"，只传信息、银行再据此调资金，资金流与信息流分离，极不高效。而云计算成熟叠加各国实时小额清算网络兴起（受支付宝等中国支付工具刺激），“你需要的无非是说怎么去把这些网络连接起来”，实现端到端实时资金移动。Jack 是投行外汇算法工程师出身，另一位联创西京连续创业、待过 Google X；Wise、Revolut 也差不多同期起步。

3. 愿景第一课：day one 做全球，前三四年亏损也不做区域

• 第一个抉择：“你如果做一个东南亚的支付，你可能早就盈利了，但我们想做一个全球的网络。“前三四年全在做银行对接、当地牌照、清算网络接入，到 2018 年才"刚开始有一点点收入”，如今支持 90 多个国家实时到账。
• 吴恺对同代区域玩家结局的复盘毫不含糊：过早停止网络扩张、急着在上面做应用变现的，“他们最后的结局都是很像的，都是卖给了巨头”——有的卖给 Visa，有的卖给 PayPal。“你的变现很快，但是你后面的路是走不长的。”
• 他的关键区分：战略选择"只需要算就可以了”——最大的支付通道都是跨洲际的；难在执行，“盈利的滞后意味着你要有很强的投资者关系融资能力”，以及团队能跟着一直坚持。

4. 愿景第二课：转账是差生意，要在云上重建全球银行

• 第二个反共识：“只做资金的转移是比较差的一个生意”——太底层，只有很有限的 B 端客户能直接用。要有 B 端流量，“最本质是你要回头来做一个全球银行的产品”：付款端要企业卡、钱包对接，收款端要收单网关，端到端全建。
• 当时投资人"觉得是非常 crazy 的"，认为创业公司不可能同时做那么多产品；吴恺的回应是团队"比较勤奋，执行力很强，这些产品其实我们后面全部都做出来"——账户、外汇付款、卡、收单、高收益账户、信用类产品今天全有，但 PMF 直到 2021 年才在全球银行这条赛道上出现，此前 2018-2021 只能做付款类：教育平台付全球老师工资、共享经济付房东、留学生付海外学费。
• 对"先垂直做深再扩张"的创业教条，他的第一性原理是客户需求：每条产品线仍然"砍砍砍砍砍，砍到一个最小可用的状态"，但"当你砍掉有一些主线的能力的时候，你的客户没法用你的产品，那你就不能去做这么一个妥协"。

5. 对阵古典银行：覆盖、API，以及 AI 抹平的那条线

• 两个卖点：覆盖——“应该现在全球没有一家银行的整个网络覆盖能够做到像我们这样”，银行靠自建网点铺网络，成本高效率差；体验——网页、移动端到 API，“这些是银行完全不具备的”，毕竟银行核心系统"可能就是上个世纪八十年代做出来的东西"。
• 最好的例子是 ERP 集成：企业一个月几百份账单，走银行要一份份输入、确认、付款；Airwallex 做完标准对接后，“客户从他的 ERP 里面导入他的账单到我们的系统，然后选择哪些账单他需要付的，一键这钱就出去了”。
• 与 Mercury 的分野及其消解：Mercury 不是 API 为先，服务非常中小型客户——但 AI 改变了这条分界线，“原来可能需要一个工程师团队来解决的问题，现在可能一个财务的运营人员他就可以足够来帮你解决了”，中小企业财务自动化变得普惠。

6. Kai 与 Agent OS：界面变化背后，软件不用做了

• Kai 是原生在网页端的对话式 AI 助手：财务政策分析、可用资金流最优化、费用控制与工作流生成、到账报错分析。上线约一个月，“整个留存其实是相当不错的，客户一旦开始用以后粘性是很强的，很难会说他再回到非常以前的方式去点点点点点”。Agent OS 则给客户自建的 agent 提供命令行和基于 API 的 MCP 接口，直接调用底层全部能力。
• 对有技术能力的金融机构，AI 助手"基本上是个必选项"——手机网银几百上千个功能，“你根本不知道在哪儿，甚至有时候你都不知道那功能叫什么名字”。
• 更深一层：原来没做的软件不需要再做了。“Agent 它不需要用软件，当你让 Agent 能理解一个做事情逻辑的时候，他自己就能做了”——对账、收入确认这些原本要一个个做、很耗时间的逻辑，不必再单独开发成软件，“客户可能不关心过程了，他只需要结果”。

7. 金融 SaaS 的判决书：十个软件并成一个入口

• 往后看五年的图景：费控、会计、收入确认、计费等"十个不同的财务软件……未来可能这些软件它都被一个大的入口所替代"，入口背后对应一组 agent。“原来是五个财务人员，他用十个不同的软件。未来可能变成三个财务人员，他用一个 agent 系统。”
• 被主持人点破"所以你是非常不看好金融类 SaaS 的未来"，他没有否认：“他们需要变”——而且出现了一个原来不存在的问题：过去数据割裂不是一个大问题，反正别的 SaaS 也实现不了你的能力；AI 时代只做费控的工具没有其他数据，“它的 AI 的能力很受限，所有的自动化都是割裂的，它的 AI 是比较笨的”。结论冷峻：“他们要变需要花很大的力气。”

8. T零、Airy 与并购逻辑：AI 时代只买数据和人才

• T零（口播如此）是 AI 原生财务平台：企业"从它第零天开始就能有这样一个迷你的 CFO"——记账、对账、财报生成、现金流与收支预测，先在北美发布，“在硅谷这边还是反响非常不错的”。Airy 从 one click checkout 起步，终局希望是面向消费者的智能体钱包：希望有余额，未来可能由 agent 做消费购买决策并结算，“未来希望可以做 agent to agent 的 pay”。
• 收购 Leap Fin（收入确认）和 OpenPay 的逻辑只有两条：数据和人才。“有大量的专有数据它不在公共的网络上面”——制造业的应收应付、软件业的权责发生、物流服务业各不相同，“这些东西你在网络上真是找不到数据”，而 SaaS 手里有客户操作实例，能让 agent"非常快的帮助他们建立收入确认这个能力"。
• 人才端的出价逻辑变了：AI 放大创始人能力，“原来的产品经理他只能写文档，现在变成他能产生原型”——所以"我们为这个人才愿意付的溢价比原来要高很多很多"。

9. 接不接 ChatGPT：超级入口的战略博弈

• Koji 讲了自己被 ChatGPT Finance 弹窗拉去连银行账户的经历，问 Airwallex 会不会有一天也能被 ChatGPT 操作。吴恺少见地坦白：“我也有点想迂回这个问题，因为我没有特别明确的答案”——但先给了现状：ChatGPT 很想接金融科技公司，“但是你看有谁会跟他接呢？暂时没有”。
• 他搬出 agentic commerce 的类比：大电商平台不会跟它玩——亚马逊、沃尔玛的数据是最宝贵财富；愿意合作的是 Shopify 这类自己不带流量的公司。博弈核心：“底层的模型未来也是一个通用商品嘛，那我为什么不自己做一个超级入口出来，而我要把这个入口放在别人这里？“再叠加 AGI 变量——现在十亿人每天用二十分钟，“他变成 AGI 以后，我每天跟他用一个半小时两个小时，我真的是让他帮我去做事情，那这就很不一样了”。所以"在这个阶段，我觉得很多人都会去观望”。
• 落到自身：“我们的壁垒在于我们的数据，但是我们背后呢又需要靠它的这个流量，因为智能根本不是一个关键点”——现在服务几十万客户，接上流量"可能一下子就服务几百万上千万”，权衡里"智能不是一个考虑点，流量和商业是"，要"一边走一边看"。

10. 最难的是抵御短期诱惑：拒掉 Stripe，贴线六年的模型

• 最难的决定不是执行而是选择：“要不要早点赚钱上市？甚至我们中间还有一个机会是把公司去卖掉”——B 轮时 Stripe 想收购，公司面临是否卖掉的选择。“这些决定可能是难的，就是抵御这些短期利益的诱惑。”
• 吴恺做过三年多 CFO，2018 年拍的财务模型被一位投资人斥为"肯定是太离谱了"——当时"收入几乎是为零的"，却拍到最后收入涨到十几亿美金规模。回看 2018-2024，“我们基本上是贴着这个当时的模型的预测走的，差了一个半季度的增长”。他自己也认账：“现在回头看看我拍那个模型，肯定也是运气比较好”，方法无非是愿景驱动：哪些是客户、多大交易盘子、能收上来多少钱。
• 当下的估值账：13 亿美金 ARR 以 90% 增速增长，“这个 PS 倍数不算高，完全不算高”；行业毛利普遍七成左右，“跟那些顶尖的科技公司的毛利是差不多的”。交易量翻倍还多的 driver 有二：新市场渗透（“还在进入一些新市场，但越来越少了”）加产品叠加——单客户在平台上的价值以每年 20 多、接近 30% 的速度增长。

11. 全球化方法论：本地人管本地，GDP 排序定优先级

• 本地化的铁律是招当地 GM，“也是屡败屡战，屡战屡败，然后再战”——早期是逆向选择，没有品牌知名度时来的人"能力是非常参差不齐的"。最生动的反例：美国商务负责人自称家在圣何塞、有急事赶不过来，吴恺和 Jack 多留了两三天他始终不出现，“后来他跟我们说，他其实人在迈阿密，正在跟家人度假”——“我们立刻就决定让他走了”。即便如此内耗，也不从总部空降人管美国。
• 为什么华为、日韩企业可以大量空降而 Airwallex 不行？他想过：制造业要在当地建厂，总部的建厂经验比当地文化重要得多；而金融科技产品完全由总部产出，当地核心工作是合规与营销，“对于当地的文化和规则的了解，会比对你总部产品的了解重要的多得多”。空降还有人才天花板：“我去跑到英国去吸引到的人，和我在英国招一个最优秀的 GM 他能够吸引到的人是不一样的。”
• 市场优先级从 two by two 矩阵（规模×难易）简化成一条标准——“市场又大、进入又容易，没这种市场，它不存在”，所以只看市场规模，按 GDP 排序：“全球 GDP 排名前十的国家我们首先都要进，然后前十名进入完了，十到二十名，二十名开外看情况，特别简单。“换来的是战略定力，“最怕的是说资源投入一会儿多一会儿少”。
• 营销打法的地域差：亚洲线上经济高度发达、流量贵而人力不贵，地推式营销"效果还可能不如说你通过营销人员来的好"反而占优；欧美把线上成本和人力一比"它线上其实没那么贵”，所以进英国、欧洲、北美时搭的是线上增长团队。

12. 下一站千亿：百万客户 × 一万美金

• Jack 张在融资新闻里称"当下正值全球金融发展史上一个至关重要的节点”，吴恺的展开：AI 之下传统金融垂类软件会被替代，出现做金融智能超级入口的机会。他不接受"超级智能只在通用层"的判断：“我们认为它在每一个这个大行业板块里面，它还是会有它的专业能力的非公开数据的壁垒。”
• 入场券盘点：Stripe"肯定在做"——头十年只做支付网关，“在最近的三到四年，他们的产品线是在急剧的扩张的”，因为做超级入口"不可能只做一个产品，智能它是很泛化的"；Revolut 的好处是几千万 C 端用户的流量。“再其他就比较少吧，还有一些可能就是一些区域类的。”
• 千亿美金的里程碑算术：客户规模从现在 20 多万的量级做到 100 万；产品从财务操作升级为 intelligent finance，赋能客户财务人效；单客户年贡献约 1 万美金——“一百万客户和单个客户一万美金的收入能够支撑起一个一百亿美金的收入规模”，从而实现千亿美金的智能金融平台。