基于「十字路口」视频播客「11 年，110 亿美金，然后呢？｜对话 Airwallex 吴恺：AI 时代，下一站 1000 亿」的完整转写整理。嘉宾吴恺（吴凯），Airwallex首席营收官（CRO），复旦大学毕业，负责全球营销、销售及区域总经理团队，曾在公司担任CFO超过三年。

一、从咖啡馆到全球银行：Airwallex的11年

新的变化

Airwallex刚完成新一轮融资，估值达110亿美金。 它的客户已包括Kimi、MiniMax、智谱等头部AI公司，同时正大举布局AI+金融。这家2015年成立于澳大利亚墨尔本的公司，用11年时间从解决一个咖啡馆进口咖啡豆的跨境付款难题，成长为覆盖90个国家实时到账的全球金融基础设施。

嘉宾观点与解释

创业起点极其朴素——墨尔本咖啡馆买咖啡豆。 Airwallex的CEO Jack和其他创始人都是墨尔本大学同学，咖啡馆只是副业。他们在进口咖啡豆时碰到了跨境支付的核心痛点：资金到账特别慢（其中一位创始人李成的拼音与某个被制裁的名字撞车，SWIFT汇款经常被卡）；费用高昂（一笔SWIFT转账收20-50美金，不论金额大小）。Jack有投行外汇算法交易的技术背景，另一位创始人在Google X工作过，他们看到云计算日趋成熟，全球实时清算网络也已出现，于是提出：能否基于云的支付网络重构资金移动逻辑？

SWIFT的本质缺陷是资金流和信息流分离。 SWIFT本质上是一个报文系统——只传信息，银行收到信息后再调资金，效率极低。Airwallex的思路是通过云架构，把全球各地实时清算网络连接起来，实现资金流和信息流的同步。这个逻辑在2015年前后已被Wise、Rabbit等公司验证可行——小额支付的兴起（受益于支付宝等中国支付工具的发展）促使各国建设本地实时小额支付系统，解决"全球移动"那一段后就能实现端到端高效实时资金移动。

从"资金转移网络"到"全球银行"是一个关键战略跃迁。 吴恺指出，只做资金转移是比较差的生意，因为太底层了，只有有限的B端客户能直接用。真正的B端流量入口必须做一个全球银行的产品：收付两端都要丰富——付款端需要借卡、钱包对接；收款端需要收单、支付网关。还要补齐资本类产品（高收益账户、信用类产品、流动资金管理）。投资人当时觉得这个愿景"crazy"——不可能同时做这么多产品。但Airwallex把全套产品都做出来了：从银行账户到外汇付款、卡、收单、高收益账户、信用产品，本质上是在云架构上搭建了一整套新的全球银行。

里程碑节点：2018年网络基本铺好，2021年才有好的market fit。 2015-2018年几乎没有收入，前三四年专注做银行对接、牌照获取、清算网络接入等基础设施。2018年开始服务教育平台（付全球在线老师工资）、共享经济（付房东）、留学教��（付海外学费）等资金转移客户。但"副产类"业务天花板有限，到2021年全球银行产品线完善后，才算真正找到好的产品市场匹配。

二、愿景之争：做全球网络 vs 做区域盈利

嘉宾观点与解释

同时代做资金转移的公司，结局几乎都一样——被巨头收购。 有的卖给了Visa，有的卖给了PayPal，有的在整合合并过程中。原因是过早停止网络扩张，在区域网络上做应用层变现快但路走不长。区域网络对巨头来说只有"当地网络补充意义"。

做全球网络在战略上是"简单的算术"。 吴恺直言，这不是复杂决策：最大的支付通道都是跨洲际的而非区域性的，很容易算出要获得大市场规模必须做全球覆盖。真正难的是执行层面——亏损意味着需要极强的投资者关系和融资能力，需要团队长期坚持。但他们"抵御住了"短期盈利诱惑（甚至在B轮时Stripe曾想收购Airwallex，他们选择不卖），最终建成了支持90国实时到账的全球网络。

2018年的财务模型预测准得惊人。 吴恺做CFO时在收入几乎为零的情况下，拍了一个预测收入能涨到十几亿美金的模型。2018-2024年的实际增长几乎贴着模型走，只差了一个半季度。“当你有一个愿景，也知道市场这么大，以及你已经在这个赛道上面就位的时候，就是执行力能不能支撑你走到终点的问题。”

三、大模型公司带来的全新计费挑战

新的变化

大模型兴起（过去18-20个月）彻底改变了计费与支付的复杂度。 传统软件公司计费很简单——每月订阅一个套餐，每月出账单收费。但大模型公司的计费是高度动态的。

嘉宾观点与解释

大模型计费的三重复杂性。 第一，每家大模型公司都有多种模型，每种模型有不同性能、对应不同收费；第二，所有大模型用量都是阶梯式的；第三，费率还在不断变化——比如OpenAI（原文称DPS）最近刚发布高峰时段费率是低谷时段两倍的定价。这三重因素叠加，形成了一个"相对复杂的实时计费系统"，需要支付平台把所有这些逻辑实时嵌入。

为什么由Airwallex算而非模型公司自己算？ 模型公司算完还是要发给Airwallex，因为最后由Airwallex向客户收费。如果模型公司算了再发过来，中间多一个对账步骤。但这也意味着巨大的责任——算少了模型公司不满意，算多了客户不满意。

四、AI+金融产品矩阵：从助手到Agent OS

新的变化

Airwallex发布了四款AI相关产品，覆盖从财务助手到消费者智能钱包的全链路。 这标志着它从"全球银行"向"智能金融平台"的战略升级。

嘉宾观点与解释

TA（AI助手）：原生在网页端的财务Agent。 能帮客户做财务政策分析、流动资金最优化（什么时候把钱放高收益账户、什么时候付哪些账单）、费用控制工作流搭建、错误分析（为什么资金没到账、为什么输入信息报错）。上线约一个月，客户留存相当不错，粘性很强——“客户一旦开始用，很难再回到以前点点点的方式”。创建支付只需给TA一个指令；上传财务政策/报销政策/审批政策就能生成工作流。

Agent OS：让客户构建自己的财务Agent。 面向有产品思维的财务运营人员，提供命令行和基于API的MCP接口，让客户的Agent直接调用Airwallex底层能力实现财务自动化。吴恺指出一个重要变化：原来中大企业的财务自动化需要工程团队，现在AI时代一个财务运营人员就够了——财务自动化变得"普惠"了。

T0（T零）：AI原生的财务平台，从"第零天"就有mini CFO。 名字含义是企业从成立第零天就能拥有一个mini的CFO和财务运营团队。能做财务记账、对账、报告生成、财务政策制定、现金流预测、收支预测等。已在北美（硅谷）发布，反响不错。

Ari：一键结账起步，目标做面向消费者的智能钱包。 One Click Checkout只是起点，最终形态希望变成有余额的消费者智能钱包。随着智能商业发展，Agent可能替消费者做消费和购买决策，届时需要一个财务钱包帮它结算。

五、金融SaaS的终结：十个独立赛道合并成一个

新的变化

吴恺判断：未来五年，财务SaaS的十个独立赛道将合并为一个Agent系统。 这是一个大胆的产业整合预测。

嘉宾观点与解释

“原来五个财务人员用十个软件，未来变成三个财务人员用一个Agent系统。” 费控、会计、收入确认、对账、计费……这些原来各自独立的SaaS赛道，背后逻辑都能被Agent掌握。用户不关心过程只关心结果——原来需要一个个开发软件替代人去执行功能化操作，现在Agent在某些专业领域的智能越来越接近人，“你没必要给它绕路再给它一个软件去用，Agent它不需要用软件”。

金融SaaS在AI时代的致命弱点是数据割裂。 原来做费控的SaaS只拥有费控数据，不掌握其他领域数据，导致它的AI能力很受限、自动化是割裂的、“AI比较笨”。要改变需要花很大力气，而且很难变。

对银行来说，AI助手基本是必选项。 银行APP有几百上千个功能，用户不知道功能叫什么名字，搜索也搜不出来。自然语言对话界面是体验的直接提升。但吴恺强调这只是交互界面变化——真正的新能力在于Agent让原来需要开发的大量财务软件逻辑变得不必要了。

六、收购逻辑：AI时代买的是数据与人才

嘉宾观点与解释

Airwallex收购了两家公司（LeapFame和OpenPay），逻辑就两条：数据和人才。 数据逻辑——大量专有数据不在公共网络上，没有这些数据就没办法训练Agent。比如LeapFame是收入确认公司：制造业企业的应收应付、软件企业的收入确认规则、物流服务企业的确认规则全都不一样，这些数据在网上找不到，但SaaS公司有大量真实操作实例。让Agent学习这些实例，能极快建立收入确认能力。

人才逻辑——创始人的能力在AI时代被放大了。 原来的产品经理只能写文档，现在能直接产生原型（代码生成变得简单）。Airwallex愿意为顶尖人才付比原来高很多的溢价，因为同样的人现在能产出多得多。

七、ChatGPT做金融的隐忧与超级入口之争

新的变化

ChatGPT推出了Finance功能，要求用户连接银行账户。 这与Airwallex的TA Agent在功能上高度重合，但ChatGPT目前无法接入Airwallex。

嘉宾观点与解释

ChatGPT连一个银行只能看到那一个银行的数据——这是它的结构性短板。 更大的问题是：没有金融科技公司愿意和ChatGPT接。吴恺用一个类比解释：大模型公司想做"AI commerce"（AI电商），但所有大电商平台（亚马逊、沃尔玛）都不会和它们玩——因为数据是最宝贵的财富。可能合作的只有Shopify这样"不带流量"的公司。

核心战略问题是：超级入口到底在哪？ ChatGPT有十亿用户、每天用20分钟，变成AI后可能每天用一个半小时甚至两小时帮用户做事——它想成为超级入口。但底层模型未来是通用商品，“我为什么不自己做一个超级入口出来？“像Airwallex、Shopify这样的公司，壁垒在数据，但背后又需要ChatGPT的流量。“智能不是关键点，流量和商业才是。”

金融超级智能的入口不只属于通用智能。 吴恺反驳了"没有金融智能、医疗智能之分，只有通用智能"的观点。他认为每个大行业板块都有自己的专业能力和非公开数据壁垒。Airwallex要做金融超级智能入口。拿到入场券的另一个玩家是Stripe——它的布局很广，原来产品很垂直（十年只做支付网关），但最近三四年产品线急剧扩张。Stripe的优势是几千万C端用户带来的流量。

八、全球化经验：本地人管本地、GDP排序、营销渠道差异

嘉宾观点与解释

坚持本地化，拒绝空降总部人员。 从2019年开始招当地总经理（Country Manager），经历"屡败屡战”——初期是逆向选择，在当地没有品牌知名度，吸引到的候选人能力参差不齐。吴恺讲了一个美国案例：一位商务负责人应该常驻旧金山，但家在圣何塞。吴恺和Jack去旧金山没打招呼要见他，他说家里有急事赶不过来，后来发现人在迈阿密跟家人度假远程工作——“立刻就知道他走了”。尽管精神内耗严重，但他们仍坚持"本地人管本地”。

制造业空降vs金融科技本地化的本质区别。 华为等企业全球化时大量空降总部人员，吴恺认为这取决于产品在哪里生产：制造业需要建厂，知道总部流程和建厂经验比了解当地文化重要；金融科技产品完全在总部生产，当地主要做合规和营销，对当地文化和规则的了解更重要。

市场进入优先级只看GDP排名——前十必进，前二十，二十名外看情况。 原来考虑"市场规模×进入难度"矩阵（所谓"推背图"），后来发现"又大又容易"的市场不存在，不如只看市场规模。这给了团队战略定力，不会"资源投入一会儿多一会儿少变来变去"。另外，本地总经理能吸引到的人脉网络与总部空降完全不同——没有高人才密度的本地化团队走不远。

营销渠道在亚西方差异巨大。 亚洲线上经济高度发达，流量成本很贵但人力成本相对低，地推效果可能比线上营销更好；西方国家（英国、欧洲、北美）线上流量成本虽也贵，但与人力成本相比"线上没那么贵"，因此搭建线上营销团队做线上增长。

九、千亿美金路线图与估值支撑

嘉宾观点与解释

110亿美金估值的基本面支撑很完整。 ARR（年经常性收入）13亿美金，90%增速，行业毛利约70%（接近顶尖科技公司），PS倍数考虑增速后实际很低。融资主要目的不是烧钱，而是加速获取优秀人才和高质量数据（通过并购）。

CEO认为当下是全球金融发展史上至关重要的节点。 因为AI将替代大量传统金融垂类软件，出现做"金融超级智能入口"的历史性机会。

千亿美金的三个里程碑。 第一，用户规模从目前的20万级台阶式增长到100万；第二，产品从服务"财务操作"升级到真正的"intelligent finance"（智能金融），客户财务人员效率被赋能提升；第三，单客户贡献约1万美金年收入。100万客户×1万美金=100亿美金收入规模，支撑千亿美金估值的智能金融平台。

交易量翻倍增长的两大驱动力。 一是持续渗透现有市场（进入新市场越来越少），二是产品叠加——客户从账户类产品起步，延伸到交易类，再到软件类、资本类，单客户平台价值每年以约30%速度增长。