OpenRouter融資113億？｜代理經濟來了

OpenRouter 剛剛完成 1.13 億美元（約 113 億新台幣）的 B 輪融資，估值一舉突破 20 億美元。這不只是創投圈的狂歡，更是一個明確的信號：AI 代理（Agent）的商業化時代正式到來。

對於香港與台灣的企業決策者來說，OpenRouter 的故事不僅僅是「又一家 AI 公司拿到錢了」——它揭示了未來 3-5 年內，企業如何部署 AI、如何管理 AI 成本、以及如何從 AI 中獲利的根本性轉變。

本文將從商業模式、技術架構、市場影響三個維度，拆解 OpenRouter 的崛起邏輯，並為 HK/TW 企業提供可操作的戰略啟示。

從 API 閘道到代理經濟的「作業系統」

OpenRouter 最初被市場認知為「AI 模型的 API 聚合平台」——讓開發者透過單一 API 訪問 OpenAI、Anthropic、Google、Meta 等數十家模型供應商。這個定位本身已經很有價值：根據 PitchBook 數據，2025 年全球 AI API 市場規模達 87 億美元，年增率超過 60%。

但 OpenRouter 真正讓投資人瘋狂的，是它從「API 閘道」升級為「AI 代理經濟的底層基礎設施」。

具體來說，OpenRouter 做了三件事：

  1. 模型路由優化：當一個 AI 代理需要執行任務時，OpenRouter 會即時評估哪個模型最適合、成本最低、延遲最小。例如，簡單的文字分類用 Mistral 7B（成本 $0.07/百萬 token），複雜的程式碼生成用 Claude Opus（$15/百萬 token）。根據官方數據，這種智能路由平均為企業節省 40-60% 的 API 成本。

  2. 代理工作流編排：OpenRouter 不再只是被動轉發請求，而是主動管理多步驟的代理任務。例如，一個電商客服代理可能需要：先用 GPT-4o 理解客戶意圖 → 用向量資料庫查詢訂單 → 用 Claude 生成回覆 → 用 Stable Diffusion 生成產品圖片。OpenRouter 負責協調這些步驟，確保每個環節使用最合適的模型。

  3. 統一計費與治理：企業可以設定預算上限、模型白名單、審計日誌。這對金融、醫療等受監管行業至關重要。OpenRouter 的企業客戶中，72% 表示合規能力是他們選擇 OpenRouter 而非直接使用模型供應商 API 的主要原因。

這種從「工具」到「平台」的演進，讓 OpenRouter 的 ARR（年經常性收入）在過去 12 個月內從 800 萬美元暴增至 5,000 萬美元，客戶留存率高達 94%。

為什麼投資人願意給出 20 億美元估值？

OpenRouter 的 B 輪由 Sequoia Capital 領投，現有投資者 a16z、Coatue 跟投。20 億美元的估值對應約 40 倍 ARR，遠高於 SaaS 行業平均的 10-15 倍。

投資人的邏輯很清晰：OpenRouter 正在複製 AWS 在雲端基礎設施領域的成功路徑。

回想一下 AWS 的崛起：它最初只是 Amazon 內部的基礎設施，後來開放給外部開發者，最終成為整個網際網路的「作業系統」。同樣的劇本正在 AI 領域上演——OpenRouter 正在成為 AI 代理的「基礎設施層」，而這個市場的 TAM（總可達市場）遠比 API 閘道大得多。

根據 Gartner 預測，到 2028 年，60% 的企業 AI 部署將採用代理式架構，而非簡單的 prompt-response 模式。這意味著每個企業都需要一個能夠管理、編排、優化多個 AI 代理的平台。

OpenRouter 的競爭對手包括 LangChain、Anthropic 的 Message API、以及各模型供應商的直接 API。但 OpenRouter 的差異化優勢在於中立性與聚合效應——企業不必綁定單一模型供應商，可以自由切換、混合使用，這在模型迭代速度極快的當下是巨大的戰略靈活性。

對 HK/TW 企業的三大啟示

1. AI 成本管理將成為核心競爭力

許多香港和台灣的企業在導入 AI 時，最常見的錯誤是「一個模型打天下」。例如，某台灣電信公司曾用 GPT-4 處理所有客服查詢，結果每月 API 費用高達 30 萬美元。後來他們改用 OpenRouter 的智能路由，將 70% 的簡單查詢導向 Mistral 或 Llama 3，每月成本降至 12 萬美元，降幅達 60%。

關鍵教訓：不要為所有任務使用最昂貴的模型。建立模型分層策略——簡單任務用小模型，複雜任務用大模型。OpenRouter 這樣的平台可以自動化這個過程。

2. 代理編排能力比模型選擇更重要

隨著 Claude Opus、GPT-5、Gemini Ultra 等頂級模型的性能差距逐漸縮小（根據 LMSYS Chatbot Arena 排行榜，前 10 名模型的 Elo 分數差異已從 2024 年的 200 分縮小到 2025 年的 80 分），真正的競爭優勢來自於如何編排這些模型。

香港的一家物流公司 DeepLogistics 就是典型案例。他們用 OpenRouter 構建了一個多代理系統：一個代理負責路線規劃（使用 Google Gemini），一個代理負責海關文件處理（使用 Claude），一個代理負責即時追蹤更新（使用 GPT-4o mini）。三個代理協同工作，將貨物通關時間從 48 小時縮短至 6 小時。

這不是模型本身的功勞，而是代理編排架構的勝利。

3. 「AI 代理即服務」將催生新的商業模式

OpenRouter 的融資告訴我們，基礎設施層正在快速成熟。這意味著應用層的創新機會正在爆發。

台灣的 SaaS 公司 Crescendo Lab 已經開始提供「AI 銷售代理」服務——不是單純的 CRM 工具，而是一個能夠自動執行潛在客戶開發、郵件跟進、會議排程的 AI 代理。他們後端使用 OpenRouter 管理模型，前端提供給客戶的是一個完整的「虛擬銷售人員」。

這種「AI 代理即服務」（Agent-as-a-Service）模式，客單價是傳統 SaaS 的 3-5 倍，因為客戶付費的不是工具，而是結果。

風險與挑戰：不是所有人都能複製

當然，OpenRouter 的故事也有陰暗面。

第一，模型供應商可能反制。 OpenAI 和 Anthropic 都在加強自己的生態系統，例如 OpenAI 的 Assistants API 和 Anthropic 的 Tool Use 功能。如果這些巨頭決定不讓第三方平台訪問最新模型，OpenRouter 的價值就會被削弱。

第二，利潤率壓力。 OpenRouter 本質上是一個聚合器，毛利率取決於它與模型供應商的談判能力。目前它的毛利率約為 15-20%，遠低於典型 SaaS 公司的 70-80%。隨著競爭加劇，這個數字可能進一步壓縮。

第三，安全與監管風險。 代理式 AI 意味著 AI 系統能夠自主執行操作——下訂單、發郵件、修改資料庫。這帶來了前所未有的安全挑戰。OpenRouter 需要建立強大的 guardrail 系統，否則一次代理失控事件就可能毀掉整個平台的信譽。

延伸閱讀

結論：代理經濟的黎明

OpenRouter 的 1.13 億美元融資不是終點，而是起點。它標誌著 AI 產業從「模型競賽」進入「代理經濟」時代。

對於香港和台灣的企業來說，現在是時候問自己三個問題：

  1. 我們的 AI 成本結構是否合理？ 我們是否在不必要地使用昂貴模型？
  2. 我們是否在投資代理編排能力？ 還是只停留在 prompt engineering 層面？
  3. 我們能否將 AI 從工具轉變為服務？ 能否提供以結果計價的 AI 代理？

那些能夠回答這些問題的企業，將在代理經濟中佔據先機。那些忽視這個趨勢的企業，可能會發現自己像 2010 年忽視雲端運算的公司一樣——等到反應過來時，競爭對手已經跑得太遠了。

OpenRouter 的故事告訴我們：AI 的價值不在於模型本身，而在於你如何組織、編排和部署它們。 這才是真正的護城河。