--- title: "16 位 AI 支付從業者眼中的場景、矛盾與最終結果" type: "News" locale: "zh-HK" url: "https://longbridge.com/zh-HK/news/283308885.md" description: "最近，由知無不言組織的一次閉門會議匯聚了 16 位人工智能支付從業者，討論了人工智能支付的現狀和未來。會議的關鍵見解包括：代理支付的 API 調用已經成熟，人工智能輸出的不確定性與金融行業要求之間的衝突，以及安全框架從身份驗證轉向意圖驗證的變化。會議強調，儘管代理支付正在興起，但真正的瓶頸在於上游交易流程。成功的商業模式已經在交易場景中建立，表明對創新支付解決方案的需求正在增長" datetime: "2026-04-20T07:18:47.000Z" locales: - [zh-CN](https://longbridge.com/zh-CN/news/283308885.md) - [en](https://longbridge.com/en/news/283308885.md) - [zh-HK](https://longbridge.com/zh-HK/news/283308885.md) --- # 16 位 AI 支付從業者眼中的場景、矛盾與最終結果 人工智能支付不再僅僅是一個概念。x402、MPP、Tempo、AP2——在過去一年中，Coinbase、Stripe、Google 和 Visa 在不同層面上構建了協議框架。真實的鏈上數據、真實的商户集成以及真實的模型誤解也開始浮現。上週六，知無不言組織了一場關於代理支付的閉門會議。來自支付基礎設施、錢包服務、主要公司的支付業務和投資機構的十六位嘉賓在三個小時內回答了四個問題：人工智能支付究竟發生在哪裏？人工智能如何安全地花錢？這個業務如何盈利？主要公司與初創企業之間的競爭將走向何方？以下是此次討論中出現的核心判斷：代理支付最成熟的場景是 API 調用，單筆交易為 0.01 美元，依靠頻率維持交易量；人工智能輸出的不確定性與金融行業的確定性要求之間存在根本衝突；這是代理支付最根本的技術矛盾；代理支付的安全框架正在從身份驗證轉向意圖驗證；在代理支付中，如果這一機制失效，三層仲裁將成為支付安全的新範式；大公司的設計理念是不信任代理，僅信任交易；基於代理的支付的真正瓶頸不在於支付本身，而在於尚未為代理重建的上游交易流程；初創企業在大公司中扮演組件供應商的角色，而非終端用户服務提供商。 ## **主持人** **胡海瑟** 播客《知無不言》的主持人，中國公益基金會 GCC 的核心貢獻者，X: withhazelhu；即刻：一個不小心的月月 **曾怡** 播客《知無不言》的主持人，探索代理支付的真實世界用例，專注於金融科技的增長，曾在一家風險投資公司從事後投資管理，並負責新型銀行的 2C 產品區域增長。 ## **X: IvyLeanIn** \*\*\*\* 鄭湯姆 \*\*\*\* **知無不言資本市場負責人，擁有 6 年以上的主要市場融資顧問經驗，為多個行業領先項目提供服務，促進行業內的雙贏合作** **##** 真實世界場景——代理支付已經發生，但形式與預期不同 \*\*\*\* \*\*\*\*API 調用目前是代理支付最成熟的鏈上場景 \*\*\*\* **鄭湯姆** 來自 ClawRouter（一個使用 USDC 支付 LLM API 的應用）的鏈上數據分析顯示，API 調用場景具有高頻、小額的特徵：截至 2026 年 4 月初，約 1,400 個獨立地址生成了 530,000 筆交易，總金額約為 28,000 美元。考慮到該平台還提供免費模型，實際使用量可能被低估——免費部分每月生成約 100 萬次 API 調用。圖片：ClawRouter 官方網站 圖片：ClawRouter 官方網站 來自一家支付基礎設施初創公司的數據也顯示，自去年九月開始部署代理支付原生支付層以來，API 調用已佔總量的約一半。 信用額度授權是代理支付的基本授權模型。A2A（代理對代理）獎金活動的意外成功推動了授權機制的創新和普及。該授權模型的核心是信用額度而非審批：用户預先授權一個信用額度給 AI，在該額度內，AI 可以自主訪問資金，而無需對每筆交易進行確認。"在這個額度內，AI 可以在不需要您確認的情況下訪問您的資金。"線下消費尚未全面啓動；問題不在於支付，而在於體驗。在線與線下結算領域的探索已覆蓋 5000 萬真實商户，場景包括預訂機票、充值手機話費和購買禮品卡。然而，C 端消費場景仍面臨培養用户習慣和用户體驗躍升的雙重挑戰。專家和 KOL 的提煉代理已經擁有成熟的商業模式。成功案例驗證了這種方法：知名醫生和 KOL 將他們的專業知識和內容提煉成代理，用户在無法面對面時可以使用。例如，一位自媒體從業者將其過去的內容提煉成一個應用，每月收費 199 元，銷售情況非常好——與他們進行 15 分鐘的直播費用高達幾千甚至上萬元，而使用他們的代理版本僅需幾十到幾百元。圖像：自媒體從業者將其過去的內容提煉成應用。交易代理比支付代理更快找到 PMF。加密領域的數據表明，交易場景目前是用户真實需求的集中地，其商業模式自然具有佣金屬性。類似於區塊鏈發展的早期歷史，那些在燃氣費高時預先部署商户和穩定幣的場景構建者，如 Tron，即使在燃氣費上漲後也發現用户遷移困難。數以億計的用户在春節期間使用千問點奶茶的現象引發了討論：用户使用它是因為更好的體驗，還是因為每單 25 元的補貼？基於對話的溝通信息密度有限；未來的 C 對 B 場景可能需要通過智能眼鏡實現無縫對話，要求用户體驗的躍升。與會者列出了更好地解決用户痛點的場景：採購場景：需要嚴格預算控制並比較多個供應商的場景（例如，阿里巴巴的 AI 電商代理 - Accio）複雜任務：需要多步驟協調的場景，如婚禮策劃和旅行預訂購票場景：如音樂會門票等高時間需求的需求圖像：阿里巴巴的 AI 電商代理 - Accio 從流量獲取的角度來看，代理支付類似於早期的 SEO 和短視頻——代表新的流量機會。那些最初研究 SEO 的人，儘管起步微小，但始終找到從 SEO 獲取早期流量的方法。“金谷園餃子館” 事件的意義可能可與早期用比特幣購買披薩的日子相提並論，這將在許多年後仍被人們銘記。 金谷園餃子館技能背景故事："在 2026 年 4 月 7 日，隨着 OpenClaw 的流行，餃子館的老闆開發了一個名為'金谷園餃子館 SKILL'的 AI 能力模塊。這個 AI 技能是為 AI 代理設計的，而不是直接為人類設計的。安裝後，AI 助手可以自主查詢菜單信息、營業時間、排隊規則，甚至在線獲取號碼。由於在 2025 年冬至期間排隊過長，外賣平台的服務器錯誤地將該店的界面標記為異常並進行了封鎖。老闆希望通過 AI 優化未來的排隊體驗。" 圖像：金谷園餃子館的美團排隊技能 **真正的代理支付尚未開始** 從宏觀角度來看，討論真正的代理支付可能確實為時尚早。我們可以用兒童的發展作為類比：目前，他們就像 1 到 5 歲的孩子，他們的收入來自父母，他們的可支配收入由父母授權，他們購買的東西由父母決定，他們尚未發展出自己的意圖。 與會者的共識是，真正的代理支付目前集中在生產力場景中：API 調用：需要大型模型或 API 購買來提高生產力。企業場景：採購和財務團隊中的代理以提高企業生產力。Vibe 編碼：快速開發演示或產品的場景。身份與授權——AI 的不確定性與金融的確定性 **代理支付安全需要四層框架：身份、風險控制、合規和仲裁** 支付安全可以分為三個維度：身份、風險控制和合規。AI 支付也應遵循這一框架，並將仲裁作為第四層保護。 **I. 身份層：身份驗證正在轉向意圖驗證** 向代理發放身份證，建立信用評分系統（基於代理的專業性、採用率、有效性、代幣價格等建立五維評分標準），並完成身份驗證。通過區塊鏈建立可追溯和可驗證的去中心化 DID 身份系統。 在此基礎上，傳統支付認證正向代理場景中的意圖驗證轉變。意圖驗證需要考慮代理的支付是否合理，行為過程是否符合要求，是否滿足最終意圖，以及是否遵循合規要求。 **II. 風險控制層：AI 的不確定性與金融的確定性根本上存在衝突** 這裏存在一個根本矛盾：AI 輸出的不確定性與金融行業對確定性的高要求以及試錯成本相沖突。在現實場景中： \- 金額識別錯誤已被曝光（0.01 USDC 可能被讀取為 10,000 USDC）。編輯也遇到過同樣的情況；AI 很容易誤讀 USDC 的金額，將 0.1 USDC 讀取為 10,000 USDC。 這是因為該領域返回的是原始整數，但 USDC 支持 6 位小數精度（USDC 微單位），因此顯示結果被乘以 1,000,000。- 這是一個容易誤導消費者的問題（食品配送描述聲稱 “可以治癒所有疾病”，導致許多消費者下單）。 圖片：AI 錯誤地將 0.1 USDC 讀取為 10,000 USDC 與此同時，開發供應鏈毒化策略為風險控制帶來了新的挑戰。自 OpenAI 爆炸性流行以來，例如，毒化某個 npm 包，用户可能不會直接使用該包，但他們依賴的包使用了它。風險控制需要覆蓋多個層面，如身份授權層（反洗錢）、模型側（漂移、幻覺）和執行鏈（毒化攻擊）。主要科技公司的設計理念是默認假設所有代理都是惡意的。他們不追求 “可驗證的代理”，而是 “可驗證的交易鏈”。通過引入強制協議，任務被分解，設置約束，並進行交叉驗證。反欺詐架構涵蓋分層數據、零知識證明、零信任原則和自我驗證機制。 為你的 AI 產品定價：來自 400 多家公司和 50 家獨角獸的經驗教訓 | Madhavan Ramanujam **Vibe Coding 商業化的關鍵在於訂閲和使用轉化** 目標是使新的 AI 公司或普通開發者能夠快速商業化通過 Vibe Coding 開發的產品。 許多獨立開發者發現創建產品演示很容易，但開發一個可行的商業模式則要困難得多。關鍵在於如何將每個用户的大規模使用成本轉化為月度訂閲計劃，或訂閲加信用模式。競爭格局——大公司的攻勢與初創公司的策略 穩定幣正在與傳統卡組織抗衡 在收購穩定幣公司 Bridge 之前，Stripe 的估值從高峰的 920 億美元降至 700 億美元以下。收購後，其估值迅速回升至 900 億美元範圍內，最新一輪融資的估值為 1591 億美元。其穩定幣後端清算和結算服務的費用為 1.5%，遠低於傳統卡組織平均 2.8% 至 3% 的費率，未來甚至可能降至 1%。相比之下，傳統支付公司的商業模式非常脆弱（例如 Visa 對交易費用的高度依賴），而 PayPal 等公司由於擔心對其核心業務的影響，在穩定幣倡議上猶豫不決，未能實現顯著規模。在可預見的未來，商業模式可能不涉及普通終端用户自己使用這些工具，而是大型公司提供統一的封裝。大公司可能成為客户，企業家可能成為供應商，將開發的工具拼湊在一起，然後以更高的價格出售。這一趨勢不可避免地增加了行業的集中化程度。AI 税是未來 3-5 年內高頻、低價值支付的必然形式。一些參與者認為，AI 税將作為 UBI（普遍基本收入）和失業救濟金的來源，高頻、低價值的 AI 支付將成為基礎設施。可能的税收徵收方式包括：引入 “AI 滲透率” 概念，基於 AI 滲透率逐步徵税；基於代幣使用情況徵税，將其作為類似增值税的税基；真正的瓶頸不在支付，而在上游——交易過程尚未重建代理系統。支付問題似乎可以通過協議和用户錢包解決。然而，最大的問題是交易無法完成。所有支付都需要先前的交易；電子商務或機票購買等場景無法通過代理完成。沒有交易代理，後續支付無法進行。突破消費者市場：地面推廣的重要性與初創公司的邊界 為什麼 OpenClaw 突然如此受歡迎？在中國，它是基於地面推廣建立的，由大型公司銷售雲服務並參與此類推廣。就像移動支付的早期推廣一樣，即使是老年人也能使用的一個關鍵原因是地面推廣團隊提供的補貼——“你安裝這個應用，我教你怎麼用，我真的給你 50 元。” 然而，對於初創公司來説，許多需求可能需要很長時間才能滿足。一位 AI 支付基礎設施企業家表示，在評估後，他們最初決定不尋找用户場景。他們認為用户教育的成本不應由一兩家初創公司承擔，而應由整個行業承擔。如果行業本身不可行，那麼就沒有意義；如果可行，成本應由大型公司分攤，他們可以享受收益。相反，他們專注於抽象——抽象出所有賬户、錢包，甚至行業中的橋樑、鏈條和支付網絡，以便用户不需要理解它們。一旦他們理解這一點，就知道小團隊的競爭優勢在哪裏，以及哪些成本需要避免。這或許是所有代理支付參與者在這個階段需要回答的問題：不是 “代理支付會成功嗎？”，而是 “在成功之前，你準備站在哪一層？” 協議層、錢包層、身份層、授權層、交易層、清算和結算層——在每一層都有投注者和等待者。大型公司準備吞併整個鏈條，而初創公司則準備被拼湊在一起。那些生存下來的人可能是那些既不高估自己獨立支持某個領域的能力，也不低估自己在任何特定層面的價值的人。 ### 相關股票 - [COIN.US](https://longbridge.com/zh-HK/quote/COIN.US.md) - [Stripe.NA](https://longbridge.com/zh-HK/quote/Stripe.NA.md) - [GOOGL.US](https://longbridge.com/zh-HK/quote/GOOGL.US.md) - [GOOG.US](https://longbridge.com/zh-HK/quote/GOOG.US.md) - [V.US](https://longbridge.com/zh-HK/quote/V.US.md) ## 相關資訊與研究 - [當保險遇上 AI，誰來緩解消費者 “哭笑不得” 的尷尬](https://longbridge.com/zh-HK/news/284406401.md) - [9 秒刪光公司數據庫，我花最貴的錢，買了一個 “刪庫跑路” 的 AI](https://longbridge.com/zh-HK/news/284335848.md) - [告別盲目運營：AI 時代品牌社羣的五大戰略突圍路徑](https://longbridge.com/zh-HK/news/284105599.md) - [9 秒刪庫後，AI 寫下 “認罪書”：我違反了每一條安全規則！AI 安全或是幻象](https://longbridge.com/zh-HK/news/284342247.md) - [量化投資先驅馬丁·盧克警告勿將交易決策全盤交予人工智能](https://longbridge.com/zh-HK/news/283783565.md)