撰文：Ivy & Hazel
AI 支付已经不是一个概念。x402、MPP、Tempo、AP2——过去一年里，Coinbase、Stripe、Google、Visa 在不同层级搭出了协议骨架。真实的链上数据、真实的商户接入、真实的模型误读也开始陆续出现。
上周六，支无不言组织了一场 Agent Payment 闭门会，来自支付基础设施、钱包服务、大厂支付业务、投资机构等的 16 位嘉宾，用近三小时回答了四个问题：AI 支付到底在哪里发生、如何让 AI 安全地花钱、这门生意怎么赚钱、大厂与创业公司的博弈会走向何方。
以下是这场讨论中浮现出的核心判断：
- Agent 支付最成熟的场景是 API 调用，单笔 0.01 美金靠频次撑体量；
- AI 输出的不确定性与金融业的确定性要求之间存在根本冲突，这是 Agent 支付最底层的技术矛盾；
- Agent 支付的安全框架正在从身份验证转向意图验证；
- chargeback 机制在 Agent 场景下失效，三层仲裁将成为支付安全的新范式；
- 大厂的设计哲学是不信任 Agent，只信任交易；
- Agent 支付真正的卡点不在支付本身，而在上游的交易环节尚未为 Agent 重建；
- 创业公司的角色是大厂的组件供应商，不是 C 端服务商。
Hazel Hu
播客《支无不言》主理人，华语公共物品基金 GCC 核心贡献者, X: withhazelhu；即刻：一只不走心的越越
Ivy Zeng
播客《支无不言》主理人，探索 Agentic Payment 实际用例，专注 Fintech 增长，曾经在 VC 做投后，曾在新型银行负责 2C 产品大区增长。 X： IvyLeanIn
Thomas Zheng
支无不言资本市场负责人，6 年+一级市场融资顾问经验，服务多个业内头部项目，助力业内链接合作共赢
Insight 01
真实场景——Agent 支付已在发生，但形态与预期不同
API 调用是 Agent 支付目前最成熟的链上场景
通过对 ClawRouter (一款应用，用 USDC payment 支付 LLM API) 的链上数据分析可以看出，API 调用场景呈现出高频小额的特征：截至 2026 年 4 月上旬，约 1400 个独立地址产生了 53 万笔交易，总金额约 2.8 万美元。考虑到平台还提供免费模型，实际使用量可能被低估——免费部分每月约 100 万个 API 调用。
图：ClawRouter 官网
一家支付基础设施创业者的数据也显示，从去年 9 月开始布局 Agentic Payment 原生支付层以来，api 调用量占一半左右。
额度授权是 Agent 支付的基础授权模式
A2A(Agent 2 Agent) 红包增长活动的意外成功推动了授权机制的创新及普及。这种授权模式的核心是额度而非审批：用户预先授权一个额度给 AI，在范围内 AI 可以自主调用，无需逐笔确认。「在这个范围内，AI 可以不用你的确认就能动你的钱。」
线下消费还没跑通，缺的不是支付是体验
线上线下结算领域的探索已覆盖 5000 万真实商户，场景包括订机票、充话费、买礼品卡等。但 C 端消费场景仍面临用户习惯培养和体验跃迁的双重挑战。
专家和 KOL 蒸馏 Agent 已经有成熟商业模型
已有成功案例验证了这一路径：名医、KOL 等将自身专业知识和内容蒸馏成 Agent，用户无法约见真人时可先用 Agent。如某自媒体从业者将自己过去的内容蒸馏成 App，月费 199 元，销售表现优异——与其连麦 15 分钟需大几千甚至上万人民币，而使用其 Agent 版本只需几十到几百元。
图：自媒体从业者将自己过去的内容蒸馏成 App
交易 Agent 比支付 Agent 更快找到 PMF
Crypto 领域的数据显示，交易场景是目前真实的用户需求集中地，其商业模式天然具备抽成属性。类比早期区块链发展史，那些在 Gas 费昂贵时抢先布局商家和稳定币的场景构建者，如 Tron 波场，即使 gas 费用上涨后用户也难以迁移。
C 端消费场景尚未被真实需求验证
春节期间上亿用户使用千问点奶茶的现象引发讨论：用户使用是因为体验更好，还是因为每单 25 元的补贴？对话形式的信息密度有限，未来 C to B 场景可能需要通过智能眼镜实现无缝对话，这要求体验上的跃迁。
与会者列举了更能解决用户痛点的场景方向：
- 采购场景：本身有严格预算把控，需要对比多家供应商（如阿里的 AI 电商 Agent - Accio）
- 复杂任务：婚礼筹备、旅游订程等需要多步骤协调的场景
- 抢票场景：演唱会门票等高时效性需求
图：阿里的 AI 电商 Agent - Accio
Agent 支付是新的流量入口
从流量获取的角度看，Agent 支付类似于早期的 SEO 和短视频——代表了新的流量机会。那些最早研究 SEO 的人虽然起于「微末」，但他们能持续找到方法从 SEO 获取早期流量。「金谷园饺子馆」事件的意义可能类比于早期用比特币买披萨，多年后仍会被人们记住。
金谷园饺子馆 skill 背景故事: 「2026 年 4 月 7 日，在 OpenClaw 火爆的背景下，饺子馆的老板编写了一个名为 ‘金谷园饺子馆·SKILL’ 的 AI 能力模块。这款 AI 技能是面向 AI Agent 而非直接面向人类的，安装后，AI 助手便能自主查询菜品信息、营业时间、排队规则，甚至实现在线取号。2025 年冬至因排队人数过多，导致外卖平台服务器将门店接口误判为异常并封禁，老板希望通过 AI 优化未来的排队体验。」
图：金谷园饺子馆 美团排队 skill
真正的 Agent 支付还没开始
从宏观视角看，现在讨论真实的 Agentic Payment 可能确实为时过早。可以用孩子成长做类比：当前就像 1 到 5 岁的小孩，收入来源是父母给的，可支配额度是父母授权的，买什么东西都由父母决定，自己还没有形成意图（intention)。
当前 Agent 支付集中在生产力场景
会者共识是，真正的 Agent payment 目前集中在生产力场景：
1. API 调用：提升生产力过程中需要调用大模型或购买 API
2. 企业场景：企业生产力提升中的采购、财务团队 Agent
3. Vibe Coding：快速开发 Demo 或产品的场景
Insight 02
身份与授权——AI 的不确定性 vs 金融的确定性
Agent 支付安全需要四层框架：身份、风控、合规、仲裁
支付安全可拆分为身份、风控、合规三个维度，对应到 AI 支付也应遵循这一框架，并在最终加入仲裁作为第四层保障。
一、身份层：身份验证正在向意图验证转移
为 Agent 发放身份证 ID、建立信用评分体系（从 Agent 的专业度、被采纳程度、效果、Token 价格等维度建立 5 维评分标准）、完成身份验证。通过区块链建立可追溯、可验证的去中心化 DID 身份系统。在此基础上，传统支付的身份验证正在转向 Agent 场景下的意图验证。意图验证需要考虑该 Agent 的支付是否合理、行为过程是否满足需求、是否满足最终意图以及是否符合合规要求。
二、风控层：AI 的不确定性与金融的确定性存在根本冲突
这里存在一个本质矛盾：AI 输出的不确定性，与金融行业对确定性的高要求和试错成本形成冲突。真实场景中：
- 已暴露出金额识别错误（0.01 USDC 可能被读成 1 万 USDC）
- 容易被诱导（外卖描述中写「吃了可以包治百病」，多数模型会因此选择下单）的问题。
图： AI 误将 0.1 USDC 读成 10,000 USDC
同时，研发供应链投毒是风控的新挑战。自 OpenAI 爆火以来，例如在某个 npm 包中投毒，用户可能没有直接使用该包，但其依赖的包使用了它。风控需要覆盖身份授权层（反洗钱）、模型侧（漂移、幻觉）、执行链条（投毒攻击）等多个层次。
科技大厂的设计哲学是将所有 Agent 默认视为恶意。他们追求的不是「可验证的 Agent」，而是「可验证的交易链条」。通过引入授权协议（Mandate），将任务拆解、设置约束条件并做交叉校验，防欺诈架构涵盖数据分层零知识证明、零信任原则及自验证机制。
三、合规层：半去中心化的闪电网络是微支付的较好解法
传统金融和区块链在处理海量并发时均有瓶颈。给 Agent 设计时，首先定义它是微支付。微支付的安全性可以通过既不太中心化也不太去中心化的方式设计，沉寂多年的闪电网络凭借极高的理论 TPS，可能在 Agentic Payment 时代迎来新生。
四、仲裁层：分层仲裁机制将取代传统的 chargeback
传统 Visa 网络中的信用卡 chargeback 机制在 Agentic Payment 中难以实现，需要建立新的分层仲裁机制：
1. 第一层：AI 自动仲裁清晰的争议（重复扣款、金额错误、服务未交付）
2. 第二层：AI 仲裁小组处理需要判断的部分（服务质量、授权边界）
3. 第三层：人类参与仲裁复杂争议
Insight 03
商业模式——抢占生态位、对 AI 重新定价、风控和授权
创业公司目前以「为爱发电」抢占生态位
在商业模式还没跑通之前，创业者的诚实答案是「为爱发电，占位，等风来」——一位 API 平台创业者如此描述当前阶段。
交易场景天然具备抽成属性
类比早期区块链发展，那些在 Gas 费昂贵时抢先布局商家和稳定币的场景构建者，如波场 Tron，即使费用上涨后用户也难以迁移。Crypto 行业的 trading 场景商业模式天然具备抽成属性（take rate）。
账单聚合是解决小额支付不经济的关键
如果用卡支付，交易额在 10 美元以下，商户可能会亏钱。在 Agentic Payment 场景中，小额 payment 较多，解决方式是做账单聚合，提升单次结算额度。
按结果定价只适用于可量化的计件制工作
用户只是调用 1 个 API，但产生的结果差异巨大。怎么给 AI 的服务定价？与会者认为，按结果收费只能在简单的计件制工作（如客服 Agent 解决工单数量）中实现；而在不确定场景（如销售 Agent 获取线索质量）非常主观。按结果定价只在少数计件工作中成立。主流场景仍然会长期停留在按调用量/订阅制的旧逻辑里，直到 Agent 产出的可验证性突破。
Pricing your AI product: Lessons from 400+ companies and 50 unicorns | Madhavan Ramanujam
Vibe Coding 商业化的关键在于订阅与使用量转化
目标是让新的 AI 公司或普通开发者通过 Vibe coding 开发的产品能够快速商业化。很多独立开发者开发产品 demo 很简单，但最终形成商业模式却比较困难。关键在于如何将用户每次使用大模型的成本转化为包月套餐，或是订阅加 Credit 的方式。
Insight 04
竞争格局——大厂的进攻与创业公司的策略
稳定币正在对传统卡组织构成降维打击
Stripe 在收购稳定币公司 Bridge 之前，估值从 920 亿美元的高点回落到 700 亿以下。收购之后估值迅速回到 900 亿区间，最新轮融资定价为 1591 亿美元。其推出的稳定币后台清结算服务报价是 1.5%，远低于传统卡组织 2.8% 到 3% 的平均费率，未来甚至可能降至 1%。与之相对，传统支付公司的商业模式非常脆弱（如 Visa 高度依赖支付手续费），而 PayPal 等由于担心影响传统主业，在稳定币布局上显得犹疑，未能取得规模突破。
创业公司未来会成为大厂的组件供应商
之后很长一段时间的商业模式可能不是普通 C 端用户自己去调用这些工具，而是由大厂统一封装。大厂可能变成客户，创业者变成供应商，去拼接研发出来的工具，然后以较高的价格出售。这种趋势不可避免地推高了行业的中心化程度。
AI 税是 3-5 年内高频小额支付的必然形态
有与会者认为，AI 收税将作为 UBI（全民基本收入）以及失业救济金的来源，高频小额的 AI payment 将成为底层设施。可能的收税方式包括：
1. 引入「AI 渗透率」的概念，按 AI 渗透率分级累进收取
2. 按 token 调用量收取，将其作为类似增值税的税基
真正的卡点不在支付，在上游——交易环节还没有为 Agent 重建
通过协议和用户钱包，支付问题似乎可以解决。但目前最大的问题其实是交易无法成立。因为所有支付都需要先有交易，比如电商或购买机票的场景，都无法通过 Agent 完成。交易 Agent 不存在，所以后面的支付走不通。
C 端破圈：地推的重要性与创业公司的边界
OpenClaw 为什么突然这么火？在国内是靠地推推起来的，是靠业内大厂卖云服务、搞地推推起来的。就像早期移动支付推广一样，之所以连老年人都能用，一个重要原因是地推给补贴——「你装上 App，我教你用，真的给你 50 块钱」。
但对于创业公司而言，很多需求可能需要很长时间才能实现。一位 AI 支付基础设施创业者表示，当他们判断完这一点后，首先决定不去找用户场景。因为他们认为用户教育成本不应该由一两个 startup 承担，而是整个赛道承担。如果赛道本身不成立，那就没意义；如果成立，应该交给大厂去摊平成本，他们在当中享受红利。反之，他们专注于做抽象化——抽象掉行业里所有的账户、钱包，甚至桥、链、支付网络都可以抽象掉，用户根本不需要懂这些。想通这点后，清楚小团队的赢点在哪里，也知道哪些成本不该碰。
这或许是今天这个阶段所有 Agent 支付参与者都需要回答的问题：不是"Agent 支付会不会成"，而是"在它成之前，你准备站在哪一层"。协议层、钱包层、身份层、授权层、交易层、清结算层，每一层都有人在押注，也都有人在等待。
大厂在准备吞掉整条链路，创业公司在准备被拼接进这条链路。能活下来的，大概率是那些既没有高估自己能独立撑起一条赛道、也没有低估自己在某一层的价值的人。
