机器原生交易：现状和缺失的基础设施

据深潮 TechFlow发布，撰文：Waterdrip Capital 引言：智能体正在获得一份受约束的「可支配预算」 过去两年，智能体能力的变化非常快。早期的大模型主要承担信息生成，用户提出问题，模型给出文本。随后，工具调用让模型可以搜索网页、查询数据库、执行代码和操作软件。再往前一步，智能体开始拆解目标、制定计划，并在多轮执行中根据外部结果调整动作。 当执行对象局限于免费工具或企业内部系统时，调用权限可以由开发者提前配置。但开放市场中的高质量能力通常需要付费：实时金融数据按次计价，网页抓取消耗额度，推理与 GPU 算力按量收费，视频生成和专业数据库也有明确价格。智能体要独立完成一项任务，就不可避免地要在运行过程中成为买方。 传统 API 商业模式并不是为这种买方设计的。它要求一个人先访问网站、注册账户、绑定银行卡、选择套餐、保管 API Key，再把密钥放入程序环境。采购决策和实际调用被分割在两个时间点：人类在任务发生之前完成采购，软件只负责消耗已经购买的额度。 智能体则可能直到执行任务的某一步，才知道自己需要什么。它无法预先判断最终会调用哪一家数据源，也不应该要求用户为所有潜在服务逐一开户。其采购具有即时、低额、多商户、高频和结果导向等特征。对它而言，最自然的体验不是「先订阅，再调用」，而是「发现服务，获得报价，授权付款，取得结果」。 Agent Payment 因而不是给聊天机器人加一个支付按钮。它意味着软件开始拥有受约束的支出权限，并形成属于机器的采购流程。人类设定目标、预算和风险边界，智能体在边界内分配资金。支付由此从一个结算动作，变成智能体决策系统的一部分。 1. 为什么 Agent Payment 会成为独立赛道 1.1 从工具调用到经济行动智能体与普通自动化脚本的区别，不只在于推理能力。脚本执行预先确定的流程，所需资源和供应商通常已经写进代码；智能体则根据环境选择路径。在同一个研究任务中，它可能先购买搜索结果，再根据结果决定是否需要行业数据库，最后调用另一家模型做交叉验证。每一步采购都会改变后续决策。 这种「边执行、边采购」的模式，把经济选择带进了软件运行时。智能体不仅要判断某个工具是否可用，还要判断它是否值得购买：价格是否超出预算，响应速度是否满足任务，历史履约是否可靠，替代服务是否更合适。传统的工具路由关注能力匹配，机器采购还要同时处理价格和交易对手风险。在这类交易里，承担风险的一方是智能体自己：付款成功了，服务却可能没有交付。 因此，Agent Payment 的核心需求并不是无条件自动付款，而是可控地把购买权交给软件。用户不会轻易把整个钱包交给智能体，但愿意给一个明确任务设置几美元预算，允许它进行若干笔美分级采购。大授权也许仍需要长期建立信任，小授权却已经可以创造实际价值。 1.2 微额、高频与多商户改变支付经济学人类互联网的支付基础设施擅长处理相对低频、金额较高的交易。信用卡网络、支付网关和订阅系统都有固定成本，因此商户往往把许多次调用打包成月度套餐。对于每次只值几美分的 API 请求，传统支付的手续费、拒付风险和账户维护成本可能高于商品本身。 机器消费恰好相反。智能体可以为了完成一个交付物，在数分钟内向多个商户发起多笔采购。单笔金额很低，但调用频率高，交易数量可能远大于人类消费者。稳定币和链上可编程结算为这类场景提供了新的经济基础：资金可以全天候流动，支付授权可以由软件签署，服务也可以直接按调用计价。 更重要的是，多商户采购会改变 API 市场的竞争方式。订阅制鼓励用户长期绑定一家供应商，按次购买则允许智能体在每次任务中动态选择。服务商不再只。