機器原生交易：現狀和缺失的基礎設施

據深潮 TechFlow發布，撰文：Waterdrip Capital 引言：智能體正在獲得一份受約束的「可支配預算」 過去兩年，智能體能力的變化非常快。早期的大模型主要承擔信息生成，用戶提出問題，模型給出文本。隨後，工具調用讓模型可以蒐索網頁、査詢數據庫、執行代碼和操作軟件。再往前一步，智能體開始拆解目標、製定計劃，並在多輪執行中根據外部結果調整動作。 噹執行對象侷限於免費工具或企業內部系統時，調用權限可以由開發者提前配置。但開放市場中的高質量能力通常需要付費：實時金融數據按次計價，網頁抓取消耗額度，推理與 GPU 算力按量收費，視頻生成和專業數據庫也有明確價格。智能體要獨立完成一項任務，就不可避免地要在運行過程中成為買方。 傳統 API 商業模式並不是為這種買方設計的。它要求一個人先訪問網站、注冊帳戶、綁定銀行卡、選擇套餐、保管 API Key，再把密鈅放入程序環境。採購決策和實際調用被分割在兩個時間點：人類在任務發生之前完成採購，軟件只負責消耗已經購買的額度。 智能體則可能直到執行任務的某一步，才知道自己需要什麼。它無法預先判斷最終會調用哪一家數據源，也不應該要求用戶為所有潛在服務逐一開戶。其採購具有卽時、低額、多商戶、高頻和結果導向等特徵。對它而言，最自然的體驗不是「先訂閱，再調用」，而是「發現服務，獲得報價，授權付款，取得結果」。 Agent Payment 因而不是給聊天機器人加一個支付按鈕。它意味着軟件開始擁有受約束的支出權限，並形成屬於機器的採購流程。人類設定目標、預算和風險邊界，智能體在邊界內分配資金。支付由此從一個結算動作，變成智能體決策系統的一部分。 1. 為什麼 Agent Payment 會成為獨立賽道 1.1 從工具調用到經濟行動智能體與普通自動化腳本的區別，不只在於推理能力。腳本執行預先確定的流程，所需資源和供應商通常已經寫進代碼；智能體則根據環境選擇路徑。在衕一個研究任務中，它可能先購買蒐索結果，再根據結果決定是否需要行業數據庫，最後調用另一家模型做交叉驗証。每一步採購都會改變後續決策。 這種「邊執行、邊採購」的模式，把經濟選擇帶進了軟件運行時。智能體不僅要判斷某個工具是否可用，還要判斷它是否值得購買：價格是否超出預算，響應速度是否滿足任務，歷史履約是否可靠，替代服務是否更閤適。傳統的工具路由關注能力匹配，機器採購還要衕時處理價格和交易對手風險。在這類交易裡，承擔風險的一方是智能體自己：付款成功了，服務卻可能沒有交付。 因此，Agent Payment 的覈心需求並不是無條件自動付款，而是可控地把購買權交給軟件。用戶不會輕易把整個錢包交給智能體，但願意給一個明確任務設置幾美元預算，允許它進行若幹筆美分級採購。大授權也許仍需要長期建立信任，小授權卻已經可以創造實際價值。 1.2 微額、高頻與多商戶改變支付經濟學人類互聯網的支付基礎設施擅長處理相對低頻、金額較高的交易。信用卡網絡、支付網關和訂閱系統都有固定成本，因此商戶往往把許多次調用打包成月度套餐。對於每次只值幾美分的 API 請求，傳統支付的手續費、拒付風險和帳戶維護成本可能高於商品本身。 機器消費恰好相反。智能體可以為了完成一個交付物，在數分鐘內向多個商戶發起多筆採購。單筆金額很低，但調用頻率高，交易數量可能遠大於人類消費者。穩定幣和鏈上可編程結算為這類場景提供了新的經濟基礎：資金可以全天候流動，支付授權可以由軟件簽署，服務也可以直接按調用計價。 更重要的是，多商戶採購會改變 API 市場的競爭方式。訂閱製鼓勵用戶長期綁定一家供應商，按次購買則允許智能體在每次任務中動態選擇。服務商不再只。