AI支付时代的序幕

去年10月初受朋友的启发写过一篇公众号文章，讲数字货币天然适合Agent经济体，因为其无限可分、跨主权和可验证的基本特性。目前看无限可分未必需要，但后两者在Agent支付时代更加重要了。

AI Agents经济的本质是数据与价值的交换，价值通过货币体现

ScaleAlpha，公众号：ScaleAlpha加密货币的终局：为AI Agent而生

前段时间看到Cloudflare的post，其观测流量中自动化请求约 57%，马斯克回复说来自人类的请求将成为噪音，而且在代码、文本、图像等方面模型输出的token和人类输出的内容已经不分伯仲，我认为现在是时候继续11个月前的这个话题。

我们来假设一笔具体的机器采购。

一家公司已经把 AI接进了软件开发流程。工程师提出需求，Claude Code 和 Codex 完成代码，内部测试通过以后，系统还要找一家外部安全服务商做攻击测试。

这家服务商不能只交一句“发现高危漏洞”。它需要说明测了什么、没有测什么，保留运行记录；如果声称找到了漏洞，还要提交一份能在客户隔离环境中重新运行的复现脚本。这时候，“按结果付费”就没有听起来那么简单。

如果只有发现漏洞才能收钱，服务商会被鼓励多报问题，甚至制造假阳性；但如果无论做成什么样都按时长收费，又和普通外包没有区别。更合理的做法是拆开：完成约定范围的测试并交付合格记录，收基础费用；发现的漏洞能够被客户独立复现，再收额外费用。没找到漏洞，不等于没有干活；声称找到漏洞，也不能凭一句话领奖。

所以这笔交易真正要回答的是：这个Agent 有没有权下单？可以把多少代码交给谁？供应商到底承诺了什么？什么证据算交货？如果双方意见不一致，谁来判断？

提到Agent Payment大家首先想到的是钱包。我们给AI一笔钱，套上限额，让它去买需要的工具、服务和设施。然而这些只是用户侧看到的流程。实际上做过支付业务的朋友很清楚，麻烦的是信用、账务、清结算、对账和合规等问题。Agent支付与人的支付有本质差异，就像主观和量化交易一样，前者一直有一个“人”在，后者没有这个“人”，就需要制定自动化、系统化、规则化的流程和框架。

Agent与人支付的本质差异

买鞋的时候，人的大部分行为都发生在付款前。挑了商品，比较了商家，接受了价格，才把卡拿出来。卡组织并不知道你为什么选这双鞋，它只需要判断这笔钱能不能扣。鞋送到以后合不合脚，最后还是你说了算。

Agent 替企业采购，少掉的正是这个一直在场的人。

企业当然不会把一张没有限额的卡交给模型。它会先规定这个Agent 代表谁，能买哪类东西，只能找哪些供应商，预算多少，哪些资料不能发出去，遇到什么情况必须停下来找人。人不再逐笔批准，而是提前决定哪些交易可以不用自己批准。

还是拿开头的安全审核来说。Agent可以在批准过的几家服务商中询价，购买一份可复现的攻击证据。对方交付后，证据先在客户自己的隔离环境里运行。复现成功，系统记下一笔应付；复现失败，任务退回或者转给人处理。月底，这笔钱再和其他交易一起结算。

这样看，转账几乎是最后一个动作。银行或钱包知道钱从哪里出，却不知道这个Agent 为什么有权买；Agent知道测试有没有通过，财务系统知道有没有形成应付，但几套系统通常认不出这是同一笔交易。所以这里需要一个完整的自动化流程，是把授权、交付、验收和应付对上号。

托管、账期、里程碑和验收付款都不是新东西。过去，采购经理靠邮件、合同和经验把这些步骤串起来，如果以后Agent一天发起几千笔小额采购，同样的判断就要变成可执行的规则。

当然，并非所有Agent 交易都该等验收后再付。模型推理、市场数据和云资源用掉就回不来，预付或实时扣费很合理。代码、研究和安全证据这类有明确交付物、又能测试的工作，才适合验收后记账。

综上，我现在不太相信“Agent钱包”本身能成为一家较大规模的公司。钱包只是回答了钱怎么付，更难的问题是这笔东西该不该买、该向谁买、怎样才算交货。我们已经看到AWS把付费工具调用放进AgentCore，Stripe最近也签下了收购 OpenRouter 的协议。支付和路由正在被平台吸收，但是采购和验收还是空白。

Agent经济的9个假设

「Agent 交易基础设施会成为大生意」，要走到这个未来，有九条基础假设。今天看它们大体站得住。

AI 到底把什么变便宜了？

1｜同样的AI 能力，会越来越便宜

2025年斯坦福AI Index就做过一个很直观的比较：在同一套测试中，达到接近GPT-3.5 的水平，每百万token（模型常用的计费单位）的价格，在不到两年里从20 美元降到了 0.07美元。最近层出不穷的开源模型应该也给大家留下了深刻的印象，甚至倒逼闭源巨头们开始降价。

当然不是所有 AI 都会以同样速度降价，咱们聊过token价值。

Token分为两类：前沿认知与商品化认知。

ScaleAlpha，公众号：ScaleAlphaAI 的物理世界：钱从哪里来、流向哪里、谁真的赚钱 —— 模型层

最前沿的推理、长时间任务、低延迟和高可靠服务，仍然可能很贵。但只要一种脑力工作能被通用模型稳定重复，收费就很难永远维持。翻译、摘要和基础代码不会消失，只会从稀缺能力慢慢变成普通供应。

2｜AI不会让所有东西一起便宜

模型能写报告，却不会凭空拿到一家公司的内部数据；它能提出建议，却不能自动获得银行账户、生产系统或签约权限。实时信息、客户关系、行动入口、独立验收和法律责任，仍然掌握在具体的人和机构手里。

因此，通用答案越便宜，这些拿不到、进不去、也不能随便替代的东西，反而越值钱。这也是为什么我不看好给通用模型换一套提示词和界面、改个名字，就能长期收取高价的“专家 Agent”。真正能留下利润的，更可能是独家数据、工作流入口、执行权限，以及愿意为结果负责的能力。至于芯片和电力，总支出未必会下降：每次使用变便宜以后，人们可能反而使用更多AI。

实际上大家用 GPT或者 Claude 就能发现，不少平台的数据已经拿不到了。越来越多内容站和社区对 AI 爬虫关了门，或者明码标价。持续学习和数据主权的收紧（越来越多国家要求数据和模型留在境内），只会加强这个趋势。

3｜Token不是货币

芝加哥商品交易所（CME）已宣布计划今年 10 月挂牌全球第一个「算力期货」，ICE 跟进。算力在被金融化。货币本质上是社会对未来劳动的欠条，当未来干活的主力变成机器，这张欠条的锚会慢慢从人的工时漂向电和芯片。

但Token不是货币，同样一千个 token，换一个模型、上下文长度或推理方式，成本和质量都可能完全不同。它只是模型厂商记录用量和制定价格的一把尺子。

模型充值额度（credits）更像商店的储值卡，可以购买某个平台的服务，却不能拿去另一家公司付款。真正负责结算的，仍然会是美元、银行存款或稳定币；同一个平台内部，则可以直接记账。除非未来真的出现一种跨模型、可以转让、而且大家都愿意接受的智能单位，或者一个模型统治了整个智能世界，否则token 不会成为货币。

便宜的智能，为什么会产生新的买卖？

4｜模型可能只剩几家，买家和卖家不会只剩一家

基础模型最后会不会集中到三五家，其实不是关键。就算很多公司使用同一个模型，它们仍然有各自的钱、数据、合同、牌照和责任。一家公司的Agent 想调用另一家公司的数据库，不会因为双方都用了同一个模型，就突然变成一次公司内部操作。

所以，我们的假设是企业边界继续存在。只要不同公司仍然掌握自己的预算、数据和责任，跨公司采购就需要授权、合同和付款。

5｜每次都能计价，不等于每次都要转账

过去微支付一直做不起来，一个原因是人不愿意为几分钱反复判断值不值。Agent没这个问题，只要人提前给好预算和规则，它可以替你比较一次千分之一美元的调用。

但供应商审核、隐私、税务、发票、对账和退款并没有消失。水表可以按滴计量，不代表水费也要按滴转账。更现实的做法，是每次调用都记账，月底再统一付款；有些服务仍然按月订阅或预付。只有当动态选择供应商省下的钱、或者带来的质量提升，明显大于这些管理成本，Agent采购才值得存在。否则企业还是会回到包月和长期合同。

6｜能说清“怎样算完成”，才可能临时外包

Agent 找到一家更便宜的供应商，不等于企业就应该买。写清任务、开放必要数据、接入系统、检查结果和处理争议，都要花钱。这里最难的一步是交货以后，谁来判断“做完了”。

代码能不能通过测试、漏洞能不能复现、数据格式是否合格，都比较容易事先说清；一份研究有没有洞见，就很难自动验收。创业机会夹在两者之间，结果要足够客观，能够判断是否合格；这项判断又得足够重要，值得请一家独立公司来做。如果客户只愿意购买一份验证报告，却不愿意让验收结果决定是否付款，那么这最终是一门验证软件生意，不是交易网络。

买卖出现以后，什么制度才有机会长出来？

7｜什么样的数据，才收得到持续的钱

一本已经到处流传的书，很难再靠限制复制长期收费；实时行情、不断新增的判例或专业批注则不同，因为提供方能控制入口，内容也会持续更新。最适合按调用收费的数据，通常要同时满足几件事：权利属于谁说得清，访问入口控制得住，内容不断更新，每次调用还能留下记录。

即使这些条件都满足，付了一次访问费，也不等于买下了所有权利。用来检索、展示原文、训练模型或者开发衍生产品，应该分别约定。调用记录只能证明“用过”，不能证明它对最终结果贡献了多少，更不会自动产生分成权。如果 AI 公司不愿为持续访问付费，或者数据所有者根本拦不住未授权使用，这门生意最多停留在几份大客户合同，不会长成交易市场。当然我们现在已经看到各数据方开始“关门”了。

8｜没有真实买卖，支付方式造不出市场

支付宝没有发明网上购物，Stripe也没有发明互联网生意。它们解决的是：交易已经有人想做，却卡在信任、收款或者接入成本上。

Agent 支付也一样。让Agent 能够付款，只是做好了技术准备，并不等于客户需求已经出现。真正值得观察的，是企业里的Agent 会不会反复跨出公司边界，在几家可以替换的供应商之间购买数据、工具或数字工作。如果最后的大部分使用，只是让AI 替消费者买机票、点外卖，或者替企业支付原本就有的软件订阅账单，那么它大概率只是现有支付公司的一个新功能，而不是一张新的交易网络。

9｜大资金能抢入口、定规则，却不能替市场发明需求

这不是一个轻资产创业团队可以包打天下的故事。一旦Agent 采购真的形成规模，牌照、流动性、账期、担保、保险、争议处理和行业标准，都需要大量资本和机构资源。大型平台可以补贴冷启动，支付公司可以利用牌照，资本充足的公司还可以收购分发入口、承担风险并推动标准。最后的赢家，完全可能是一家重资本公司。

但资本仍然要回答一个问题：到底有什么交易在反复发生？只有客户真的在买，验收结果真的会影响付款，供应商之间真的可以替换，资金才知道应该抢哪个入口、承担哪类风险。早期团队用较少的钱寻找这些证据；大机构可以更早争夺入口和标准。两者格局不同，却都不能靠烧钱把一笔不存在的采购变出来。

目前能想到两个生意

如果 Agent 真开始替企业向外买东西，最先暴露出来问题与付款无关，而且两个更大的麻烦：买方不知道对方有没有把活干好；数据所有者不知道自己的东西被谁用了、应该收多少钱。围绕这两件事，可能分别长出一套验收网络和一套数据授权网络。

第一类：Agent 买来的活，谁来验货？

还是开头那笔安全采购。公司的Agent 要做安全审核，把任务发给几家已经通过审核的安全服务商，请它们复核，交付测试记录和可以重复运行的证据。

这里需要一个信用中介，解决从「提供服务」到「确认结果并付款」之间的信任摩擦。平台验收的是工作本身，以安全审核为例，有没有按约定测试，记录是否完整，证据能不能重放，范围有没有说清。

机器市场比淘宝当年更需要押金和验收。人类卖家跑路，要注销店铺、换手机号，有成本；一个恶意Agent 被拉黑，换个密钥就是「新人」，零成本、毫秒级。没有押金和验收，机器市场会被垃圾交付淹没。

这个平台真正的价值在交易反复发生之后，平台会逐渐知道：什么任务、什么价格、交给了谁，第一次有没有通过，有没有返工、退款或争议。下一次，它可以更准确地选供应商；可靠的供应商也愿意带着历史记录来接更多订单。

第一步，押金递减：履约记录好的供应商，接单可以少交甚至免交保证金，就像老司机保费低。第二步，账期出现：从「验收后付款」进化到「先干活、月底结。第三步，保险进场：有人愿意承保「AI干砸了」的风险，而能给这张保单定价的，只有握着全市场争议率和赔付率的那个中间角色。谁承保，谁掌握定价权。伦敦劳合社已经在试水AI 责任险，缺的恰恰是这种交易级的数据。

还有一个人类商业里没有的新问题：你的交易对手每晚都在「变成另一个人」。模型一升级，上周的履约记录还算数吗？所以信誉最终记在承担合同和债务的公司或个人名下，模型和工具版本只作为这一次工作的记录；大版本升级后，历史信誉不能无条件继承，就像飞行员换机型要重新考执照。

平台可以向企业收订阅费，再从每笔交易收服务费。记录足够多以后，表现稳定的供应商可能更快收到钱，银行和保险公司也可能据此提供账期或承保：平台提供可信的验收与风险记录，持牌机构承担资金和赔付风险。最终，这个验收平台可以长成企业Agent 的采购部和验收台：决定能向谁买、什么算交货、什么时候该付钱。

第二类：AI 用了谁的数据，钱怎么分？

想象一家律所的Agent 正在处理一个新问题，需要查询法律出版商刚刚更新的判例和专家批注。出版商不把整个数据库交出去，只允许Agent 通过受控接口拿到当前问题需要的内容，按查询类型和授权范围收费。每次使用留下记录，月底统一结算。

这笔钱买的是持续更新的整理、专业批注、机器可读的结构，以及合法稳定的访问入口。AI应用不想分别和几百家数据商签合同、接接口、做对账；数据所有者也不想每家都重做一套授权、计量和收款系统。如果一个平台能让买方从同一个入口调用许多专业数据，同时替权利人记录使用并收钱，它就能从每次授权调用中收费。数据越全，应用越愿意接入；付费应用越多，数据所有者也越愿意加入。

YouTube 的Content ID 提供了一个参照。版权方把音视频参考文件交给YouTube，系统发现匹配后，可以屏蔽、追踪，也可以让内容继续传播、参与广告分成。它把「发现盗版就要求下架」的对抗关系，变成了可识别、可认领、可结算的记录。

但 AI 数据比视频版权难得多。YouTube 同时掌握视频分发、播放记录和广告收入，相当于路、摄像头和收银台都在自己手里。AI市场里的数据、模型、应用和收入分散在不同公司，没有谁天然看得见完整链条。

首先，平台得证明数据所有者确实有权收费。一次查询、把原文展示给用户、拿整套数据训练模型、开发衍生产品，是不同的使用方式，不能用一张许可证全部带过。其次，信息看过以后无法真正退货，所以早期更适合把数据留在受控环境里、出售查询结果，而不是先交出整套原始数据。最难的是归因：一个答案即使查询了十个数据库，也很难可靠算出每一家贡献了百分之几。早期市场只能诚实地按照用了什么、用了多少、允许拿来做什么收费，不能假装已经解决了知识价值的分配。

收费的闸口已经有人在建：TollBit按次向 AI 公司收内容费，ProRata 按贡献度给出版方分广告收入，Cloudflare 更是把收费站修进了网络基础设施，它的 Pay Per Crawl 已经升级成对任意资源按次收费的 Monetization Gateway。但一个数字能说明「闸口」离「分账」还挺远：一家接入监测的美国科技媒体，每周被AI 抓取四百多万次，抓取和带回访问的比例是966 比 1，而它拿到的分成收入是零。收费能力有了，给全行业记账分钱的「版税协会」还没有。当然，这也意味着需求。

这个方向一旦做成，可能成为专业数据的统一授权入口和收款通道，天花板非常高。但它最需要的两样东西，谁有权收费的凭证，和一份买卖双方都认可的使用记录，通常已经握在大型平台、专业数据商或权利人联盟手里。

总结

“AI 自己花钱”很有未来感，也很适合做演示。但钱从 A 搬到 B，从来不是这门生意最难的部分。

真正的门槛是企业敢不敢把一部分采购权交给Agent，任务能不能被写成合同，交付证据能不能直接改变应付，交易记录能不能让下一次采购更聪明。

核心节点是把“活干完了”变成“该付钱了”。时代的序幕已经拉开，现在是可以开始的时点。