夜雨聆风Disclaimer: Bernstein broker session series KTW
这场访谈发生在 Bernstein 的一场数字资产专题会议上，核心嘉宾是 Merit Systems 的战略负责人 Mason Hall。整个对话试图回答一个核心问题：当 AI agent 开始具备执行能力后，互联网的商业模式、支付体系与软件分发方式将如何被重构。
从背景来看，Mason Hall 的路径本身就解释了他的视角。他早期在加密领域构建高频交易与套利（MEV）基础设施，随后加入 Andreessen Horowitz（a16z）做基础设施投资，再到创立 Merit Systems，专注于 stablecoin、支付与 AI 的交叉。这意味着他既理解机器如何自动执行，也理解系统如何商业化。
他提出的核心设计原则是“crypto mullet”：前台是传统互联网体验，后台是加密基础设施。用户不需要知道 stablecoin 的存在，但系统利用其能力实现更低成本、更自动化的支付与调用。复杂性必须隐藏，但能力必须释放。
这一理念的结构是：
前台：ChatGPT / SaaS / app-like UX 后台：stablecoin / payment protocol / API 目标： 用户无感知 系统高效率
在产品演示中，他展示了一个 agent 如何工作。用户将所有个人数据（笔记、Notion、消息、邮件、Google Drive）转为 Markdown，并构建一个“个性化知识图谱”。这个系统的关键不是信息量，而是关系结构——每个节点都围绕“与我有什么关系”展开，从而让 LLM 可以输出高度个性化的结果。
但系统很快遇到现实瓶颈：LLM 很难获取关键数据，例如公司信息、联系人邮箱或社交账号，因为这些数据通常被限制访问或需要付费。这暴露了一个结构性问题——agent 的能力受限于数据访问，而数据访问受限于支付与认证机制。
LLM 的真实限制：
无法获取： social media data contact info（email / LinkedIn） company metadata 原因： 网站限制 / paywall / anti-scraping
传统解决方案是使用 API，但其流程（注册、获取 key、集成）对 agent 来说不可扩展。因此 Agent Cash 的核心创新在于：让 agent 可以自动发现 API，并在执行任务时判断是否值得花费几美分获取数据，然后即时调用。目前系统已经接入约 350 个 API，覆盖数据增强、图像生成、社交数据和爬虫等功能。
Agent Cash 的核心机制：
自动： discover API 请求支付 调用 API 覆盖： enrichment scraping image/video 使用方式： per-call（按次付费）
这里最关键的概念是“working capital”。agent 并不是“有钱”，而是在用户设定预算下，能够动态做成本收益决策。例如，它可以判断是否值得花 1 cent 来获取更准确的数据，从而提升结果质量。支付因此不仅是交易行为，更是访问控制与认证机制。
working capital 的本质：
不是： autonomous wallet 而是： bounded budget 用途： 优化结果质量 解锁 paywalled data deeper meaning： payment = access + auth
在更宏观层面，Mason 指出一个关键趋势：传统互联网的广告模式正在失效。因为 agent 不具备“注意力”，不会点击广告，也不会被营销影响。一个典型案例是，某些开发者文档中约 80% 的流量已经来自 agent，但几乎没有转化为付费用户。这意味着互联网的 monetization 正在从“注意力变现”转向“直接付费”。
商业模式变化：
旧：free content → ads 新：API access → direct payment 核心驱动：agent 无 attention
在此基础上，他将 agentic commerce 分为两种路径：封闭系统与开放系统。封闭系统（如 ChatGPT checkout）依赖审批与合作接入，扩展性有限；开放系统则允许任何 API 被 agent 即时发现与调用。
Open vs Closed：
Closed： BD / approval limited integrations Open： permissionless infinite tools 类比： AOL vs HTTP
agent 的能力来自“组合工具”，因此开放系统更具优势。
支撑这一体系的是新一代支付协议（如 x402 和 MPP）。它们不仅处理支付，还承担认证与访问控制功能，使 agent 能够无需 API key 即可调用服务。目前该生态仍处于早期阶段，最大瓶颈是“有用 API 数量不足”，但随着供给增加，其价值将快速放大。
协议层作用：
支付 auth API access discovery
当前瓶颈：
useful APIs 不够多
访谈还揭示了一个重要现实：token 成本并没有下降，反而在上升。用户对高智能模型具有强烈偏好，一旦使用更强模型，就难以回退。甚至存在用户每月花费上万美元使用 agent 的情况，而当前订阅价格实际上被大幅补贴。
token economics：
trend： usage上升 原因： preference for frontier models reality： heavy subsidy（~20x）
更深层的结构变化是一个正反馈循环：agent 使用工具提升结果 → 用户更依赖 → 模型在训练中学习工具调用 → 下一代模型更擅长调用工具。Mason 将 tool calling 视为当前 AI 的关键能力拐点，这意味着 agent 正在从“对话系统”转向“执行系统”。
飞轮机制：
tool use → better output better output → more usage more usage → training data better model → more tool use
从产业角度看，这一变化将重构多个环节。API 公司将获得按调用付费的新收入来源；传统 SaaS 的 seat-based 定价将受到冲击；支付公司面临费率压缩但也在积极适应；稳定币可能成为默认结算层但差异化下降。
产业影响：
API：usage-based revenue SaaS：seat model weakening payments：margin compression stablecoin：settlement layer
这场访谈本身描绘的是一个新的基础设施周期：每个人都将拥有一个具备文件访问、工具调用、数据连接和支付能力的 agent。人类的角色从执行者转变为编排者，而商业模式从订阅与广告转向 API 调用与直接支付。