前沿|智能体AI如何重塑支付系统

作者 | Sonja Davidovic, Hervé Tourpe

来源 | IMF Notes Serues

人工智能正从辅助金融决策的工具，演变为能够代表经济主体自主行动的技术。新一代智能体AI系统——能够解读目标、规划多步骤行动、在有限人工干预下与数字服务自主交互的软件代理——已开始在电子商务和金融市场中涌现。在支付领域，这些系统不仅能推荐交易，还能在委托授权下发起、协调和管理金融操作。

传统支付基础设施建立在人类发起指令、确定性系统处理的架构之上。从卡组织网络到实时全额结算（RTGS）系统，支付轨道依赖可预测的规则、法律确定性和清晰的问责结构来确保信任与金融稳定。智能体AI引入了一个全新要素：能够以机器速度发起金融行动的概率性决策系统。

该文指出，主要技术公司和支付网络已开始试验代理中介的商务和支付流程，通用商务协议（UCP）、代理支付协议（AP2）、代理间通信框架（A2A）和模型上下文协议（MCP）等新技术标准正在快速涌现，以支持自主代理与支付基础设施之间的互操作。市场预测表明，代理中介的商务活动未来十年可能产生巨大的经济规模，从根本上改变消费者、企业和金融机构与支付系统的交互方式。

智能体AI是指能够感知环境、设定目标、以最少人工输入执行多步骤任务的自主系统。例如，在商业领域，此类系统可以监测家庭燃气罐液位、识别最具性价比的供应商并自动安排补充；在仓储运营中，可以检测到货信息、检索对应账单并按预设协议发起付款指令。国际清算银行（BIS）的研究表明，AI代理能够在RTGS系统中独立管理流动性并排列支付优先级，有效复现成熟的审慎现金管理实践。

与提供静态预测或需要持续人工参与的传统AI模型不同，智能体AI系统整合了规划、动态适应和工具编排等高级能力，使其能够作为复杂生态系统中的自主代理运行。

该文特别指出，驱动AI代理的大型语言模型（LLM）本质上是非确定性的：它们通过从概率分布中采样生成响应，相同的提示可能产生不同的输出。这一特性对智能体AI在支付链中的可信任程度有深远影响，尤其是在授权、执行和结算功能方面。此外，“幻觉”问题——模型以高置信度生成虚假信息——虽然随模型迭代有所缓解，但在支付、合规和结算场景中仍然是关键风险

3.1 核心矛盾

支付基础设施（RTGS系统、卡组织网络、即时支付平台、分布式账本）以确定性方式运行：交易遵循预设规则，结果是二元的，法律终局性有保障。而智能体AI依赖概率性推理和自适应决策。该文指出，智能体支付的核心风险不在于使用概率性推理本身，而在于让自适应系统在缺乏适当控制、检查和问责的情况下执行不可逆的支付。因此，核心问题不是AI是否应用于支付——AI在支付中已有四十余年历史——而是如何将不确定的概率性决策与自动支付执行分离开来。

3.2 三层架构

为维持清晰的问责，该文提出将AI驱动的决策与实际支付执行之间建立明确边界，将概率性决策的不可预测性与支付执行的可预测性组织到不同层级中。

第一层：意图与编排层（Intent and Orchestration Layer）。该层包含概率性智能体系统和协议，将用户的高层目标（即“意图”）转化为结构化、机器可读的指令。该层技术实现推理、规划、搜索、谈判和多代理协调能力，但不执行任何授权或支付操作。MCP标准化了代理对外部数据和工具的访问，A2A协议实现了不同供应商开发的代理之间的互操作，x402标准允许代理在HTTP请求中直接嵌入支付要求，Google的UCP为发现、比较和购后逻辑提供了共享语法。

第二层：控制与授权层（Control and Authorization Layer）。该层执行确定性约束，决定代理提出或发起的行动是否可以进入执行阶段。核心机制是AP2协议，它将代理发起的行动绑定到加密可验证的授权令牌（mandate）上，指定范围、限额、参与者身份和允许条件，确保下游授权反映的是用户的明确同意，而非模型生成的推断。在分布式账本方面，ERC-1812实现链下可验证声明，ERC-6900在钱包层面执行支出限额和交易对手限制，ERC-8004定义了代理身份、验证和声誉的链上注册表。

第三层：结算层（Settlement Layer）。该层包括传统确定性结算基础设施和新型结算系统。该层以不可撤销的法律终局性执行支付指令。在该架构中，第三层是支付链的最终非概率性端点：它仅接受通过第二层确定性控制的指令，不做修改、优化或重新解读。通常，智能体算法不在该层运行。

3.3 功能分离的启示

三层分离有三个重要分析含义：第一，解释了为何智能体AI的近期价值集中在结算上游，概率性推理在编排和优化层面发挥作用；第二，阐明了为何结算系统不太可能像代理那样变得“智能”，其核心功能仍是确定性终局；第三，揭示了风险从单笔交易正确性向系统级行为的转移。

4.1 电子商务的演进

AI代理正在用自主推理取代简单自动化，从根本上改变电子商务。代理可以自主管理从产品搜索、价格比较、折扣应用、库存验证到执行的整个购买流程，缩短消费者交互时间，为用户提供整合偏好、约束和实时价格信号的个性化决策支持。

该文列举了主要市场实验：OpenAI/Stripe推出“Instant Checkout”，在ChatGPT中实现对话内购买，收取4%的交易费用；Amazon的“Buy for Me”功能使Rufus助手能够代替客户在外部网站完成交易；Google的UCP标准化了企业与AI代理在整个购物旅程中的连接方式；Visa和Mastercard分别通过“Intelligent Commerce”和“Agent Suite”构建“了解你的代理”（Know Your Agent）框架；PayPal通过收购Cymbio将自身定位为智能体网络的“信任层”。

4.2 自动化跨境支付与流动性管理

智能体AI可以编排整个跨境支付链——从支付发起、路由优化（代理银行、本地合作伙伴、令牌化轨道）、合规检查触发，到结算和结算后异常监控。代理通过分析实时交易数据和对过去经验与变化环境的推理，能够动态选择最高效的支付路径。BIS的研究表明，生成式AI系统无需专门训练即可执行现金管理功能，如维持预防性流动性缓冲、优先处理紧急支付、平衡流动性成本与结算延迟的权衡。

在外汇管理方面，智能体AI可以持续监测实时汇率、分析不同银行轨道的利差、优化换汇时机，花旗银行和蚂蚁国际已试点AI驱动的外汇对冲成本削减工具。该文指出，稳定币与AI代理的结合可能成为跨境支付的重要基础设施，AP2协议已支持稳定币集成。

4.3 智能体合规解决方案

智能体AI有潜力通过将监管逻辑直接嵌入运营工作流程来显著改善合规流程。与传统自动化工具不同，智能体系统可以在预定义护栏内解读目标、实时监控活动、自主采取行动——如标记可疑交易、升级高风险案件或在触发监管阈值时调整控制措施。Mastercard的“Decision Intelligence”系统在毫秒内评估交易欺诈风险，Visa开发了实时风险评分方案，将合规逻辑嵌入实时交易流程，实现网络级的合规设计（compliance by design）。多代理系统可以将合规任务分布到专门领域——一个代理执行监管变更扫描，另一个进行风险评分，第三个映射控制，第四个执行补救——全部由协调器统筹。

5.1 风险分类

该文将智能体AI支付的主要风险按来源和影响分类如下：

该文特别警告了算法羊群效应：若主导模型识别出相同的市场信号，同步执行可能引发绕过传统熔断机制的闪崩，在支付发起或流动性优化中产生同步支付流，增加日内流动性需求并可能对结算能力造成压力。此外，恶意行为者可能通过提示注入攻击影响或控制大量能够自主触发和处理金融操作的AI代理。

5.2 缓释策略

系统层面措施：对AI代理执行的高风险或高价值交易应要求人工审批或监管介入（“人在回路”机制）；实施事前中断和遏制机制（“紧急停止开关”），但应设计为分布式、分层响应而非集中控制或骤然关闭；将决策层与执行层进行架构分离——代理在决策层提议或发起行动，确定性执行层执行合规检查并完成最终交易。

私营部门措施：支付网络应推出嵌入消费控制和实时预算管理的代理就绪型卡产品，建设全球代理注册表（含身份验证、声誉评分和欺诈监控），引入针对AI发起交易的争议解决框架，开发跨AI平台的开放协议标准；数字钱包提供商应部署“代理就绪”能力，构建基于通行密钥和生物识别的代理友好型认证。

公共部门措施：监管者应考虑从“了解你的客户”（KYC）向“了解你的代理”（KYA）要求的转变，为金融机器人建立可验证的身份并关联法律实体；部署实时监控系统检测代理行为和交易流中的异常；在全面市场部署前，允许在监管沙盒等受监督环境中测试智能体支付系统。该文以新加坡为典范——新加坡已推出针对智能体AI的模型治理框架，提供了关于负责任部署代理的技术和非技术措施指导。

本文在方法论层面的核心贡献在于，首次构建了可用于识别全体商业银行宏观层面因果效应的Bartik暴露度指标，弥补了既有文献多依赖单一细分市场或商业数据库、难以建立因果关系的不足。在实证发现层面，论文提供了金融科技竞争同时具有效率提升效应（贷款利率下行、运营效率改善）与盈利侵蚀效应（净息差收窄、利润下滑）的清晰证据，且这两类效应在巴西案例中的量级均经济意义显著。

对于其他新兴市场经济体而言，巴西经验表明，在适当监管框架下引导金融科技竞争发展，可以在不显著恶化传统银行信用风险的前提下，实质性地降低金融中介成本、提升信贷市场的竞争活力。

以下为部分报告截图

……