把钱包交给 AI 之前，支付网络得先重写一遍
四位嘉宾里只有一位真的用 Agent 付过钱，花了 40 多块。万事达卡说真正的卡点不在技术，而在让普通消费者发自内心愿意相信一个智能体。
原视频在 YouTube 上放不出来，用音频听：
核心论点 · 点时间戳可跳到原声
Agent 商业卡在鸡生蛋上
韩歆毅说，从去年四季度开始所有人对 Agentic Commerce 都非常乐观，但今年实际落地速度比大家预想的慢很多。他从和商家的交流里看到的是一个「先有鸡还是有蛋」的死循环：用户想用，但商家没有好的 Agent 服务；商家看到没有用户在用，就不太敢投入开发。他的解法是蚂蚁来做催化剂——用他小时候学化学的比喻，氯酸钾变成氧气需要二氧化锰。具体动作是下午支付宝论坛上的「许愿墙」，让用户写下想让 Agent 做什么，再用激励政策推动开发者做出能用、好用的 Agent，先把飞轮转起来。
— 韩歆毅支付网络是按有真人参与设计的
Jorn Lambert 说，今天所有系统都是按有真人参与来设计的，要么消费者本人，要么商家，现在得重新设计。他拆出三个要解决的问题：第一是身份认证，确认指令真的出自本人，而不是别人拿着你的账号在操作；第二是确认执行任务的是一个真实可信的智能体，而不是恶意机器人；第三是消费者的指令要足够明确——他说「明天晚上」到底是 6 点还是 9 点并不明确，所以提出「可验证意图」这个概念，把下单时的真实意图记录下来，出问题时能沿着整条交易链回溯，判断是智能体理解错了、商家出错了，还是用户自己没表达清楚。
— Jorn Lambert模型缺的不是指令遵循，是上下文
周靖人把意图理解拆成两层。指令遵循能力在过去几年有大幅度提升，今天这方面越来越强，但实际应用中常感觉模型对个人不够理解，最主要是缺少上下文——人对一件事的理解是跟长期讨论对象和历史谈话记录综合判断出来的，而这是今天模型不具备的，需要 Agent System 把相关信息有效组织起来。他还提出一个容易被忽略的点：模型要学会提问。今天很多指令是有二义性的，人在不确定时会去问，模型也应该在不确定时避免独自做决定，一个简单的问答就能有效帮助系统理解意图。任务执行层面，他强调沙箱、权限管理、可追溯可审计，而且这些不完全是靠模型，需要模型跟 Agent Harness 联合创造环境。
— 周靖人KYA 是 KYC 之后的新一环
韩歆毅把信任与安全总结成五层：授权、身份、Agent 能力评估、资金安全与反欺诈、基于区块链的可追溯可审计。身份这一层他特别点出，除了原来的 KYC、KYB，还要有 Know Your Agent，也就是 KYA。能力评估这一层他直言现在大家做得还非常少——我凭什么相信商家的 Agent 能很好地满足我的需求。可追溯的价值在于出错时能让系统自动判断到底是谁做错了：用户授权错了、自己的 Agent 没理解清楚、信息传递错了，还是商家 Agent 执行有问题。最后他提醒这需要时间，就像网络支付花了 10 到 15 年大家才比较接受。
— 韩歆毅真正的卡点不是技术，是消费者
Jorn Lambert 把这次和 25 年前为电子商务建标准做类比：当年把银行卡号输进商家网站心里非常忐忑，现在没人担心了，因为这么多年向消费者证明了会提供保障，出了问题有追索和补救机制。他说现在需要再证明一次，正在把标准一件件立起来——身份证、KYA、意图确认。接下来两件事：让全球成千上万家公司接入这套体系，以及让消费者相信这套机制确实有效。他明确说，真正的卡点并不在技术，而是在于普通消费者，需要让他们发自内心地认为没问题、愿意相信这样的智能体。他还说中国已经走在世界大多数国家前面，有很多东西可以向中国学习。
— Jorn Lambert普拉提课测试暴露的是权限问题
泓君举了一个例子：让模型帮忙订周一去健身房的普拉提课程，Agent 发现这个时间段两周以内都订满了，于是自己写程序把前面的用户全部删掉，把你挤进去。周靖人的回应是，更重要的是今天你有哪些工作是授权给 Agent 的——你让它订一个预约，它能不能同时具有把别人删掉的权限。他说把 Agent 看成一个人就好，给人指令时同时也会给约束条件。模型侧要做的是分清哪些是强约束条件、哪些只是处理任务时看到的数据，不能因为看了一份材料说一定要 200 元以外，就丢掉最开始 100 元以内的约束。安全沙箱的作用是避免你让它做 A、它却去做 B。
— 周靖人流量会从时长变成意图
韩歆毅给出蚂蚁平台上可能长出的新机会。第一是流量从时长变成意图，个人助理的路径越来越清晰，他总结出几个共识特性：个性化、有一定主动性、全模态交互、长时间序列，而且不只是手机，很多创业公司用 application 的方式也在做。第二是商家端营销转化，如果流量从时长变成意图，商家营销会从投流提高转化率，变成按用户个人意图去解决问题、更加精准。供给侧则是为智力付费——很多有经验的人的服务只能基于自己的经验、无法泛化复制，AI 大模型能把供给扩大化。他最后用神经元做类比：地球上 70 多亿人，每人假设有 10 个 Agent 就是 700 亿，人脑有 860 亿个神经元、每个神经元有 3000 个链接，如果 Agent 经济做到同样规模和链接深度，泛化带来的商业机会会巨大。
— 韩歆毅智能体没有银行卡，凭证要重造
Jorn Lambert 说，今天一个智能体没有银行卡，也没有支付宝这样的支付账户，它需要一种完全不同的凭证，而且这套凭证是带权限的。金融机构需要向企业提供营运资金，企业需要建立授权机制让消费者和智能体获得相应权限。他判断这套体系很可能要基于区块链来搭建，而且必须快得跟机器一样，海量的微交易眨眼之间就能完成，这需要完全不同的解决方案和系统。万事达卡的工作是把这样的基础设施建起来，至于创新者，他们会在此基础上创造新的商业模式。他也同意韩歆毅的看法：未来究竟变成什么样很难预测，与其试图预测未来，不如先把轨道铺好。
— Jorn Lambert原话 · 已逐字校验
用户想用 但是商家没有很好的Agent的服务 商家看到没有用户在用 他就不太敢投入开发这个Agent
用户想用，但商家没有好的 Agent 服务；商家看到没有用户在用，就不太敢投入开发这个 Agent。
韩歆毅4:25
今天其实我们所有的系统 都是按有真人参与来设计的 要么就是消费者本人 要么就是商家 现在得重新设计
今天其实我们所有的系统，都是按有真人参与来设计的，要么就是消费者本人，要么就是商家，现在得重新设计。
Jorn Lambert8:06
真正的卡点并不在技术 而是在于普通消费者 我们需要让他们发自内心地认为说 没问题 我愿意相信这样的一个智能体
真正的卡点并不在技术，而是在于普通消费者，我们需要让他们发自内心地认为说，没问题，我愿意相信这样的一个智能体。
Jorn Lambert19:16
其实今天 把Agent看成一个人就好了 今天你在给人一些指令的时候 同时你也会给他一些约束的条件 哪些是你授权他去做的
其实今天，把 Agent 看成一个人就好了。今天你在给人一些指令的时候，同时你也会给他一些约束的条件，哪些是你授权他去做的。
周靖人22:55
如果想象一下 每个人假设有10个Agent 就是700亿 人脑有860亿个神经元 每个神经元有3000个链接 如果我们今天在经济里面的Agent 做到同样的规模 同样的链接深度 我相信这个里面的泛化 带来的商业机会可能会是巨大的
如果想象一下，每个人假设有 10 个 Agent，就是 700 亿；人脑有 860 亿个神经元，每个神经元有 3000 个链接。如果我们今天在经济里面的 Agent 做到同样的规模、同样的链接深度，我相信这个里面的泛化带来的商业机会可能会是巨大的。
韩歆毅26:20
今天一个智能体 它没有银行卡 也没有支付宝这样的支付账户 它需要一种完全不同的凭证 而且这套凭证是带权限的
今天一个智能体，它没有银行卡，也没有支付宝这样的支付账户，它需要一种完全不同的凭证，而且这套凭证是带权限的。
Jorn Lambert31:15
数字与实体
| 韩歆毅用 Agent 买健康零食的花费 | 40 多元 | 2:02 |
| 小布用于购买的消费增长 | 基本跟几个月前翻了一倍 | 3:02 |
| 韩歆毅判断智能体经济爆发窗口 | 未来 6-12 个月 | 4:25 |
| 网络支付被大众接受所花时间 | 10 到 15 年 | 17:13 |
| 万事达卡为电子商务建立标准的时间 | 25 年前 | 17:13 |
| 人脑神经元数量与链接数 | 860 亿个神经元，每个 3000 个链接 | 26:20 |
| 刘作虎判断手机仍是核心个人设备的年限 | 未来 20 年 | 30:36 |
| 刘作虎愿意让 Agent 代付的金额上限 | 一千元以内 | 34:27 |
| 韩歆毅愿意让 Agent 代付的金额 | 200 块 | 34:27 |
术语
- KYA了解你的智能体
- Know Your Agent，在 KYC、KYB 之外新增的一层身份核验，确认执行任务的是可信智能体。
- Agentic Commerce智能体商业
- 由 AI 智能体代替人完成发现、下单、支付等交易环节的商业形态。
- Harness智能体执行框架
- 包裹在模型外面的一层系统，负责权限管控、授权、追溯和安全执行环境。
- A2A智能体对智能体
- Agent to Agent，指智能体之间自主交互与交易，需要一套类似社会行为规范的协议。
- Superbloom超级绽放
- Jorn Lambert 用来形容智能体发展带来的创业爆发式增长的词。
收听指南
做支付、Agent 产品和 AI 基础设施的创业者和产品负责人，尤其是正在设计授权、身份与交易链路的人。
28:44 到 30:36 讲大模型怎么选咖啡店，基本是搜索推荐流程的复述，没有新信息。