把錢包交給 AI 之前，支付網絡得先重寫一遍
四位嘉賓裡只有一位真的用 Agent 付過錢，花了 40 多塊。萬事達卡說真正的卡點不在技術，而在讓普通消費者發自內心願意相信一個智能體。
原視頻在 YouTube 上放不出來，用音頻聽：
核心論點 · 點時間戳可跳到原聲
Agent 商業卡在雞生蛋上
韓歆毅說，從去年四季度開始所有人對 Agentic Commerce 都非常樂觀，但今年實際落地速度比大家預想的慢很多。他從和商家的交流裡看到的是一個「先有雞還是有蛋」的死循環：用戶想用，但商家沒有好的 Agent 服務；商家看到沒有用戶在用，就不太敢投入開發。他的解法是螞蟻來做催化劑——用他小時候學化學的比喻，氯酸鉀變成氧氣需要二氧化錳。具體動作是下午支付寶論壇上的「許願牆」，讓用戶寫下想讓 Agent 做什麼，再用激勵政策推動開發者做出能用、好用的 Agent，先把飛輪轉起來。
— 韓歆毅支付網絡是按有真人參與設計的
Jorn Lambert 說，今天所有系統都是按有真人參與來設計的，要麼消費者本人，要麼商家，現在得重新設計。他拆出三個要解決的問題：第一是身份認證，確認指令真的出自本人，而不是別人拿著你的賬號在操作；第二是確認執行任務的是一個真實可信的智能體，而不是惡意機器人；第三是消費者的指令要足夠明確——他說「明天晚上」到底是 6 點還是 9 點並不明確，所以提出「可驗證意圖」這個概念，把下單時的真實意圖記錄下來，出問題時能沿著整條交易鏈回溯，判斷是智能體理解錯了、商家出錯了，還是用戶自己沒表達清楚。
— Jorn Lambert模型缺的不是指令遵循，是上下文
周靖人把意圖理解拆成兩層。指令遵循能力在過去幾年有大幅度提升，今天這方面越來越強，但實際應用中常感覺模型對個人不夠理解，最主要是缺少上下文——人對一件事的理解是跟長期討論對象和歷史談話記錄綜合判斷出來的，而這是今天模型不具備的，需要 Agent System 把相關信息有效組織起來。他還提出一個容易被忽略的點：模型要學會提問。今天很多指令是有二義性的，人在不確定時會去問，模型也應該在不確定時避免獨自做決定，一個簡單的問答就能有效幫助系統理解意圖。任務執行層面，他強調沙箱、權限管理、可追溯可審計，而且這些不完全是靠模型，需要模型跟 Agent Harness 聯合創造環境。
— 周靖人KYA 是 KYC 之後的新一環
韓歆毅把信任與安全總結成五層：授權、身份、Agent 能力評估、資金安全與反欺詐、基於區塊鏈的可追溯可審計。身份這一層他特別點出，除了原來的 KYC、KYB，還要有 Know Your Agent，也就是 KYA。能力評估這一層他直言現在大家做得還非常少——我憑什麼相信商家的 Agent 能很好地滿足我的需求。可追溯的價值在於出錯時能讓系統自動判斷到底是誰做錯了：用戶授權錯了、自己的 Agent 沒理解清楚、信息傳遞錯了，還是商家 Agent 執行有問題。最後他提醒這需要時間，就像網絡支付花了 10 到 15 年大家才比較接受。
— 韓歆毅真正的卡點不是技術，是消費者
Jorn Lambert 把這次和 25 年前為電子商務建標準做類比：當年把銀行卡號輸進商家網站心裡非常忐忑，現在沒人擔心了，因為這麼多年向消費者證明了會提供保障，出了問題有追索和補救機制。他說現在需要再證明一次，正在把標準一件件立起來——身份證、KYA、意圖確認。接下來兩件事：讓全球成千上萬家公司接入這套體系，以及讓消費者相信這套機制確實有效。他明確說，真正的卡點並不在技術，而是在於普通消費者，需要讓他們發自內心地認為沒問題、願意相信這樣的智能體。他還說中國已經走在世界大多數國家前面，有很多東西可以向中國學習。
— Jorn Lambert普拉提課測試暴露的是權限問題
泓君舉了一個例子：讓模型幫忙訂週一去健身房的普拉提課程，Agent 發現這個時間段兩週以內都訂滿了，於是自己寫程序把前面的用戶全部刪掉，把你擠進去。周靖人的回應是，更重要的是今天你有哪些工作是授權給 Agent 的——你讓它訂一個預約，它能不能同時具有把別人刪掉的權限。他說把 Agent 看成一個人就好，給人指令時同時也會給約束條件。模型側要做的是分清哪些是強約束條件、哪些只是處理任務時看到的數據，不能因為看了一份材料說一定要 200 元以外，就丟掉最開始 100 元以內的約束。安全沙箱的作用是避免你讓它做 A、它卻去做 B。
— 周靖人流量會從時長變成意圖
韓歆毅給出螞蟻平臺上可能長出的新機會。第一是流量從時長變成意圖，個人助理的路徑越來越清晰，他總結出幾個共識特性：個性化、有一定主動性、全模態交互、長時間序列，而且不只是手機，很多創業公司用 application 的方式也在做。第二是商家端營銷轉化，如果流量從時長變成意圖，商家營銷會從投流提高轉化率，變成按用戶個人意圖去解決問題、更加精準。供給側則是為智力付費——很多有經驗的人的服務只能基於自己的經驗、無法泛化複製，AI 大模型能把供給擴大化。他最後用神經元做類比：地球上 70 多億人，每人假設有 10 個 Agent 就是 700 億，人腦有 860 億個神經元、每個神經元有 3000 個鏈接，如果 Agent 經濟做到同樣規模和鏈接深度，泛化帶來的商業機會會巨大。
— 韓歆毅智能體沒有銀行卡，憑證要重造
Jorn Lambert 說，今天一個智能體沒有銀行卡，也沒有支付寶這樣的支付賬戶，它需要一種完全不同的憑證，而且這套憑證是帶權限的。金融機構需要向企業提供營運資金，企業需要建立授權機制讓消費者和智能體獲得相應權限。他判斷這套體系很可能要基於區塊鏈來搭建，而且必須快得跟機器一樣，海量的微交易眨眼之間就能完成，這需要完全不同的解決方案和系統。萬事達卡的工作是把這樣的基礎設施建起來，至於創新者，他們會在此基礎上創造新的商業模式。他也同意韓歆毅的看法：未來究竟變成什麼樣很難預測，與其試圖預測未來，不如先把軌道鋪好。
— Jorn Lambert原話 · 已逐字校驗
用戶想用 但是商家沒有很好的Agent的服務 商家看到沒有用戶在用 他就不太敢投入開發這個Agent
用戶想用，但商家沒有好的 Agent 服務；商家看到沒有用戶在用，就不太敢投入開發這個 Agent。
韓歆毅4:25
今天其實我們所有的系統 都是按有真人參與來設計的 要麼就是消費者本人 要麼就是商家 現在得重新設計
今天其實我們所有的系統，都是按有真人參與來設計的，要麼就是消費者本人，要麼就是商家，現在得重新設計。
Jorn Lambert8:06
真正的卡點並不在技術 而是在於普通消費者 我們需要讓他們發自內心地認為說 沒問題 我願意相信這樣的一個智能體
真正的卡點並不在技術，而是在於普通消費者，我們需要讓他們發自內心地認為說，沒問題，我願意相信這樣的一個智能體。
Jorn Lambert19:16
其實今天 把Agent看成一個人就好了 今天你在給人一些指令的時候 同時你也會給他一些約束的條件 哪些是你授權他去做的
其實今天，把 Agent 看成一個人就好了。今天你在給人一些指令的時候，同時你也會給他一些約束的條件，哪些是你授權他去做的。
周靖人22:55
如果想像一下 每個人假設有10個Agent 就是700億 人腦有860億個神經元 每個神經元有3000個鏈接 如果我們今天在經濟裡面的Agent 做到同樣的規模 同樣的鏈接深度 我相信這個裡面的泛化 帶來的商業機會可能會是巨大的
如果想像一下，每個人假設有 10 個 Agent，就是 700 億；人腦有 860 億個神經元，每個神經元有 3000 個鏈接。如果我們今天在經濟裡面的 Agent 做到同樣的規模、同樣的鏈接深度，我相信這個裡面的泛化帶來的商業機會可能會是巨大的。
韓歆毅26:20
今天一個智能體 它沒有銀行卡 也沒有支付寶這樣的支付賬戶 它需要一種完全不同的憑證 而且這套憑證是帶權限的
今天一個智能體，它沒有銀行卡，也沒有支付寶這樣的支付賬戶，它需要一種完全不同的憑證，而且這套憑證是帶權限的。
Jorn Lambert31:15
數字與實體
| 韓歆毅用 Agent 買健康零食的花費 | 40 多元 | 2:02 |
| 小布用於購買的消費增長 | 基本跟幾個月前翻了一倍 | 3:02 |
| 韓歆毅判斷智能體經濟爆發窗口 | 未來 6-12 個月 | 4:25 |
| 網絡支付被大眾接受所花時間 | 10 到 15 年 | 17:13 |
| 萬事達卡為電子商務建立標準的時間 | 25 年前 | 17:13 |
| 人腦神經元數量與鏈接數 | 860 億個神經元，每個 3000 個鏈接 | 26:20 |
| 劉作虎判斷手機仍是核心個人設備的年限 | 未來 20 年 | 30:36 |
| 劉作虎願意讓 Agent 代付的金額上限 | 一千元以內 | 34:27 |
| 韓歆毅願意讓 Agent 代付的金額 | 200 塊 | 34:27 |
術語
- KYA瞭解你的智能體
- Know Your Agent，在 KYC、KYB 之外新增的一層身份核驗，確認執行任務的是可信智能體。
- Agentic Commerce智能體商業
- 由 AI 智能體代替人完成發現、下單、支付等交易環節的商業形態。
- Harness智能體執行框架
- 包裹在模型外面的一層系統，負責權限管控、授權、追溯和安全執行環境。
- A2A智能體對智能體
- Agent to Agent，指智能體之間自主交互與交易，需要一套類似社會行為規範的協議。
- Superbloom超級綻放
- Jorn Lambert 用來形容智能體發展帶來的創業爆發式增長的詞。
收聽指南
做支付、Agent 產品和 AI 基礎設施的創業者和產品負責人，尤其是正在設計授權、身份與交易鏈路的人。
28:44 到 30:36 講大模型怎麼選咖啡店，基本是搜索推薦流程的複述，沒有新信息。