‌
‌
‌
‌
‌
區塊鏈

智能體商務:AI智能體真的會自主下單嗎?

金色財經

來源:insights4vc;編譯:Shaw,金色財經

在 AI 成長為大規模自主採購主體之前,它已經先成為一個重要的商業交互入口。消費者藉助 AI 調研商品、對比多款備選產品,再前往商家網站完成購買。但能證明人們會常態化把消費決策權交給 AI 的證據,目前還相當薄弱。不過來自中國的近期數據顯示:在獨立智能體成為主流交易渠道之前,內嵌在成熟購物 App 里的 AI 就已經能夠顯著影響下單行為。

這一差異會改變投資研判的核心問題。機會的落腳點在於:哪些交易在軟體自動調度之後,成本更低、流程更簡便、履約更穩定;以及哪些企業能夠持續掌握流量分發、交易授權與履約環節的控制權。

‌

穩定幣是這項分析中不可忽視的一環,因為智能體需要支付渠道。穩定幣可以簡化數字服務採購以及部分跨境轉賬,尤其適合交易雙方本身就持有適配資產的場景。智能體同樣也可以通過銀行卡、銀行即時轉賬或者企業帳戶完成支付。商品發現、採購權限、結算基礎設施這三方面的變革,擁有各自獨立的經濟邏輯,也需要分開驗證相關數據。

商業賽道的普及從來不止取決於技術本身

美國人口普查局的季度數據展現了一段穩步增長的曲線,期間曾被一次重大外部衝擊打斷。經季節調整後,線上零售占比從 1999 年第第四季的 0.6%,升至 2004 年第四季 2.2%、2009 年第四季 4.1%,2019 年第四季達到 11.2%。年均提升幅度從第一個十年的 0.35 個百分點,加快至第二個十年的 0.71 個百分點。智慧型手機普及階段恰逢增速抬升,但這份總量數據無法把智慧型手機的單獨作用,和寬帶、電商平台、支付受理、物流配送等配套改善的影響剝離開。

2019 年第第四季至 2020 年第第二季,該占比飆升 5.1 個百分點,達到 16.3%,隨後在 2021 年第第四季回落至 14.6%。消費方式的被動轉變、線下消費收縮,共同影響了這一比值。2026 年 8 月發布的數據顯示,2026 年第第二季占比為 17.1%;美國人口普查局後續提示,將於 11 月 19 日對數據進行修訂,該時間點超出本文的數據截止範圍。

‌

統計口徑的差異,使得我們無法直接做滲透率排名。歐洲消費者線上購物參與率十年間提升了 16 個百分點,但 2025 年各國數據分化明顯:保加利亞為 57%,愛爾蘭則達到 95%。中國公布的零售占比數據顯示,線上實物商品渠道規模遠大於日本;而韓國的統計口徑統計的是線上購物時的設備選擇。中國統計基準經過調整,在編制連續增長序列時需要格外謹慎。本文暫未整理出新興市場可比的長期消費數據序列。

中國官方的五年復盤數據更適合橫向對比:2020 至 2025 年,實物商品網上零售額占社會消費品零售總額的比重提升 3.3 個百分點,線上銷售額年均增速 7.6%。報告明確將物流改善列為增長支撐因素。日本該占比在 2015 至 2024 年提升 5.03 個百分點,2025 年則幾乎停滯。印度城鄉家庭 23.4 個百分點的消費差距說明:僅靠全國支付覆蓋度,不足以解釋消費行為。收入水平、合適商家的可及性以及配送成本結構,依然是潛在用戶轉化為實際買家的核心門檻。

支付工具的普及速度,可以快於新零售渠道。巴西央行數據顯示,已有超過 1.7 億人使用 Pix;印度儲備銀行數據顯示,2025–26 財年 UPI 交易筆數達 2416 億筆。二者的應用場景都不止線上購物。與之形成對比的是,福里斯特(Forrester)的數據顯示,蘋果花了十餘年,才讓約四分之一受訪的美國線上成年人在三個月內用過 Apple Pay。一項支付功能的普及度、受理覆蓋,以及相比原有方式的優勢,遠比上線時間更重要。

配套基礎設施的覆蓋持續擴大:世界銀行估算,2024 年成年人銀行帳戶擁有率為 79%,2011 年僅為 51%;國際電信聯盟(ITU)估算,2026 年網路普及率 76%,高收入國家達 93%,低收入國家僅 32%。但這兩項指標都不等同於購物活躍度。聯合國貿發會議(UNCTAD)統計,2024 年覆蓋 46 個經濟體的商業電商規模約 28 兆美元,其中包含 B2B 交易。

過往各市場的差異說明:普及背後是不同作用機制,並不存在一條通用的滲透曲線。穩定的配送和售後追償機制,讓陌生商家變得可信;便捷的支付拓寬客群;供給豐富的交易平台提升選擇空間。如果線下門店本身已經足夠便利,用戶遷移的收益就會很低。內嵌錢包與超級 App 省去了註冊配置步驟;補貼可以快速拉動試用,但很難形成持續性需求。AI 智能體會承接這套基礎設施。商品發現能力可以作為附加功能落地;而授權代付,額外要求用戶願意把資金決策權託付給另一方。

普及數據對應着幾個截然不同的市場形態

AI 輔助搜品:幫助用戶找到商品;

導流跳轉:記錄用戶從 AI 服務點擊進入商家頁面;

輔助結算:下單時仍需要用戶對這筆特定交易確認授權;

全權委託採購:預先授予權限,每一筆交易不再重複徵詢用戶;

機對機交易:側重交易對手屬性,大多是程序自動採購數據或推理算力,以上兩種授權模式都可以適用。

購物者使用多種人工智慧工具;來源:麥肯錫公司

能力基準測試衡量的是另一條發展邊界。METR 在 2026 年 1 月更新測算,覆蓋 228 項軟體與科研任務,得出 2023 年後能力前沿的倍增周期為 131 天。該指標對應的是擬合成功率 50% 條件下、人類完成任務的耗時,並非生產環境下的穩定性,也不是智能體的運行耗時。這一結論僅說明,在被測任務集合內,模型能力提升迅速。想要把能力增長轉化為自主零售交易總額(GMV),還需要單獨驗證:採購表現、商家接入渠道、用戶授權機制能夠隨模型能力同步改善。

麥肯錫 10 月的報告基於 6 月對 11 個市場約 2.1 萬名消費者開展的調研。報告中 「53% 人群使用 AI 購物」 這一核心數據,加權樣本基數為 9988 人,是按照樣本量、而非人口規模對各個市場做合併統計。14% 的 AI 使用者表示曾直接通過 AI 工具下單,占全部受訪人群的約 9%。這些數據都來自用戶自主填報的購物行為,並沒有在交易層面核驗是否屬於真正的自主決策。就連問卷對比口徑本身也不一致:零售商端 AI 的描述是 「協助完成結算」,平台 AI 則是 「完成下單」。因此,僅憑這些百分比,無法清晰判斷用戶對同類服務的偏好差異。

平均而言,目前約有一半的消費者會使用人工智慧進行購物;數據來源:麥肯錫公司

在接受調查的市場中,Z世代和千禧一代比年長消費者更傾向於使用人工智慧進行購物。來源:麥肯錫公司

消費者越來越多地藉助人工智慧完成購物,尤其是在服裝和食品雜貨領域。來源:麥肯錫公司

已觀測到的導流數據,體現了轉化漏斗更下游的商業價值。Adobe 在 9 月發布的美國零售行業分析顯示:來自 AI 導流的訪客,轉化率比非 AI 流量高出 90%,單訪客創造營收高出 83%;AI 導流流量本身年增率增長 71%。這份分析覆蓋超 1 兆次訪問、1 億款商品、18 個品類,上述轉化數據並非來自另一份 5000 人以上的獨立問卷。

用戶有可能在點擊鏈接之前就已經完成商品調研,這就形成了購買意願極強的篩選樣本。因此,我們觀測到的轉化優勢,並不能證明這些新增銷量是 AI 帶來的增量。同時,在流量基數未公開的前提下,流量增速也無法算出 AI 渠道在零售總收入中的占比。商家需要區分:哪些是真正新增的導流渠道,哪些訂單本來就會通過搜尋、廣告或者商家自有 App 成交。

內嵌式購物,改變了對比基準

路透社 11 月 11 日的報導,彌補了外部獨立智能體訂單規模偏小這一視角的侷限。WPIC 估算,10 月抖音內由聊天機器人鏈接帶來的成交約占總訂單的 5%;膳食補充劑這類決策型購買品類,占比超過 20%。京東方面表示,雙十一期間有近 8000 萬用戶向咚咚智能助手諮詢,是去年同期的三倍以上。但前者只是歸因估算,後者是廠商披露的觸達用戶規模,二者都沒有獨立披露真正由智能體自主下單的統計基數。

WPIC 的節日專題分析指出,這類智能助手內嵌在阿里、京東、抖音原生購物環境中。該模式具備天然經濟優勢:商品檢索可以直接調用成熟的商品目錄、身份體系、支付方式與物流履約鏈路,消費者無需先配置一套全新採購服務,就能獲得有效推薦。

來自中國市場的數據證明,平台內 AI 能夠撬動可觀的交易規模。不能因為最後一步仍需要人工點擊,就忽視這一體量。但同樣,聊天機器人的歸因統計,也無法分辨到底帶來了多少新增消費。AI 推薦有可能只是替代了搜尋詞、達人導流或者廣告位,最終成交本身沒有變化。嚴謹的驗證實驗,應當在條件相近的用戶分組裡,使用不同的商品發現工具,對比訂單、毛利和復購表現。

外部獨立智能體則處在完全不同的起點。在Uber 11 月 4 日的財報電話會上,管理層披露:萬聖節那一周,由智能體發起的 Uber Eats 訂單約 500 單,而平台總出行訂單約 3.2 億單。換算下來,每百萬筆平台訂單里僅有約 1.6 筆 AI 訂餐訂單;這個對比刻意選用了寬泛的分母,並不是在統計有條件使用該集成功能的用戶轉化率。

DoorDash 在 10 月 29 日的財報會上提到,自相關集成上線以來,第三方智能體累計訂單僅有數百單。累計訂單和單周訂單不能直接年化推算。兩家公司都沒有披露可使用該功能的目標用戶、失敗請求數量以及復購用戶數據,而這些指標是評估產品表現的必要依據。

態度調研可以解釋:AI 輔助功能快速增長,但委託式下單並未同步爆發。高德納 1 月調研了 322 名美國消費者,結果顯示即便是低風險品類,願意把採購決策權交給 AI 的受訪者也僅有 11%。福里斯特 4 月的研究顯示,美英加約四分之三的線上成年人,對 AI 自動支付心存顧慮,即便設置了支付上限;該公開文章沒有寫明樣本量。

現有證據指向兩條截然不同的普及路徑:內嵌式 AI 助手依託已有流量體系,用戶對資金授權方式也更熟悉;獨立智能體則既要證明自身有用,還要獲取用戶的委託權限。目前兩條路徑披露的數據,都無法代表全人群里全權委託下單的整體規模。

這一差異,也決定了該如何解讀相關實驗。把下單入口從商品頁搬到對話窗口,可以提升便利度,但並沒有減少人的參與。與之相反,少量預先授權的自動補貨訂單,哪怕 GMV 不大,也屬於真正的委託式交易。理想的數據披露方式,應該追蹤同一組用戶:從接觸推薦、下單、復購,到異常場景,標記每一次需要人工審批的節點。缺少這套完整鏈路,「助手觸達用戶很多」 和 「外部智能體訂單很少」 這兩個數據可以同時為真,只是描述交易流程里不同階段。

商家授權與穩定性,構成委託下單的約束

智能體能夠模擬走完結算頁面,不等於有權限訪問下單鏈路。eBay 用戶協議要求自動化工具(明確包含採購智能體、大模型機器人)必須事先獲得許可。路透社 11 月 4 日報導,亞馬遜封禁了 Meta 的 Muse 智能體,而沃爾瑪選擇與其合作。零售商正在博弈交易控制權、用戶資訊,以及流量變現的機會。

經過授權的 API 接口,可以返回商品 ID、庫存狀態和明確訂單狀態;而瀏覽器自動化只能基於為人設計的頁面去推斷狀態,還要持續滿足商家安全風控系統的規則。DataDome 在 10 月的演示里,三個智能體在測試店鋪完成下單,但同時也被風控系統識別。這僅證明受控環境下技術可行,不代表零售行業普遍接納該模式。

模型的判斷能力是另一重約束。Visa 在 11 月 5 日的基準測試中,使用 12 家機構的 22 個模型,在 15 個購物場景下各重複測試 3 次,平均成功率 57.2%;僅有 34.2% 的 「模型 + 場景」 組合在三次測試全部成功。在失敗的測試案例中,有 54% 仍然輸出了採購決策。這套場景只覆蓋結算、支付和履約之前的購物判斷環節,結果不能等同於真實環境的支付失敗率。

EComAgentBench 是另一套評測基準:7 個模型在 API 沙箱裡完成 662 個單品採購任務,需求分為查詢條件、用戶畫像、腳本化澄清資訊三類。表現最優模型準確率 57.1%;GPT-5 mini 對所有任務都會給出推薦,但正確率僅 31.6%。這裡的 「準確」 指選中目標商品、滿足全部需求,並不代表完成支付與履約。隱性需求比顯性要求更難識別。因此,需求理解本身就成為商業管控點:如果只監控任務完成量,會鼓勵追求吞吐量,卻掩蓋錯誤決策。把交互輪次從 75 輪增加到 100 輪,平均準確率僅提升 0.57 個百分點。測試沒有記錄 Token 成本,所以該結果僅說明:在這套測試策略下,邊際收益很低,並不代表這是經濟上最優的推理預算。

商業層面的可靠性,要求採購結果符合原始指令,而不只是拿到一個授權碼。就算選對商品大類,但尺碼、訂閱周期、送達時間出錯,都可能造成高昂損失。下單流程還要能夠應對中斷:如果商家接單,但智能體沒有收到回執,自動重試就容易產生重複訂單,除非雙方都可以識別原始請求。

責任邊界需要在助手、商家、支付處理方的交互交接中保持連貫。用戶預算記錄只代表支出權限,無法保證選品符合真實需求。退款權益、取消窗口期、物流憑證,都必須跟着訂單流轉。針對陌生商家或者高價替換商品設置人工覆核,可以保留大部分自動化協同價值,同時控制出錯風險。

一種成熟可行的方案是:生成限時有效的商家報價單,寫明精確規格、最終價格、履約條款;之後一次性確認下單,生成不可篡改憑證。一旦核心條件發生重大變動,就需要重新審批,或者超出智能體權限範圍。這些屬於建議的運行規範,並不是當前所有集成都已經具備的能力。這套機制同時讓效果可量化:價格漂移、重複下單、憑證缺失,可以和推薦是否合理分開統計。結算再快,只有下游風險成本可控,才具備商業價值。

市場接納度同樣取決於經濟賬。商家可能歡迎能帶來新客的智能體,但不願為原本就會復購的老客、只是通過另一個渠道跳轉來的訂單支付導流費。評估維度應當包含增量毛利、被擠占的廣告收入、導流傭金、客服成本以及用戶數據訪問權限。經過官方認證的集成鏈路,才具備測算這些影響的基礎;無法識別的瀏覽器自動化流量,會讓歸因和追責都變得困難。

行業標準正依託現有平台逐步成型

各類標準解決的是鏈條上不同環節的問題。谷歌與 Shopify 參與制定通用商業協議(UCP),用於開放購物和結算能力;OpenAI 和 Stripe 推出的 ACP 協議,同樣規範商業交互,同時保留商家的履約主體地位和客戶關係。OpenAI 當前文檔重點圍繞結構化商品目錄和檢索能力。集成落地仍然依賴商家主動接入,一份開放規範不能強制零售商接受智能體下單。

採購授權需要獨立的憑證體系。谷歌 4 月將 AP2 協議移交 FIDO 聯盟,0.2 版本支持無人在場模式下的交易授權;萬事達卡的 Verifiable Intent 同樣用於記錄授權,其 3 月公告稱會計劃接入 Agent Pay,而非全網鋪開。Visa 的可信智能體協議(Trusted Agent Protocol)負責智能體身份核驗,把交互和消費者、支付資訊綁定;Stripe 的共享支付憑證(Shared Payment Tokens)提供限定範圍的支付憑據訪問權限。

這些機制互為補充:商家需要識別智能體、核驗買家授權、處理合法憑證。但即便指令帶有簽名,商品質量、物流配送、售後維權仍然依託底層商業約定。

在軟體交互層,MCP 協議用於連接應用、工具與數據;A2A 協議規範智能體之間的通信。二者本身都不具備轉賬能力。x402 這類資源支付協議、以及傳統賬單帳戶,都可以和它們搭配使用。

PayPal 在 10 月發布的 Agent Ready 文檔,把 ACP、UCP 的工作流對接到 Braintree 和 PayPal 支付通道。這只能證明存在標準化集成路徑,不代表所有商家、所有地區都已開放。更具體的落地案例是,Visa、BILL、Billtrust 在 10 月上線試點:智能體在供應商門戶內,執行已經獲批的發票支付。它是在已有授權框架內自動化執行,尚未公開對比成本與錯誤率數據。

谷歌於 11 月 4 日在加拿大逐步上線 UCP 結算,合作對象包含指定品牌以及部分 Shopify 商戶。與之對照,DoorDash 企業採購連接器在 9 月 30 日開放 Beta 預約隊列。二者都支持在已有軟體體系內下單,但一個是規模化灰度上線,一個還處在測試等待階段。

垂直行業還有大量定製工作。UCP 公告里包含 7 月成立的餐飲工作組(成員含 DoorDash、Uber Eats、Google、Square、Toast),以及 9 月發布的住宿場景草案。餐廳菜品替換、酒店退改規則,需要通用結算之外的額外資訊與業務邏輯。

這套商業邏輯,本質上是頭部玩家守住自身核心資產:谷歌掌握商品檢索入口,Shopify 提供商家基建,支付服務商維護收付關係,卡組織負責受理網路與風控體系。開放標準可以降低對接多個 AI 助手的成本,既提升商家切換中間方的自由度,也讓 AI 助手接入更豐富的供給池。長期的競爭壁壘,或許不在於協議所有權,而在於流量分發和執行質量。

對於採購團隊,這意味著可以把決策解耦:選用一套商業交互接口,不等於綁定某一種支付資產;選定一套授權標準,也不決定由哪個 AI 助手承接需求。互操作性可以保留選擇權。但真實切換成本,取決於訂單記錄、授權同意書、退款協議、商務條款是否能跟着集成鏈路遷移。統一結算 Schema 能減少開發量;可遷移的商業合作關係,需要的遠不止一套通用消息格式。誰解決了這些營運依賴,即便底層協議開源,依然可以留住收入。

穩定幣如何改變經濟邏輯

轉賬規模不等於自主商業交易

穩定幣給程序提供了依託錢包和支出策略管理的可劃轉餘額。它的商業價值,取決於這些餘額用來買什麼。穩定幣總轉賬流水裡,還包含交易炒幣、企業資金調撥、關聯方往來。

國際清算銀行(BIS)4 月的演講提到,2025 年穩定幣總轉賬規模約 35 兆美元;其 2026 年度經濟報告使用另一套分類調整後的數據,規模約 28 兆美元。這兩個數字,都不是自主智能體商業交易的規模。麥肯錫與 Artemis 的底層支付分析基於 2025 年 12 月數據,年化支付類規模 3900 億美元,其中 B2B 支付 2260 億美元。B2B 口徑假設,20% 標記為託管和資金調撥的交易屬於貨款支付,同時結合單筆金額閾值交叉校驗。如果直接把 3900 億當成全年支付總額,或是用它除以年度轉賬總量計算滲透率,屬於混用時間口徑與統計定義。

x402 交易記錄代表協議被調用,未必就是智能體自主採購。

TRM 會剔除自轉賬、付款方高度集中的交易模式,以及買家不足 10 個的賣家。寬鬆篩選條件用於識別小額、分散的支付;更嚴格的標準會疊加交易持續性、智能體註冊記錄或多商戶交易佐證。樣本交易金額里,USDC 占比 99.6%。把報告給出的比例套用到篩選後的基數上,在該假設條件下,潛在智能體交易規模約為 15.4 萬至 192 萬美元。這只是觀測樣本內的分類區間,並非統計置信區間,也不是全球市場規模估算。固定定價、單一用途的智能體有可能無法通過這套篩選規則,而普通腳本程序也可能在特徵上和智能體近似。

但也有證據表明,不能把這類交易全部歸為試驗性活動。Chainalysis 10 月報告顯示,錢包 30 天充值留存率從 2025 年第第三季的 70.6% 上升至 2026 年第第二季的 89.3%。該樣本組已經剔除了交易天數少於兩天的錢包。這部分用戶的復購行為具備積極信號;但只有把支付記錄和已交付服務、無補貼的服務商收入關聯起來,才能證明交易價值,而不只是錢包層面的活躍留存。

這些數據集的觀測周期、公鏈範圍、服務仲介覆蓋都各不相同;如果不去重,交易筆數和交易金額不能直接相加。商業層面的核驗需要交易憑證、交易對手身份識別以及退款追蹤。同一個客戶可能持有多個錢包,同一個帳戶也可能為大量智能體提供服務,因此錢包留存率不等於客戶留存率。

Circle 第第三季披露的數據進一步區分了轉賬流水和實際經營收益:USDC 季度鏈上轉賬規模 13.9 兆美元,Circle 支付網路年化流水 413 億美元,收入及儲備收益合計 8.65 億美元,其中儲備收益 6.58 億美元,ARC 代幣預售收入 1.82 億美元。以上數據均沒有單獨拆分智能體支付帶來的收入。對於穩定幣發行方而言,平均沉澱餘額、儲備殖利率往往比轉賬頻次更重要;資金周轉速度提升後,可以用更少的在途資金支撐同等規模的支付流量。

軟體採購場景的落地邏輯,強於全面替代零售交易

x402 協議將服務器發起的支付請求與資源訪問權限綁定。它的商業定位是:無需單獨訂閱,直接從陌生供應商處單次購買數據集或 AI 推理結果。而算力服務商的存量客戶,已經有成熟的替代方案 —— 按量計費。

Stripe 與 Tempo 聯合推出的機器支付協議(MPP)支持穩定幣與傳統支付方式,可依託共享支付憑證接入銀行卡支付。Browserbase、Parallel 是該協議在瀏覽器會話、網頁訪問場景下的落地項目。AWS 在 8 月正式上線 AgentCore Payments,支持錢包接入、支付限額配置與運行監控。這些產品搭建好了基礎設施,但目前還缺少可對標、可持續的商業化收入數據。

最優適用場景同時滿足三點:交易對手陌生、單筆金額較小、交付結果可自動核驗。即便結算手續費變化不大,這套模式也能通過省去供應商准入流程、避免閒置訂閱費來節約成本。反過來,如果是長期合作供應商,其身份核驗、授信、對賬成本,可能低於新充值錢包的綜合成本。

資金可跨場景復用,需要資產、網路、授權體系互相兼容。可循環使用的餘額能夠降低多平台閒置保證金;共享身份體系、帳戶月結模式是另一條替代路線。供應商豐富度和准入成本,決定了該模式的市場空間。

小額支付的可行性,取決於支付架構設計

Stripe 的 MPP 方案標註了支付下限:銀行卡最低 0.5 美元,穩定幣最低 0.01 USDC,這屬於產品層面限制。Circle 小額支付方案的文檔說明,可以預先向網關充值、在鏈下簽署授權、後續批量結算;校驗通過後立刻開放資源訪問,而不是每一次請求都單獨執行一筆鏈上最終轉賬。

舉個例子:每月 10 萬次 API 調用,單次定價 0.01 美元,月度總額 1000 美元;交易雙方均使用美元,不考慮匯率波動。穩定幣模式假設每筆結算費 0.001 美元,充值 + 贖回綜合成本 0.20%;每種方案額外加上每月 5 美元的運維成本。以上僅為演示假設,不是服務商報價,且未統計欺詐、託管、信用損失等隱性成本。

傳統月結模式參考 Stripe 美國標準費率:境內線上銀行卡費率 2.9%+0.3 美元 / 筆,ACH 直接借記費率 0.8%、單筆上限 5 美元。用量按月統計、統一扣款,避免了 「每調用一次就扣一筆卡費」 這種不合理的對比口徑。

在該假設條件下,直連轉賬的網路成本必須低於每調用 0.000273 美元,才能優於按月銀行卡扣款模式;若要優於 ACH 轉賬,則需低於每調用 0.000030 美元。按 0.0001 美元 / 次計算,直連方案總費用為 17 美元。批量結算示例成本更低,原因是它減少了結算頻次;傳統預充值模式也可以利用同類聚合效應。服務商額外收費或託管費用會扭轉這一成本對比結果。

相較於 ACH 方案,穩定幣批量模式每月僅能省下 2.90 美元。若充值與贖回綜合費率從 0.20% 上調至 1%,批量結算成本將升至 15.10 美元,高於 ACH、但低於銀行卡方案。反覆兌換會侵蝕節約的成本;將資金留在同一個可接受網路內,可以把兌換成本分攤到多筆採購中,但無法動用的餘額會帶來反向成本。

上述金額包含收款與營運成本,不只是交換手續費。堪薩斯城聯儲的對比區分了司法轄區、卡種與交易類型;聖路易斯聯儲的統計口徑是銀行收到的交換手續費,而非商家承擔的全部成本。Gas 補貼同樣會轉移成本。服務費、資金充值、合規、對賬以及損失分攤,都是需要考量的因素。

表格內的費用由多方共同承擔:充值成本可能由買方承擔,Gas 費由服務商承擔,對賬工作由雙方共同完成。統一設置 5 美元運維費用,是為了單獨對比處理鏈路差異,而非還原真實工作量。生產環境下的對比,需要基於合約定價、已發生損失以及成本歸屬;即便整體總成本下降,承擔方也可能處境變差。

Stripe 單獨給出穩定幣收款費率 1.5%,包含法幣兌換、風控篩查以及 Gas 補貼。這個打包產品和前文假設的結算架構並不一樣:區塊鏈轉賬本身低廉,不等於商家全套服務的綜合成本更低。

對比完整交易生命周期

在一個 30 天周期的期初預存 1000 美元,資金均勻消耗,平均閒置餘額為 500 美元。假設年化融資成本 8%,對應的資金成本為 3.29 美元,無論這筆餘額是通過銀行卡還是穩定幣充值。供應商等待 30 天才能收回 1000 美元貨款,按同樣利率計算,融資成本約 6.58 美元。即時付款消除了這筆應收賬利息,但也讓買方的現金流出提前。兩個示例的資金占用節奏不同,不能直接互相抵扣。

批量結算降低交易手續費,但在結算完成前賣方始終暴露在風險中。預充值可以降低拒付風險,而縮短結算周期、設置支付上限有助於控制未結清債權。核驗、對賬與結算成本依然存在。

跨境支付的成本優勢取決於資金的起點與終點。美元穩定幣可以省去中間兌換環節、不受銀行營業時間限制,但本幣充值和提現仍然會產生匯兌及其他費用。境內替代方案本身已經具備競爭力:歐元區即時支付規則於 2025 年 10 月進一步擴大覆蓋,Pix、UPI 也已是成熟的實時支付基建。

傳統支付網路也在接入穩定幣。Visa 在 9 月披露,穩定幣結算年化流水超 200 億美元。消費者依舊刷卡支付,機構後台用穩定幣完成清算,前端結算體驗不會發生變化。

最後,更快的結算無法解決採購出錯的問題。取消拒付機制,會讓核驗、退款與買方保護承擔更多責任。API 返回結果可以立刻核驗;酒店預訂的保障則要持續到入住完成。區塊鏈上鏈確認,不代表法律意義上的交易終局,也不保證可以兌換成銀行存款。一筆錯誤訂單,無論結算速度多快,訂單本身依舊是錯的。

監管本身也是成本的一部分

歐洲證券和市場管理局(ESMA)10 月 8 日發布聲明,要求持牌加密資產服務商,停止向歐盟客戶提供不符合 MiCA 法規的穩定幣相關服務,僅保留有限的整改緩衝安排。歐洲銀行管理局(EBA)於 10 月 14 日將 USDC 歸類為重要電子貨幣代幣;監管權責移交原定在 11 月 12 日執行,晚於本文數據截止時間。

美國貨幣監理署(OCC)10 月 21 日發布《GENIUS 法案》最終規則,對其管轄範圍內機構的儲備、贖回、託管與監督作出規範,2027 年 1 月 18 日生效。反洗錢與制裁相關條款還需要另行制定細則。這些時間節點會影響可合作的交易對手與合規成本。無論採用哪一種結算模式,智能體交易都需要可強制執行的預算清單、許可供應商、時效到期的授權以及可審計的交易憑證。

哪些交易值得交給智能體委託執行?

經濟層面的判斷標準:時間、價格、協同環節省下的成本,是否超過推理、系統對接、人工監督以及預判的差錯損失。高頻復購場景下,小額節約可以持續累積;但流程熟悉、兩分鐘就能完成的復購訂單,相比跨供應商門戶對賬,優化空間很小。企業採購本身已有成熟審批流程;智能體的價值,在於處理異常單,或是把自動化範圍延伸到原有系統覆蓋不到的供應商。

對於家庭用戶,窄口徑補貨指令可以限定商品、數量和價格上限。多人拼單涉及多方偏好與同一個預算,協同複雜度更高。複雜的旅行訂單潛在節約空間更大,但如果退改規則、行程銜接出錯,損失也會很高。現階段最合適的候選場景,是有限授權,並且損失擴大前就能核驗結果。

Jane Street《AI 奇點是否將至》圓桌討論里強調短反饋閉環,引申出更嚴格的判斷標準:如何確認採購成功、核驗資訊何時返回、哪些操作仍可撤銷?API 正常返回只能證明資源交付,不一定代表採購內容準確;商品編號只能確認規格,不能代表尺碼合身或者用戶滿意。

我們的推論:當核驗成本與預期剩餘損失,低於協同環節節約的成本時,委託模式才有吸引力。在合約中寫明可觀測的驗收標準與追償權利,能夠擴大適用場景。如果結果主觀、生效滯後,哪怕模型能力提升,昂貴的人工覆核環節依然無法省去。

價值創造和價值分配可能發生背離

商品發現入口本身已是高利潤賽道。亞馬遜披露,第第三季廣告服務收入 196.37 億美元,年增率增長 11%,該口徑不止包含零售競價廣告。路透社 11 月報導,亞馬遜和沃爾瑪正在購物助手裡測試廣告位。亞馬遜稱,智能體購物目前尚未對廣告業務造成實質影響。但隨著越來越多採購決策轉移到 AI 交互界面,局面可能改變。

2026 年 8 月沃頓商學院一項研究給出早期證據:研究者用 6 個模型、8 款產品,完成約 2.6 萬次智能手錶選購模擬。另一組四模型實驗顯示,當三個推薦來源同時展示時,GPT-5.5 選擇 Wirecutter 推薦商品的機率相對基準提升 53 個百分點;依次推送相同來源則幾乎沒有影響。商品本身沒有變化。這只是模擬選擇,並非真實下單,但結果說明:誰控制輸送給智能體的資訊,誰就能引導需求流向特定商家。

獨立智能體可以聚合採購意向,為用戶爭取更低價格或者傭金分成。零售商的應對方式,是把同類工具內嵌到自有平台 —— 平台本身已經掌控商品目錄、客戶關係與履約鏈路。標準化接口會削弱基礎商品匹配能力的溢價,但庫存、配送網路、可靠的糾紛調解機制,依然難以復刻。

對商家而言,經濟賬的核心是:智能體帶來的是不是新增客戶。假設毛利率 20%,所有智能體導流訂單統一收取 5% 傭金。如果這些客戶本來就會自行下單、不需要額外獲客成本,那麼導流訂單里至少要有 25% 屬於增量銷售,這筆傭金才劃算。廣告費用下降會改善收益測算,而退貨、客服成本、客戶數據流失則會侵蝕利潤。僅看智能體帶來的 GMV,很難判斷盈利性。

客戶關係的價值不止一筆交易。如果助手保存歷史訂單和偏好,後續訂單可能流向競品供應商,損害商家客戶終身價值。開放商品資訊流,能讓商家對接多款 AI 助手,降低對單一中間方的依賴。支付服務商無論結算方式如何,都可以從憑證校驗、風控、對賬業務中持續獲利;穩定幣發行方依靠沉澱餘額盈利,而錢包與支付基建服務商需要足夠手續費覆蓋營運成本。交易量上漲,不等於留存收入同步上漲。

基於傭金的推薦模式還會帶來新矛盾:助手可能優先推薦付費商家、截留部分協商折扣,或是把訂單導向出價最高的供應商。這些未必是當下市場的現狀,但每一種都可能在買方利益和平台收入之間製造衝突。評估這類商業模式,需要披露服務商報酬、最終成交價與復購數據。核心問題不是智能體促成了多少交易,而是它創造了多少價值,以及價值最終歸誰。

結語

智能體商務增長最快的場景,是 AI 優化已有的採購關係。內嵌式助手依託成熟的商品目錄、支付憑證和履約網路,影響商品發現與轉化。完全委託式下單則有更多前提:支出授權、商家准入,以及確認訂單符合用戶指令的保障。因此輔助導購的增長,只是委託下單的機會窗口,不能直接等同於委託交易的滲透率。

這條經濟邊界,就是核驗智能體是否執行正確指令的成本。可觀測結果、配套追償機制的有限額度採購,是最清晰的落地起點。當偏好主觀、交付周期長、出錯代價高昂時,核驗和監督成本會吞噬省下的時間。模型能力提升可以拓寬可行市場,但配套商業管控機制,才決定能力能不能轉化為可用價值。

流量分發,依舊是價值捕獲的核心。前面購物實驗說明,商品選型結果取決於輸入給智能體的資訊以及展示形式。即便結算協議完全開放,控制資訊輸入,依然可以引導商家端需求。這種影響力能否轉化長期利潤,取決於增量銷量、客戶留存,以及中間方收費模式不會把買方或商家的收益完全吞噬。

穩定幣的價值,體現在降低供應商准入門檻、減少結算摩擦的場景中;它的經濟性始終受充值成本、資金占用、收款受理、售後追償約束,傳統月結模式是有力競品。

下一階段的評判指標,應該是付費復購、給商家帶來的增量收益,以及每一筆成功完成訂單的綜合成本。那些讓委託交易可量化、成本可控、出錯可追償的服務商,才能在行業普及過程中穩住收入。

來源:金色財經

發佈者對本文章的內容承擔全部責任
在投資加密貨幣前,請務必深入研究,理解相關風險,並謹慎評估自己的風險承受能力。不要因為短期高回報的誘惑而忽視潛在的重大損失。

暢行幣圈交易全攻略,專家駐群實戰交流

▌立即加入鉅亨買幣實戰交流 LINE 社群(點此入群)
不管是新手發問,還是老手交流,只要你想參與加密貨幣現貨交易、合約跟單、合約網格、量化交易、理財產品的投資,都歡迎入群討論學習!

▶ 前往鉅亨買幣找交易所優惠

‌
section icon

鉅亨講座

看更多
  • 講座
  • 公告
    ‌
    Empty
    Empty
    ‌