图片来源：Reuters
当 AI 不再只是推荐商品，而是能够选择商家、确认价格并发起付款，支付行业面对的就不只是一次新的交互升级，而是一次授权关系的重写。
英国国际货币与金融机构官方论坛 OMFIF 10 月 15 日发布文章《The autonomy economy: can AI in payments be trusted?》，把问题概括为一组根本矛盾：支付系统要求确定性，AI 决策却是概率性的。
传统支付需要清楚回答谁授权、付给谁、金额多少、何时生效以及能否撤销。大模型智能体则根据自然语言目标和上下文作出判断，相同输入未必产生完全相同的结果。当这种不确定性连接到具有法律最终性的支付系统，模型的一次误解就可能变成真实资金损失。
自主支付真正改变的是责任，不是支付轨道
当前大多数智能体支付并没有发明新的清算系统。银行卡、账户转账、即时支付和稳定币仍然负责资金移动；变化发生在付款之前——人类把“什么时候买、买什么、接受什么价格”逐步委托给软件代理。
例如，用户不再明确点击“购买这张 680 元的机票”，而是告诉智能体：“帮我订周五晚上出发、预算 800 元以内、不要红眼航班的行程。”代理需要解释多个条件、搜索库存、比较替代方案，并决定某个结果是否符合用户意图。
这时，一笔形式上正确的付款也可能在实质上出错：价格没有超过预算，但行李不包含在内；航班时间符合要求，但代理选择了无法退改的产品；商品型号相同，却由用户不信任的商家出售。
问题不只是“账户是否被盗”，而是代理是否在授权范围内作出了合理选择。支付机构熟悉的是身份验证和交易授权，却不一定能判断模型对一段自然语言的解释是否正确。
确定性支付与概率性 AI 如何共存
OMFIF 引用国际货币基金组织研究指出，支付基础设施依赖可预测、可问责并具有法律最终性的确定性流程，而智能体 AI 依赖概率推理和动态决策。
IMF 提出把智能体支付拆成三个层次：
- 智能决策层：AI 理解目标、比较方案、规划步骤并提出交易；
- 监督与控制层：规则引擎检查预算、商户、品类、风险等级和授权范围，必要时要求人工确认；
- 支付与结算层：由现有支付基础设施执行确定的授权、清算和结算，并保留法律最终性。
这种架构的核心不是让 AI 变得完全确定，而是把不确定性限制在不会直接移动资金的上游。模型可以提出“建议买什么”，却不能绕过规则引擎直接调用无限额度的支付工具。
对企业系统而言，这意味着 LLM 输出只能是一份待验证的结构化意图，而不应被视为付款指令本身。金额、收款方、币种、频率和有效期都需要经过确定性代码再次检查。
“可验证意图”正在补上授权证据
Mastercard 与 Google 推出的 Verifiable Intent，试图为智能体支付建立一条可审计的授权链。
其目标是把三类信息绑定在一起：谁授权了智能体、用户具体允许它做什么，以及智能体与商家交互后形成了哪笔交易。相关记录使用密码学签名防止篡改，并可在争议发生时为消费者、商家、发卡机构和支付平台提供共同证据。
例如，用户可以授权智能体在 24 小时内，从指定品类和地区的商家购买不超过 1,000 元的商品。最终交易应当能够证明金额、商品和商家都处于授权范围内，而不是只证明某张银行卡曾被绑定到代理。
Visa 的 Trusted Agent Protocol 则让获准代理在访问商家网站时携带经过签名的身份与交易意图，使商家能够区分真实购物代理、恶意机器人和普通爬虫。行业还在推广 Know Your Agent，即在 KYC 之外识别代理提供商、运行主体、权限和信誉。
这些标准很重要，但不能解决所有问题。
密码学可以证明一项授权没有被篡改，却不能证明用户的原始表达没有歧义，也不能证明模型选择的商品真正符合用户偏好。它解决的是证据与追踪问题，而不是模型判断本身的正确性。
商家为什么可能拒绝 AI 订单
智能体支付要规模化，商家必须相信代理真的理解客户，也必须知道发生退货、欺诈或拒付时谁承担成本。
OMFIF 提到，一些商家面对代理发起的订单，会在发货前打电话向消费者确认。这个做法提高了安全性，却也直接消除了自动化带来的效率优势。
商家还可能失去传统电商中的重要信息和控制权。智能体代替用户浏览、比较与下单后，商家很难判断访问者是谁、为何选择这件商品，以及如何提供会员价格、售后服务和个性化体验。若少数大型代理平台控制用户入口，商家甚至可能被迫接受新的排序规则和交易费用。
因此，真正的采用门槛不只是支付成功率，而是代理订单能否进入现有的退款、拒付、物流、税务和客户服务流程。
出错后，究竟该由谁负责
一笔智能体交易至少涉及消费者、代理平台、模型提供商、商家、钱包、支付服务商和发卡机构。每一方都可能声称自己只是执行上一层传来的信息。
如果用户给了含糊目标，智能体错误理解，商家正常履约，支付机构又正确完成结算，传统“未经授权交易”的规则未必适用。监管者需要区分：
- 用户是否明确授予了足够权限；
- 代理是否超出金额、商户或品类限制；
- 模型错误是否属于可预见的产品缺陷；
- 平台是否缺少必要的确认、限额和监控；
- 商家是否有理由相信订单代表消费者真实意图；
- 支付服务商是否执行了应有的异常检测。
IMF 指出，现有法律框架很难区分代理“幻觉”导致的错误付款究竟属于未经授权使用、用户疏忽，还是平台的产品责任。可验证意图可以还原事实，却仍需要法律事先规定不同失败情形下的损失分配。
更大的风险来自智能体同时做出相同决定
单个代理买错商品是消费者保护问题；大量代理在同一时刻采取相同行动，则可能成为系统性风险。
金融机构和支付平台往往会采用相似的基础模型、训练数据、风险指标和优化目标。当市场价格、流动性或新闻信号发生变化时，不同机构的代理可能同时推迟付款、转换货币、出售资产或调整资金路径。
这种同质化决策会放大拥堵和波动。支付智能体追求单个机构的最低流动性成本，可能把大量交易集中到相同时间窗口；外汇代理同时响应同一信号，可能放大价格变化；欺诈模型同时阻止某类交易，则可能造成大范围误拒。
它与算法交易引发“闪崩”的逻辑相似，但影响范围可能从证券市场扩展到支付、结算和企业现金管理。单个模型看似正常的行为，在系统层面叠加后可能形成异常结果。
监管机构因此需要观察跨机构的机器速度行为，而不只是检查单笔交易。限速、流量阈值、集中度监测、熔断机制和人工接管能力，可能成为智能体支付基础设施的一部分。
网络安全风险会沿工具链放大
支付代理必须连接邮箱、购物平台、企业 ERP、钱包、银行卡和身份系统。每增加一个工具，攻击面都会扩大。
攻击者不一定需要窃取银行卡。他们可以通过恶意网页、商品描述、邮件或外部数据向代理注入指令，诱导其改变收款方、扩大预算或泄露凭证。如果代理拥有连续执行权限，一次提示注入可能跨越搜索、采购、审批和付款多个环节。
安全设计不能只依赖模型“拒绝危险请求”，而应在模型之外设置最小权限、商户白名单、短期令牌、单笔与累计限额、交易模拟、异常检测和不可篡改日志。高风险交易还应使用设备侧生物识别或其他强认证，让人类重新进入授权回路。
AI 支付为什么会触及货币主权
OMFIF 进一步指出，智能体支付不仅是技术和消费者保护问题，也可能改变货币与平台竞争格局。
AI 代理会自动选择模型、云服务、钱包、稳定币和支付路径。如果少数美国或中国的模型与云平台成为主要入口，它们可能通过默认设置决定交易使用哪种货币、哪类稳定币和哪条结算网络。
大量模型调用、API 计费和数字服务目前以美元定价。智能体之间进行高频、小额的机器支付后，这种计价优势可能进一步强化美元和美元稳定币的网络效应。缺少本土模型、云平台和支付协议的经济体，即使保有本国支付系统，也可能在“选择层”失去控制力。
中国正在以本土平台和现有支付体系探索机器交易；印度则计划把智能体能力引入统一支付接口，并建设代理注册机制。欧洲拥有严格的支付认证和 AI 监管框架，但也需要在保护消费者与避免创新转移之间寻找平衡。
企业现在应该建立什么控制
对准备让 AI Agent 参与采购、报销、资金调度或跨境支付的企业，安全起点不是给模型绑定一张公司卡，而是先建立明确的授权对象。
一套可落地的控制应包括：
- 用结构化策略定义金额、频率、币种、商户和商品范围；
- 将智能体身份、用户身份和每次授权绑定，并设置有效期；
- 对高价值、首次收款方和异常交易进行升级认证；
- 让模型负责提出方案，由独立规则服务决定是否执行；
- 保存从用户意图、代理决策到支付结果的完整审计链；
- 设置累计风险限额、调用速率限制和一键暂停能力；
- 在合同中明确模型商、代理平台、支付服务商和企业客户的责任；
- 定期测试提示注入、凭证泄露、工具越权和错误退款场景。
这些控制会降低一部分“完全自主”的体验，但支付系统的可信度原本就来自约束，而不是无限自由。
支付中的 AI 可以被信任，但不能被无条件信任
自主支付的价值真实存在。智能体可以帮助消费者比较复杂商品，帮助企业优化现金流和跨境路径，也可以让小额、重复交易大幅降低操作成本。
但可信支付不应建立在“模型通常会做对”的假设上。它需要把概率判断、确定性授权和最终结算分开，让每一笔资金移动都能够证明其身份、权限、约束和责任归属。
Verifiable Intent、Trusted Agent Protocol 和 Know Your Agent 正在解决“谁授权谁做什么”的问题。下一步更困难：统一争议处理规则、监测智能体集体行为，并防止少数模型与平台把支付市场变成新的封闭生态。
最终，支付中的 AI 是否可信，取决于系统能否在代理判断错误时拒绝执行，在异常扩散前及时中断，并在损失发生后明确找到负责的一方。
原始文章： OMFIF：The autonomy economy: can AI in payments be trusted?
研究原文： IMF：How Agentic AI Will Reshape Payments
授权标准： Mastercard：How Verifiable Intent builds trust in agentic AI commerce