都說自己在做 AgentPay：真有場景，還是敘事包裝？

不是所有掛上 Agent 之名的支付都是真的 AgentPay。從敘事、Demo、可復現產品、真實交易到持續收入，我用五個層級梳理一套降噪方法，也聊聊哪些場景更可能先跑出來。

撰文：Yuki（劉雨晴）

今天又看到一家支付公司說自己在做 AgentPay，好奇它到底落了什麼場景，我就去官網看了一下，頁面上有產品能力，有支付流程，也有一個 Demo。但是，場景呢？有什麼真實場景？有 Agent 在用嗎？誰在為它付錢？

Agentic 正在變成一輪新的行業敘事。

不管是 Agentic Payment、Agentic Economy、Agent Commerce 還是 Agent Trading，總之都要冠以 Agent 之名。原來做錢包的開始講 Agent Wallet，原來做支付 API 的開始講 AgentPay，做交易、托管、穩定幣和數據服務的，也都能找到一個 Agent 版本的敘事。

我自己也一直在看，有沒有一些 Agentic Payment 的場景真的能夠成立，也和不少團隊有過交流。有些團隊已經在做嘗試：給 Agent 配錢包，接支付協議，讓它購買數據、搜索、模型或其他工具；有的在用 Agent 做交易。也有一些團隊認真看完一圈以後，決定先不追這波敘事，繼續深耕原來的業務。

過去幾個月，為了持續了解這個領域的發展，也盡量看到一些真實的信息，我還給自己做了一個 Agentic Payment Signal。它每天會從我設定的信息源裡尋找新產品、新合作、新接口和交易數據，再按照我的標準篩選一遍，我也會固定看一下推送。

我的篩選標準很簡單：這件事要真的和 Agent 支付有關，有產品、文檔、接口或交易記錄等一手信息，並且能看出它目前走到了哪一步。只在標題裡加上 Agent，或者泛泛討論未來的內容，我通常不會重點關注。

Agentic Economy 本質上是一個雙邊市場，一邊要有 Agent 和願意為它買單的人：客戶是誰、使用頻率有多高、願意為什麼付費；另一邊也要有值得 Agent 購買和交易的商品或服務，並且這筆交易真的能解決問題。即使兩邊都存在，還要繼續回答：平台怎麼收費，交易能否持續，最後能不能形成一門生意。

我幾乎每個月都能看到一些新的創業項目和大公司的新動作，行業確實在向前推進。但市場上的 Agent 聲音依然嘈雜，很難分辨誰是在裝 X，誰是在真正幹事，這些所謂的 Agent 戰略，究竟走到了哪一步？

我寫這篇文章，並不是想評價誰在敘事、誰在做事，也不是想做一份公司紅黑榜。我只是想把自己看到的一些現象，以及大家目前做到的不同維度呈現出來，更具體地說，我們可以把公開能看到的東西拆成幾個層級。

第一層：只是在敘事

只有敘事的公司，通常會發布一段很完整的未來描述。Agent 可以發現服務、比較價格、自動付款；系統支持多鏈、多幣種、限額、審批、退款和合規；再配上一張流程圖，以及"機器經濟正在到來"之類的市場判斷。

這些內容可能來自新聞稿、演講、年度戰略或 landing page，但你找不到產品入口、文檔、代碼、接口、測試環境或可運行的操作路徑。（也許公司正在開發，也可能處於 private pilot，只是沒有公開。）

如果你是行業從業者，或者只是對 AgentPay 感興趣，看到一家公司說"一行代碼就能接入"，可以先去找那一行代碼。找不到，就先把它停在敘事層。聽聽就好。

第二層：有 Demo

有些公司已經做出了 Demo,你點一下按鈕，就能看到 Agent 請求服務、收到價格、確認付款，然後拿到結果。相比只有一張流程圖，做到這一步至少說明團隊確實寫了東西，也把整個流程串了起來, 但 Demo 能證明的，也就到這裡。

因為你看到的付款成功，可能只是頁面上的一段動畫；餘額可能是模擬的，買賣雙方也可能都是公司自己的賬戶。整個流程只需要沿著一條預先設計好的路線跑通，不代表外部用戶真的可以使用。

所以看 Demo，我通常會再多點幾下、多問幾句：輸入能不能改，還是只能重複播放同一個過程？後台有沒有真的收到請求？錢到底有沒有動？能不能看到交易記錄？如果付款失敗、服務沒返回，或者系統重複執行了一次，會怎麼處理？

如果這些都看不到，它仍然只是個產品原型,說明團隊確實做了東西，但還不能說場景已經落地，更不能說有人願意為它付錢。

第三層：有可復現的產品

第三層才開始進入"真的在做事情"。外部開發者能夠找到 SDK、CLI、MCP、API 文檔、代碼倉庫或測試環境，並按照公開步驟獨立完成一次調用。產品不只展示 happy path，也說明身份、授權、限額、重試、撤銷和結算如何處理。

這裡最重要的詞是"可復現"，不是公司員工在發布會上演示成功，而是外部的人按照公開文檔，也能得到相同結果，到了這一層，可以說產品是真的，但還不能說場景成立。

支付行業很容易把原有能力換一個 Agent 入口：原來的錢包增加 CLI，原來的 API 增加 MCP，原來的托管系統增加 session key，原來的 policy engine 增加 Agent 授權。這不一定是換皮，Agent 確實需要機器可調用的入口和新的權限邊界。但產品做出來，只能證明供給存在，不能證明需求存在。

第四層：有可驗證的付款與交付

到了第四層，錢真的動了，外部的人或者 agent 不僅能調用產品，還能驗證付款與交付路徑。

比如，Exa 已經給自己的搜索和網頁讀取 API 接入了 x402，Agent 不需要先註冊賬戶、申請 API key，可以直接發出請求；服務返回價格，Agent 用穩定幣付款後拿到搜索結果。按照它目前公開的價格，一次普通搜索不到一美分，讀取一個網頁的費用更低。

Apify 則把一批爬蟲和自動化工具接入了 x402，Agent 可以臨時購買一次 TikTok 數據抓取、一批 Google Maps 商戶、一組電商商品，或者一些社交媒體內容。它不需要先為每一種工具單獨開戶和買套餐，給出一個最高預算，就能按照實際結果結算。不過 Apify 的官方文檔也明確把這項能力標為 experimental，說明它已經能用，但仍處在早期階段。

這兩類場景比較容易跑通，因為 Agent 買到的東西很具體：一次搜索、一頁內容、一批商品數據。付多少錢、拿到什麼、有沒有交付，都比較容易判斷。

一個 Agent 可以在很短時間裡自動發起成百上千次小額調用，x402scan 的階段性數據裡就出現過這樣的情況：BlockRun 在一個月裡產生了近千萬筆交易，但買家地址只有一千個左右；claw402 有幾十萬筆交易，買家地址卻不到一百個，總金額也只有一千多美元。

所以交易筆數看起來很大，可能只是少量程序在高頻調用，裡面還可能混著測試、補貼、內部賬戶和關聯錢包。

到了這一層，錢從誰那裡付給了誰？買到的是什麼？東西有沒有交付？買賣雙方是不是不同的主體？同一個買家下次還會不會再買？

第五層：有客戶，也有持續收入

第五層，才開始有點像一門生意，這裡看的已經不是"有沒有人付過一次"，而是有沒有外部客戶持續使用，而且公司能從中收到錢。

目前公開案例裡，真正能把這件事講完整的並不多。AgentCash 在官網自報，Agent 已經通過其平台完成了超過一百萬次付費調用。它背後的 Merit Systems 還披露，團隊自己運營的 44 組接口在今年產生了大約 76.5 萬筆交易、約 4 萬美元收入。

這組數字比"接入了多少夥伴""支持多少錢包"更有用，因為它至少同時講了調用、交易和收入。但要注意，這仍然是公司自己公布的數據，不是第三方審計結果。而且它仍然沒有把所有問題回答完：這一百萬次調用裡，有多少來自團隊自己的接口，有多少來自外部商戶？到底有多少不同客戶？客戶用了多久？4 萬美元裡有多少來自同一批人反覆購買？這些都還看不到。

在傳統金融機構一側，Mastercard 公開表示，Itaú 和 Santander 已經通過它的 Agent Pay 方案完成了真實交易。這當然比「雙方將共同探索」更進一步，至少錢和購買流程真的走過一遍。但如果它沒有告訴你一共跑了多少筆、金額多大、跑了多久、是否有人回來繼續用，那它目前最多只能證明「真實試過一次」，還不能證明已經有穩定客戶。

所以到了第五層，不要只盯著一個看起來很大的數字。把下面四件事問清楚更重要：

• 誰在用？
• 為什麼要用？
• 用完以後有沒有再來？
• 到底是誰付錢，公司賺到了什麼？

如果一家公司只說有很多合作夥伴，可以繼續問：這些公司只是一起發了新聞稿，還是已經接好了系統？是在小範圍測試，還是已經真的付錢使用？如果它引用的是集團原有業務的幾千萬用戶、數億錢包或數十億 API 調用，也可以再問一句：其中有多少真的來自新的 Agent 產品？

原來的底座很強，當然是優勢。但原有業務的總數據，不能替一個新產品證明它已經找到了客戶和賺錢方式。

這五層並不是一個好壞排名，也不是為了給哪家公司貼上「真」或「假」的標籤。

它更像是一套給從業者的降噪方法。看到一個新的 AgentPay 項目時，可以先判斷它目前走到了哪一步：是在講未來，已經做出了 Demo，開放了產品，跑出了真實交易，還是已經有客戶持續付錢。

如果你真的對這個方向感興趣，也可以用這套方法繼續往下找：它解決了什麼具體問題，Agent 買了什麼，錢有沒有真的動，誰在使用，誰在付錢，有沒有重複發生。

這樣既不會因為一篇新聞稿就把一個項目想得太成熟，也不會因為它還沒有規模化收入，就忽略那些已經跑起來的真實場景和案例。

有 Demo，只能說明產品開始成形；有交易，說明支付和交付跑通過；有客戶持續付錢，才說明它開始接近一門生意。

哪些場景更可能先跑出來？

每天看 Signal 的過程中，我發現 Agentic Payment 的進展大致發生在三個層面：Agent 怎麼付錢，人怎麼管住 Agent，以及 Agent 到底在買什麼。

前兩個層面涉及錢包、支付協議、結算、預算、審批和責任邊界。第三個層面已經開始出現具體購買行為------從搜索、數據和模型調用，到真實的實物商品訂單。

所以判斷完產品之後，還要回到一個更底層的問題：Agent 到底在買什麼？這筆付款解決了什麼問題？下面我更想具體看看，目前哪些購買場景更容易先跑出來。

我認為最先成立的，不是讓 Agent 像人一樣買咖啡、機票或酒店，而是讓它在完成工作時，臨時購買機器可以立即消費的數字能力。

比如：

* 搜索與網頁讀取； * 數據抓取和 enrichment； * 模型、推理和 compute； * 商戶、商品和廣告情報； * browser session、驗證服務和 RPC； * 按次訪問的內容與專業數據。

這些商品有幾個共同點：金額小、交付快、結果機器可讀、成本可以計量，失敗也相對容易判斷。

比如，一個 GTM Agent 要為一家公司做市場進入分析，可能需要先做 SEO 診斷：檢查網站收錄、關鍵詞排名、外鏈和頁面問題；再購買競品的網站流量、主要獲客渠道和關鍵詞數據，判斷對方的用戶從哪裡來。

接下來，它可能還要讀取競品落地頁和定價頁，抓取廣告素材和投放記錄，整理 Google Maps 或 TikTok 上的商戶名單，再調用 enrichment API 補全公司規模、聯繫人和郵箱。最後，它把這些信息合在一起，給出目標客戶名單、渠道判斷和下一步外聯建議。

完成這樣一個任務，背後可能需要搜索、爬蟲、SEO 數據、流量分析、廣告情報和企業信息等多種服務。但這些能力不一定每天都要用，有時只需要臨時查一個域名、購買一份報告，或者抓取幾百條數據。

如果每種服務都要求人先註冊賬戶、購買月度套餐、綁定信用卡、申請並保存 API key，再提前告訴 Agent 應該調用哪一家，它的自主執行就會不斷卡在人類預配置上。很多任務不是 Agent 不會做，而是它缺少完成這一步所需的數據和工具權限。

Agent Payment 在這裡解決的，不只是「怎麼把錢付出去」。更重要的是，Agent 可以在執行過程中發現合適的服務，看到價格和交付內容，在一個有限預算內按次購買，再把結果接回原來的工作流。人負責設定目標、預算和邊界，Agent 決定這次任務具體需要買哪一種工具、買多少次。

但這個場景能不能成立，還取決於另一邊的供給是否願意開放。

GTM Agent 真正想用的數據，很多掌握在 Similarweb、Semrush 這類成熟平台手裡。它們已經有 API，Semrush 現在也提供了官方 MCP，Agent 在技術上可以調用。但使用者仍然需要提前購買訂閱、API units 或單獨聯繫銷售，這和 Agent 在執行任務時，自己發現服務、看見價格、按次購買，是兩種完全不同的模式。

現在也有一些創業團隊在把搜索、爬蟲、流量和企業數據重新包裝成 Agent 可以直接購買的服務。它們能夠減少註冊、簽約和 API key 配置，但也會遇到一個現實問題：底層數據是誰的？有沒有轉售權？數據平台是否允許第三方把自己的產品拆成按次調用？當這些中間層開始拿走客戶關係、定價權和利潤時，原來的數據平台還會不會繼續開放？

這會是一場長期博弈。創業公司希望把不同數據源組合成 Agent 能自由購買的能力市場；原有平台則可能自己做 Agent 入口，把調用繼續留在訂閱和賬戶體系裡。最後跑出來的模式，很可能是開放協議、自營 Agent 接口和封閉平台長期並存。

Cloudflare 是一個值得繼續觀察的案例，它沒有自己生產 SEO、流量或商業數據，而是站在網站和服務的入口處，嘗試幫助供給方決定哪些內容可以免費訪問、哪些要攔截、哪些可以向 Agent 收費。

Pay Per Crawl 允許網站給 AI 爬蟲訪問內容設定價格；Monetization Gateway 則希望進一步讓網站、數據集、API 和 MCP 工具按次收費。

它的價值不只是接入 x402，而是試圖把計價、身份、訪問控制和支付放在同一個入口處理，讓供給方繼續掌握價格和訪問規則。不過它同樣還很早：Pay Per Crawl 仍是 closed beta，Monetization Gateway 仍在 waitlist，公開資料還不能證明規模化收入或採用。

所以，這個方向真正要解決的不只是支付。還包括數據授權、轉售邊界、服務發現和利益分配。技術上讓 Agent 付一筆錢並不難，難的是供給方為什麼願意讓它這樣買。

廣告投放是我一直覺得非常適合 Agentic Payment 落地的另一個場景。

廣告投放不是簡單地把錢充進賬戶。它同時受到平台算法、投放策略、素材質量、優化師經驗、預算和 ROI 目標影響。一個優化師每天都在做大量小決策：哪個素材開始疲勞，哪個人群應該加預算，哪個關鍵詞的成本變高了，哪個渠道需要停掉，什麼時候應該降低目標、讓系統探索新的流量。

這類工作有一個特點：數據變化很快，反饋相對明確，而且需要持續做判斷。人很難一天 24 小時盯著多個平台，但 AI 可以不斷讀取曝光、點擊、轉化、CPA 和 ROAS，根據事先設定的目標調整素材、人群、出價和預算。

事實上，Google、Meta 和 TikTok 已經在各自平台內部用 AI 做實時出價、受眾擴展、素材組合和預算分配。所以機會可能不只是再做一個「自動調價工具」，而是讓 Agent 站在多個平台之上，理解公司的業務目標，比較不同渠道的表現，並決定下一筆預算應該放在哪裡。

這裡真正需要蒸餾的，是優秀優化師的判斷能力：什麼情況下應該繼續讓算法學習，什麼情況下應該停損；一個 ROAS 下降是正常波動，還是素材、頁面或人群出了問題；什麼時候應該換素材，什麼時候應該換渠道；預算增加以後，新增的轉化是否仍然划算。

但這也不意味著把優化師的經驗寫成幾條規則，Agent 就能完全接管投放。它首先需要可靠的轉化數據和歸因，也需要理解利潤、庫存、回款周期和客戶終身價值。否則，它可能把平台上的 ROAS 做得很好，卻沒有給公司帶來真正的利潤。

Payment 在這裡是一個非常自然的結合，因為廣告決策最終一定會變成資金決策。Agent 不只是建議「把預算加到某個 campaign」，它還需要被允許調動多少錢、在哪些平台花、單日最多虧多少、什麼情況下必須停下來請人審批。

所以這個場景需要的，不是每次競價都重新發生一筆微支付，更合理的形態，是人先給 Agent 一筆受控預算，並設置平台白名單、單日上限、目標 CPA 或 ROAS、異常停損和審批規則。Agent 在這些邊界裡持續優化；一旦超出範圍，就暫停或交還給人。

廣告投放本身就是連續決策與資金分配。當決策開始自動化，資金權限、停損機制和責任邊界也必須一起自動化。

支付永遠服務於場景，在廣告投放裡，場景本身已經有高頻決策、有明確預算，也有可以持續反饋的結果。隨著 AI 在局部決策上逐漸超越人工，它需要的就不只是一套分析工具，還需要一套能夠安全調動資金的支付和權限系統。

所以，不同場景需要的 Agent Payment 並不一樣，小額、高頻、機器對機器的數位服務，更需要按次計價和即時結算；廣告、採購和企業支出，更需要權限與控制。

如何判斷一個 AgentPay 值不值得繼續看？

以後再看到一家公司發布 AgentPay、Agent Wallet 或 Agentic Economy 策略，我會按這個順序檢查：

先看商品

Agent 到底在買什麼？是一個明確的 API、數據、模型或服務，還是只有「未來機器會自主交易」的想像？

再看入口

有沒有公開產品、文檔、SDK、CLI、MCP、sandbox 或 endpoint？外部開發者能不能獨立調用？

再看錢

是否真的發生付款？能否看到 receipt、交易哈希或可信的生產記錄？頁面動畫和測試幣不算商業採用。

再看客戶

有沒有外部客戶從自己的渠道確認使用？是 supporter、合作開發、試點，還是付費客戶？

最後看復購

客戶為什麼第二次還要用？如果每次都必須依靠公司補貼、活動激勵或內部流量，交易量再大也很難成為生意。

還有一個我認為非常重要的問題：Agent 這一層究竟新增了什麼？如果只是把原有錢包或支付 API 換了名字，價值有限。如果它真正減少了帳戶註冊、API key 配置和跨供應商結算的摩擦，或者增加了預算、授權、撤銷、審計和對賬，那麼即使它復用舊底座，也可能是一個有意義的新產品。

最後

我相信 Agent Economy 會到來，但它不會因為機器有了錢包就自然發生。

Agent 正在從提供答案，走向調用工具、配置資源並完成任務。當軟體開始替人作出行動，計價、授權、付款和對賬就不再是外圍功能，而會成為它行動能力的一部分。

Agent Payment 真正的門檻，從來不是讓機器完成一次付款，而是讓它在有限預算、明確目標和可追責的邊界內，持續做出值得付錢的決定。

這場競爭最終也不會只是哪條鏈更快、哪個協議更開放。更深的問題是：誰來定義機器可以買什麼，誰來授予它預算，誰來判斷交易是否完成，以及當機器犯錯時，誰可以叫停並承擔責任。

錢包只是入口，場景決定有沒有需求，控制決定它能不能進入企業，復購決定它最終是不是一門生意。

所以我更願意把今天的 Agent Payment 看成一次權力邊界的重寫。

當 Agent 不再只是回答問題，而是開始調動外部資源，支付會成為它行動能力的一部分。但只有當這種行動創造的價值，高於它花掉的成本，Agent Economy 才真正從敘事走進現實。