感谢 [@austingriffith](https://x.com/@austingriffith)、[@dongossen](https://x.com/@dongossen)、[@ekrahm](https://x.com/@ekrahm)、[@programmer](https://x.com/@programmer)、[@RosuGrigore](https://x.com/@RosuGrigore)、[@0xfishylosopher](https://x.com/@0xfishylosopher) 和 [@JackSimison](https://x.com/@JackSimison) 的审阅与反馈。
过去一年，我一直在为 Agent 经济构建基础设施，与 Stripe、Visa、Coinbase、Google 以及数十家初创公司中负责 Agent 商务的团队交流。我绘制了这片领域的版图，推出了产品，并试图找到市场所在。
实际上，目前并不存在真正的需求，而且对于初创公司来说，要在这个领域发力，还面临着许多结构性问题。
Stripe 在上个月的 Sessions 大会上推出了 288 个全新产品，其中 Agent 相关文档的访问量已接近总文档阅读量的 40%。他们的 Agent 商务市场已拥有超过 1,000 家已上线的商家。但在 Sessions 大会上，注册并进行交易的 Agent 数量仅为个位数。
Visa 提到，它们的 Agent 代币目前需要 3 到 9 个月的 KYC 审批，并且要求有效的最低年收入达到 2.5 亿美元才有资格使用。如今，只有亚马逊和沃尔玛级别的公司才能完成这个身份验证闭环。
Coinbase 报告称，截至 4 月，通过 x402 协议有 69,000 个活跃 Agent 完成了 1.65 亿笔交易。独立的链上分析显示，实际日交易量约为 17,000 美元，其中大约一半是测试交易（CoinDesk，2026 年 3 月）。
我们搭建 [shop.fast.xyz](//shop.fast.xyz)（Agent 对商家，即代理商务）学到的经验
我们搭建了 shop.fast.xyz - https://x.com/fastxyz/status/2061863041562755403 - 旨在直面代理商务。我们使用了真实的商品、商家和交易。
然而，对于大多数商品类别而言，当前的 AI 购物体验严格来说比传统电商更差。当你购买衣服、电子产品或家具时，你想看图片、浏览选项、进行横向对比。聊天机器人式的对话是一种降级体验。你是在用一个文本对话取代丰富的视觉界面。人类是用眼睛购物的。
Agent 在我们原以为困难的部分表现良好。它理解用户想要什么。它能优雅地处理“类似这个但更便宜点”这样的需求。模型层工作正常。但它无法做到的是，代替你同时浏览十件商品并从中挑选一个的体验。聊天可以通过轮播图和交互式展示来增强，但到了那一步，你其实就是在聊天窗口里重建一个电商前端。对于视觉化的比较购物，我们还没找到一个令人信服的理由来说明，为什么聊天式的外壳会比原始界面更好。
我们确实看到了来自商家的真实需求，但这种需求是防御性的。商家希望他们的店铺能被 Agent 检索到。不是因为顾客现在正通过 Agent 购物，而是因为他们担心，如果这成了主流渠道，自己会被甩在后面。这是一种“Agent 引擎优化”的策略，但目前只是“锦上添花”，并非“雪中送炭”。商家正在为一场尚未到来的浪潮做准备。
对话式商务确实能改善体验的场景是：高频、低决策成本的购买，且用户已经知道自己想要什么。点餐是最典型的例子。市场规模大，每日高频，决策迅速（“给我点份上次那家我喜欢的泰式炒河粉”）。对话式 Agent 在这里大有可为。但主要的送餐平台并不开放 API。唯一的途径是“电脑使用”——让 AI 像人类一样视觉化地操作应用程序。这种方式速度慢、不稳定，而且推理成本对于一份 15 美元的午餐订单来说不划算。
另一个机会点在于：有些商店的界面复杂到让用户觉得导航本身就是个痛苦。层层折扣、促销代码、会员计划、混乱的结账流程。一个能理解“应用我的优惠券，使用我的积分，找到最便宜的运费，用我的语言操作”的 Agent，能够简化一个在今天看来确实很糟糕的问题。这一点对于在面向不同地区的商店购物的老年用户和非母语用户尤其重要，或者是在你有一些非常特殊、小众的需求时。
这两个机会点都需要巨大的 B2C 分发能力。你是在与 DoorDash 和亚马逊争夺用户的入口。达到消费者规模的分发能力是现有巨头们的优势。代理商务的供应端已经准备好了。但需求端却受到用户体验和分发的制约，而更多的基础设施建设无法解决任何一个问题。
我们了解 x402 和 MPP（Agent 对 Web/API，即机器商务）学到的东西
我们与数十位开发者交流了他们的实际支付需求。模式几乎是通用的：当前 Agent 的 API 使用是周期性的（订阅制）。计算资源、推理服务、数据源。开发者已经拥有了订阅服务、存档的 API 密钥，并与其核心供应商建立了计费关系。
支持稳定币的典型论点是：在 Stripe 上，银行卡处理的最低有效成本大约是 2.9% 加上 30 美分，这使得低于 1 美元的 API 调用在经济上不可行。对于目前较低的交易量，预先充值积分可以解决这个问题。开发者预先向账户充值，问题就迎刃而解。
更深层次的问题是供应商市场。大多数主要的 SaaS 公司不希望以零点几美分的价格提供零散的 API 访问。他们的商业模式是多年的企业合同。那些收入依赖于大额承诺的公司会抵制绕开他们现有定价模式的定价方式。
机器商务在结构上是一个长尾市场。小型服务、小众数据源、个人开发者、MCP 服务器。像 MPP 和 x402 这样的协议是为这个细分市场精心设计的。但顾名思义，这是一个服务于有特殊需求的高级用户的市场，而开发人员从历史上看是最不愿意付费的群体之一。
Stripe Projects 推出时拥有 32 个合作伙伴供应商——包括 Vercel、Supabase、Cloudflare、Twilio 等——覆盖了开发者构建和部署软件所需的大部分服务，所有这些都可以通过现有的计费系统访问。开发者技术栈的顶端已经被覆盖了。新支付轨道的机遇在于这前 30 项服务之外的一切：这个市场是真实存在的，但本质上比其宣称的数字要小。
同样的逻辑也适用于内容访问。Agent 已经不断地在抓取和总结文章，而出版商正在反击。但当内容变现大规模实现时，它将通过已经处于出版商和互联网之间的 CDN 提供商（Cloudflare 已经为此推出了 AI 审计工具）流动，或者通过出版商和 AI 实验室之间的大宗授权协议流动。基础设施的机遇将归于那些拥有现有分发渠道的现有巨头。
我们了解 Agent 对 Agent 支付学到的东西
Agent 之间的商务是一个长期的愿景，目前几乎完全是理论性的。没有人推出过有意义的交易量。各个初创公司正在解决那些困难的部分：Agent 发现、信任建立、条款协商、争议解决。
当这种交易结构最终实现时，它将与现有的支付轨道完全不同。交易双方都没有人类身份。亚秒级延迟。交易金额从几分钱到数百万美元，可以在同一个交易流中完成。多方结算模式也不符合所有现有轨道假设的双边买卖模型。当它真的发生时，我们相信它会来得很快，并且规模巨大。
这是对专用结算基础设施的长期赌注，而且它是真实的。但“真正的长期赌注”不同于“当前市场”。我们曾是多个月宣称这个市场存在的人之一，并在过去几年中通过我们的分布式网络 围绕它构建了完整的基础设施，理论上它可以扩展到超过 10 亿 TPS，延迟低于 50 毫秒，平均一致性在 10 毫秒。但我们需要面对当前市场的现实。
我们了解 Agent 金融学到的东西
这可以说是唯一存在真实需求的类别。客户已经存在并且已经在付费。基金经理、资金管理团队和 DeFi 用户今天都在为金融工具付费。将 AI 整合到现有工作流中是一个自然而然的产品策略。
Agent 金融也创造了全新的行为模式。能够实时自主监控并跨数百个仓位进行再平衡的 Agent，其运作方式是人力无法复制的。这不仅仅是自动化，而是实际能力的提升。
挑战在于竞争动态。金融业受到严格监管，并依赖于现有的关系。现有巨头拥有牌照、合规基础设施和客户关系。初创公司可以在监管较轻（DeFi）的领域、现有巨头行动较慢的领域，或者 AI 创造了现有巨头所不具备的能力的领域找到自己的位置。但这里的竞争动态比在其他三个类别中更有利于成熟玩家，因为在现有产品和客户基础上增加 AI 功能，比反过来做要容易得多。
坦诚的总结
那么，为什么所有人还在继续构建这个？有两个原因。
第一个是激励。大玩家有足够的现金流去押注一个需要数年才能实现的未来。他们过早五年行动的代价只是九牛一毛；但晚到一年的代价则是灾难性的。他们必须去构建。
第二个是概念上的盲点。当你的业务是支付时，每个问题看起来都像是一个支付问题。Agent 经济需要一个支付层；因此，就去构建这个支付层。
但支付只是更大问题中的一部分。难题不在于在 Agent 之间转移资金。难题在于协调 Agent 与人类之间的工作、验证已完成事项以及结算结果。支付只是结算的一部分。结算只是协调的一部分。协调才是真正的奖赏。
大规模协调自然会催生结算机制作为其一项需求。支付只是这场交响乐中的一件乐器，而非整部作品。那些解决协调问题的公司将会涵盖支付，而不是反过来。
大多数现有巨头都是在防御性地构建，以应对未来机器大规模交易的局面，而时间线对他们来说并不重要，因为他们拥有无限的资金储备。
初创公司没有这种奢侈。我们必须找到市场在哪里。我们不能坐等浪潮来临。
一年的建设，把我们引向了一个意想不到的方向。活动是真实存在的，增长迅速，并且服务不足。它超出了我们之前绘制的四个类别。
更多内容，即将发布。
