感謝 @austingriffith、 @dongossen、 [@ekrahm](https://x.com/@ekrahm)、 @programmer、 [@RosuGrigore](https://x.com/@RosuGrigore)、 @0xfishylosopher 與 @JackSimison 的審閱與回饋。
過去一年，我一直在為 Agent 經濟打造基礎設施，並與 Stripe、Visa、Coinbase、Google 及數十家新創公司中負責推廣 Agent 商務的團隊交流。我繪製了這塊領域的版圖、推出了產品，並試圖找到市場所在。
目前尚無真正的需求存在，而且新創公司要切入這個領域，面臨著許多結構性問題。
Stripe 在上個月的 Sessions 大會上推出了 288 項新產品，其中關於 Agent 的技術文件流量已接近總文件閱讀量的 40%。他們的 Agent 商務市集已有超過 1,000 家啟用的商家。然而在 Sessions 大會上，實際進行交易的註冊 Agent 數量僅有個位數。
Visa 提到，他們目前的 Agent 代幣需要經過 3 到 9 個月的 KYC 審核，並且實際上要求達到 2.5 億美元的收入門檻才能符合資格。如今，只有亞馬遜和沃爾瑪等級的公司才能完成這個身份驗證迴路。
Coinbase 報告指出，截至 4 月，已有 69,000 個活躍 Agent，並在 x402 上完成了 1.65 億筆交易。然而獨立的鏈上分析顯示，實際每日交易量約為 17,000 美元，其中大約一半是測試交易（CoinDesk，2026 年 3 月）。
我們從建立 shop.fast.xyz（Agent 對商家，又稱代理商務）學到的事
我們建立了 shop.fast.xyz - https://x.com/fastxyz/status/2061863041562755403 - 來直接面對代理商務的挑戰。我們用的是真實的產品、商家和交易。
然而，對大多數產品類別來說，當前的 AI 購物體驗嚴格來說比傳統電子商務更差。當你購買衣服、電子產品或傢俱時，你想看圖片、瀏覽選項、並排比較。聊天機器人對話反而是種降級體驗。你正在用文字對話取代豐富的視覺介面。人類是用眼睛購物的。
AI Agent 在我們預期會很困難的部分表現得很好。它理解用戶想要的東西。它能優雅地處理「像這個但便宜一點」這類要求。模型層運作得很好。但它無法做到的是取代同時觀看十樣產品並挑選其一的那種體驗。聊天功能雖然可以透過輪播圖和互動式展示來增強，但這樣一來，你等於是在聊天視窗內重新打造一個電子商務前端。對於視覺化的比較購物，我們還沒找到令人信服的理由，來說明為什麼聊天介面會比原本的更好。
我們確實看到了來自商家的需求，但那是防禦性的。商家希望他們的店面能讓 Agent 查詢得到。這不是因為顧客現在會透過 Agent 購物，而是因為他們擔心如果這成為主流渠道，自己會被拋在後頭。這就是所謂的「Agent 引擎優化」策略，但目前它只是「有會更好」，而非「非有不可」。商家正在為一場尚未到來的浪潮做準備。
那麼，對話式商務在哪些情況下確實能改善體驗呢？答案是：高頻率、低決策成本的購買，且用戶已經知道自己想要什麼。餐飲外送是最明顯的例子。市場龐大、每天都會發生、決策快速（「幫我從上次喜歡的那家店訂一份泰式炒河粉」）。對話式 AI Agent 在這裡確實有勝算。但主要的餐飲外送平台並不開放 API。唯一的途徑是「電腦使用」——讓 AI 像人類一樣，透過視覺方式在應用程式中操作。這種方式速度慢、不穩定，而且推論成本對於一份 15 美元的午餐訂單來說並不划算。
另一個切入點是：那些複雜到瀏覽其介面本身就是一種痛苦的商店。例如層層疊加的折扣、促銷代碼、會員忠誠計畫、令人困惑的結帳流程。一個能夠理解「幫我套用優惠券、使用我的獎勵點數、找到最便宜的運送方式、用我的語言操作」的 AI Agent，簡化了現今確實有待改善的體驗。這對於在為不同地區設計的商店購物的年長用戶和非母語使用者來說尤其重要，或者是在一些非常特定的情境下，當你有一些非常小眾的需求時。
這兩個切入點都需要大規模的 B2C 分發能力。你是在與 DoorDash 和 Amazon 競爭用戶的進入點。在消費者層級的分發能力是既有業者的優勢。代理商務的供給端已經準備好了。但需求端卻受到用戶體驗和分發能力的限制，而更多的基礎設施無法解決這兩個問題中的任何一個。
我們從 x402 和 MPP（Agent 對網站/API，又稱機器商務）學到的事
我們與數十位開發者談論了他們實際的支付需求。模式幾乎一致：現今 Agent 對 API 的使用是經常性的。計算是經常性的、推論是經常性的、數據資料饋送也是經常性的。開發者已經有訂閱制服務、留存了 API 金鑰、並與他們的核⼼供應商建立了計費關係。
對於穩定幣的典型論點是：信用卡處理在 Stripe 上的最低有效成本大約是 2.9% 加上 30 美分，這使得不到 1 美元的 API 呼叫變得不划算。但對於現今的低交易量來說，預先儲值點數就能解決這個問題。開發者事先為帳戶充值，問題就解決了。
更深層的問題是供應商市場。大多數主要的 SaaS 公司不希望以不到 1 美分的價格提供臨時的 API 存取權限。他們的商業模式是多年的企業合約。那些營收高度依賴大額長期承諾的公司，會抵制繞過他們既有定價模式的方案。
機器商務在結構上是一個長尾市場。較小的服務、利基數據來源、獨立開發者、MCP 伺服器。像 MPP 和 x402 這樣的協議正是為了這個市場區塊而設計的。但顧名思義，這是一個服務於具有專業需求的專業用戶的市場，而開發者歷來是付費意願最低的群體之一。
Stripe Projects 上線時有 32 家合作夥伴——包括 Vercel、Supabase、Cloudflare、Twilio 等——涵蓋了開發者用來建構和部署軟體的大多數服務，而且都可以透過現有的計費方式使用。開發者工具鏈的頂層已經被服務得很好了。新的支付軌道的機會在於那些前 30 大服務之外的領域：這是真實存在的機會，但本質上比那些新聞標題數字所暗示的要小得多。
同樣的動態也適用於內容存取。AI Agent 已經在持續抓取和摘要文章，而出版商也正在反擊。但當內容變現以大規模方式實現時，它將會透過已經介於出版商和網路之間的 CDN 提供商（Cloudflare 已經為此推出了 AI 稽核工具）來進行，或者透過出版商和 AI 實驗室之間的大規模授權協議來實現。基礎設施的商機最終會流向擁有現有分發能力的既業者。
我們從 Agent 對 Agent 支付學到的事
Agent 對 Agent 的商務是長期的願景，而且目前幾乎完全是理論性的。還沒有人做出有意義的交易量。艱難的部分目前正由各種新創公司來解決：Agent 的發現、信任的建立、條件的協商、以及爭議的解決。
當這種交易結構真的出現時，它和現有的支付軌道截然不同。雙方都沒有真人身份。延遲低於次秒級。在同一個流程中，交易金額可以從不到 1 美分到數百萬美元不等。它是多方結算，完全不符合現有支付軌道所假設的雙邊買賣方模式。我們相信，當它真的發生時，速度會很快，規模也會很大。
這正是我們對專用結算基礎設施所做的長期賭注，而這個賭注是真實的。但「真正的長期賭注」和「當前的市場」是不同的。我們曾有好幾個月是主張這個市場存在的人之一，並在過去幾年圍繞著我們的分散式網路建立了一套完整的基礎設施，理論上它可以擴展到超過 10 億 TPS，延遲低於 50 毫秒，平均一致性在 10 毫秒以內。但我們必須正視市場當前的現狀。
我們從 Agent 金融學到的事
可以說，這是唯一一個已有需求的類別。客戶已經存在，並且已經在付費。基金經理人、財務團隊和 DeFi 用戶今天都在金融工具上花錢。將 AI 導入現有的工作流程是一個很自然的產品策略。
Agent 金融也創造了全新的行為。能夠即時自主監控並在數百個持倉之間進行再平衡的 AI Agent，其運作方式是人工無法比擬的。這不僅是自動化，更是實際的能力提升。
挑戰在於競爭動態。金融業受到嚴格監管，並且依賴現有關係。既有業者擁有牌照、合規基礎設施和客戶關係。新創公司可以在監管較寬鬆（如 DeFi）、既有業者反應較慢、或 AI 能創造既有業者不具備的能力的領域找到立足之地。但在這裡，競爭動態對既有玩家的有利程度超過其他三個類別，因為在現有產品和客戶基礎上添加 AI，比反過來做要容易得多。
誠實的總結
那麼，為什麼所有人還在繼續打造這個領域呢？有兩個原因。
第一個是激勵機制。大型玩家有足夠的現金流來押注一個需要多年才能實現的未來。對他們來說，提早五年進場的成本只是個零頭；但晚一年進場的成本則是災難性的。他們必須繼續打造。
第二個是觀念上的盲點。當你的業務是支付時，每個問題看起來都像是一個支付問題。Agent 經濟需要一個支付層；因此，就來打造這個支付層。
但支付只是一個更大問題的一部分。真正的難題不在於在 Agent 之間轉移資金。真正的難題在於協調 Agent 與人類之間的工作、驗證已完成的事項、以及結算最終的成果。支付只是結算的一部分。結算只是協調的一部分。協調才是真正值得追求的目標。
大規模的協調自然會產生結算機制作為其必要條件。支付只是在這個協調的交響樂中出現的一種樂器，而非整部樂章。能夠解決協調問題的公司，將會涵蓋支付功能，而不是反過來。
大多數既有業者正在防禦性地打造一個未來，在那個未來中，機器將大規模進行交易，而時間表對他們來說並不重要，因為他們的跑道是無限的。
新創公司沒有這種奢侈。我們必須找到市場所在。我們不能等待浪潮來臨。
一年的耕耘將我們指向了一個意想不到的方向。那裡的活動是真實的、正在快速成長、且未被充分服務。它就存在於我們繪製的四個類別之外。
關於這點，我們很快會再分享。
