不是所有挂上 Agent 之名的支付都是真的 AgentPay。从叙事、Demo、可复现产品、真实交易到持续收入，我用五个层级梳理一套降噪方法，也聊聊哪些场景更可能先跑出来。

撰文：Yuki（刘雨晴）

今天又看到一家支付公司说自己在做 AgentPay，好奇它到底落了什么场景，我就去官网看了一下，页面上有产品能力，有支付流程，也有一个 Demo。但是，场景呢？有什么真实场景？有 Agent 在用吗？谁在为它付钱？

Agentic 正在变成一轮新的行业叙事。

不管是 Agentic Payment、Agentic Economy、Agent Commerce 还是 Agent Trading，总之都要冠以 Agent 之名。原来做钱包的开始讲 Agent Wallet，原来做支付 API 的开始讲 AgentPay，做交易、托管、稳定币和数据服务的，也都能找到一个 Agent 版本的叙事。

我自己也一直在看，有没有一些 Agentic Payment 的场景真的能够成立，也和不少团队有过交流。有些团队已经在做尝试：给 Agent 配钱包，接支付协议，让它购买数据、搜索、模型或其他工具；有的在用 Agent 做交易。也有一些团队认真看完一圈以后，决定先不追这波叙事，继续深耕原来的业务。

过去几个月，为了持续了解这个领域的发展，也尽量看到一些真实的信息，我还给自己做了一个 Agentic Payment Signal。它每天会从我设定的信息源里寻找新产品、新合作、新接口和交易数据，再按照我的标准筛选一遍，我也会固定看一下推送。

我的筛选标准很简单：这件事要真的和 Agent 支付有关，有产品、文档、接口或交易记录等一手信息，并且能看出它目前走到了哪一步。只在标题里加上 Agent，或者泛泛讨论未来的内容，我通常不会重点关注。

Agentic Economy 本质上是一个双边市场，一边要有 Agent 和愿意为它买单的人：客户是谁、使用频率有多高、愿意为什么付费；另一边也要有值得 Agent 购买和交易的商品或服务，并且这笔交易真的能解决问题。即使两边都存在，还要继续回答：平台怎么收费，交易能否持续，最后能不能形成一门生意。

我几乎每个月都能看到一些新的创业项目和大公司的新动作，行业确实在向前推进。但市场上的 Agent 声音依然嘈杂，很难分辨谁是在装 X，谁是在真正干事，这些所谓的 Agent 战略，究竟走到了哪一步？

我写这篇文章，并不是想评价谁在叙事、谁在做事，也不是想做一份公司红黑榜。我只是想把自己看到的一些现象，以及大家目前做到的不同维度呈现出来，更具体地说，我们可以把公开能看到的东西拆成几个层级。

第一层：只是在叙事

只有叙事的公司，通常会发布一段很完整的未来描述。Agent 可以发现服务、比较价格、自动付款；系统支持多链、多币种、限额、审批、退款和合规；再配上一张流程图，以及“机器经济正在到来”之类的市场判断。

这些内容可能来自新闻稿、演讲、年度战略或 landing page，但你找不到产品入口、文档、代码、接口、测试环境或可运行的操作路径。（也许公司正在开发，也可能处于 private pilot，只是没有公开。)

如果你是行业从业者，或者只是对 AgentPay 感兴趣，看到一家公司说“一行代码就能接入”，可以先去找那一行代码。找不到，就先把它停在叙事层。听听就好。

第二层：有 Demo

有些公司已经做出了 Demo,你点一下按钮，就能看到 Agent 请求服务、收到价格、确认付款，然后拿到结果。相比只有一张流程图，做到这一步至少说明团队确实写了东西，也把整个流程串了起来, 但 Demo 能证明的，也就到这里。

因为你看到的付款成功，可能只是页面上的一段动画；余额可能是模拟的，买卖双方也可能都是公司自己的账户。整个流程只需要沿着一条预先设计好的路线跑通，不代表外部用户真的可以使用。

所以看 Demo，我通常会再多点几下、多问几句：输入能不能改，还是只能重复播放同一个过程？后台有没有真的收到请求？钱到底有没有动？能不能看到交易记录？如果付款失败、服务没返回，或者系统重复执行了一次，会怎么处理？

如果这些都看不到，它仍然只是一个产品原型,说明团队确实做了东西，但还不能说明场景已经落地，更不能说明有人愿意为它付钱。

第三层：有可复现的产品

第三层才开始进入“真的在做事情”。外部开发者能够找到 SDK、CLI、MCP、API 文档、代码仓库或测试环境，并按照公开步骤独立完成一次调用。产品不只展示 happy path，也说明身份、授权、限额、重试、撤销和结算如何处理。

这里最重要的词是“可复现”，不是公司员工在发布会上演示成功，而是外部的人按照公开文档，也能得到相同结果，到了这一层，可以说产品是真的，但还不能说场景成立。

支付行业很容易把原有能力换一个 Agent 入口：原来的钱包增加 CLI，原来的 API 增加 MCP，原来的托管系统增加 session key，原来的 policy engine 增加 Agent 授权。这不一定是换皮，Agent 确实需要机器可调用的入口和新的权限边界。但产品做出来，只能证明供给存在，不能证明需求存在。

第四层：有可验证的付款与交付

到了第四层，钱真的动了，外部的人或者 agent 不仅能调用产品，还能验证付款与交付路径。

比如，Exa 已经给自己的搜索和网页读取 API 接入了 x402，Agent 不需要先注册账户、申请 API key，可以直接发出请求；服务返回价格，Agent 用稳定币付款后拿到搜索结果。按照它目前公开的价格，一次普通搜索不到一美分，读取一个网页的费用更低。

Apify 则把一批爬虫和自动化工具接入了 x402，Agent 可以临时购买一次 TikTok 数据抓取、一批 Google Maps 商户、一组电商商品，或者一些社交媒体内容。它不需要先为每一种工具单独开户和买套餐，给出一个最高预算，就能按照实际结果结算。不过 Apify 的官方文档也明确把这项能力标为 experimental，说明它已经能用，但仍处在早期阶段。

这两类场景比较容易跑通，因为 Agent 买到的东西很具体：一次搜索、一页内容、一批商品数据。付多少钱、拿到什么、有没有交付，都比较容易判断。

一个 Agent 可以在很短时间里自动发起成百上千次小额调用，x402scan 的阶段性数据里就出现过这样的情况：BlockRun 在一个月里产生了近千万笔交易，但买家地址只有一千个左右；claw402 有几十万笔交易，买家地址却不到一百个，总金额也只有一千多美元。

所以交易笔数看起来很大，可能只是少量程序在高频调用，里面还可能混着测试、补贴、内部账户和关联钱包。

到了这一层，钱从谁那里付给了谁？买到的是什么？东西有没有交付？买卖双方是不是不同的主体？同一个买家下次还会不会再买？

第五层：有客户，也有持续收入

第五层，才开始有点像一门生意，这里看的已经不是“有没有人付过一次”，而是有没有外部客户持续使用，而且公司能从中收到钱。

目前公开案例里，真正能把这件事讲完整的并不多。AgentCash 在官网自报，Agent 已经通过其平台完成了超过一百万次付费调用。它背后的 Merit Systems 还披露，团队自己运营的 44 组接口在今年产生了大约 76.5 万笔交易、约 4 万美元收入。

这组数字比“接入了多少伙伴”“支持多少钱包”更有用，因为它至少同时讲了调用、交易和收入。但要注意，这仍然是公司自己公布的数据，不是第三方审计结果。而且它仍然没有把所有问题回答完：这一百万次调用里，有多少来自团队自己的接口，有多少来自外部商户？到底有多少不同客户？客户用了多久？4 万美元里有多少来自同一批人反复购买？这些都还看不到。

在传统金融机构一侧，Mastercard 公开表示，Itaú 和 Santander 已经通过它的 Agent Pay 方案完成了真实交易。这当然比“双方将共同探索”更进一步，至少钱和购买流程真的走过一遍。但如果它没有告诉你一共跑了多少笔、金额多大、跑了多久、有没有人回来继续用，那它目前最多只能证明“真实试过一次”，还不能证明已经有稳定客户。

所以到了第五层，不要只盯着一个看起来很大的数字。把下面四件事问清楚更重要：

• 谁在用？
• 为什么要用？
• 用完以后有没有再来？
• 到底是谁付钱，公司赚到了什么？

如果一家公司只说有很多合作伙伴，可以继续问：这些公司只是一起发了新闻稿，还是已经接好了系统？是在小范围测试，还是已经真的付钱使用？如果它引用的是集团原有业务的几千万用户、数亿钱包或数十亿 API 调用，也可以再问一句：其中有多少真的来自新的 Agent 产品？

原来的底座很强，当然是优势。但原有业务的总数据，不能替一个新产品证明它已经找到了客户和赚钱方式。

这五层并不是一个好坏排名，也不是为了给哪个公司贴上“真”或“假”的标签。

它更像是一套给从业者的降噪方法。看到一个新的 AgentPay 项目时，可以先判断它目前走到了哪一步：是在讲未来，已经做出了 Demo，开放了产品，跑出了真实交易，还是已经有客户持续付钱。

如果你真的对这个方向感兴趣，也可以用这套方法继续往下找：它解决了什么具体问题，Agent 买了什么，钱有没有真的动，谁在使用，谁在付钱，有没有重复发生。

这样既不会因为一篇新闻稿就把一个项目想得太成熟，也不会因为它还没有规模化收入，就忽略那些已经跑起来的真实场景和案例。

有 Demo，只能说明产品开始成形；有交易，说明支付和交付跑通过；有客户持续付钱，才说明它开始接近一门生意。

哪些场景更可能先跑出来？

每天看 Signal 的过程中，我发现 Agentic Payment 的进展大致发生在三个层面：Agent 怎么付钱，人怎么管住 Agent，以及 Agent 到底在买什么。

前两个层面涉及钱包、支付协议、结算、预算、审批和责任边界。第三个层面已经开始出现具体购买行为——从搜索、数据和模型调用，到真实的实物商品订单。

所以判断完产品之后，还要回到一个更底层的问题：Agent 到底在买什么？这笔付款解决了什么问题？下面我更想具体看看，目前哪些购买场景更容易先跑出来。

我认为最先成立的，不是让 Agent 像人一样买咖啡、机票或酒店，而是让它在完成工作时，临时购买机器可以立即消费的数字能力。

比如：

• 搜索与网页读取；
• 数据抓取和 enrichment；
• 模型、推理和 compute；
• 商户、商品和广告情报；
• browser session、验证服务和 RPC；
• 按次访问的内容与专业数据。

这些商品有几个共同点：金额小、交付快、结果机器可读、成本可以计量，失败也相对容易判断。

比如，一个 GTM Agent 要为一家公司做市场进入分析，可能需要先做 SEO 诊断：检查网站收录、关键词排名、外链和页面问题；再购买竞品的网站流量、主要获客渠道和关键词数据，判断对方的用户从哪里来。

接下来，它可能还要读取竞品落地页和定价页，抓取广告素材和投放记录，整理 Google Maps 或 TikTok 上的商户名单，再调用 enrichment API 补全公司规模、联系人和邮箱。最后，它把这些信息合在一起，给出目标客户名单、渠道判断和下一步外联建议。

完成这样一个任务，背后可能需要搜索、爬虫、SEO 数据、流量分析、广告情报和企业信息等多种服务。但这些能力不一定每天都要用，有时只需要临时查一个域名、购买一份报告，或者抓取几百条数据。

如果每种服务都要求人先注册账户、购买月度套餐、绑定信用卡、申请并保存 API key，再提前告诉 Agent 应该调用哪一家，它的自主执行就会不断卡在人类预配置上。很多任务不是 Agent 不会做，而是它缺少完成这一步所需的数据和工具权限。

Agent Payment 在这里解决的，不只是“怎么把钱付出去”。更重要的是，Agent 可以在执行过程中发现合适的服务，看到价格和交付内容，在一个有限预算内按次购买，再把结果接回原来的工作流。人负责设定目标、预算和边界，Agent 决定这次任务具体需要买哪一种工具、买多少次。

但这个场景能不能成立，还取决于另一边的供给是否愿意开放。

GTM Agent 真正想用的数据，很多掌握在 Similarweb、Semrush 这类成熟平台手里。它们已经有 API，Semrush 现在也提供了官方 MCP，Agent 在技术上可以调用。但使用者仍然需要提前购买订阅、API units 或单独联系销售，这和 Agent 在执行任务时，自己发现服务、看见价格、按次购买，是两种完全不同的模式。

现在也有一些创业团队在把搜索、爬虫、流量和企业数据重新包装成 Agent 可以直接购买的服务。它们能够减少注册、签约和 API key 配置，但也会遇到一个现实问题：底层数据是谁的？有没有转售权？数据平台是否允许第三方把自己的产品拆成按次调用？当这些中间层开始拿走客户关系、定价权和利润时，原来的数据平台还会不会继续开放？

这会是一场长期博弈。创业公司希望把不同数据源组合成 Agent 能自由购买的能力市场；原有平台则可能自己做 Agent 入口，把调用继续留在订阅和账户体系里。最后跑出来的模式，很可能是开放协议、自营 Agent 接口和封闭平台长期并存。

Cloudflare 是一个值得继续观察的案例，它没有自己生产 SEO、流量或商业数据，而是站在网站和服务的入口处，尝试帮助供给方决定哪些内容可以免费访问、哪些要拦截、哪些可以向 Agent 收费。

Pay Per Crawl 允许网站给 AI 爬虫访问内容设定价格；Monetization Gateway 则希望进一步让网站、数据集、API 和 MCP 工具按次收费。

它的价值不只是接入 x402，而是试图把计价、身份、访问控制和支付放在同一个入口处理，让供给方继续掌握价格和访问规则。不过它同样还很早：Pay Per Crawl 仍是 closed beta，Monetization Gateway 仍在 waitlist，公开资料还不能证明规模化收入或采用。

所以，这个方向真正要解决的不只是支付。还包括数据授权、转售边界、服务发现和利益分配。技术上让 Agent 付一笔钱并不难，难的是供给方为什么愿意让它这样买。

广告投放是我一直觉得非常适合 Agentic Payment 落地的另一个场景。

广告投放不是简单地把钱充进账户。它同时受到平台算法、投放策略、素材质量、优化师经验、预算和 ROI 目标影响。一个优化师每天都在做大量小决策：哪个素材开始疲劳，哪个人群应该加预算，哪个关键词的成本变高了，哪个渠道需要停掉，什么时候应该降低目标、让系统探索新的流量。

这类工作有一个特点：数据变化很快，反馈相对明确，而且需要持续做判断。人很难一天 24 小时盯着多个平台，但 AI 可以不断读取曝光、点击、转化、CPA 和 ROAS，根据事先设定的目标调整素材、人群、出价和预算。

事实上，Google、Meta 和 TikTok 已经在各自平台内部用 AI 做实时出价、受众扩展、素材组合和预算分配。所以机会可能不只是再做一个“自动调价工具”，而是让 Agent 站在多个平台之上，理解公司的业务目标，比较不同渠道的表现，并决定下一笔预算应该放在哪里。

这里真正需要蒸馏的，是优秀优化师的判断能力：什么情况下应该继续让算法学习，什么情况下应该停损；一个 ROAS 下降是正常波动，还是素材、页面或人群出了问题；什么时候应该换素材，什么时候应该换渠道；预算增加以后，新增的转化是否仍然划算。

但这也不意味着把优化师的经验写成几条规则，Agent 就能完全接管投放。它首先需要可靠的转化数据和归因，也需要理解利润、库存、回款周期和客户终身价值。否则，它可能把平台上的 ROAS 做得很好，却没有给公司带来真正的利润。

Payment 在这里是一个非常自然的结合，因为广告决策最终一定会变成资金决策。Agent 不只是建议“把预算加到某个 campaign”，它还需要被允许调动多少钱、在哪些平台花、单日最多亏多少、什么情况下必须停下来请人审批。

所以这个场景需要的，不是每次竞价都重新发生一笔微支付，更合理的形态，是人先给 Agent 一笔受控预算，并设置平台白名单、单日上限、目标 CPA 或 ROAS、异常停损和审批规则。Agent 在这些边界里持续优化；一旦超出范围，就暂停或交还给人。

广告投放本身就是连续决策与资金分配。当决策开始自动化，资金权限、停损机制和责任边界也必须一起自动化。

支付永远服务于场景，在广告投放里，场景本身已经有高频决策、有明确预算，也有可以持续反馈的结果。随着 AI 在局部决策上逐渐超过人工，它需要的就不只是一套分析工具，还需要一套能够安全调动资金的支付和权限系统。

所以，不同场景需要的 Agent Payment 并不一样，小额、高频、机器对机器的数字服务，更需要按次计价和即时结算；广告、采购和企业支出，更需要权限与控制。

如何判断一个 AgentPay 值不值得继续看？

以后再看到一家公司发布 AgentPay、Agent Wallet 或 Agentic Economy 战略，我会按这个顺序检查：

先看商品

Agent 到底在买什么？是一个明确的 API、数据、模型或服务，还是只有“未来机器会自主交易”的想象？

再看入口

有没有公开产品、文档、SDK、CLI、MCP、sandbox 或 endpoint？外部开发者能不能独立调用？

再看钱

是否真的发生付款？能否看到 receipt、交易哈希或可信的生产记录？页面动画和测试币不算商业采用。

再看客户

有没有外部客户从自己的渠道确认使用？是 supporter、合作开发、试点，还是付费客户？

最后看复购

客户为什么第二次还要用？如果每次都必须依靠公司补贴、活动激励或内部流量，交易量再大也很难成为生意。

还有一个我认为非常重要的问题：Agent 这一层究竟新增了什么？如果只是把原有钱包或支付 API 换了名字，价值有限。如果它真正减少了账户注册、API key 配置和跨供应商结算的摩擦，或者增加了预算、授权、撤销、审计和对账，那么即使它复用旧底座，也可能是一个有意义的新产品。

最后

我相信 Agent Economy 会到来，但它不会因为机器有了钱包就自然发生。

Agent 正在从提供答案，走向调用工具、配置资源并完成任务。当软件开始替人作出行动，计价、授权、付款和对账就不再是外围功能，而会成为它行动能力的一部分。

Agent Payment 真正的门槛，从来不是让机器完成一次付款，而是让它在有限预算、明确目标和可追责的边界内，持续做出值得付钱的决定。

这场竞争最终也不会只是哪条链更快、哪个协议更开放。更深的问题是：谁来定义机器可以买什么，谁来授予它预算，谁来判断交易是否完成，以及当机器犯错时，谁可以叫停并承担责任。

钱包只是入口，场景决定有没有需求，控制决定它能不能进入企业，复购决定它最终是不是一门生意。

所以我更愿意把今天的 Agent Payment 看成一次权力边界的重写。

当 Agent 不再只是回答问题，而是开始调动外部资源，支付会成为它行动能力的一部分。但只有当这种行动创造的价值，高于它花掉的成本，Agent Economy 才真正从叙事走进现实。