AI支付全景：技术路线、产业影响与下一步

2026 年，AI 支付成为大厂共同讲述的新叙事。

Google 把购物车、商业协议和支付授权接进 Gemini 与搜索；OpenAI 希望用户可以在 ChatGPT 里发现商品并完成结账；Stripe 同时布局商品目录、结账协议、受限支付凭证和机器支付；Mastercard、Visa 与中国银联都在解决 Agent 的身份、授权和责任问题；蚂蚁把 Agent 接入支付宝的生活服务与 Alipay+ 钱包网络；腾讯则让开发者通过智能体调用微信支付。

AI 公司和支付公司，正在以不同的方式相遇。

为什么偏偏是现在？到了今天，大家已经不会再讨论 AI 会不会进入交易，而是什么才算 AI 支付？它最终会是一种新的支付方式、一套授权基础设施、一个超级钱包，还是对整个商业入口的重写？

它更像智能驾驶，还是更像十几年前的人工智能，如果 2026 年可以被称为某种“Agentic 元年”，它究竟是哪一种元年？

大模型会说话之后，行业开始追问它能不能行动

过去几年，大模型首先解决的是“说什么”。它可以回答问题、生成内容、总结文件、编写代码，也可以帮人比较商品。

但从回答问题到真正完成任务，中间还有一道很宽的鸿沟。

我最近准备去美国参加 Money20/20，整个行程几乎都是让 Muse 帮我规划的：航班与转机后的交通、酒店、中间的旅游安排，以及参会结束后的后续行程。过去，这些事情需要我在航司、酒店、地图和旅游网站之间来回切换；现在，我先把目的和偏好告诉 Muse，再由它整理成一套连贯的安排。

不过，付款时，我仍然会被带到携程、Klook 等平台，由我确认订单并完成支付。Muse 已经串联了需求、比较和行程安排，但还没有接管最后的交易。这正是今天大多数 AI 助理所处的位置：它们越来越接近商业入口，但支付仍留在原来的平台里。

个人助理 Agent Instinct 的创始人 Noah Shinn 也提到平台上超过一半的交易与旅行相关。旅行能成为 Agent 较早跑出来的场景，是因为一次行程天然需要跨越搜索、比较、预订、交通、日程调整和支付，单纯回答一个问题并没有真正完成任务。

AI 已经来到支付入口，却还没有真正跨过去。当 Muse 不再只是把我送到携程或 Klook，而是能够在明确授权下替我预订酒店、购买车票、处理改签并完成付款，事情就变了。它不再只是给出答案和导流，而是在替我作出选择、签订订单和移动资金。

这也是 AI 支付在 2026 年升温的根本原因：大模型的竞争正在从“谁更会回答”进入“谁更能完成任务”。

支付不是 Agent 完成任务的最后一步，而是它从“给建议”走向“替你行动”的那道门。

与此同时，大模型公司也需要新的商业入口。用户在 AI 里提出需求，如果还能直接完成购买，AI 平台就不只是搜索和推荐入口，也可能成为新的交易入口。商户、支付公司、卡组织和钱包当然不会把这个入口完全交给模型公司，于是每一方都开始提出自己的协议、凭证和信任方案。

表面看，这是支付技术升级；更深一层，是一次对下一代商业入口的争夺。

AI 支付到底是什么？

支付公司早已使用机器学习识别欺诈、预测风险和提高银行卡授权成功率。这只是“AI 用于支付”，只有当 AI 不仅参与交易决策，还开始介入交易发起或支付执行，才可以称为 AI 支付。它需要理解用户的需求和偏好，比较不同选择，并把决定转化成订单或支付动作。用户仍然可以保留最后确认权，因此 AI 支付并不必然等于自主支付。

AI 商业的分界线，在于 AI 有没有进入交易决策；AI 支付的分界线，在于它有没有开始执行交易。

我并不认同把所有自动化支付都算作 AI 支付。如果系统只是按照预设时间或固定规则自动扣款，或者在用户已经完成决定之后代为付款，那仍然是自动扣款或代付，并不是 AI 支付。区别不只是系统有没有碰到付款按钮，而是 AI 是否理解交易目的、参与选择，并把选择转化为具体交易。

定时扣款不是 AI 支付，代付也不是。真正的 AI 支付，从机器开始把交易决策转化为支付动作时才开始。

Agentic Payment 的门槛还要更高。Agent 不只参与决策和发起交易，还要得到用户明确、可撤销、可追踪的授权，并能够在设定的预算、品类、商户和时间范围内自主完成交易。

Agentic Payment 真正卖的不是自动付款，而是可被约束的自主权。

我的 Muse 行程正好停在 AI 决策与 AI 支付的分界线上。Muse 已经参与了需求理解、比较和行程选择，但只要最后仍然跳转到携程或 Klook，由我亲自确认订单并完成付款，它就还只是一个越来越接近交易入口的 AI 助理。只有当它开始介入交易发起或支付执行，才真正进入 AI 支付；如果进一步获得明确授权，并能在设定范围内自主完成交易，才是 Agentic Payment。

这里有三个关键词。

第一个是“代表”。Agent 不是在花自己的钱，而是在代表一个人、一家公司或另一个软件系统行动。

第二个是“权限”。用户允许它购买什么、最多花多少钱、可以选择哪些商户、在什么时间内有效，都需要被明确表达。

第三个是“交易全程”。对于 Agentic Payment，完成扣款还不够，它还需要处理订单确认、失败重试、退款、拒付、对账和责任追踪。

我们可以把 AI 从导购走向自主交易的过程粗略分成四个阶段：

1. AI 导购：AI 帮你搜索、整理和比较信息，但买什么仍由你决定。这还不算 AI 支付。

2. AI 决策辅助：AI 根据你的需求形成推荐或购买方案，最终选择和付款仍由你完成。这属于 AI 辅助商业，不是 AI 支付。

3. 协同式 AI 支付：AI 把选择转化为订单、发起交易或调用支付工具，但关键支付动作仍然可以由用户最终确认。

4. Agentic Payment：你预先设定金额、品类、商户和时间范围，Agent 在边界内自主决策并完成交易。

前两个阶段属于 AI 商业，第三个阶段开始进入 AI 支付，第四个阶段才是 Agentic Payment。

A2A，也就是 Agent-to-Agent，不是比 Agentic Payment 更高的第五个阶段，而是一种新的交易结构。未来，一边可能是代表消费者的个人 Agent，另一边是代表商家的销售 Agent。它们可以直接交换需求、库存、价格和交易条件。如果双方都获得了明确授权，谈判、下单和付款就可能在两个 Agent 之间完成，人只负责提前设定目标和边界。

但 A2A 本身并不等于 AI 支付。如果一个旅行 Agent 只是向酒店 Agent 查询房型、比较价格，最后仍然把链接交给用户付款，这只是 Agent 之间的协作。只有当它们开始发起或执行交易，才进入 AI 支付；当双方 Agent 都能在授权范围内自主成交，才成为 Agentic Payment。

Agentic Payment 解决的是 Agent 能不能付钱，A2A 改变的是交易双方如何相遇、谈判和成交。

除此之外，还有一条面向软件和服务的机器交易路线：软件为了完成任务，自主购买数据、模型调用、算力或其他服务，人不再逐笔参与。它同样不是消费场景中更高的第五级，而是一种交易双方本身就是软件系统的新形态。

图 1：前两个阶段属于 AI 商业，第三阶段开始进入 AI 支付；A2A 则是可以贯穿不同阶段的交易结构。

现在的大多数消费场景仍停留在第一和第二个阶段，少数产品开始走到第三个阶段。第四个阶段最有想象力，也最需要新的信任基础设施。

它更像智能驾驶，还是十几年前的人工智能？

两者都像，但像的部分不同。

从落地方式看，AI 支付更像智能驾驶。

自动驾驶不是简单地把司机从车里拿走。系统需要识别环境、理解目的地、在规则内行动，还要知道什么时候必须把控制权交还给人。能力越强，安全、责任和接管机制反而越重要。

Agentic Payment 也一样。问题不只是“模型会不会点击购买”，而是它可以在哪些场景行动、金额上限是多少、出现异常时谁来停止交易，以及买错之后由谁承担责任。

因此，Agentic Payment 大概率不会从“人每笔确认”一步跳到“Agent 管理所有消费”。它会像智能驾驶一样，从边界清楚的场景逐级推进：先是用户确认，再是小额和固定商户，然后才是更广泛的委托。

但两者也有一个重要区别。汽车要面对极其复杂的物理世界，支付主要运行在可以编程的数字系统中。商品、订单、金额和授权可以被结构化，错误也往往可以通过撤销、退款和争议机制补救。因此，AI 支付在酒店预订、企业采购、API 调用等封闭场景中的落地速度，可能快于完全自动驾驶。

从市场叙事看，它又像十几年前的人工智能。

当时，“AI”被贴到大量产品上，很多能力被高估，也有不少产品最终消失。但机器学习并没有因此成为虚构，它后来真正进入了推荐、搜索、风控、广告和软件开发。

AI 支付也可能经历类似过程：短期内，协议数量、合作名单和演示交易会跑在真实使用之前；长期看，一旦软件越来越多地代表人执行任务，支付就必然要适应非人类操作者。

2025 年让 Agent 被看见，2026 年则让 Agent 第一次拿到了身份、预算和交易权。

所以更准确的说法是：2026 年可以算 Agentic Payment 的协议与基础设施元年，但还不能算跨平台、通用自主支付的大规模应用元年。

这一年值得关注，不是因为 Agent 已经接管了消费，而是因为产业开始认真建设让它行动所需要的身份、授权、交易和问责系统。

大厂各自在讲什么故事？

各家公司都在谈 Agentic Commerce，但它们想守住或争夺的位置并不相同。

OpenAI 与 Google：谁控制用户需求，谁就可能成为新的商业入口

OpenAI 的 Agentic Commerce Protocol，让商户把商品目录、库存和订单状态以结构化方式提供给 ChatGPT。用户可以在对话中发现商品并进入结账，但订单、履约和支付处理仍由商户控制。

Google 的 Universal Commerce Protocol、Universal Cart 和 Agent Payments Protocol，则试图把搜索、Gemini、商品发现、购物车、身份与支付授权连接起来。Google 的优势是已有搜索、广告、商户中心和 Google Pay；它讲的故事，是让 Agent 成为既懂需求、又能跨商户组织购物过程的入口。

对这两家公司而言，支付本身未必是最重要的收入。更重要的是，当用户不再打开十个网站比较商品，而是让一个 AI 代为筛选时，谁能成为这个 AI，谁就掌握了最靠近需求的一层。

Stripe：让商户不用重建系统，也能把东西卖给 Agent

Stripe 讲的是“商业基础设施”的故事。

它一方面通过 Agentic Commerce Suite 和商业协议，让商户把目录、结账和订单能力提供给不同 Agent；另一方面用 Shared Payment Token 把支付权限限制在特定商户、金额和时间内。即使 Agent 试图超额付款，支付系统也可以直接拒绝。

Stripe 最近连续发布了几段 Agentic Payment 的 demo，让这套基础设施变得更具体。

其中一段展示了 Link Agent Wallet。个人助理可以连接用户原本就在使用的 Link 钱包，发起一笔消费请求。用户确认商户和金额后，Link 不会把真实银行卡信息交给 Agent，而是生成一张一次性虚拟卡，或者一个只能在指定条件下使用的支付 Token。Agent 拿到这个临时凭证后，再去完成付款。

另一段 demo 解决的是结账页面。过去，Agent 想在网页上付款，也要像人一样寻找按钮、填写表单，甚至猜测下一步应该点哪里。Stripe 现在尝试通过 WebMCP，把商品、商户、金额和结账动作变成机器可以直接理解的结构化信息。Agent 不再只是模仿人点击网页，而是可以直接调用结账流程。

Stripe 还在 Sessions 现场展示了两个 Agent 之间的交易：一个 Agent 创建并部署了一项 API 服务，另一个 Agent 发现这项服务后，通过 Machine Payments Protocol 和 Link 购买了一次 2 美元的调用。在另一个演示中，Claude 生成了一封信，调用邮寄服务，并通过 Link 支付了 3.40 美元邮费。用户仍然需要批准具体金额，但确认之后，从取得支付凭证到完成服务调用，都由 Agent 继续执行。

这些 demo 展示了三条不同的路：Agent 可以使用人们已有的银行卡和银行账户，可以理解现有的网页结账页面，也可以绕过传统购物页面，直接按次购买 API、数据和其他数字服务。

需要用户逐笔确认的交易还不是完全自主的 Agentic Payment。但重要的变化是，Agent 已经不只是生成订单或者把人带到收银台，它开始真正接触支付凭证，并执行后面的交易流程。

2026 年推出的 Machine Payments Protocol，又把范围从消费者购物扩展到机器之间的交易。Agent 可以请求一个 API 或数字服务，收到价格后自动付款，再取得服务结果。商户仍可以沿用 Stripe 的税务、风控、退款、报表和结算系统。

Stripe 想证明的是：无论顾客是人还是 Agent，商户都不需要抛弃原来的支付和财务系统；Agent 也不必等所有网站都为它重建一套新的收银台。

Mastercard、Visa 与银联：为 Agent 建立信任层

卡组织和支付网络讲的是“信任层”的故事。

网站过去看到自动访问，第一反应通常是阻止，因为它可能是爬虫、撞库工具或抢购脚本。未来，用户授权的购物 Agent 也会表现为自动化程序。商户必须知道它是谁、由谁运营、代表谁行动，以及获得了什么权限。

Mastercard Agent Pay、Verifiable Intent 和 Agent Pay for Machines，分别覆盖 Agent 参与消费交易、记录用户授权，以及高频机器支付。Visa 的 Trusted Agent Protocol 同样使用身份与加密证明，帮助商户区分可信 Agent 和恶意机器人。

中国银联在 2026 年发布 APOP 框架，把 Agent 身份、用户身份、交易意图和支付授权放进同一套关系中，并在航旅、酒店、车载消费和生活缴费等场景完成验证交易。

它们争夺的不是聊天入口，而是一个更底层的位置：当 Agent 跨平台交易时，谁来证明这笔交易值得信任，谁来提供规则、凭证和争议处理。

没有身份、授权和责任链，Agent 不是新顾客，只是另一个机器人。

Coinbase、x402 与机器支付：把 API、数据和算力变成机器可以临时购买的商品

传统互联网服务往往要求用户先注册账户、申请 API Key、选择套餐并按月结算。对一个临时需要查询一次数据的 Agent 来说，这套流程太重了。

x402 利用 HTTP 的“Payment Required”机制，让服务直接向 Agent 返回价格。Agent 支付稳定币后，就能获得数据或服务。2026 年，Coinbase 的 SQL API 已经提供每次 0.10 美元的链上数据查询；Exa Search、CoinGecko 等服务也开始尝试按查询收费。

Stripe MPP 和 Mastercard AP4M 则试图让这种机器交易不只依赖一种资产或网络，还能连接银行卡、稳定币和其他支付方式。

这条路线讲的是一个比电商购物更陌生的故事：未来，一部分互联网服务的客户不再是登录网站的人，而是带着预算和钱包的软件。

蚂蚁与支付宝：从支付入口走向生活服务 Agent

蚂蚁有两条相互连接的路线。

在国内，支付宝 2026 年推出 AI 版支付宝和 Agent“阿宝”，让用户通过自然语言调用出行、餐饮、医疗、旅游和维修等生活服务。支付宝已有账户、支付、商户和服务连接，Agent 不必从零跨越多个网站。这是一条典型的超级应用路线：先在一个成熟生态里，把“找服务—作选择—下单—付款”连起来。

支付宝还在 5 月宣布其“AI 支付”已累计完成 3 亿笔，并发布 AI 钱包和 Token Pay。但公开资料尚未充分拆分这些交易中有多少属于用户逐笔确认、设备内调用或真正的有限授权交易，我们没有看到通用 Agent 已经可以跨平台自由支配用户资金。

蚂蚁讲的故事不是让一种新支付方式取代钱包，而是让现有钱包成为 Agent 可以安全调用的账户与服务入口。

腾讯与微信支付：Agent 能否进入社交、内容与小程序闭环

腾讯元器已经提供微信支付 MCP 插件，开发者可以让智能体创建微信支付订单，并在微信内拉起收银台。官方页面同时明确，这项能力仍处于公测和逐步开放阶段。

腾讯的潜在优势与支付宝不同。微信同时拥有社交关系、公众号、视频号、小程序、微信小店、客服和支付。如果 Agent 能在这些场景中理解对话、调用服务并完成交易，它可能形成“内容发现—咨询沟通—小程序服务—微信支付”的闭环。

但今天更适合把它看成能力接口和生态实验，而不是已经成熟的自主支付体系。能创建订单和拉起用户付款，并不等于 Agent 已经获得长期、可委托的支付权限。

这也说明中国与海外可能走出不同路径。海外市场强调跨 Agent、跨商户和跨支付机构的开放协议；中国市场的早期应用，更可能先在支付宝、微信等超级平台内部形成闭环，再逐渐解决跨平台互操作。

哪些行业会最先被改变？

AI 支付的影响不会平均发生。越是商品可以数字化交付、价格可以结构化、结果可以快速验证的行业，越可能先被 Agent 改变。

第一类：ZoomInfo 和 Apollo 式的数据生意

最先受到 AI 冲击的，可能就是 ZoomInfo 和 Apollo 这类靠卖商业数据赚钱的公司。

它们过去的生意很好理解：把散落在各处的公司资料、联系人、职位和销售线索收集起来，整理成一个大数据库，再按账号、席位和年度合同卖给企业。销售人员登录系统，筛选名单，导出联系人，再开始打电话或者发邮件。

但 Agent 不一定需要这样工作。它可以同时读取企业官网、招聘信息、新闻、公开文件和不同的数据源，再根据眼前的任务完成搜索、判断和交叉验证。企业也就不一定还需要先买一批账号，再安排一群人进入数据库里找答案。

这不代表数据不值钱了。问题是，把数据装进一个封闭系统，再按席位出售访问权的方式，正在变得越来越难。以后更值钱的可能是独家数据、更新速度、准确率和可验证性，而不是数据库里一共有多少条联系人。

ZoomInfo 已经是一个很现实的压力样本。它的收入没有突然崩掉，但增长已经接近停滞，现有客户的整体支出也在收缩。公司还计提了大额商誉减值，并开始把一部分按席位收费的订阅，改成较低的平台费加数据额度。

当然，不能简单地说这些变化都是 AI 造成的。但它至少说明，过去那种“买一批账号，让员工进去查数据”的模式已经没有以前那么好用了。Apollo 也在把自己从联系人数据库变成包含搜索、触达、工作流和 AI 的完整销售平台。因为只卖数据，已经不够了。

从这个角度看，ZoomInfo 和 Apollo 更像 AI 时代的反面教材。不是因为数据失去了价值，而是因为它们过去赖以成立的交易方式正在改变。

未来的 Agent 可能不需要购买一整年的数据库权限。它只需要在完成任务时，临时购买一条经过验证的联系人信息、一次企业核验，或者一份风险报告。

过去，企业购买的是进入数据库的门票；未来，Agent 只会为一个此刻真正需要的答案付钱。

图 2：数据不会失去价值，但它被购买和交付的方式正在改变。

这类变化也会发生在天气、地图、身份验证、风控、市场数据、网页抓取、翻译、图片生成、模型推理和云算力等行业。只要服务可以被机器调用、结果可以验证，它就可能从长期订阅变成按次购买。

第二类：个人助理，可能成为下一代流量入口

过去，浏览器是互联网入口，搜索引擎决定用户先看到什么，超级应用把服务聚集在一个账户中。

我自己对这种变化的感受也很明显。过去，我使用 AI 主要处理工作。虽然身边已经有不少人把越来越多个人数据交给 AI，我却一直比较谨慎。最近，这条边界开始移动：除了让 Muse 规划行程，我也开始让 AI 记住更多个人安排包括提醒我按时吃药。

工作工具只需要理解眼前的任务，个人助理则需要持续了解我的时间、位置、偏好、健康安排和生活节奏。只有掌握这些上下文，它才能在正确的时间主动行动；但知道得越多，数据安全、授权范围和用户信任也越重要。

如果用户开始把“帮我找到并买到合适的东西”交给个人 AI 助理，那么助理就可能同时掌握需求、偏好、比较过程和支付授权。

这解释了为什么 ChatGPT、Gemini、支付宝 Agent 和微信生态都值得放在同一张图里观察。它们表面上来自不同产品，争夺的却是同一个位置：谁能够长期代表用户行动。

谁同时掌握了用户的需求、偏好和支付授权，谁就可能成为下一代商业入口。

个人助理之争最终不只看模型回答得好不好，还要看它连接了多少真实服务、用户是否愿意持续提供个人上下文、平台能否保护健康与行程等敏感数据、出了错能否撤销，以及支付权限是否可以被精细控制。

因此，钱包可能成为个人助理的核心部件；反过来，拥有钱包和服务生态的平台，也可能更容易把 AI 助理推向真实交易。

第三类：搜索、广告、电商和品牌

当人亲自购物时，品牌争夺的是搜索排名、广告位、点击率和店铺页面。

前段时间，我为一家传统职业教育公司做咨询。过去，这家公司的销售线索主要来自百度搜索和线下地推。但从今年开始，百度几乎带不来有效的新线索，抖音和快手也没有成为预期中的替代渠道。真正开始产生新机会的，反而是企业自己的内容、自媒体，以及越来越多来自 AI 搜索的发现路径。

它呈现了一个值得注意的变化：用户不一定先搜索一个关键词，再逐个点击广告和官网；他们可能先向 AI 描述自己的情况，让 AI 帮助理解问题、比较方案和筛选机构。

对于职业教育这类高决策成本的服务，变化尤其明显。用户购买的不是一件标准商品，而是对课程效果、机构可信度和职业结果的判断。自媒体内容负责建立信任，AI 搜索负责整理和比较，传统搜索广告不再天然占据需求入口。

但对企业来说，知道新渠道在哪里，并不等于有能力抓住它。把预算从百度转到自媒体，也不是一次简单的渠道迁移。

过去的投放团队擅长关键词、竞价排名、落地页和销售线索转化。现在需要的却是另一套能力：有人能持续生产内容、设计短剧和视频叙事，有人理解不同平台的内容语言，还要有人会用 AI 提高选题、制作、分发和复盘效率。原来的投放团队不一定突然变得毫无价值，但它们最核心的能力，已经不能像过去一样稳定地换回线索。

人才问题可能比渠道问题更难。会做短剧、懂自媒体、又能熟练使用 AI 的人，往往更愿意进入内容公司、互联网平台或 AI 创业公司，不一定愿意加入一家传统职业教育企业。传统公司的品牌、薪酬结构、决策速度和内容文化，也未必能吸引或留住这批人。

所以，搜索入口迁移带来的不只是营销效率下降，而是一次组织能力重构。旧团队仍在，旧预算也还在，但增长所需要的人、流程和判断方式已经变了。

当 Agent 帮人购物时，品牌还需要让机器准确理解自己的商品。库存、价格、规格、配送、退货和用户评价都要变成可靠的结构化信息。过去的 SEO 和投放能力不会立即消失，但会增加一层“怎样进入 Agent 的候选集合”。

广告模式也会受到挑战。Agent 的任务是替用户减少选择成本，而广告的任务往往是影响人的注意力。如果 Agent 更重视价格、约束和历史偏好，传统展示广告对交易的影响可能下降；与此同时，围绕商品数据、推荐资格、归因和成交的新商业模式会出现。

谁能定义 Agent 的排序规则，谁就拥有新的平台权力。

如果 AI 进一步获得下单和支付能力，这种变化还会继续向交易端延伸：它不仅决定用户先看到谁，还可能决定哪些服务进入候选名单、如何比较，以及最终把订单交给谁。搜索入口、推荐入口和支付入口，可能第一次集中到同一个个人助理中。

第四类：旅游、企业采购与财务运营

机票和酒店经常被用作 Agent 支付的演示，不只是因为消费者熟悉，也因为它们同时包含搜索、比较、库存、动态价格、身份信息、退改规则和付款。

企业场景的价值可能更大。一笔采购通常经过询价、预算、审批、合同、付款、发票和对账。Agent 如果能在规则内完成整段流程，节省的不是结账时的一次点击，而是多部门反复传递和核对信息的时间。

跨境贸易、差旅、供应链、财资管理和物流也具有相似特点：流程长、参与方多、规则明确，而且交易完成后还需要持续追踪。

这类场景可能比“让 AI 随便替我逛街”更早产生可衡量的回报。

第五类：影视与数字内容

我有一位做演员的朋友，最近想转型去做编剧。他见了几位编剧朋友，对方给他的反馈很直接：现在根本不缺本子。听起来有点好笑，却也点出了影视行业正在发生的变化——故事、脚本和画面的供给越来越充足，真正稀缺的东西正在转移。

好的演员依然稀缺，能够让观众相信的人物、鲜明的审美和真正有辨识度的 IP 也依然稀缺。但对大量只想在通勤、吃饭或者睡前看点内容的观众来说，短剧已经足够好。短剧的增长也证明了这一点。中国网络视听节目服务协会援引相关报告称，截至 2026 年 2 月，微短剧用户规模达到 7.18 亿；国家广电总局的数据显示，2025 年微短剧市场规模已突破 1000 亿元。

我自己也试着做过短剧。最直观的感受是，这件事已经可以用 AI 从构思一路做到成片。它不意味着每个人都能做出好作品，但至少对低成本、快速迭代的短内容来说，过去分散在多个工种之间的流程，正在被压缩进一个人或一个小团队可以完成的端到端工作流。

当内容生产的门槛下降，行业的瓶颈就不再只是“有没有人能把它做出来”，而变成谁拥有好演员、可信的表演、独特的 IP、稳定的分发渠道，以及观众有限的时间。AI 不一定让好演员变得不重要，反而可能让真正有辨识度的人更值钱。

当内容生产不再稀缺，真正稀缺的会是好演员、可信的表演、独特的 IP，以及观众愿意停留的时间。

这也让 AI 支付与影视行业发生了更直接的关系。它影响的不只是剧本、特效和生成视频，还包括下面三件事。

第一是内容发现。个人助理可能根据时间、预算、同行者和历史偏好，直接选择电影、购买票券或调整订阅。影视平台面对的不再只是观众，还包括替观众筛选内容的 Agent。作品能否被机器理解和推荐，会影响新的发行入口。

第二是制作资源采购。未来的制作 Agent 可能按次购买素材、音乐、字体、图片、模型推理、渲染算力和本地化服务，也可能临时购买一位演员的肖像或声音授权。原来需要账户、套餐和人工对账的资源，会更像可以即时定价和结算的 API。

第三是版权和收益分配。当机器可以自动组合素材并生成内容，授权范围、使用次数、地域、期限和分成规则也需要变成机器可读取、可验证、可支付的条件。Disney 与 OpenAI 的内容授权合作并不是 AI 支付案例，但它说明大型内容公司已经开始把“模型可以使用哪些版权资产”写进正式商业关系。

因此，AI 支付对影视行业的影响，不只是观众怎样买票，还包括机器怎样购买创作资源、怎样取得授权，以及一部由大量人类资产和 AI 工具共同完成的作品，最后怎样自动把收益分给演员、音乐人、素材提供者、模型平台和 IP 权利人。

AI 支付不是幻想，但它究竟会长成什么？

AI支付已经不是它会不会出现，而是哪一种形态会成为主流。

它可能成为现有支付体系上的一层授权能力：银行卡、钱包和银行账户仍然存在，Agent 只获得受限调用权。它也可能成为个人助理的一部分，由 ChatGPT、Gemini、支付宝或其他入口统一组织商品、订单和付款。对于数据、算力和软件服务，它还可能发展成完全不同的机器支付网络。

这些方向已经同时出现，却没有一个证明自己会成为最终答案。

技术上，让 Agent 创建订单和发起付款已经不是最困难的部分。决定它能否普及的，是五个看起来不够性感的问题。

第一，授权能否被准确表达。“不超过 3000 元”不等于“可以买任何一张 2999 元的不可退机票”。自然语言需要转化为金额、品类、时间、商户和复核条件。

第二，Agent 能否被识别。商户必须区分受用户委托的 Agent、普通爬虫和恶意自动化程序。

第三，错误能否恢复。重复扣款、错误购买、价格变化、服务未交付和 Agent 被攻击，都需要退款、撤销、暂停与失败重试机制。

第四，责任能否追踪。争议发生时，需要知道用户说了什么、Agent 如何理解、商户返回了什么，以及哪一方最终执行了付款。

第五，经济账能否成立。接入 Agent 带来的新增交易，必须覆盖技术、欺诈、售后和对账成本。几分钱的机器查询，也不能搭配几元钱的支付成本。

因此，判断 AI 支付是否真正到来，不能只看大厂发布了多少协议，也不能只看一笔演示交易是否成功。

值得观察的是：有多少用户愿意持续授权，有多少商户获得了增量交易，跨平台交易能否成功，退款和争议如何处理，以及使用者在第一次出错之后是否仍愿意继续使用。

真正的新故事，不是 AI 会花钱

过去二十年的数字支付，主要在优化一件事：让人更快、更方便地完成一次付款。

AI 支付改变的是另一件事：人不再逐笔操作，而是先表达目标和边界，再允许软件在范围内行动。

支付因此从一次“我确认付款”，逐渐变成一份可以执行、限制、撤销和审计的授权。

AI 支付不是让机器拥有钱，而是让机器在人的边界里使用钱。

这也是为什么 AI 支付既不是一个新的结账按钮，也不只是给 Agent 配一张银行卡。它需要商业协议、身份系统、授权凭证、支付网络、钱包、风控和售后共同工作。

2026 年，大厂已经把这个故事讲得足够完整，但市场还没有证明所有环节都能规模化运行。

接下来真正重要的，不是哪家公司先宣布 Agent 可以付款，而是谁能在 Agent 买错、越权或被攻击时停下交易，把钱退回来，并说清楚谁应该负责。

如果这套基础设施能够成立，AI 才会从一个会推荐和回答的助手，变成真正参与经济活动的代理人。