如果你还没有订阅，请在下方输入你的邮箱，和 8,500+ 位聪明好奇的人一起，每周免费获取我们对于 AI 和 Web3 应用的最新案例和深度解析，帮助你做全球化时代的超级个体！
如果你有任何建议、反馈或者合作的想法，欢迎联系我们 [email protected], 每封邮件我们都会及时回复。
油管：YouTube
欢迎大家在各个收听渠道给我们留言、评价和转发哦，非常感激！
下面是本期播客的精华稿
车在去旧金山参加活动的路上爆胎，Charlie 把问题交给 Muse。助手替他比较拖车和上门补胎的方案，找到一家服务商，并提供电话。最后，电话仍然是 Charlie 自己打的。一次真实的解围，也留下一个值得追问的边界：帮人找到答案，和替人完成交易，中间还有多少距离？
这一轮 personal agent 的热度，把个人助手重新推到了商业入口的位置。但人们会不会持续让 agent 买东西？它能否找到现有渠道覆盖不到的服务？当助手越懂你、能做的事情越多，你又愿意交出多少邮件、日程和支付权限？
本期，主持人 Ruby、Star 与有支付从业背景、组织智能体商业活动和社群的 Charlie，从各自的使用经验出发，沿着入口、商户、支付结算三层展开讨论。旅行、电话服务、招聘、商品推荐与链上监控，提供了不同的机会；购物的情绪价值、长尾商品的数据和人与人的信任，则提醒我们，能行动只是开始。
本文基于 Day1Global 生而全球 E85《Agentic Commerce #1》的校订文字稿整理，合并口头重复、调整结构并统一术语，非逐字稿，未核对音频。对话中的体验、商业判断与产品状态均保留发言者归属；本期提及的数据不等于编辑独立确认的行业统计。
本文目录
一、从圈内讨论到大厂下注：先看商业的三层结构
二、生活助手开始解决问题，邮件授权却需要慢下来
三、为什么可能只留下两个半 agent：上下文与分发优势
四、有了电脑，也会主动找人：这一代助手的新能力
五、旅行的增量：复杂行程、优惠监控和非标服务
六、电话、日程与招聘：A2A 的想象和人的参与
七、Amazon 与 Shopify：封闭生态和开放基础设施
八、商户层仍有缺口：谁来做中立的商品决策层
九、购物也是娱乐：新的情绪价值与三类消费需求
十、支付基础设施先行，稳定币只是其中一条轨道
十一、加密 agent：从链上监控到机器支付的设想
十二、谁会赢：基础设施、商业模式与可信网络
一、从圈内讨论到大厂下注：先看商业的三层结构
Star：过去两个月，personal agent 的新产品层出不穷，从 Instinct、Grok Bot、Muse、Dots 到 Manus 的 Cue，又把智能体商业这个赛道带热了。我十年前就投身这个领域创业，看到这一轮进展，确实很兴奋。以 Instinct 为例，它上面购物的用户平均每月花费超过 1300 美元。Charlie，能不能先回顾一下过去几个月发生了什么？
Charlie：我大概从 2025 年年初开始关注 agentic commerce，因为我是做支付出身的。那时 Visa、PayPal 等公司的材料开始提到这个词，但还是很边缘的东西。创业公司有一些，数量很少，一只手差不多数得过来。
今年上半年 OpenClaw 火起来，可能是第一波稍微出圈的时候。大家发现，agent 不再只是专业人士使用的 AI 或 bot，它开始变得更聪明。虽然自己搭小龙虾的过程很痛苦，但至少很多人开始用了。
夏天我在上海、深圳做活动时，还是觉得它像 2024 年 Stripe 收购 Bridge 之前的稳定币：圈内的大厂、创业公司很活跃，圈外却没多少人知道。过去一个月，Instinct 的融资与百亿美元估值、大厂的新产品陆续出现，大家才更明显地感到，大厂开始下注了。我跟投资人聊，也能感到这个变化。
Star：我们可以从三个方面看：入口层、商户层、支付结算层。入口层现在打得最激烈。
Ruby：刚才你提到 UCP，我记得那是 OpenAI 的标准？
Charlie：UCP 是 Google 的，OpenAI 是 ACP。Google 之前有 AP2，之后又做 UCP；ACP 最开始由 OpenAI 和 Stripe 一起做，Stripe 最近又有 MPP。
商品怎么被发现，购买者的意图怎么被捕捉，再到交易完成，链路很长，很难有一个协议把所有事情囊括掉。每个协议可能针对其中一部分或一个核心价值点。未来它们之间可能互联互通，一笔交易从头到尾用上好几个协议，我觉得会是常态。
编者注：1300 美元的范围是节目提及的 Instinct 购物用户的平均月花费，不是全体用户的订阅费或平台收入；百亿美元在本期语境中指估值，不能据此认定融资金额。
二、生活助手开始解决问题，邮件授权却需要慢下来
Ruby：你现在用了哪些 agent？
Charlie：Muse 的独立 App 和 WhatsApp 我都用，Instinct 也在 WhatsApp 里面用。有时我会把同一条消息发给两个助手，让它们分别回答。Dots 在用，Grok Bot 也装在电脑上。
工作上我可能更多用 Dots，因为我最开始从 ChatGPT 入手，积累了比较多的历史记录。生活上用 Muse 比较多，我会稍微把工作和个人生活分开，像是一个 chief of staff 帮我做生活的事，另一个帮我做工作的事。
两周前，我去旧金山参加活动，路上车扎了钉子、爆胎了，就让 Muse 帮我找方案。它帮我分析叫拖车会遇到什么问题，后来又找到可以上门补胎的服务商，把电话给了我。我自己打过去，问题就解决了。当时还没想到让它替我打电话。这次它能帮我找到比较靠谱的办法，我觉得就很方便。
Ruby：你会给它真实的邮箱和日程，没有另外开一个邮箱吗？
Charlie：会，因为我真的想让它帮我安排事情。比如旧金山科技周，有很多活动同时进行，我希望它帮我判断哪些话题更适合我，怎么安排时间、怎么赶场，同时我还要接孩子。它要实打实地解决问题，我就得给它真实的日程和邮件。
我最开始没授权它连接 Facebook、Instagram，它也没有主动去找那些信息。至少我的第一印象是，它比较听话。它和 Instinct 看到邮件时，目前也比较规矩，会说建议怎么回复；如果我允许，再写草稿、帮我发。我现在感觉还可以，但一年以后会怎么样，很难说。
Ruby：我和 Star 用 Grok Bot 比较多。连 Gmail 插件很方便，小孩学校一天发很多邮件，它能帮我汇总，就不容易漏掉重要的事。但用了一段时间，我开始担心主邮箱的权限，因为很多金融、支付和登录验证码也会发到那里。
后来我又申请了一个邮箱，把重要的日常邮件按规则转过去。这样 agent 读的是新邮箱，登录验证之类的邮件不会一起交给它。另一个担忧是误发送：它写草稿很快，你在 bot 里面点发送，它就真发出去了，我怕自己手快点错。
Star：我授权了主邮箱的日程，但没有把主邮箱本身给它，就怕它哪天抽风，替我回邮件。
Charlie：我后面可能也会用单独邮箱区分日程、邮件和其他信息，让它只读到特定内容，不过我现在还没做到。你希望它真能帮忙，就需要提供真实上下文；同时，也得想清楚它究竟能读到什么。
三、为什么可能只留下两个半 agent：上下文与分发优势
Star：Instinct 和 Muse，用下来有什么大的区别？
Charlie：目前我觉得没有那么大。比如 Money20/20 有很多周边活动，很难搜全，我就用同样的 prompt，让它们每天搜。有的 Instinct 能找到、Muse 找不到，有的刚好相反。我让它们互相补充，再汇总到一个每天更新的网站里。
我可能更偏向 Muse，一方面是有独立 App，通知比较容易接到；WhatsApp 里有太多其他消息，我有时关掉通知，会错过助手发的东西。另一方面，App 有 avatar，体验更人性化，而且我太太也在用，我们会互相比一比。这些都影响我的个人倾向。
Ruby：Instinct 最开始打的，是繁忙的科技圈专业人士。但 Meta 进来以后，如果大家觉得它更好用，或身边的人都在用，创业公司的风险也很大。
Charlie：Meta 积累了将近二十年的品牌和用户关系。Instinct 最开始吸引人，是一轮很大的融资，让关注科技新闻的人想试试。Meta 则不一样，很多人长期用过它的产品，工作上跟它的人或团队打过交道。
我之前所在的支付公司给 Meta 处理全球支付，见过它在美国、欧洲、东南亚的团队，对品牌的认知就更深。其他人可能有前同事在 Meta 工作。这些都会形成潜意识里的熟悉感。相比之下，靠融资新闻吸引关注的创业公司，在品牌触达和广告能力上还是差一些。
Ruby：Facebook、Google 还有一个优势是登录。你让一个新 agent 去购物、订票，很多地方得新建账户；如果已有 Facebook 或 Google 登录，这个过程就容易很多。否则，你既要建账号，又担心密码，很多事情就不敢完全放手。
Star：Meta 还有大量生活上下文。我看到用户分享，连接 Instagram 后，助手能看到他以前旅行住过哪些地方，再替他找 Airbnb，就能找得更贴近偏好。
Charlie：尤其对美国三四十岁这一代人，学校里累积的人脉可能在 Facebook，后来的生活在 Instagram。授权助手看这些信息，它可以非常懂你。限制也明显：海外中国人的很多信息在微信、小红书上，Meta 的系统就不一定能拿到。
Ruby：如果长期稳定下来，你自己会保留几个 agent？
Charlie：从我的用途看，可能两个，最多两个半。生活上 Muse，工作上 Dots，Grok 因为有 X 的独特数据，会在一些具体场景里使用。我也很希望 LinkedIn 做一个，职业关系、B2B 内容、销售和营销的数据都在那里，却一直让人觉得坐在金山上，产品没有发挥出来。
中文环境又不一样，每个平台都是自己的闭环。我在小红书用点点越来越多，它能同时看几十个帖子，做比对、纠错，效率很高。但这样可能每个平台都要一个 bot，就比较混乱。
Ruby：我对个人助手的想法也是一到两个，但工作的专业 bot 可以很多。看链上收益池、追踪股票 ticker、整理 X 列表，都可以各有一个。这个数量是我们自己的使用判断，也跟每个平台能提供什么数据有关。
四、有了电脑，也会主动找人：这一代助手的新能力
Star：个人助手不是新概念，十多年前 Siri 就想做这些。为什么这一轮 personal agent 给人的感觉不一样？
Charlie：我觉得两个因素很重要。首先，基础模型的能力越来越高，在上面搭 agent 的能力也越来越成熟。其次，OpenClaw 那一波让大家试过自己搭助手，也体会到运维的门槛：要配置环境，有时还得准备独立的虚拟电脑。
现在这些公司把能力打包，直接给用户一个云上的前端。模型、前端、运维，整个 stack 都成熟了，产品迭代速度也很快。以前可能两周一个 sprint，现在按天算，一周就能领先别人一大步。一个产品出来，其他竞争对手马上跟上。
Star：我觉得这轮还有两个很具体的变化。第一，每个 agent 有了自己的电脑，真的能干活了。以前一些网站没有 API，界面又复杂，它就没办法；现在可以直接打开电脑，通过界面操作。云端的能力，也让它有机会持续做事。
第二是 proactive：它开始主动找你。拿到信息之后，会来提醒你某件事，而不是每次都等你问。
但主动性也会限制你愿意用多少助手。同一个信息源给两个 agent，它们可能都来提醒，下周女儿有活动、要准备什么。同样的话说一遍，我觉得是助理；两个一起说，就像我请了两个老板来管我。
Charlie：背后的模型、产品逻辑和设计，可能最后都会趋同。用起来大差不差，真正的区别是你给它什么数据，它能看到你生活的哪一面。
五、旅行的增量：复杂行程、优惠监控和非标服务
Star：商业入口可能在这一轮发生变化。扎克伯格也提到，Muse 的商业设想会和电商结合，收费重点可能在交易提成；Instinct 也分享了交易和旅行相关的使用情况。Charlie，你真的用这些 agent 买过东西吗？
Charlie：说实话，我真正用 agent 买东西，只是在测试的时候买过。生活里我在 Costco、Trader Joe’s 买的，比 Amazon 多，家旁边开车五分钟就有 Costco，对我很方便。
现在很多东西是给小孩买的，家庭每周重复买的东西也比较固定。我和太太长期居家办公，硅谷又是个大农村，穿 T 恤、连帽衫就差不多了，对找时装、设计个人风格没有那么强的需求。要是在纽约、巴黎，特别在意穿搭，或希望根据 Instagram 关注的人搭一套衣服，那可能就很不一样。我可能是个特例。
Ruby：Instinct 创始人 Noah Shinn 的访谈里，旅行是很大的部分。你们会让 agent 订票、订酒店吗？
Charlie：旅行一直是 agent demo 很常见的品类，也有传统在线旅行平台的高管出来做相关创业。它的客单价往往比较大，一笔几百、上千美元；不像衣服、鞋子那样要交付实物。我觉得售后相对可控，对按交易额提成的产品来说，也有吸引力。
我和太太比较常用的是监控优惠。例如航空公司不定期推出商务舱的好价格或里程票，你不知道它什么时候出现，就让 agent 持续盯着。以前想自己写爬虫，但很多网站反爬，信息不好拿。有 agent 之后，这种能力强一些。
不过，日常飞什么航班，我往往很清楚，自己几下就订好了，未必需要助手。更有价值的是复杂需求：几段行程排得很紧，去一个陌生地方，需要做很多协调；或者持续找一个好 deal。这些事情才比较麻烦。
Star：我和 Ruby 也在讨论，智能体商业到底在哪些领域能带来增量。我们认为旅游当之无愧排在第一，供给分散，需求个性化。很多时候不是人不想出去玩，而是做攻略、安排事情太麻烦，就不去了。
Ruby：我们家的攻略主要是我做。我现在的行程助手还是 Claude，在我用过的产品里，这块体验最好。它能生成一个交互的动态旅行地图，行程调整后也会更新；我订完酒店，它能记录，再根据酒店和行程安排周围吃什么。订票、盯价格这类事情，以前还是我自己做，后面也可以试试。
还有一些非标服务。我十多年前第一次去日本，为了订京都一家米其林怀石料理，自己没办法订，也没有找到代订渠道，因为店里只接受当地人预订。最后是 Airbnb 房东替我打电话、订座。假如以后 agent 能用日语打过去，这类帮助的价值可能就会改变。当然，日本会多快接受这种方式，也不确定。
Charlie：以后如果它不仅会说日语，还有日本当地的虚拟电话号码，确实可能像本地助理一样，替你解决这些事。
编者注：本期对 Instinct 旅行占比的转述，一处邻接交易量，一处称旅游相关订单，金额与订单数口径未厘清。这里保留旅行场景的讨论，不把两者统一成确定的比例指标；Charlie 的实际体验也以测试购物、行程研究和优惠监控为主。
六、电话、日程与招聘：A2A 的想象和人的参与
Star：另一个有潜力的方向是线下服务。很多服务没有网站，也没有动力上线一个平台，可能就一个电话号码。你必须打过去，来回沟通；到了国外，还要用外语讲。Agent 如果通过电话完成沟通，就有机会把这些服务连接起来。
Charlie：美国很多事情都要花时间打电话。医生账单有问题，要跟医生、保险公司沟通；税表识别有问题，被罚款，又得给政府打电话。光等待就可能一两个小时，再解释具体哪个代码不对，经常一通电话耗掉几个小时。
如果我把信息、证据和诉求交给 agent，它能替我沟通、协商，真能省掉很多人力。自己经营公司，也会有纸质信件、支票账单这些很传统的东西，很多问题最后还得打电话。遇到不好沟通的客服，又很消耗情绪。让 agent 去处理，对个人心理健康都可能有帮助。
Ruby：只是不知道最后花了多少 token。
Charlie：得排一下需求。如果这个过程带来的心理消耗，让我之后还得花钱、花时间恢复，那就要算一算我的时间值多少。这样看，有些事情是算得过来的。
Star：我觉得 token 的价格肯定还会下降，而且可能是指数级下降，不只是线性下降。
Charlie：但便宜以后，我们又会想，既然这么便宜，就让它多干点别的。所以使用需求也会扩大。
Star：这就是真正的 A2A network，你的 agent 对别人的 agent。
Charlie：它可以有不同形式。用电话、邮件或其他传统通信方式，也是 agent to agent；通过 MCP、API 对接，会更高效。我觉得不管采用哪一种，agent 之间的沟通都是一个无法避免的未来，区别是普及到多大程度：多少组织有自己的 agent，多少次沟通由双方助手完成，多少次仍然由人直接参与。
Ruby：你现在遇到过自己的 agent 跟别人的 agent 商量日程、约会议，或者达成一个 deal 吗？
Charlie：目前还没有那么自动化，还是 human in the loop 比较多。比如用助手写邮件，跟另一个人来回协调时间。它会告诉我后面要去哪，建议留下多少通勤时间，现在还是提供建议、做助理，没有直接全自动 A2A 沟通。
以后可能有更 agent native 的日历产品。我说一个需求，两个 agent 自己协商，最后把时间订下来。但我个人的偏好，有很多只在脑子里，也没说出来。就算某一刻写清楚，过一会儿偏好可能又变了。
每天工作时间也会变化，所以让它百分之百安排得满意，比较难。我可能给它一个三个小时的窗口，让它们去协调，其他时间我自己掌控。把一天二十四小时都交给 agent 决定，我觉得还是很难。
Star：A2A 可以先从电话、邮件这些已有方式开始，提高线下服务和 B2B 沟通的效率。招聘也有意思：老板开放自己的 agent，让它跟候选人的 agent 先聊，符合条件再进入真人面试，这就真的有点老板直聘的意思了。
Charlie：让老板的 agent 做这件事，我觉得比 HR 筛选更有效，因为筛选过程也会出现误判。
Ruby：AI 时代可能有更多小公司、小团队，它们不一定会买一整套专门的企业招聘方案。只需要招少数几个人，一个足够好用的通用 agent，也许就能帮忙招人、筛人。
Charlie：对，通用 agent 在有招聘需求的时候，去做这个领域的事情。也难怪我们又想到 LinkedIn 的数据和关系，如果产品能把这些发挥出来，就有很多可做的东西。
七、Amazon 与 Shopify：封闭生态和开放基础设施
Star：Muse 出来以后，有人让它去 Amazon 买东西，随后 Amazon 就把它屏蔽了。相对来说 Shopify 很开放，几乎跟每一家都合作。商户这一层，有什么机会和趋势？
Charlie：Muse 刚出来时，我录过一个测试视频，那时 Amazon 还没有拒绝它，我的 demo 是走通的。但我录完、发布，第二天 Amazon 就把它断掉了。所以那是当时测试的情况。
我觉得 Amazon 很希望做闭环，它可以有卖家 agent，也可以有买家 agent，两边都在自己的体系里，全栈都能做，未必需要开放给外面。
Shopify 的思路更像是，我提供基础设施，谁来都行。支付可以跟 Coinbase、Stripe 合作，入口可以跟 Instinct、Muse 合作，来者不拒。
Ruby：它像是一家被硅谷明星公司争抢的加拿大公司。
Charlie：它的创始人 Tobi 思维很前卫，可以合作，也可以做战略投资。人活跃在新公司的高层、董事会和投资关系里，就有很多触角，能站到新产品、新技术的前沿。它是开放平台，新产品线进来，可以让整个平台更强。
但现在看到的 PR、公告，主要还是大公司、头部平台之间的合作。往中长尾看，很多商户的购物流程还不能被 AI 完整走通。有些传统购物平台、品牌店，也没有那么容易接进来。大平台的消息很热闹，不代表商户层的问题已经解决。
Ruby：主要障碍是它们不开放，还是整个链路环节太多？
Charlie：有一部分原因是商户做技术迭代很麻烦。我做活动时，也邀请了 Adyen 这类离商户比较近的服务商，聊到的一个问题是：商户的第一性原理是做生意，是把东西卖出去、赚钱。它们的技术团队未必最了解这些新东西，也未必有最强的技术人才。
技术产品的优先级，有时排不过商业上的事情。要它一直走在时代前沿，认知和内部资源都可能跟不上。
Ruby：它也还没看到 agent 能带来多大订单占比，最终要考虑 ROI。
Charlie：对，不见兔子不撒鹰。等它真的变成主流分发渠道，才更愿意投入研发。但到时又得选路线：前面有那么多协议，我该接哪一条？现在很多合作只发生在大平台之间，跨平台、中立的商户层并没有做得特别好。
八、商户层仍有缺口：谁来做中立的商品决策层
Charlie：比如我给 Muse 一个需求，要买某件东西，它可能因为路径依赖，先去跟自己合作的平台。要它全网搜索，包括中小平台和独立站，找到真正符合我需求的商品，现在很难。
这要求它非常理解 SKU、品牌和产品。可能要搜一千个品牌，才能找到我想要的东西。现在这个 decision layer 还做不到那样，它可能看几十家、做一点分析，但无法完成全网搜索，于是漏掉很多沧海一珠。
尤其是那些没有足够预算、没有技术能力的中小商户，很容易被头部体系排除在外，真正适合用户的东西就找不到了。
Ruby：Google Shopping、比价网站也会收录很多商品。你的意思是，现在还缺一个针对 agent 的中立商品库，让模型可以调用？
Charlie：对。模型训练是有滞后的，商品价格、网址、供给却一直在变。除非每次都实时去搜，否则它给你的信息可能还是来自训练时的数据，存在延迟。
我最近合作较多的一位创始人，给头部出海品牌、韩国美妆品牌做过相关服务。他测试 ChatGPT、Gemini、Claude 去搜索品牌、品类时，发现推荐会导向假冒网站。好品牌会被人仿冒，品牌名、网站也可能做得很相似。有些真实的推荐，又会导向过时的网址或价格。
Ruby：所以很多数据本身有问题，需要有人整理。
Charlie：对。可能有几万种产品能满足需求，怎么真正理解产品描述、做深度分析，再找到属于你的那个？传统购物时，我会去中国、美国、日本、韩国的不同品牌和平台，货比很多家。
现在的 agent 还没有完全把这些脏活累活做下来。它可能走一个 shortcut，看几个网站，分析一下，就告诉你大概是某个东西，但并没有真的穷尽各种可能。
Ruby：每次单独做这些任务，token 消耗也大，反应会很慢。如果中间的数据层没有维护好，助手每次都要重新做一遍。
Charlie：等这一波热度过去，用户可能发现，买到的东西不如自己选的。如果 agent 总是走捷径，最后找来的东西不是你想要的，体验就会差。那时候大家会问，我为什么还要让它替我买？
编者注：本期相关推荐测试、商户覆盖调查均为嘉宾转述，未提供完整样本、定义与原始来源。本节保留长尾覆盖、假冒网址和过时数据的论证，未将其扩写为所有大模型或全行业的确定错误率。
九、购物也是娱乐：新的情绪价值与三类消费需求
Ruby：对我这种喜欢买东西的人来说，shopping 本身就是娱乐。逛街也好，闲的时候刷淘宝、拼多多也好，跟刷短视频有点像，买东西本身有快感。如果让 agent 把这个过程做掉，相当于把我的娱乐和情绪价值带走了。
Charlie：除非它创造新的情绪价值。两周前我们活动合作的一家香港跨境电商品牌，可以通过日本当地买手，帮其他地区的用户买日本品牌、再寄过去。它平台上比较火的一个品类是 Pokémon 卡牌。
卡牌有很多细节，需要研究。就像小时候集水浒卡，会想知道不同技能、卡牌有什么特别之处。过去可能要搜很多网站、论坛，现在通过跟 agent 沟通，能研究这些信息。交流本身是学习和拓展的过程，过程中自然产生购买需求。游戏性、情绪价值，也可以从这里面来。
Ruby：对，要有新的体验，我才愿意在 agent 里购物。如果没有比以前逛一逛、看一看更好的体验，也没有惊喜，最多就是把重复、刚需的购买交给它，做效率型购物。
Charlie：我就很希望 Costco 哪天有一个 agent，能看懂我的购买习惯。平时就买那几样东西，完全可以替我处理。现在它给部分会员早上多一个小时购物时间，我会挑人少的时候去。但如果能把固定采购也处理掉，我就不用自己去了。
Ruby：我以前在 Amazon，Echo 音箱刚出来时，就做过类似项目：你反复买的快消品、零食、杂货，跟音箱说一声，它来送货。后来好像没有做得很大。国外 Echo、国内天猫精灵，这些尝试已经很多年了，跟现在这轮有什么差异？
Star：相当于又来一遍。
Ruby：我们现在讨论出来的区别，一个是模型进化很多，另一个是 agent 的行动能力更强。有云端电脑，它真的可以做事，也能理解更长的上下文和个人偏好，中间执行的 gap 在缩小。
但用户习惯才刚开始，还没有到可以确定说，这个 use case 已经站得住脚、大家已经养成习惯的阶段。
Charlie：当时还有实体按钮，放在冰箱上，按一下就买。需求肯定有，但以前的模型、基础设施和能力封装没有这么好。
再比如智能冰箱，它不应该只知道某个东西少了，还应该理解过去几个月买了什么、多久换一次口味。我可能每三个月买一次，但不是每三个月到固定时间就一定买，也跟心情有关。这种不是简单重复、不是死板周期的需求，更需要这一代模型的理解能力。
Star：体验得有明显提升，至少两三倍，甚至十倍，才可能真正做起来。很多所谓痛点，现有方法已经解决得七七八八了。
我看到一种购物分类：新奇冲动类、日常需求类、大宗决策类。目前 agent 在大宗决策上比较容易做好，因为这本来就像做一份工作，要花很多时间研究。旅行、沙发、装修，都属于这种。
新奇冲动类，你本来就是要亲自体验，不能让 agent 帮你体验。日常需求类则要看能不能创造新体验：比如冰箱里的 AI 根据食物设计食谱、给建议，就比定期买几盒牛奶多一些价值。
Charlie：新奇类也可能有心理因素。某个东西我自己找到，会觉得新奇；如果是 AI 帮我找到的，反而觉得没那么新奇。它需要创造 agent 内部新的体验，才能给人新的惊喜。
Ruby：这样看，小红书、抖音电商、TikTok Shop 这种内容、种草驱动的购物，目前可能还比较安全。
Charlie：我觉得目前是。但这些平台也开始关注这个方向，因为大家不想放弃种草后直接转成交易的环节。假如看到内容，当下就产生购买冲动，谁也不想放弃这部分价值。
Star：做出这些新东西，agent 才真的带来增量，而不仅是在抢已有的消费。当然，大公司也会做防御，因为这是新一代互联网入口之争。
Charlie：真金白银投入、铺人力做产品，还是要找到可靠的 ROI。得一波一波推，下一步才可能离更有想象力的东西近一点。
十、支付基础设施先行，稳定币只是其中一条轨道
Star：再聊支付结算层。这里从一开始就产品很多，非常热闹。
Ruby：这层布局甚至先于 commerce。商业形态还没确定，agentic payment 已经做了一年多了。直白一点，淘宝还没有，支付宝已经有好多了。
Charlie：我一直从支付的角度看，包括稳定币。最开始 x402 把 agent 支付带起来时，稳定币色彩很强，所以大家形成了一个初始认知：agent 支付跟稳定币相关。
后来 Visa 等公司进来，至少在美国语境里，卡、稳定币、钱包支付都同样重要，甚至稳定币未必最重要，因为美国本土交易不一定有很强的稳定币需求。它可以是发卡、收单之间的结算方式，也可以用于机器到机器支付，不一定是个人消费支付。
一笔交易从有意图开始，涉及身份、支付方式、商户、授权，买完还有争议处理，每个环节都能做出产品。支付领域比较容易用技术、产品切入；commerce 还有很多技术范围之外的商业问题，所以支付基础设施确实领先了一步。
好处是，现在真正有商业场景时，完成闭环、捕获价值会更容易。前面那一波创新，已经替商业化做了很重要的铺垫。市场上有很多产品、协议可选，新的入口不必从零想最后怎么结算。
Ruby：你用的 Muse 默认是什么？支持哪些支付方式？
Charlie：我这里默认是 Stripe Link。它以钱包的形式提供一次性的虚拟信用卡，让交易不用直接用个人的卡。Stripe 除了支付，还提供发卡等金融基础设施，全栈服务和产品能力比较强，我觉得平台选择它的优先级会比较高。
Ruby：所以，稳定币等于 agentic payment，这个等号不成立。它只是其中一部分。在美国之外，比如发展中国家、跨境交易，或者小额高频的数据服务、订阅，稳定币可能有一些比重；其他场景，原来的钱包、卡组织、支付轨道仍然在。
Charlie：对。从公司布局看，Stripe 收购 Bridge 之后，去年讲得很多的是稳定币和 AI，那时还是两个不同的点。现在 agentic commerce 成为它的主打方向，稳定币更像支付方式之一，跟 AI 有了更有机的结合。
Ruby：成为结算轨道的一种。
Charlie：还有一个变化。以前讲 AI，是帮 AI 公司解决支付问题，比如用户订阅怎么收钱；现在是把 AI 本身变成支付环节的一部分，让 agent 来做支付。公司自己的产品、商业版图和战略，也跟原来不一样了。
编者注：Muse 与 Link 的具体支付方式在这里保留 Charlie 的当时使用描述。本期还涉及稳定币支持地区等转述，尚不足以确认统一的产品上线范围，未扩写为当前所有地区都已可用的能力。
十一、加密 agent：从链上监控到机器支付的设想
Ruby：你试过让自己的 agent 开加密钱包吗？
Charlie：目前没有，我对加密可能比较保守，最近对链上东西的关注也没有 agent 多。
Ruby：我发现 Grok 对加密比较友好，它接了一些加密服务，比如 Aave、Phantom 的 MCP。我看到一些 crypto 朋友开始让它建钱包、参与链上的东西。以前它比较保守，会说不能参与；这两天我也问它能不能建钱包，它直接回答可以，可以给我建 Phantom 钱包。
很多加密产品对普通人门槛高，如果借助 agent，可能更容易理解和使用。比如看链上地址，我现在就有一个 bot，每天播报收益机会、不同地方的收益和借贷情况。我会给它写规则，也会校正。这个 bot 用 GPT 写的，我最近打算挪到 Grok 上，希望云端运行能持续在线。
以前做监控可能还要写脚本，现在可以告诉 agent 规则。例如监控某个稳定币是否脱锚，在满足条件时给信息。只要 token 用量还在，它可以帮你持续盯着。
Charlie：有点像更 crypto native 的助手，也有些像交易平台现在推出的 agent。
Ruby：但我说的这种个人 bot，是可以独立于平台、按自己的需求定制的。交易所和券商也做 AI agent，交易、理财策略、投顾等功能都在各自体系里；personal agent 的使用方式，跟这些平台内产品不一样。
Star：以前大家都吐槽链上东西太难用，需要 AI 来处理。再往后看，我觉得 x402 可能更多适合 agent to agent、机器对机器支付。现在用例未必很多，但如果 agent 的数量大幅增加，还有联网的机器人、设备，这种支付方式就可能更实用。
Charlie：Physical AI 不一定只指机器人，还有很多实体设备。以后联网设备更多，机器之间的通信也会更多。真的进入 agentic economy，不论软件 agent 还是硬件 agent，它们之间的交互，可能把整个规模带得更大。
编者注：本期记录的是 Ruby 向助手提出创建钱包请求并得到肯定回复，没有确认钱包已经创建、交易已经执行。收益 bot 迁往 Grok 仍是她的计划；监控和播报也不能视为已完成套利或取得收益。对 GPT 任务运行的讨论，是她当前工作流的体验。
十二、谁会赢：基础设施、商业模式与可信网络
Star：最后每个人讲几句，你觉得哪些会是赢家，哪些可能是输家？
我觉得以目前来看，中立类的肯定是赢家，像 Shopify。另一个可能是新物种：外卖出现后，有些店只做外卖；直播电商出现后，有人只通过直播卖东西，没有传统货架。Agent 时代也可能出现这样的商家，不需要前端网站，把商品信息提供给 agent 就够了。目前 Shopify 可能是这类需求最好的基础设施。
Ruby：最好的之一。
Star：对。输家可能在大厂的互相竞争里出现。新的入口会抢原来的份额，所以 Amazon 才会封 Muse。
判断一家公司，可以分两部分看。一部分是基础设施的价值，比如仓库、商品数据化、搜索；另一部分是流量分发和流量商业化，也就是广告。如果一家公司的广告收入很重要，而 agent 不看广告，真的由 agent 主导时，这个商业模式就会受到很大影响。依赖广告的公司得想清楚，怎么防御，怎么迎接这种变化。
Charlie：但我觉得 Amazon 和 Shopify 的关系，可能有点像 Apple 和 Android，一个封闭，一个开放。Amazon 把生态闭环起来，也可以赚很多钱。即使人不再点原来的广告，它还有其他变现方式。
支付环节里，我觉得 Stripe 肯定会是大赢家。它在创新产品力上的势头，甚至已经有点超过 Visa、Mastercard。当然，市值不能这样比较，Stripe 还没上市，不是同一个可以直接比较的口径。远期看，会不会成为跟它们同样体量的公司，我觉得有可能。
也可能出现 agent 时代的超级明星公司，而这家公司现在还没诞生、没成立，是一个完全新的物种。
输家这部分，我同意 Star 说的大厂争夺。Personal agent 要烧很多钱，补贴很多 token，有些大厂可能拼不下去，成为这个时代的诺基亚。还有一些靠中间层寻租、卖信息差的公司，可能一点一点被挤掉。
以后购物链路可能更直接：用户的意图，通过 routing、orchestration 或 decision layer 分析，再连接商户和交易。原来很多转售、分发层，可能不再需要那么复杂。如果东西真的好，agent 能帮助找到，也能把口碑和需求连接起来，产品体验好、能够捕获价值的公司就会做大。
Ruby：我认为能建立可信 agent 网络的公司，会是赢家。它可能是大厂，也可能是创业公司。我的 agent 能相信别人的 agent，网络效应在里面产生，这很重要。不管商业、市场还是支付，都需要一个高度可信的环境。
如果里面有骗子、有黑客，我根本不会把关键的信息交出去。就像 Instinct 创始人谈到的，用户刚进入时，可能花几周只是试用助手，不一定立即使用支付。好像后来有约 40% 的用户填写信用卡，这部分用户的留存又估计能到七八成。
我觉得这个信号更重要：用户是不是逐渐建立信任，愿不愿意把支付交给它。前期可能信任比用户数量更重要，不管谁先把可信网络做起来，都有机会成为赢家。
输家则可能是没跟上的大厂。Google 有那么多能力，但我还没看到一个让我持续使用的 personal agent；我之前买了一年的 Gemini，现在几乎不用。Apple 本来很应该成为赢家，用户信赖设备，硬件分发优势很大，但为什么我没从 Siri 里进入购物？至少在我们这次讨论的体验里，Google、Apple 在这方面显得慢。我认为没跟上这轮变化的大厂，会是输家。
编者注：信用卡填写与留存数据是 Ruby 对创始人访谈的转述，含“好像”“估计”；七八成的分母是填写信用卡的那部分用户，具体留存周期未说明。
Charlie：非常同意。接下来几个月仍然会很密集。美国劳动节后，大家重新进入工作节奏，过去一个月就看到 personal agent 的爆发。旧金山科技周、Money20/20 这些活动，会让科技、金融科技行业的人聚起来，看看他们讨论什么，碰出哪些方向。到年底之前，我觉得还会发生很多有意思的事情。
Ruby：那我们下个月再搜集一些实际 use case 和新发现，继续聊。
Charlie：对，下一次月报，我们可能又会看到一波新的发展。
免责声明：本文仅为播客内容整理，不构成任何投资建议。加密货币、稳定币与链上资产均有风险，请务必 DYOR。
我们每周 1-2 封邮件，深度解析Web3和AI应用，帮助你做全球化时代的超级个体，创造属于自己的故事，拥有自己的个人品牌
如果你觉得我们的内容对你有帮助，请订阅我们的播客和Newsletter，并多多推荐给朋友。你的支持是我们创作内容的最大动力。
最后欢迎通过打赏或付费订阅来支持我们
打赏地址
捐赠平台：Web3Brand @ Giveth (平台会奖励$GIV)
ETH：0x0D66A74b64198F3a27298e1a08007FDcAcF08fD3
BTC：bc1qp26ljfpzmu4p3tvgrrmdx7h4cuzz5c9gqv54hr
Doge: DEN9XmHCXvbLQAKrZUZZHZBSyyY1uhpNs4
SOL: 6KDaycLzxyzVdFsgieoCVjJKYEmffB8FztVmYZAiSmQQ
TON: UQDmT8U8AUVvjOCmfQemABi1auZn6unACxGVDeU9t1cqJ0ee