事實上，如今的網際網路商業世界，正處在靜默的「劇變」之中。過去三十年，網際網路商業的底層邏輯是GUI（圖形用戶界面）統治一切。所有的UI設計、支付跳轉、驗證碼，本質上都需要人類本身參與。
人既是發起者，也是確認者。
但到了近兩年，這套邏輯正在發生變化，當我們在ChatGPT、Copilot里隨口說出：「幫我買一套去海邊穿的衣服，預算200美元」，此時螢幕上返回的則是正在調動資金、核對庫存、安排物流的AI Agent。
商業行為的「發起者」與「確認者」，第一次開始脫鉤。這是一個商業文明的疊代時刻——對買家的定義，正從人類，擴展到AI。
然而，任何一次商業文明的疊代，都不會只停留在交互層。真正決定新秩序能否成立的，永遠是底層基礎設施——資金如何流轉、責任如何界定、風險如何被系統性承接。
在這一歷史性窗口期，掌管著全球約1.4萬億美元年支付處理量（相當於全球 GDP 的 1.3%）的Stripe，選擇「基礎設施」為載體的方式入場。其沒有去爭奪Agent的入口，而是用代碼、協議與金融規則，為AI能夠合法、安全、可追責地進入商業體系，鋪設出可運行的基礎底座。
在IDC 2024年全球零售在線支付平台評估中，Stripe被明確定位為領導者。作為一家全棧支付與金融基礎設施公司，Stripe覆蓋多幣種、多支付方式與複雜的市場型支付場景，長期服務於跨境、電商、平台型與全球化商戶。
截取自IDC
Stripe在嵌入式支付、風控、合規與金融服務能力，使其天然站在「規模化商業系統」的一側。
所以，當商業世界開始為AI預留席位時，Stripe開始著手解決更底層的問題——如果未來的交易發起者不再是人，這套商業系統，是否依然可信、可控、可追責？
01 錨點遷移：從「連接人」到「連接意圖」
回顧商業史，每一次基礎設施的躍遷，都會帶來交易成本的斷崖式下降。
亞馬遜解決了「即時貨架」的問題，讓商品「觸手可及」，支付工具解決了「資金流轉」的問題，讓信任可以量化。但直到2025年之前，一個核心的矛盾點仍未能解決——意圖的執行。
在ChatGPT剛出現不久的2023年，AI如果想要真正參與一次「購買」，幾乎只有一種辦法——模仿人類。
早期的AI Agent主要通過「爬蟲」技術來嘗試交易，其通過解析電商網站的HTML代碼，去猜測價格資訊，再嘗試點擊下單或支付按鈕。但這種方式極其脆弱，前端工程師只要修改一次CSS類名，整個交易流程就會瞬間崩潰。與此同時，這種高頻且明顯非人類行為模式的訪問請求，往往還會被商家的 WAF（Web 應用防火牆）直接攔截。
一邊是AI已經具備了決策能力，能比較價格、權衡選項、給出建議；另一邊，卻是一個為「人類點擊」精心打磨了十幾年的電商體系，幾乎沒有為AI預留接口。這導致的結果是，AI 能「想明白要買什麼」，卻很難真正把錢付出去。
這是整個商業系統與AI之間的結構性不匹配。電商時代花了十數年時間，才讓「點擊購買」這件事對人類足夠友好，但在AI面前，它反而成了脆弱、不穩定的交互方式。
也正是在這種背景下，Stripe 選擇換一個角度看問題。
與其不斷教AI「看懂頁面」，不如讓商業系統直接告訴AI，什麼在賣、賣多少、能不能賣、以及怎麼買。基於這個判斷，Stripe推出了「智能體商業協議」（Agentic Commerce Protocol，ACP）。
ACP是一套偏底層的協議，商家可以通過統一、結構化的方式，向AI智能體開放商品目錄、庫存狀態、定價規則，以及結算和履約相關的資訊。AI則是直接讀取語義清晰的數據接口。
這種改變的影響非常直接。過去，交易流程高度依賴前端實現細節，頁面一變，邏輯就斷。現在，前端的顯示不再重要，交易邏輯本身變得穩定可控，AI正逐步變成商業系統中可以被信任的執行組件。
更重要的是，這種方式對商家來說，更多了一類對外表達交易能力的方式。而且，在高並發、自動化的場景下，這種結構化接口反而更可靠。
截取自：OpenAI官網
在設計ACP時，Stripe對其開放性格外關注。所以ACP本身並不綁定具體的支付系統，商家可使用PayPal、WorldPay等其他服務完成結算，也可以通過ACP與AI智能體進行交互。
這一選擇背後，是Stripe對AI商業演進的底層判斷——當智能體進入交易體系，系統必須先對「可被理解的意圖」負責，再對「可被執行的結果」負責。而ACP的意義正在於讓商業系統學會理解意圖、承接責任，並在自動化中可控演化。
02 把財權「關進籠子」 給AI發一張「一次性通行證」
任何商業系統的核心，永遠是信任。
當交易的主體從人變成了AI時，信任的維度被急劇拉升。商家擔心，AI作為「買家」，到底是帶來訂單的金主，還是會帶來搞垮庫存的DDoS攻擊？同樣的，消費者也擔心，把信用卡交給Copilot後，它會不會在不允許的情況下亂買東西？
在阿里雙11的歷程中，支付寶通過「擔保交易」解決了人之間的信任。而在智能體經濟時代，Stripe正通過共享支付Tokens（Shared Payment Tokens，簡稱SPT）來解決人與AI、AI與商家之間的信任問題。
在傳統的支付體系里，授權就意味著全盤託付。用戶把信用卡資訊交給應用，就意味著放棄了對數據的掌控。
Stripe卻走了一條截然不同的路。
當消費者在AI界面確認購買時，智能體不會接觸任何真實的信用卡資訊。支付階段，已接入ACP的AI agent會在用戶授權下生成一枚 SPT（Secure Payment Token），用於表達一次被嚴格約束的支付意圖。
SPT 本身已內嵌風控與合規規則，具有一次性和不可還原的特性。AI只能傳遞這枚 SPT，無法獲取或推斷底層金融數據。商家接收SPT後，可通過兼容的支付體系完成扣款。
這種設計在物理層面切斷了數據泄露的可能，也明確了責任邊界，無論前端是誰在「操作」，交易安全記錄方始終是商家。品牌控制權、履約責任和售後服務，並不會因為智能體的介入而改變。
另外，當交易入口從網頁和App，變成隨時可發起支付請求的智能體接口時，傳統依賴頁面交互和人工判斷的風控體系開始失效。Stripe的實時支付風控產品Stripe Radar 對此進行了升級。Emily解釋，這套系統已經實現了「去界面化」，其不再依賴按鈕、表單、用戶操作路徑，而是直接通過支付元數據、商家背景 、商品資訊 和 用戶行為模式來識別非人類行為。
事實上，在Stripe每年約1.4萬億美元的交易中，這套風控系統學會了區分兩類「自動化行為」。一類是被授權、目的明確的善意智能體（Good Bot），另一類則是試圖批量試探、尋找漏洞的惡意爬蟲（Bad Bot）。
更關鍵的是，這套系統具備動態自適應能力。測試顯示，引入新模型後，盜刷攔截率從59%提升至90%以上。
當AI代為交易，商家仍能穩握責任與安全。這，就是Stripe基礎設施的意義——敢開大門，也能高枕無憂。
03生態「水位」：「大象起舞」和「螞蟻雄兵」
當AI交易的風險問題得到解決，就意味著智能體經濟已經具備落地的條件。而檢驗基礎設施能力的最有效標準，就是其能否承載複雜、多樣的業務場景
在Stripe的布局中，出現了兩類規模差異極大的合作夥伴。一類是像沃爾瑪（Walmart）這樣的零售巨擘，另一類是Higgsfield、Lovable 這樣的原生初創企業。這些企業的規模、組織能力與風險承受度完全不同，卻同時選擇了Stripe的基礎設施，這為智能體商務的可行邊界提供了清晰的「水位」。
沃爾瑪的加入，本身就意味著門檻已經被抬高。作為全球零售體系中複雜度最高的企業之一，沃爾瑪擁有千萬級SKU、跨區域供應鏈，對系統穩定性和數據一致性近乎苛刻的要求。在這樣的環境中，新機制沒有「灰度試驗」的空間，只能以生產系統的標準被接入，並在真實交易鏈路中運行。
但是，也正是在這種前提下，沃爾瑪卻選擇接入ACP 協議，讓AI智能體在受控範圍內直接參與庫存與交易流程。這背後的含義說明，Stripe的智能體商務機制，已經在企業級、全鏈路的真實業務中成功落地。
如果說沃爾瑪驗證的是智能體能否在複雜的商業系統中穩定運行，那麼Higgsfield 和 Lovable所驗證的，則是另一種場景——從成立之初就以AI為核心運轉的企業，其商業系統能否跟得上快速增長的節奏。
其實，總體觀察這一代的AI初創企業，他們其實並不是先做產品、再補齊商業模型，而是在成立之初就面向全球市場設計了定價與收費方式。跨區域收款、多幣種結算、與模型調用強綁定的動態計費，對他們而言是基本的生存條件。
對於這些團隊規模不大、但增長迅速的企業來說，Stripe的價值不僅在於「能收錢」，更多的是在於其預先搭建了一整套全球化商業底座，覆蓋150多個國家、支持125種本地支付方式，並能精確記錄每一次模型調用對應的成本與收入。
通過高吞吐量的事件處理機制，Stripe把「計費」本身變成了可編程的能力。這意味著，即便企業里只有少量IT工程師，也能在商業層面承載全球用戶。
而智能體經濟，也正是因為這種不依賴規模的系統能力，才得以擴展
Emily介紹說，在Stripe的支持下，Higgsfield年經常性收入僅用兩個月就實現翻倍增長。Lovable則通過Stripe Billing，將按Token計費的定價方式，直接轉化為可規模化運行的商業能力。
與此同時，Stripe通過與微軟Copilot集成，從另一側完善了交易入口。美國用戶無需離開對話界面，就可以在Urban Outfitters等商家完成購買。進一步使得智能體經濟真正具備可控、可規模化落地的條件。
04 內生外化：親測親用
在外部生態中，Stripe用基礎設施支撐不同規模企業的多樣化需求。而在內部，Stripe 也通過自用實踐不斷打磨AI能力。
這種「內生動力」，讓Stripe不僅理解商家的痛點，也能精準設計出可規模化落地的智能體商務能力。
如果不深入Stripe內部，很難理解這家公司對AI的執著。
在矽谷，有一句黑話：「Eat your own dog food（親用親測）」。Stripe 將這句話踐行到了極致。
Emily透露了一組驚人的數字：Stripe內部約65%至70%的工程師在日常開發中重度使用AI助手。同時其還構建了內部基礎設施Toolshed。
Toolshed本質上是MCP
（Model Context Protocol）伺服器，連接了Slack、Google Drive、GitHub 以及內部數據目錄Hubble。看到一個典型辦公室的場景：工程師對 AI下達指令——「幫我查上周API報錯率最高的三個商戶，並在Slack拉個群討論。」AI就會調取內部數據目錄Hubble，分析結果，再通過Slack完成消息發送。資訊查詢、分析、溝通，整個流程自動且閉環。
這種自用實踐正是Stripe對外輸出智能體商務能力的源頭——自己深度應用，才能明白能力的邊界。
值得一提的是，為了防止技術濫用，Stripe在內部設立了 「思維保留機制」，要求每一份由AI 生成的文檔，都必須清晰標註來源，且作者必須親自審查、推敲其邏輯。
這是其內部的規範，也是對外部商業邏輯的保障。團隊深度理解AI的邊界和風險，才能設計出高效、安全智能體支付能力。
05寫在最後
看到如今的支付模式的煥新 ，讓人不由得想起兩百多年前亞當·斯密筆下的那隻「看不見的手」。
當時的市場規律，是價格牽引供需，推動工業革命的繁榮。而今天，這隻「手」已經變成了代碼。兩百多年後，市場規律的形態變了，但核心邏輯未變。供需、行動與意圖仍需流動。
如果把支付系統和交易流動比作鐵路，那麼第一代鐵路運送的是資訊（Web 1.0）；
第二代鐵路運送社交關係與移動服務（Web 2.0）；
而第三代鐵路，則運送意圖（Intent）與行動（Action），讓智能體可以在系統中安全、可控地參與交易。
Stripe的ACP協議、SPT和Radar風控網路，正在為AI時代的支付和交易修建「第三代鐵路」。
對於中國的出海企業和AI創業者而言，這既是挑戰，也是機遇。當客戶不再只是真實的人，而是AI智能體，你的大門是否已經為它敞開？你是否準備好接入這套全新的作業系統？
歷史的暗線，總藏在細節里。人類決定讓AI參與支付的那一刻，新世界的門縫，已經悄然推開，而真正的變革，正悄無聲息地發生。
