美联储理事克里斯托弗·J·沃勒（Christopher J. Waller）表示，人工智能（AI）可为跨境支付带来显著的效率与安全提升，而“代理式商务”（agentic commerce）——即自主AI智能体代表消费者和企业进行购物与支付——若大规模普及，可能深刻重塑商业与支付格局。

沃勒于2026年9月29日在佛罗里达州迈阿密举行的Sibos 2026大会上发表了题为《AI智能体时代的支付》（Payments in the Age of AI Agents）的演讲。Sibos是由银行合作组织SWIFT主办的年度全球金融行业会议，吸引来自世界各地的银行、央行和科技公司。演讲全文已发布在美联储理事会官网。

沃勒表示，在金融领域内，支付行业长期以来一直处于运用AI改善运营的前沿。“在部署机器学习打击支付欺诈方面有着丰富的历史，”他说，并补充称该行业“也是将大语言模型（LLM）用于支付对账及类似任务的早期采用者。如今，它正在帮助构建基础性基础设施，使AI智能体能够在经济中更广泛地运作。”这些智能体可以利用LLM规划并执行多步骤流程，从而实现自主交易。

沃勒指出，他曾在去年的Sibos大会上讨论过一系列新兴技术，而今年的主题更为具体：AI在支付领域的现状，以及这项技术可能如何改变支付系统的运作方式。他将发言围绕两个主题展开——AI对跨境支付效率与安全的影响，以及代理式商务这一可能具有变革性的新兴领域。

AI在跨境支付效率与安全中的作用

“关于稳定币如何潜在改善跨境支付已有诸多讨论，”沃勒说，随后转向AI所能发挥的作用。稳定币是一种旨在相对于美元等参考货币保持稳定价值的数字代币，这一特性是其可能使跨境转账更快、更便宜这一论点的核心。他表示，打击非法金融活动是AI能够带来效率与安全提升的最明显例子之一——这项工作在跨境支付中至关重要，因为威胁行为者可能利用不同司法辖区之间的缝隙。

沃勒表示，LLM具备情境理解能力，可以大幅提升制裁筛查和反洗钱系统的准确性，并援引研究表明这些模型能显著减少针对非法活动的误报警报。这项由美联储理事会研究人员Jeffrey S. Allen和Max S. S. Hatfield撰写、题为《LLM能否改善金融系统的制裁筛查？来自模糊匹配评估的证据》的研究，于2025年9月发表在该理事会的Finance and Economics Discussion Series。他指出，误报减少可释放资源以审查更复杂的高风险案件，并使合法交易以更少的摩擦顺利进行。鉴于现代支付系统的速度，他预计LLM将“增强而非取代更快、更传统的异常检测方法”。

在网络安全方面，沃勒承认人们普遍担心AI可能增加网络攻击的数量和复杂度。“这些担忧是有根据的，”他说，并指出几乎每周都有新模型发布不断突破网络安全边界，以及AI智能体逃逸测试环境并入侵外部系统的实例。在支付领域，针对高度互联的支付基础设施的成功网络攻击可能严重扰乱国际贸易。

但AI不仅是攻击工具。沃勒表示，网络安全专业人士对将AI用于网络威胁检测和暴露管理等重要防御任务持乐观态度，并补充说AI可以支持开发新的更安全的软件，帮助在漏洞引入之前予以发现。他的发言引用了Iñaki Aldasoro、Sebastian Doerr、Leonardo Gambacorta、Sukhvir Notra、Tommaso Oliviero和David Whyte 2025年发表在《Journal of Financial Regulation》上关于央行生成式AI与网络安全的文章。

沃勒还强调了网络防御中的结构性不对称：威胁行为者只需利用一个关键漏洞，而支付系统运营商和服务提供商必须防御庞大的攻击面。“正是这种不对称性，促使行业必须审慎行动，利用AI来加强我们可信支付系统的安全，”他说。

沃勒表示，AI还可协助完成跨境汇款所需的多层搜索与优化。支付路由涉及寻找在成本、速度和可靠性之间实现平衡的路径，而跨境支付服务提供商则运营复杂的外汇转换和流动性机制——决定何时何地兑换货币、是否对冲抵消性资金流等。他说，如果获得正确的数据和标准，AI智能体有潜力擅长解决这些复杂的优化问题，从而帮助提高跨境支付的效率。

代理式商务：早期阶段，两种模式

沃勒随后转向代理式商务——利用AI智能体进行电商购物——这是支付行业新兴的关注领域。他提到，初夏时他在美联储主持了一场以此为主题的行业圆桌会议；2026年5月26日会议的相关材料可在理事会官网查阅。他说，市场参与者普遍认为代理式商务尚处早期阶段，但如果普及规模扩大，可能显著重塑商业与支付格局。

沃勒从高层面上描述了两种主要模式。在“智能体辅助”模式中，买方主要使用AI智能体进行商品搜索与发现，但买方仍保持控制——由其做出决策并处理支付。在“智能体委托”模式中，买方授权AI智能体代其购物和支付；买方可设定约束和防护栏，但智能体自主运作。他举例说，买方可让智能体访问一张预充值的虚拟卡，并指示其根据过往购买记录在线采购食品杂货。

沃勒表示，企业对消费者交易被视为代理式商务的第一波浪潮，“智能体辅助”用例将先于更自主的“智能体委托”用例。由于委托模式带来更高的非预期购买风险，它需要更完善的信任机制和防护栏建设。

消费者可能通过两种常见方式访问智能体：AI公司提供的通用智能体，以及商家专属智能体。随着个人AI助理的兴起，它们也可能成为代理式商务的自然载体。

智能体要对消费者有用，就需要对商家库存有广泛、实时的了解。沃勒指出，大型在线零售商正以不同方式共享库存数据：一些直接与AI公司合作，向第三方智能体开放其商品目录；另一些则通过自有的购物智能体呈现目录数据。与此同时，电商平台正在构建工具，为中小商家标准化数字商品目录，并使其可被主流智能体接口发现。

B2B采购与机器对机器微支付

沃勒表示，尽管消费者购物备受关注，但企业对企业（B2B）采购可能尤其适合代理式商务。这类采购通常是周期性的，并受规则约束——例如经批准的供应商和预算上限——这为智能体提供了天然的指引。智能体还可能有能力与供应商协商条款，并制定支付策略以优化营运资金。

不过他说，B2B交易典型的较高交易金额放大了智能体失误或未经授权行为带来的财务风险，因此健全的控制和监控系统将不可或缺。B2B智能体还需要在多样化的支付轨道上执行付款：支付卡在消费者电商中占主导地位，而企业依赖更广泛的支付方式，包括ACH、电汇、即时支付和卡片。

沃勒表示，在这些购物场景中，智能体将需要沿途进行微支付。在完成一笔购买之前，智能体可能需要为LLM查询、价格数据源及其他API调用付费。小额机器对机器支付并不新鲜，但如果购物智能体以机器速度全天候运作，其规模可能大幅扩大。他指出，这类微支付更青睐固定费用较低的支付轨道。

信任：身份验证、责任与欺诈

沃勒表示，代理式商务规模化——尤其是“智能体委托”模式——的最大障碍是在买卖双方之间建立足够的信任，并指出三项具体挑战：身份验证、责任和欺诈。

他说，代理式商务改变了支付身份验证范式：问题从证明买方是授权付款人，转变为证明智能体有权代表买方付款。要实现这一点需要新的身份验证方法。

他说，责任问题归根结底是一个简单的问题：“如果智能体买错了东西，谁来承担后果？”现有的电商责任框架——包括网络规则、消费者保护标准及其他法规——有可能被调整适用于代理式商务，但也可能有机会试验和完善新方法。例如，可以设计技术标准，让各方更好地了解买方的意图以及智能体如何执行，从而减少当今许多交易纠纷中的模糊性。

欺诈是代理式商务信任面临的另一个风险。沃勒表示，现有欺诈检测和防范系统以人类行为为基准进行校准，可能无法很好地适用于智能体，因此欺诈模型和规则需要重新校准，以考虑智能体的支付模式。

标准与市场结构问题

沃勒表示，市场参与者正积极制定标准以应对这些信任挑战及相关。科技公司、电商平台和支付服务提供商正在构建基础协议，以标准化智能体与商家交互和支付的方式。卡组织也在发布技术规范，使AI智能体能够代表付款人安全地进行支付，其中包括注册智能体以及记录持卡人对代理支付授权的方法等功能。

他说，一个关键问题是代理式商务将走向平台专属标准还是互操作标准。平台专属标准围绕单一生态系统设计；互操作标准则设计为可跨电商系统、智能体接口和支付方式运作——这有助于为寻求进入该领域的中小商家和支付提供商创造公平竞争环境。

另一个相关考量是开放式与封闭式代理式商务系统，这与开放式和封闭式支付网络有相似之处。开放式系统允许在其平台上使用多种购物智能体，而封闭式系统则要求使用特定的AI智能体——例如，某在线零售商要求购物者使用其专有智能体并屏蔽其他智能体。开放式系统支持买方选择，并为开发新的代理式商务方案营造活跃环境；封闭式系统则让在线零售商对平台上的活动拥有更多控制权，并带来更多纵向整合。沃勒表示，在现阶段尚不清楚哪种模式将在塑造代理式商务方面占上风，但无论哪种模式获得牵引力，都可能显著影响市场结构的演变。

沃勒还指出，随着这种新交易模式的成熟，行业还面临诸多待解问题：智能体在整个电商技术栈中传递身份、同意和支付凭证还缺少哪些标准；在智能体授权中，用户便利性与有意的摩擦之间的恰当平衡；以及当代理支付大规模普及时，支付轨道是否需要调整。“这些都是值得深思的问题，”他说。

展望未来

沃勒表示，他高度关注新技术如何影响全球支付系统的结构与运作。尽管他今天的发言聚焦于跨境支付和电商支付中的AI，但AI智能体可能被整合到广泛的支付流程中，代理式交易可能实质性地改变支付的频率、时间以及其他特征。

“把握这一时刻需要一种主动的方法，在创新与支撑支付信任的安全性、完整性和稳定性之间取得平衡，”他说，并表示他非常期待看到支付行业如何适应AI在支付中的应用。对于关注这一转变的观察者而言，近期的关注点将是平台专属还是互操作标准获得采用、开放与封闭智能体系统如何竞争，以及行业是否会填补沃勒指出的缺失环节——在整个电商技术栈中传递身份、同意和支付凭证的标准。

来源与参考文献

• 演讲：Christopher J. Waller，《AI智能体时代的支付》（Payments in the Age of AI Agents），2026年9月29日于佛罗里达州迈阿密Sibos 2026发表。全文：https://www.federalreserve.gov/newsevents/speech/waller20260928a.htm
• 引用的此前演讲：《支付创新的下一个前沿》（The Next Frontier of Payments Innovation，Sibos 2025，德国法兰克福，2025年9月29日）；《支付领域的技术进步》（Technological Advancements in Payments，2025怀俄明区块链研讨会，怀俄明州提顿村，2025年8月20日）；《对日趋成熟的稳定币市场的思考》（Reflections on a Maturing Stablecoin Market，A Very Stable Conference，加利福尼亚州旧金山，2025年2月12日）。
• Jeffrey S. Allen和Max S. S. Hatfield（2025），《LLM能否改善金融系统的制裁筛查？来自模糊匹配评估的证据》（Can LLMs Improve Sanctions Screening in the Financial System? Evidence from a Fuzzy Matching Assessment），Finance and Economics Discussion Series 2025-092，美联储理事会，9月。
• Iñaki Aldasoro、Sebastian Doerr、Leonardo Gambacorta、Sukhvir Notra、Tommaso Oliviero和David Whyte（2025），《央行中的生成式人工智能与网络安全》（Generative Artificial Intelligence and Cyber Security in Central Banking），Journal of Financial Regulation，第11卷（4月），第119–28页。
• 圆桌会议材料：https://www.federalreserve.gov/paymentsystems/files/payments-innovation-roundtable-meeting-20260526.pdf（2026年5月26日支付创新圆桌会议，美联储理事会官网）。
• 根据已发布文本，沃勒感谢美联储理事会的Jeff Allen和Micah Gertzog协助准备演讲稿；所表达的观点为其个人观点，不一定代表美联储理事会或联邦公开市场委员会（FOMC）同事的立场。