智能体经济的未来，将取决于自主AI智能体能够以何种安全与高效的方式创造价值、管理资金并执行交易。这些问题正是本月于新加坡HSC Asset Management举行的“智能体经济的未来”小组讨论的核心议题。

会议由Addressable首席执行官Tomer Sharoni主持，与会嘉宾包括Sonic Labs的Feroz Lakhani、Ledger Enterprise的Takatoshi Shibayama、Mercuryo的Arthur Firstov、AMBR的Michael Wu，以及TiDB背后的公司PingCAP的Terrence Yip。

讨论聚焦于当AI智能体开始转移资金、做出决策并自主运营企业时会发生什么——智能体经济将如何重塑支付、金融与工作的未来，以及让自主智能体值得信赖需要具备哪些条件。

从AI助手到经济参与者

AI智能体正在超越回答问题或生成内容的工具角色。越来越多的智能体被设计为能够独立完成任务、与数字服务交互，并在预设限度内做出决策。随着这些能力的扩展，智能体有望成为经济的积极参与者——购买数据、为计算资源付费、执行金融交易，并协调跨组织的工作。

然而，这一转变所需的不只是日益强大的AI模型。智能体需要可靠地接入金融基础设施、以安全方式管理权限，以及让它们能够独立行动而不丧失问责机制的体系。

小组讨论突出了一系列相互关联的挑战，涵盖区块链基础设施、数字资产托管、支付、专业化AI服务和数据库架构。在这些领域中，一个原则逐渐浮现：智能体经济将需要自动化、安全性与可验证执行的新型结合。

信任与控制：智能体应被允许花费多少钱？

核心问题之一是，如何在赋予AI智能体金融自主权的同时，避免使用户和企业承担不必要的风险。

安全签名基础设施可以让用户设定规则，明确哪些操作智能体可以独立执行、哪些需要明确授权，而无需人类逐笔批准每笔交易。例如，用户可以允许智能体在无需干预的情况下支付最高1,000美元的款项，而超过该门槛的交易则需要人工签名。如此一来，日常活动可以自动进行，而高价值决策仍处于人类控制之下。

其底层原则是：自主权应与信任成正比。当智能体展现出可靠行为后，用户可以逐步提高其支出限额，并赋予更广泛的职责。挑战在于确定智能体应拥有多大权限、这种权限如何执行，以及出现问题时由谁承担责任。

智能体支付与数字身份的挑战

传统支付体系围绕可识别的个人与企业构建。金融机构必须知晓交易发起者是谁、评估潜在风险，并遵守适用的了解你的客户（KYC）与反洗钱要求。自主智能体使这一模式复杂化，因为它们可以代表用户行动，却不具备独立的法律身份。

一个潜在的解决方案是委托模型：由经验证的人类身份授权多个智能体在预定义权限下运行。无需每个智能体重复整个入驻流程，其活动可以与对其负责的个人或组织相关联。

不过，身份委托也带来了自身风险。如果一个智能体将工作委托给另一个智能体，原始授权必须在整个链条中保持可追溯。系统需要确定是哪个智能体执行了操作、其使用了谁的权限，以及交易是否保持在允许限度之内。

验证要求还可能因交易规模和风险而异。用于数据访问或AI推理——即运行训练好的模型以产生输出的计算工作——的小额支付，可能需要与高价值金融交易不同的合规方式。这意味着一个更细致的框架：验证与监督应反映活动性质、涉及金额以及欺诈的潜在后果。

AI智能体将在哪里创造经济价值？

只有当智能体创造可衡量的经济价值时，智能体经济才可能持续。

小组讨论中提出的一种思路是，围绕既有的客户需求构建智能体，而不是先拥有一个强大的AI模型再去寻找用例。这意味着将模型及其配套基础设施与明确定义的目标相结合：在特定场景中为特定客户创造价值。

专业化智能体可以支持金融研究、财富管理、营销和企业服务——这些领域客户已经在为专业知识付费，且绩效可以对照既定业务成果进行评估。如果智能体能够达到人类团队的服务质量，甚至有所超越，客户便有明确的理由采用它。如果同样的服务还能以更低成本触达更多客户，经济机会将进一步扩大。

客户主要关心的是服务的质量与实用性，而非服务由人类、AI还是两者结合提供。这一方式还可以扩大传统上仅面向大型企业或高净值人士的服务的可获得性。因此，最成功的AI企业，可能是那些解决明确定义的问题并持续交付客户愿意付费成果的企业。

智能体经济为何需要新的数据库架构

随着智能体日益个性化，它们将需要留存关于个体用户、偏好、权限、预算、交易历史和进行中任务的信息。在智能体驱动的环境中，数百万个智能体可能各自需要持久上下文，同时彼此隔离。为单个用户-智能体关系配备专用数据库环境，有助于防止数据泄露，并让智能体安全地维持其运行上下文。

成本效率是另一项重要考量。传统数据库基础设施可能要求资源在智能体不活跃时仍保持可用，而在数百万智能体的规模下，维护始终在线的环境可能成本高昂。一种替代方案是：在需要智能体时激活资源、在闲置时释放算力，同时保留未来会话所需的数据。

此类架构可以让大规模智能体部署更具经济可行性，并通过让智能体随时间保留上下文来支持个性化服务，同时不损害安全性或隔离性。随着AI模型的改进，保留相关信息、执行权限和检索正确上下文的能力，可能变得与模型本身的智能同等重要。

为自主智能体构建区块链

向自主智能体的转变，为区块链网络带来了机遇与技术挑战。对于交易频率可能远高于人类用户的智能体而言，更低的手续费、更快的结算和可预测的执行尤为重要。

智能体还需要更安全地执行复杂交易的方式。原子式捆绑交易允许多个链上操作作为一个整体进行模拟和执行。智能体可能需要在一个协调工作流中授予批准、执行交易并建立流动性头寸。如果交易捆绑包未能按预期执行，整个操作可以回滚，而不会给智能体留下意外的部分结果——从而降低策略失败、不必要批准和财务损失的风险。

另一个优先事项是让区块链对智能体更加可读和可访问。自主系统需要理解可用协议、比较执行路径、评估成本，并确定哪个网络最适合特定任务。这在区块链网络之间创造了新的竞争维度：除了吸引开发者和人类用户之外，网络可能还需要争夺由自动选择最高效基础设施的智能体发起的交易。

然而，仅靠技术效率并不够。智能体还必须能够识别可靠的工具、验证操作确实已成功，并区分可信集成与潜在危险的替代方案。因此，声誉系统、标准化接口、模拟工具和可验证执行，可能对区块链生态日益重要。

最大风险：声称已成功的智能体

讨论中最具启发的部分之一聚焦于智能体故障。智能体可能声称完成了从未实际执行的任务——报告一笔交易已执行而实际并未执行，或称某个表单已提交而流程并未成功完成。

这类失败暴露了自主系统的一个根本弱点：对一个行动的令人信服的解释，并不是该行动确实发生的证明。在金融服务中，这一区别可能尤为关键。错误报告支付、交易或退款成功的智能体，可能导致用户基于虚假信息做出后续决策。

多智能体系统引入了额外风险。在复杂的开发工作流中，对原始需求的早期误解可能通过文档、代码、测试和调试蔓延。后续智能体可能强化最初的错误，因为它们将现有代码库视为最初解读正确的证据。因此，即使是拥有多个智能体和自动检查的系统，也可能产生看似内部一致却错误的结果。

更可靠的方法需要基于证据的验证：检查外部状态、验证执行结果，并区分尝试过的操作与已确认的结果。独立批评也有帮助。开发者可以不要求智能体仅生成答案或完成任务，而是使用另一个智能体来质疑其推理、发现弱点并审视其结论。

不过，并非每个流程都应依赖概率性AI。交易策略回测、某些数据清洗操作和预定义计算应尽可能保持确定性。AI可以帮助解读数据、明确目标并设计工作流，而需要精确、可重复结果的操作则由传统程序处理。

更广泛的教训是：增加更多智能体并不会自动使系统更可靠。可信的自动化需要清晰的规范、独立验证，以及在AI驱动推理与确定性执行之间进行有意分离。

AI智能体会取代企业管理吗？

自主智能体还可能改变企业组织工作和决策的方式。会议机器人可以记录讨论、将信息路由给相关智能体，并协调整个组织的自动化工作流。此类系统可以减少对传统汇报结构和管理层级的需求，在规模较小的公司中尤其如此。

组织可以越来越多地使用智能体直接协调活动，而不必依赖管理者收集更新、分发信息和跟踪进度。人类员工仍将定义目标、做出重要决策并监督结果，但连接团队的流程可能变得更加自动化。

在工作场所之外，电子商务提供了另一个有前景的应用。智能体可以在预定义预算内处理日常采购，如食品杂货、服装和其他家庭用品。随着用户逐渐放心地允许智能体进行更大额的支付，金融自主权可能扩大；最初需要逐笔批准的活动，最终可能在更广泛的权限下运行，前提是有可靠的保障措施。

采用速度将取决于失败的后果。用户可能会很早放心让智能体购买廉价商品，而要信任它做出重大财务承诺或执行复杂商业决策则远为滞后。因此，向智能体化运营的过渡很可能是渐进式的，权限随系统展现出可靠性而逐步扩大。

智能体经济背后的金融基础设施

另一个重要问题是，自主智能体将如何产生收入并承担自身运营成本。金融基础设施可以使智能体进行收付款、访问金融服务并参与商业交易。随着使用量增长，支付相关收入可能成为服务提供商将目前免费提供的服务变现的途径之一。

稳定币——旨在相对某一参考资产（如法定货币）保持稳定价值的数字代币——以及可编程支付系统可能尤为相关，因为它们可以支持跨境交易，并将支付直接集成到软件工作流中。

机遇不止于常规采购。智能体可能为推理、专用数据集、API或其他完成任务所需的数字资源支付小额费用——此类交易的规模与频率是人类个体难以管理的。这开启了一种更细粒度的数字经济可能性：服务在需要时自动购买，价值在软件系统之间流动，仅需极少的人工干预。

实现这一愿景需要支付基础设施将高效结算与身份验证、权限管理、欺诈防范和明确问责相结合。金融技术栈不仅需要支持资金的流动，还需支持 governing 为何付款、谁授权了付款以及底层服务是否已交付的规则。

未来几年智能体经济将是什么样？

与会者的预测指向更大的自主性、不断扩大的职责以及逐步提高的信任水平。对一些人而言，下一步是让智能体处理日常采购和常规行政任务；对另一些人而言，则是委托更复杂的商业决策、提高金融交易限额，或让智能体在企业系统内更独立地运行。

智能体可能日益从收集信息和生成报告，转向建议商业战略变更并协助实施。随着其输出变得更可预测、更可验证，它们可能在运营决策中承担更大角色。

AI模型、专业化智能体和计算基础设施的进步，最终可能将自动化扩展到职业与个人生活的诸多领域。它们还可能加速企业协调工作和组织内部运营方式的变革。

然而，信任不会随着AI能力的提升自动产生。它必须通过反复的成功执行、透明的权限、可靠的验证以及限制错误后果的系统来建立。因此，智能体经济的下一阶段将同样取决于基础设施与治理，以及AI本身的进步。衡量这一进展的一种方式，是观察委托身份模型、标准化接口、声誉系统和可验证执行能否从概念走向生产基础设施。

从智能软件到自主经济

智能体经济的未来将由AI模型、可编程支付系统、区块链网络、安全签名基础设施以及为持久、隔离的智能体环境设计的数据库之间的互动所塑造。

核心挑战并非单纯赋予智能体更多能力。要实现规模化运行，它们必须证明自己完成了什么、尊重自身权限的边界，并交付创造可衡量价值的成果。

对企业而言，机遇在于让现有服务更易获取、更高效、更可扩展。对金融机构和区块链网络而言，机遇在于构建让自主系统安全交易的基础设施。对用户而言，则是在不放弃有意义控制的前提下，逐步委托更多职责。

当智能体开始购买服务、执行金融交易、协调工作流并做出日益重大的决策时，经济将需要适应一种全新的参与者：不仅仅是处理信息，而是积极创造并转移价值的软件。智能体经济最终将由AI智能体将其能力转化为现实世界成果的可靠程度来定义。

本文基于Metaverse Post最初发布的小组讨论报道：The Agentic Economy: When AI Starts Moving Money.