2026 年，agentic commerce 已经从一个概念走向落地。
OpenAI 在 2025 年 9 月推出 Instant Checkout（ACP 协议），近期又战略转向以 ChatGPT 内嵌 In-Apps 应用为主的新模型；卡组侧，Mastercard 于 2025 年 4 月发布 Agent Pay（Mastercard 官方），Visa 于 2025 年 5 月发布 Intelligent Commerce（Visa 官方），并在 2025 年 10 月发布 Trusted Agent Protocol（Visa 官方）；
信任层方面，Google 于 2025 年 9 月发布 Agent Payments Protocol（AP2），Mastercard 与 Google 又在 2026 年 3 月联合推出 Verifiable Intent（Mastercard 官方）。
整条链路正在从「人 + 浏览器 + 商户站点」迁移到「AI Agent + 对话界面 + 商户接口」。
在 Checkout.com 年初举办的 Thrive 香港商户共创大会中，邀请到了内部专注于开发 AI 智能体领域核心架构者之一 Rami Josef，围绕 OpenAI 战略转向、企业连接层、KYA（Know Your Agent）信任架构、合规风险等议题展开讨论：
对谈人：
以下为对谈实录：
Vivi:
各位来宾下午好，感谢大家来到我们的 AI 主题分会场论坛。
这一场是关于目前最前沿的话题：AI 智能体电商 Agentic Commerce。
先自我介绍一下，我叫 Vivi，来自 Checkout.com 新加坡团队。
今天非常荣幸欢迎 Rami Josef 从迪拜飞到香港加入我们的会谈，借用我们的 CTO Mariano 的话来说：Rami 是全球 agentic commerce 领域顶尖的专家之一。
Rami：
谢谢 Vivi。
大家好，首先非常感谢各位能参与 Thrive 大会，能与各位交流并向各位学习，也是我莫大的荣幸。我是 Rami Josef，Checkout.com 高级产品总监，负责增值服务（VAS）支付板块——简单说就是所有处于核心网关与收单能力以外的附加产品。
Agentic Commerce 自然是我们当前的核心议题。除此之外，我还负责身份验证的产品矩阵，包括 3DS 等其他替代验证方式；以及 Token、Vault、支付凭证转发和完整的原生支付编排。
我们的理念是保持完全中立和开放，让商户具备完全的可移植性，可以在统一产品下连接所有支付服务商。
Vivi：
谢谢 Rami，接下来让我们进入今天的正题。
Vivi：
第一个问题，OpenAI 最近从 Instant Checkout 转向 In-Apps Checkout——为什么 Instant Checkout 没能成功？
Rami：
这是一个非常好的问题。先澄清一点：主流媒体上有些标题说 OpenAI 完全放弃 agentic commerce、退出了这个领域，这一说法是根本性错误的。
实际情况是：
OpenAI 最初构建的 Instant Checkout，本质是一套自有的、原生托管的支付页面方案。他们在 ChatGPT（Chatty）里设计了一套原生 UX，让消费者在不同商户之间能获得统一且一致的卡信息输入体验。
最初，该设计是为标准零售场景打造的，所以相对直接。但一旦把同样的模式纵向扩展到旅行、酒店、航空等行业，运营复杂度就指数级爆炸。
垂直扩展的复杂度远超 OpenAI 预期。
所以他们的战略判断是：为什么要花巨大的工程资源，去重复构建那些已经被解决了的后端复杂性？这些事情谁解决了？
所以这从来不是AI问题，是支付基础设施问题。
Vivi：
谢谢 Rami 的深度剖析。
看来 AI 平台 ready 了但基础设施和支付层级还未准备好的话，也很难推进 AI 智能体电商真正进入到生活中。那么 OpenAI 新的 In-Apps 模式跟之前有什么核心差异？
Rami：
基于我上面提到的方面，OpenAI 最终决定弃用 Instant Checkout 托管方案，改成两种新模式。
第一种是应用生态（In-Apps）。
OpenAI 借鉴了 Apple iOS 和 Google Android 的思路，让开发者和品牌在 ChatGPT 内直接构建原生应用，目前已经聚合在一个应用市场里。在 App 沙盒内部，“发现商品”和原生业务行为都将由商户自己的基础设施处理交易，不需要外部跳转。
第二种是仅发现层，也就是产品 feed 模式。
商户必须把实时库存数据（包含产品 feed、SKU、商品细节等）直接提供给 OpenAI，由 ChatGPT 用这套数据流供消费者完成"发现"。这是必须要做的，因为如果你的库存无法提供给 ChatGPT 的数据模型，你的品牌将直接被边缘化——消费者根本搜不到你！
在这种 OpenAI 主导的商品发现模式下，消费者选中具体商品后，界面会动态展示页面或把消费者跳转到你的结账页，完成最后一段交易旅程。你现有的座位选择、预订参数、税务规则都保留在你的基础设施里。
但这种体验有断点：消费者在 ChatGPT 内探索，但需要跳至外部站点支付。
如果你想要纯粹原生、零跳转的旅程，方案很清楚：在 ChatGPT 内用 OpenAI 的 API 构建一个 App，让它承载你的库存，也原生托管你的结账页。
Vivi：
非常感谢 Rami 的深度分享，相信在座的各位听到这里一定也有很多问题，欢迎大家踊跃提问。
观众提问：
你好 Rami，我从电商负责人的角度有几个问题。
作为商户，我们高度关注怎么让自己的产品最大化地暴露在各类 AI 入口上。根据 Google 的 UCP 或 ACP，美国商户遇到的的瓶颈和支付基础设施问题相似：企业连接层能不能解决这个发展壁垒？
如果能成为像 Checkout.com 这样的 PSP 商户就说明它有一定资质，门槛理论上不该是问题。但我们该怎么让产品发现既广覆盖又无缝？
Rami：
谢谢你的问题，非常好。
现在涌现的协议很多——ACP、UCP 等，每个协议都明确在解决两件事：发现商品（Discovery）和凭证管理（Credential Management）。
凭证管理严格归在商务端和交易侧，这正是 Checkout.com 企业连接层（Enterprise Connectivity Layer）切入的地方：我们把支付编排预集成至所有主流聊天 AI 平台，处理消费者旅程的第二段，让商户不必为每一个 AI 引擎单独构建一对一的支付集成。
当然，商户完全可以选择跳过 PSP，直接对接 OpenAI 或 Google Gemini。
但对于 AI 平台来说，一一对接成千上万的独立商户是非常难做到的。所以 OpenAI 和 Google 直接接入了 Checkout.com 的端点。
我想再和大家说一些机制运作的内容：
从这一步起，你手里就有一个由外部 AI Agent 生成的、可全权掌握的中心化 Token，随时可以通过解令牌化、安全传给任意支付服务商，或者直接通过 Checkout.com 处理交易。
但我们必须了解一点：Checkout.com 目前不管理、也不接入实时 SKU 库存清单，因为跨垂直行业的实时库存管理极其复杂。
举个航旅商户的例子：几十个 AI agent 同时叩击你的全球分销系统（GDS），酒店只剩一个房间——、谁能拿到？
这需要亚秒级的交易和库存判断。
目前，商户必须把产品清单直接推送到每个 AI 平台，正如你在为 SEO 做的：分别向 Google Shopping、Microsoft、Meta、X 推送 feed；一旦配好 Google Shopping，你的商品会被拉进标准 Google 搜索、Google AI Overviews 和 Gemini pilots。
但你们希望 Checkout.com 进入库存领域吗？是希望"一对多"地把 SKU feed 一次性上传给我们、由我们把库存和支付凭证同时映射到所有全球 AI agent；还是希望继续为每一个 agent 单独维护库存数据管道，让 PSP 严格只处理支付凭证这一段？这是我们正在评估的战略路线。
观众提问：
能不能更新一下 Checkout.com 关于 OpenAI ACP 商户门户的进展？具体落地时间表是怎样的？
Rami：、
在 OpenAI 放弃自有托管页之后，我们的集成已经完全上线。
今天在座的任何商户都可以立即开始在 ChatGPT 内构建由 Checkout.com 支撑的应用。
若是要技术上落地，你需要架设一台 Model Context Protocol（MCP）服务器作为数据网关，承载你的 SKU 集合、产品参数和实时库存数据。
你的 ChatGPT 应用需直接连到 MCP 服务器，驱动对话式发现。消费者在聊天内结账时，OpenAI 通过你被分配的 MID 调用我们的 Token 化端点，回传支付令牌，由你执行授权。
这套基础设施今天就可以用，我们在多个垂直领域都有商户正在构建或即将上线。
如果你倾向于另一条路：用产品 feed 的标准跳转体验，而不是构建完整的自定义 App，那严格意义上你不需要我们的支付层来支撑发现这一段；你可以直接在 OpenAI 的商户中心配置 feed。
当然我们仍会帮商户做这一过渡的优化咨询。
举个例子：用户在 ChatGPT 内选中一件红色 T 恤后被跳转到你的站点，你的会话处理必须把这一上下文传递清楚，确保该商品在购物车里预先填好。如果用户到达时购物车是空的、还得重新搜一次，转化漏斗就崩塌了。
因此，我们会帮助商户提供架构蓝图，确保上下文映射保持连续。
观众提问：
谢谢分享。
我想更深入聊聊支付环节：真正的 AI 智能体电商需要自主的代理化支付，但 AI agent 是自主的——你怎么对一段软件做 KYC 验证？如果 agent 持有支付凭证，这张卡最终还是会追溯到一个真人持卡人。
Checkout.com 在技术上如何处理 agent 层的身份认证？同时又不会创造一个极度繁琐的体验，尤其是在多个 agent 层层嵌套时？
Rami：
你刚才创造了一个绝佳的术语——KYA，Know Your Agent。这正是卡组织和监管层目前最核心的争论。
我们来拆解一笔自主交易的结构：基础设施需要一个严格的信任层（Trust Layer），直接置于凭证管理之下。
这个信任层负责两项基础操作：KYA（Know Your Agent）和同意获取（Consent Acquisition）。
KYA 是 PSP 正在执行的的 KYB（Know Your Business）合规入驻的自然演进，也就是当我们上线一家商户时会做的深度监管审查。在 KYA 框架下，Visa 和 Mastercard 要求 ChatGPT 或 Perplexity
这种平台必须正式核验、注册、被分配确定性的标识符。网络要追踪 agent 的历史信用评分、运营来源和行为，确保它是一个被核验过的行为主体。
同意获取解决的是消费者和自主 agent 之间的法律和责任链。如果消费者一觉醒来说"我从没授权这笔 500 美元的自动购买"，那此时需要的是一份不可篡改的加密审计轨迹：
通过用户和 agent 之间生成的加密签名、带时限的授权（Time-bound Mandates）来证明消费意图是何时给出的、由哪个真人给出、为该 agent 授权的财务参数是什么。一旦 Agent 越界，安全机制会把它标记为失控行为体（Rogue Actor），在网络层封锁它的密钥。
但说实话，我们今天有技术方案，缺的是网络层面的广泛采纳。
Checkout.com 目前全力支持 Visa Intelligent Commerce 和 Mastercard Agent Pay，两者均提供基于生物识别的身份验证工具，让 AI agent 可以原生核验真人消费者。
我们也支持 Google AP2 协议和 Mastercard Verifiable Intent，把消费者的加密授权安全传递到发卡行。
但真正的瓶颈是：发卡银行还未配置好自己的反欺诈和授权引擎，去解读这些来自智能体的消费意图信号。而 AI 平台还在争取用户市场份额这件事上用力，把信任信号和支付合规放在第二个迭代议题里处理。
如今的 3DS 身份验证机制在商户和发卡行之间提供了一个干净的责任转移，但对自主 Agent 来说不是。Checkout.com 对申请代表商户生成令牌化能力的 Agent 将执行严格的 KYB，但仍在持续推进更广泛的支付生态，目标是让身份核验能干净地穿透多层嵌套的 Agent。
Vivi：
如果标准卡组协议不是高频、自主 agent-to-agent 支付的最优轨道，你怎么看支付方式的演化？真正机器对机器商业（machine-to-machine commerce）会怎么走？
Rami：
我得谨慎选措辞——我们正在和主流加密货币交易所共同开发这些新兴架构，需要在全球监管边界的变动里平稳前行。我们正在主动定义新的支付标准，把稳定币（Stablecoins）作为 agentic commerce 的主要流动性轨道。这相对传统卡组织网络是一种完全不同的结构性标准。
传统架构高度依赖卡组织基础设施来承载 ACP。但仔细看 UCP 蓝图，它的设计是一种开放式框架，允许接入模块化加件（Modular Add-ons）——就像购物车、外部结账页、库存矩阵都是即插即用的 add-on 一样，稳定币和 Web3 替代支付方式正作为原生模块化加件被集成进 UCP。
目前确实碎片化，但长期收敛的方向很清晰：
Vivi：
你之前提到采纳率不足是主要障碍。你自己也在深入构建和训练这些支付 agent——我们怎么加速市场采纳？最终的催化剂是什么？
Rami：
我们可以先看宏观数据：McKinsey 预测到 2030 年，AI 智能体电商将驱动超过 5 万亿美元的经济价值。即便你高度保守地打折，假设只有 5% 落地兑现，这仍然是一块巨大的金融市场。
大众消费者采纳需要时间。
我们正在见证一次结构性行为迁移，等同于从桌面计算机迁移到移动端的过程。但 AI 智能体电商面临的逆风显著更大，最大的单一壁垒就是消费者信任。
根据我们的消费者调研给出了一组极具反差的数据：约 75% 的消费者表示完全可以接受用对话式 AI 引擎做产品搜索、比价和发现；但其中约 40% 直接拒绝在 AI 界面里输入自己的数字钱包凭证。
要让消费者主动接受 AI 完成产品发现环节，阻止自动化执行的信任鸿沟依然很宽。
从商户视角看，我们接触到的几乎每一位品牌高管都对这项技术深感兴趣。但他们的核心顾虑是资本投入：今天投入大量工程和资金资源去构建，但 6 个月、甚至 60 天后，这笔投资会不会就彻底过时？底层技术地形在剧烈变动，标准持续调整。这是站在一个全新商业渠道必然面对的风险结构。
Checkout.com 的使命是吸收这部分的后端复杂性，工程化高度自适应的抽象层，给商户提供一个足够稳定的支付底座，让他们可以更有信心地投入。
现场提问：
请问如果用 AI 智能体支付，能否帮助我们商户降低成本？如果自主 AI 能使用最前沿的稳定币支付，是否可以绕过 Visa 和 MasterCard 等传统卡组的 Interchange 手续费？
Rami：
关于成本优化确实有非常好的消息：Visa 和 Mastercard 没有抗拒这场演化，他们正在主动提供财务激励计划，加速这项技术的采纳，重点面向 AI 平台和构建自有 Agent 的商户。
除了一次性的开发激励之外，网络轨道里还嵌着结构性的处理费率折扣：系统用 Agentic Network Tokens 路由交易（区别于原始 PAN 或基础 token），网络会显式收取更低、更优化的费率结构。
若是把 Agentic Network Tokens 直接和 Passkeys 匹配，该笔交易会进入最高级别的风险减免档位，更进一步降低手续处理费。
Vivi：
最后一个问题：进入 AI 智能体生态系统后，商户事实上在分享客户数据，PSP 也在把高度敏感的支付参数直接传给 ChatGPT 等外部 AI agent。这些数据管道在不久的未来会不会面临严苛的监管和合规逆风？
Rami：
是的，合规压力一定会显著加剧。
但一旦把同样的模式纵向扩展到旅行、酒店、航空等行业，运营复杂度就指数级爆炸。航空业要处理亚秒级的座位选择、动态行李定价、实时库存锁定；酒店有级联式房型架构；每家企业还有产品类别和消费者实时位置决定的。
目前，Checkout.com 正与欧盟监管机构在工作组层面直接合作，参与塑造即将出台的、专门针对这条数据链路的合规框架草案。
监管焦点集中在严格的数据围栏（Data Ring-fencing）上：当一家商户为执行某一具体交易而向 Agent 传递消费者细节时，该 Agent 是否可以把这些数据吸纳进自己更广泛的 LLM 训练集？还是必须完全做内存隔离，严格限制在那一项孤立任务内？
我们已经看到划定这一空间边界的重要判例：在 Amazon 起诉 Perplexity 的案件中 Amazon 一审完胜。
该判决的核心确立了一条原则：AI agent 未经授权非法抓取数据集、并直接模仿真人消费者行为，构成违法。
欧洲监管者正在快速行动，把这些边界编入正式法规。我们一直深度参与监管圈，是为了在 AI 智能体框架成熟时，Checkout.com 的基础设施能继续保持开箱即用的合规状态，把商户与监管风险隔离开。
Vivi：
非常感谢 Rami 今天分享这些卓越的结构性洞察，也谢谢大家参与我们的讨论。
.png)
.png)
.png)
