AI开始替我们花钱了

本文来自微信公众号： 冯伟冯大白 ，作者：冯大白AI为了完成我们交代的任务，已经可以自己买一份数据，再带着买来的材料继续工作。今年9月，金融数据服务商Massive开放了面向智能体的股票数据按次付费入口。

接入支付钱包的智能体，可以在执行任务时购买所需数据，用USDC完成支付，再取得结果。通过这条新入口，调用方可以按请求购买，不必先开通传统订阅、保存API密钥。原有订阅服务仍然保留。

这意味着，一次交给AI的研究任务，中途可以产生一笔真实采购。用户提出目标，AI发现缺少数据，就在被授予的权限内购买，再继续分析。选服务、付钱、取得结果，开始成为AI完成工作的连续动作。

乌镇峰会关于智能体身份、授权与跨平台协作的讨论，因此有了很具体的落点。蚂蚁集团副总裁陈亮谈到，要让身份、授权和责任进入每一次连接。AI开始替人采购以后，商家需要知道谁在付款，用户也需要知道自己把多大的决定权交给了它。

目前这些已经开放的入口，主要面向数据、API和数字服务。钱仍属于用户或企业，支付来源需要事先配置，AI能够花多少、可以买什么，要由授权范围决定。变化发生在任务执行中：有些原本需要人逐项办理的采购，现在可以交给AI完成。

交给AI的任务里，多了一笔采购传统软件也会自动调用收费接口，按次数计费早已存在。通常，开发者事先选择供应商、开通账户、配置凭证，软件运行时沿着已经接好的线路调用。用户看不到这些过程，但采购关系已经提前确定。

智能体正在尝试把其中一部分选择推迟到任务执行时。它先判断需要什么能力，再找到对应的服务，了解价格，在授权范围内付款并获得结果。服务商不一定要先进入开发者的固定采购清单，才有机会获得这一笔收入。

Massive的入口就是这种路径的一个实例。智能体发现数据服务后发起请求，服务端通过HTTP 402返回付费要求；付款完成、凭证通过校验，数据才会返回。HTTP 402可以简单理解为网页通信中“这里需要付费”的信号。

它使请求资源与支付费用能够衔接起来。可以设想这样一次研究任务：AI完成初步检索，发现还缺一段收费的实时数据。获得相应预算和权限后，它购买这部分材料，再继续分析。用户最后收到研究结果，账单中则多了一项外部数据支出。

这个示意场景说明，委托AI做事和授权AI花钱，正在同一项任务里相遇。任务完成需要的能力越多，这类采购关系就越有意义。一个智能体不必自建所有工具，可以按需要调用外部服务；提供工具的企业，也有机会只出售自己擅长的一小段能力。

但前提是任务确实需要它，而且调用结果能被后续流程使用。大量服务上线，只增加供给，无法替代真实需求。这同时改变了“小功能”的商业想象。过去，一个工具如果使用频率不高，让用户专门注册并订阅并不容易。

按次采购则允许它在某个任务需要时出现，完成一次转换、一次查询或一项计算，再收取对应费用。生意能否成立，取决于每次调用带来的价值能否覆盖供给和交易成本。支付宝和AWS开始接通这笔付款中国市场也已经有对应产品。

支付宝Machine Pay面向API、数字内容、算力资源等提供按用量收费方案，支持服务商向访问这些资源的智能体发起收款。它把服务请求、价格反馈、付款和履约联系起来，让开发者可以为单次调用设置收费。

对用户来说，支付接入意味着采购有机会在任务中连续完成，省去逐家注册、配置调用凭证的步骤。对供应商来说，商品也需要变得更明确：卖什么、收多少、交付什么，都要能被程序理解。单独接上收款能力，还不足以让AI选中这项服务。

海外的云平台也在进入同一环节。AWS今年5月发布AgentCore payments预览功能，与Coinbase、Stripe合作，支持智能体在执行过程中购买API、网页内容、MCP服务及其他能力。

用户需要授权钱包，并设定会话支出限制，交易记录进入监控体系。AWS还把服务发现接进来：通过Coinbase的x402 Bazaar目录，智能体可以搜索需要的收费服务。目录与支付共同进入开发环境，意味着云平台开始影响智能体到哪里寻找供应商，以及一项付费能力怎样接入工作流程。

支付宝连接支付与开发者，云平台连接智能体运行环境与外部服务，两条路径都在减少临时采购的摩擦。它们的商业位置也因此超出一个前台聊天入口：即使用户使用的是其他公司的AI助手，任务中的某一笔交易仍然可能经过它们。

这也是支付、云服务和工具平台愿意提前投入的原因。智能体产品还会不断变化，任务中对数据和服务的需求却可能持续存在。谁能把发现、调用和结算做好，谁就有机会参与更多应用的交易。接入便利也会推动供应商之间的竞争，平台还需要形成持续交易才能获得回报。

按次花钱，也要算一项任务的总账面对这样的客户，服务商首先要改变商品的表达方式。面向人的销售页面可以展示案例、提供试用，让销售人员解释套餐；面向智能体，还要给出机器能理解的接口定义、参数要求、价格和返回格式。

调用失败时怎样反馈，也会直接影响任务能否继续。这些看起来像技术文档的细节，正在接近商业转化环节。一个服务即使功能很好，如果智能体无法判断它接受什么输入、会返回什么结果，就很难在任务中临时采用。

品牌知名度仍然有价值，但还需要被转化为可调用、可验证的产品能力。收费单位也可以更细。用户订阅一款软件，通常购买一段时间内的使用资格；智能体临时采购，可以只购买一份数据、一次处理或一次工具调用。

Massive保留传统订阅，同时增加新入口，说明这两种方式能够并行。高频客户需要稳定安排，偶发任务则可能更适合临时购买。用户会遇到一笔更细碎的账。一次查询看起来很便宜，反复调用同一工具，累计支出却可能超过订阅套餐；

结果不合要求，还可能付费重试。每个步骤都不贵，不代表整项任务划算。服务商也要在单次价格与计算、维护成本之间找到平衡，按次收费让买卖双方都需要更准确地理解使用量。服务商还要定义自己承担哪一段交付。

数据接口负责按约定返回材料，研究报告的质量还取决于后续分析；图片处理工具交付文件后，创作方仍要决定它是否符合整部作品的要求。采购者需要知道自己买到的是什么，才能把不同服务组合成一个完整任务。

因此，替用户采购也包含对质量和总费用的判断。一项服务价格略高，如果能减少后续重试和人工修正，整项任务仍可能更划算。AI只会寻找便宜接口，还不足以成为可靠的采购者；它需要判断所买的能力能否让任务继续推进，并把费用控制在委托范围内。

谁决定AI把钱花给谁当AI开始替我们挑服务、付钱，订单也会跟着它的选择走。它从哪个目录查找服务，怎样排序，是否优先采用某个平台的合作伙伴，都会影响钱花给谁。过去商家争取用户点击，今后还可能要争取进入AI执行任务时的候选清单。

AWS接入服务目录，就是一个可以观察的起点。发现与购买在这里形成了连接。不同平台可以维护不同目录，供应商也可以提供多个入口。跨平台可发现和可调用的程度，会影响一个小工具能够接触多少潜在任务。

这里也会出现买卖双方利益不完全一致的情况。用户希望以合理成本完成任务，工具商希望增加调用收入，平台希望扩大交易规模。如果未来服务推荐包含付费推广、商业分成，推荐规则就需要和委托方的目标区分开。

这是一项随着市场发展需要处理的商业问题，不能仅靠模型“聪明”来解决。用户的委托也需要落实到具体的采购权限。任务可以买哪些服务、可以花多少钱、什么情况下要回来询问，都需要变成可执行的限制。

AWS预览产品中的会话预算，就是这类安排的一种实现。任务越长，越需要让用户了解累计花费与采购结果。对重度AI用户来说，这还意味着账单需要变得更清楚。模型推理本身消耗费用，外部数据和工具又有各自的价格。

一次任务的总支出，会包含不同供应商提供的服务。产品如果只展示模型消耗，用户就很难判断一项任务为什么变贵；如果能把采购项目、返回结果与费用对应起来，用户才有依据决定下次继续授权多少预算。

这也能解释乌镇为何要讨论身份与授权。服务商需要知道调用者代表谁，用户需要能够控制委托范围，平台需要留下可追溯的交易记录。只有这些关系能够衔接，跨平台采购才有机会从单次演示变成经常发生的业务。

对开发者而言，能够稳定提供专业数据、处理能力或行业工具，就有机会成为这类采购的供应商。它们需要观察付费调用能否重复发生，也要看同一任务里的总成本是否合理。用户得到可用成果、愿意再次授权，才可能带来持续订单。

智能体支付仍在早期，AWS对应功能也以预览形式推出。眼下能够确认的进展，是数据商、支付平台和云平台已经开始为任务中的采购提供产品。让AI在更多消费场景里代为下单，还需要商家接入、支付支持与用户授权继续配合，现有能力的边界仍然清楚。

AI开始替我们花钱，付费决定就不再全部发生在点击“开始任务”之前。执行到哪一步、还缺什么、是否值得购买，都可能影响最终账单。用户交出去的是一部分采购决定权，期待拿回来的则是成果和一笔说得清楚的支出。谁能把这两件事做好，谁才更有机会拿到下一次授权。