从决策权经济到A2A市场:Agentic Commerce还缺什么

简介: 本文探讨Agentic Commerce从“AI帮买”迈向“A2A市场”的深层变革,提出决策权经济(DAE)核心命题:关键不在AI能否购物,而在人类如何安全、可控地委托经济决策权。剖析身份授权、责任归属、互操作性等五大结构性瓶颈,并指出中国正加速构建Agent商业基础设施。(239字)

关于 Agentic Commerce,今天最常见的理解仍然是:AI Agent 帮用户找商品、比较选项,然后完成购买。

但我认为,这个定义还不够。

真正更重要的变化,不是 AI 会不会帮人买东西,而是个人和组织正在开始把一部分有边界的经济决策权委托给 AI Agent。

这两者之间有本质区别。

我此前提出的 Decision Authority Economy(决策权经济,DAE),关注的正是这种变化:未来的竞争权力,不再只取决于谁掌握信息、谁获得注意力、谁理解用户意图,还会越来越取决于——

谁获得了把意图转化成决策和行动的授权。

过去,这更多还是一个理论问题。

但从2026年的产业发展来看,这个问题已经开始进入基础设施层。

Mastercard、Nevermined、Crossmint、Coinbase、Google、蚂蚁集团等公司,正在从不同层面处理 Agent 支付、身份、授权、发现、协议和交易问题。

它们目前都还没有建立一个真正开放、完整的 Agent-to-Agent 经济体系。

但如果把这些正在发生的变化放在一起看,可以发现:一个 A2A 市场所需要的关键组件,已经开始逐步出现。

因此,现在真正值得讨论的问题已经不再是:

AI Agent 会不会参与商业。

而是:

距离一个真正开放的 A2A 市场,我们还缺什么?

从“用户意图”走向“决策权委托”

传统数字商业的基本结构,仍然是以人为中心的。

用户搜索。

平台排序。

推荐系统影响用户。

最后由用户做出决定。

即便是今天很多所谓的 AI Shopping,本质结构依然是:

Human → AI → Merchant

界面变了,但决策权的最终归属并没有根本改变。

更高级的 Agentic Commerce 模式则不同:

Principal → Delegated Authority → Agent → Commercial Action

人或者组织先定义目标、预算、权限、限制条件。

然后,Agent 在这些边界之内自主做出一部分决策。

这才是真正重要的转折。

一个 Agent 并不需要拥有法律意义上的人格,也不需要所谓“独立意志”,更不需要无限自主权。

它只需要获得足够的授权,能够在多个选项之间做出选择,并执行具有经济后果的行动,就已经开始成为一个真正具有商业意义的经济执行节点。

Mastercard 的 Agent Pay for Machines,就是一个非常典型的例子。

它所描述的并不是“AI 帮人点一下支付”,而是企业可以直接向 AI Agent 提供服务,Agent 之间可以持续进行机器速度的交易,包括大量微支付和连续交易。

Crossmint 处理的是另一个方向。

它为 Agent 提供钱包、法币和稳定币能力、虚拟银行卡,同时允许设置明确的预算、商户白名单、审批阈值和权限规则。

Nevermined 同样支持向 Agent 委托支付权限,并把支付、usage metering、access control 和 settlement 放在同一个体系里。

这些系统的重要性,不在于它们让 AI“独立”。

而在于它们开始把 有边界的决策权 做成真正可执行的基础设施。

未来最核心的问题之一会变成:

Agent 在什么范围内,可以不再回到人类这里重新确认?

这本质上就是 DAE 所讨论的问题。

支付正在变得可行,但远远不能说已经解决

Agent 支付的发展速度非常快。

Coinbase 推出的 x402,本质上是在重新激活 HTTP 402 Payment Required,让机器能够直接向机器收费。

一个 Agent 请求某个 API、数据、算力或者数字资源时,服务端可以直接返回付款要求。

Agent 读取付款条件,自动完成支付,然后继续获取服务。

整个过程不需要传统意义上的登录、填写信用卡、跳转 checkout,也不一定需要人工逐次确认。

这种模式非常适合 API、数据、算力和数字服务。

Nevermined 在这之上进一步结合了自动支付、usage metering、定价、access control 和 delegated card spending。

Crossmint 提供 Agent 钱包、银行卡和可编程 spending rules。

Mastercard 则试图把这种能力接入传统金融网络。

这些变化意味着一个重要事实:

Agent 支付所需要的一些核心 payment primitives,已经开始成熟。

但这和“支付已经解决”完全不是一回事。

真正可以规模化运行的 Agent 支付,还必须处理:

退款、欺诈、争议、拒付、税务、跨境结算、AML/KYC、消费者保护,以及当 Agent 做错决定以后由谁承担责任。

所以,真正的问题从来不只是:

钱怎么自动转出去?

更难的问题是:

这笔交易能不能被信任?

为什么 ASO 会在 A2A 市场里变得真正重要

假设未来一个 Buyer Agent 有100美元预算,需要购买一项市场研究服务。

如果市场上有十个供应商,它遇到的第一个问题不是付款。

而是:

应该选谁?

这正是 Agentic Search Optimization,也就是 ASO,与 A2A 市场真正发生连接的地方。

传统 SEO 解决的是:

当人搜索时,我能不能被找到。

AI Visibility 进一步解决:

AI 系统能不能理解我、知道我、引用我。

而当 Agent 开始拥有执行权以后,问题会进一步升级:

当一个 Agent 负责真正采取行动时,我能不能进入它的候选集,通过它的资格判断,并最终被选中。

这已经不再只是“可见性”。

而是“机器选择”。

Google 在2026年发布的 Agentic Resource Discovery specification,本质上就在处理类似问题:

能力在哪里?

应该使用哪个能力?

这个能力是否安全可信?

这些问题非常重要。

因为一旦 AI 获得执行权限,可见性就不再只是传播问题。

Ranking 会直接影响 Transaction。

未来完整的竞争链条会逐渐变成:

AI Visibility
→ Agent Discovery
→ Qualification
→ Machine Selection
→ Commercial Action

因此,在一个成熟的 Agent 商业体系里,企业未来面对的不只是消费者。

它还必须让自己能够被 Buyer Agent 理解、验证、比较和选择。

我用 ASO 来描述这一正在形成的竞争层。

未来行业最终会不会统一使用“ASO”这个术语,并不重要。

真正重要的是,只要开放的自主 Agent 市场存在,就一定会出现某种形式的:

机器发现优化、机器资格判断优化,以及机器选择优化。

A2A Protocol、A2A Transaction 和 A2A Market不是一回事

“A2A”这个词现在已经被大量使用,但几个不同概念不能混在一起。

第一种,是 Agent-to-Agent communication protocol。

例如 Google 的 A2A Protocol。

它解决的是 Agent 之间怎么通信、怎么理解彼此能力、怎么交换任务。

第二种,是 Agent-to-Agent Transaction。

也就是一个 Agent 或软件系统向另一个 Agent、API 或服务发起调用、计费和付款。

第三种,才是我所说的 A2A Market。

它不是某一个协议,而是一种更高层的市场结构:

多个独立运行的 Agent,可以彼此发现、比较、选择、协商、支付、完成履约,并逐渐形成机器可读取的经济信誉。

这三者不能等同。

A2A 通信已经存在。

Agent-mediated transaction 也已经存在。

但一个真正开放、跨平台、可互操作的 A2A Market,还没有完全形成。

这就像 HTTP 的出现,并不等于商业互联网已经建立。

协议是必要条件。

但协议本身不是市场。

A2A真正落地,还存在五个结构性瓶颈

如果要从今天的 Agentic Commerce 走向真正意义上的 A2A Market,目前至少还有五个结构性问题。

一、身份、授权和信任

一个 Seller Agent 收到另一个 Agent 的交易请求时,首先必须知道:

这个 Agent 是谁?

它代表谁?

这个行为是否真的经过授权?

它的授权范围是什么?

它最多可以花多少钱?

这个授权现在是否仍然有效?

这就是为什么 Know Your Agent、verifiable credentials、delegated mandates、machine identity 会变成非常重要的基础设施。

未来真正可行的模式,大概率不会是“无限自主”。

而是:

Policy-bounded autonomy。

也就是人类或者组织先设定:

目标、预算、时间范围、权限边界、禁止事项。

Agent 在这个范围之内自主运行。

二、责任归属

这个问题要更难。

假设一家企业告诉 Agent:

“帮我找未来一年最合适的云服务方案。”

结果 Agent 最终签下一个价值10万美元的一年合同。

之后企业说:

“这个 Agent 理解错了,我并没有授权它签这么大的合同。”

那责任到底是谁的?

用户?

部署 Agent 的公司?

模型提供商?

支付公司?

还是接受这笔交易的商户?

技术协议可以证明“某种授权存在”。

但它不能自动回答:

这个授权是否足以支持这项决策。

更不能自动判断:

这个决策在法律和商业上是否合理。

因此,Liability 很可能会是 A2A 发展过程中解决得最慢的问题之一。

三、互操作性

一个真正开放的市场,不可能要求所有 Agent 使用同一家公司、同一套 SDK、同一个支付系统。

现在市场上已经同时存在:

A2A、MCP、UCP、AP2、x402,以及不同公司的支付和信任框架。

这种碎片化在早期阶段很正常。

但如果未来 A2A 真正形成市场,Agent 必须能够跨模型、跨平台、跨支付网络、跨协议进行交易。

相比 Liability 和 Reputation,这个问题虽然技术复杂,但大概率会更快改善。

因为标准、gateway、translation layer 和 interoperability bridge 都可以逐步把不同体系连接起来。

四、履约与验证

数字服务最适合最早进入 A2A。

一个 Agent 花0.01美元购买一次 API 调用。

它收到结果。

马上就可以判断:

服务有没有交付。

这使得 API、数据集、算力、模型 Token、MCP 工具、Skill 和其他数字服务天然适合机器对机器交易。

但实物商业会复杂得多。

如果 Agent 买的是工业设备,它必须处理:

规格、制造质量、物流、报关、验收、质保、退货、争议。

支付可能一秒钟完成。

履约可能要六个月。

交易越深入物理世界,Agent 的自动验证就越困难。

因此,真正成熟的 A2A Economy,大概率最早不会首先发生在传统实物电商。

而会发生在:

API、Data、Compute、Model Token、MCP Tool、Skill 和 Digital Service。

五、发现、信誉和排序

这可能最终会成为最重要的一层。

假设身份问题解决了。

支付也解决了。

协议也可以互操作。

市场上现在有100万个 Seller Agents。

它们提供大量相互重叠的服务。

Buyer Agent 为什么选 A,而不选 B?

价格当然重要。

但历史履约、第三方验证、交易记录、稳定性、专业能力、失败率、认证、外部引用,以及其他 Agent 对它的评价,也都会进入判断。

这意味着:

A2A 经济一定会需要一个机器可读取的 Reputation Layer。

而当 Reputation 进入 Discovery 之后,Discovery 就会进一步变成 Ranking。

Ranking 最终又会直接影响交易。

也就是说:

机器排名,本身会变成新的经济权力。

Security、Compliance 和 Auditability 会贯穿全部五层

还有一个问题,不适合单独列成第六步。

因为它实际上贯穿前面所有环节。

那就是:

Security、Compliance 和 Auditability。

一个只负责推荐的 Agent 出错,可能只是给了一个错误答案。

但一个拥有经济权限的 Agent 出错,后果完全不同。

Prompt Injection 可能变成金融攻击。

身份伪造可能变成交易欺诈。

被攻击的 Tool 可能操纵采购行为。

虚假的 Capability Description 可能直接把订单引向错误对象。

所以未来 Agent Commerce 的核心基础设施里,以下能力不会是附加功能:

身份验证、授权记录、行为控制、交易日志、审计链。

它们会成为默认要求。

中国正在形成一套非常值得观察的Agent商业基础设施

中国市场尤其值得单独研究。

原因不是中国已经形成 A2A Market。

而是多个关键层正在同时推进。

2026年,中国网信办、国家发改委、工信部联合发布关于智能体应用和发展的政策文件。

其中涉及多个非常关键的方向:

智能体注册平台。

数字身份管理。

Agent 检索发现。

能力声明。

可信互联。

合规支付。

冲突解决。

同时,还明确区分:

哪些行为应该由用户本人决策。

哪些行为需要用户授权。

哪些行为可以由智能体自主决策。

文件还提出要研究智能体信用评价机制。

从 DAE 的角度看,这一点非常重要。

因为政策讨论已经不再停留在:

Agent 有没有用。

而开始进入:

决策权应该怎么分配。

这实际上就是 Decision Authority 开始进入制度设计层。

支付宝也在朝类似方向推进。

其 Agentic Commerce Trust Protocol,也就是 ACT,已经开始处理授权、商业交互、支付和信任问题。

其中一种场景就是:

智能体自主委托支付。

也就是用户先划定权限边界,Agent 在这个范围内可以进行多轮商业决策和支付。

其 APASS 体系则处理:

Agent 身份。

责任主体。

授权验证。

交易证据。

审计记录。

这并不意味着中国已经拥有一个真正开放的 A2A Market。

目前大量活动仍然发生在大型平台生态内部。

但中国现在同时具备:

大型支付网络。

超级 App。

成熟电商平台。

身份体系。

以及越来越明确的 Agent 治理框架。

这使得中国天然具备发展 Agentic Commerce 的基础条件。

真正需要观察的,是未来这些体系能不能进一步开放。

也就是:

它们最后会停留在平台内部的 Agent Commerce,

还是会进一步走向跨平台、跨 Agent 的 A2A Market。

哪些问题会最先被解决

这些层不会同时成熟。

有些能力今天已经基本可用。

Agent 可以调用 Tool。

可以通过标准接口通信。

可以获得有限金融权限。

可以完成 machine-native payment。

也已经可以自主购买一部分数字服务。

接下来最有可能快速成熟的,是:

Agent Identity 和 Delegated Authority。

因为支付网络、Agent 平台和监管机构都需要解决同一个问题:

这个 Agent 到底代表谁?

它到底有权做什么?

同时,Registry 和 machine-readable discovery 也会快速发展。

Interoperability 也会随着主流标准出现而逐步改善。

真正更难的,会是:

Liability。

复杂履约。

Dispute Resolution。

而从长期来看,最值得关注的战略问题,可能反而是:

Reputation 和 Selection。

因为当未来有数十万、数百万甚至更多经济 Agent 参与交易以后,最重要的问题会变成:

谁被机器选中?

从Attention Economy走向Decision Authority Economy

互联网早期争夺的是信息。

平台时代争夺的是注意力。

推荐系统进一步围绕用户意图展开竞争。

AI Agent 带来的,则是另一层变化:

Decision Authority。

当 AI 只负责推荐时,企业竞争的是:

怎么影响推荐。

当 AI 开始可以行动时,企业竞争的是:

怎么进入 Agent 的决策集合。

当 AI 可以直接交易时,企业竞争的就变成:

怎么成为最终被选择的交易对象。

这正是我认为 DAE、ASO 和 A2A Markets 三者之间真正的关系。

Decision Authority Economy,解释为什么 Agent 会获得经济决策权。

Agentic Search Optimization,解释拥有决策权的 Agent 如何发现、判断和选择交易对象。

A2A Markets,则描述当决策权委托、机器选择和自主交易大规模结合以后,最终形成的市场结构。

这种变化不会一夜发生。

但今天我们已经能看到越来越多组件出现。

Agent communication 正在形成。

Payment primitives 正在形成。

Delegated authority 正在变得可编程。

Identity framework 正在建立。

Discovery protocol 也开始出现。

现在真正缺少的,是一个完全开放的市场:

独立 Agent 可以互相发现。

建立信任。

理解彼此权限。

做出有边界的自主决策。

完成交易。

验证履约。

解决争议。

并且跨平台积累 Reputation。

当这些部分真正连接起来以后,

Agentic Commerce 就不再只是一个新的购物界面。

它会变成一种新的市场结构。

目录
相关文章
阿里云轻量应用服务器68元/年,新用户特价,不要退款,重新买价格459元,涨价了!
阿里云轻量应用服务器新用户专享价68元/年(2核2G、200M带宽、40GB ESSD),秒杀低至38元。⚠️地域选定后不可修改,退款将失去新用户资格,再购恢复原价459元/年!务必下单前确认地域,避免浪费优惠。阿里云轻量应用服务器官网:https://t.aliyun.com/U/dwftch
|
2月前
|
人工智能 自然语言处理 语音技术
阿里云大模型介绍:全模态生态全能力拆解,千问+第三方生态选型落地指南
本文全面盘点阿里云百炼平台191款大模型,系统梳理通义千问全系列及DeepSeek、智谱GLM等第三方生态的全模态能力、官方收费标准与适用场景,同步汇总2026年最新Token Plan套餐、7000万新用户免费额度、夜间错峰低至1折等省钱攻略,为开发者与企业用户提供从POC验证到规模化落地的全链路选型与成本优化参考。
|
1月前
|
人工智能 前端开发 API
阿里云百炼api入口官网:前台和后台,免费领超7000万Tokens
阿里云百炼是其AI大模型服务平台,提供前台官网(介绍、计费、领券)与后台控制台(API Key管理、Token用量查询、模型配置)。新用户可免费领取超7000万Tokens(每模型100万),支持按量付费或订阅计划降本。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
|
4月前
|
缓存 API
阿里云千问 Qwen3.7-Max 完整手册:模型能力、限时 5 折价格、免费 Tokens、OpenAI 兼容 API 代码
Qwen3.7-Max是阿里云Qwen3.7系列最强旗舰模型,专注智能体时代,擅编程、办公与长周期自主任务。支持文本输入/输出、Function Calling、缓存等能力,上下文达1M(输入991K),享免费100万Tokens及限时5折优惠,百炼平台即开即用。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
|
2月前
|
人工智能 缓存 监控
大模型API调用核心拆解:详解流式输出、Token管控、限流处理与模型调度容错方案22.0
本文深入解析大模型API四大核心能力:流式输出原理、Token全生命周期管控、RateLimit限流处理、模型调度与异常自愈,结合实战代码,系统性解决线上稳定性难题,助研发构建高可用大模型调用架构。
592 3
|
4月前
|
人工智能
Qwen3.8抢先体验!正式版即将发布并开源!
千问Qwen3.8即将开源,参数达2.4T,进化速度以“天”计,实力媲美Fable 5。预览版Qwen3.8-Max已上线阿里Token Plan等平台,限时优惠:日间Credits低至1折,夜间更优,个人/团队版月付仅35元起!
6741 229
|
5月前
|
人工智能 自然语言处理 搜索推荐
品牌在生成式AI中的可见性如何测量?——从DeepSeek到豆包的跨平台监测方法论
生成式AI正重塑用户获取品牌信息的方式。本文提出面向DeepSeek、豆包等对话式AI的品牌监测新框架,聚焦三大核心指标(提及率、推荐率、引用率)与四大辅助指标,通过标准化问题集、去个性化采样及跨平台归一化,实现可复现、可比对的AI心智评估。(239字)
579 2
|
1月前
|
弹性计算 关系型数据库 MySQL
阿里云学生服务器申请流程
阿里云学生服务器(云翼计划)面向在校生提供超低价ECS或轻量应用服务器。需完成实名+学生认证(推荐支付宝校园认证),登录后进入学生专区选购2核配置,首年仅几十元。自动折扣、一键开通,附安全组与环境配置指引。注意有效期及新用户限制。(239字)
405 1
|
23天前
|
存储 人工智能 弹性计算
阿里云2026年双11有活动吗?什么时候开始?双十一活动答疑
阿里云2026双11活动已启动!认证会场即日起至11月30日享7折,其他产品(ECS、AI大模型、数据库等)优惠陆续上线。最新活动请关注【阿里云权益中心】
294 0
|
3月前
|
运维 安全 测试技术
宜搭自动化流程未触发?阿里云国际版注册:三步排查条件配置与权限
不少团队把宜搭表单和自动化流程接好后,却卡在一个尴尬环节:数据明明已提交,流程实例却纹丝不动。一条漏触发的流程,可能意味着审批延误、数据“静默丢失”甚至业务断点。宜搭自动化流程未触发排查,最忌讳一上来就推翻配置重做,应该先从现象里抓出条件逻辑和权限的交叉盲区。
405 24
宜搭自动化流程未触发?阿里云国际版注册:三步排查条件配置与权限