從概念到落地：一份以印度為藍本的實施手冊
前天讀了 VCA 的 8 頁白皮書《Agentic Commerce: Designing for autonomous payments》（2026 版），那份偏向全球戰略框架。今天這份 38 頁的報告（2025 版，VCA 印度團隊撰寫）是另一種東西——它拿印度作為核心案例，從 AI 的演進脈絡、數位基礎設施條件、到具體的產品架構和落地場景，全部展開了講。兩份對照讀，一份是「為什麼要做」，一份是「在哪做、怎麼做」。
報告分五章：AI 演進與支付變革、印度的數位基建優勢、Visa Intelligent Commerce 產品架構、多智能體系統與落地場景、未來路徑。下面順著這條線，把有意思的地方拆開來看。
AI 的四次進化，支付的四次變身
報告用 AI 演進脈絡來解釋為什麼 Agentic AI 不是「又一次技術升級」，而是支付邏輯的質變。
前兩階段：工具型 AI
規則式 AI 跑 if-then 邏輯，預測式 AI 用機器學習找模式（欺詐檢測、信用評分）。共通點是 AI 做分析，人做決定。支付的主體始終是人。
生成式 AI：介面變了
聊天機器人和語音助手讓用戶可以用自然語言操作支付——「轉 500 給張三」。但關鍵限制還在：AI 只能執行用戶即時下達的指令，不能自己判斷「什麼時候該轉」、「轉多少合理」。
Agentic AI：主體換了
AI 不再等指令，而是主動感知需求、做決策、執行交易。報告的定義很精確：「Agentic AI understands context, breaks down complex instructions into multi-step plans, and uses tools and external data to execute autonomously」——理解上下文、拆解複雜指令、調用外部工具執行。這不是介面升級，是代理權的轉移。
支付六十年，每次飛躍都在解決上一個時代的瓶頸
報告把支付歷史畫成四波浪潮，每一波解決的是上一波留下的結構性問題。
特別值得注意的是報告裡一個反覆出現的判斷：前兩波解決安全和地理限制，移動支付解決即時性，而 Agentic Commerce 要解決的是一個更根本的瓶頸——時間和注意力。當消費者的選擇太多、比價太複雜、訂閱管理太繁瑣，人的注意力本身就變成了最稀缺的資源。Agentic AI 的價值主張不是「更快」，是「你不用在場」。
印度：Agentic Commerce 的天然試驗場
報告花了大量篇幅論證為什麼印度會是 Agentic Commerce 最先規模化的市場。這部分是我覺得最有說服力的。
數位基建三層疊加
Aadhaar（13 億人生物識別身分）+ e-KYC（即時電子認證）+ UPI（統一支付接口，月交易量遠超信用卡）——這三層已經把身分認證和支付管道打通了。Agentic Commerce 需要的「知道你是誰」和「能從你帳戶劃錢」這兩件事，印度已經有了基礎。
帳戶聚合器框架（AA Framework）
報告特別提到印度的 Account Aggregator 框架已突破 1 億次用戶授權（consent）。這意味著 agent 可以在用戶授權下合法、標準化地調用跨銀行的財務數據——這是 agent 做「智能決策」的數據燃料。
ONDC：開放電商協議
印度政府推動的 Open Network for Digital Commerce，月交易量已達 2.04 億筆。它的底層邏輯不是平台模式（Amazon/Flipkart），而是協議模式——買家、賣家、物流、支付各自解耦。這和 agentic commerce 需要的「開放、可編程的商務基礎設施」高度兼容。
法規先行：RBI 的 FREE-AI 框架
印度央行（RBI）已發布 FREE-AI 框架（Fairness, Robustness, Explainability, Ethics, Accountability），對金融領域的 AI 應用設了規則。這可能是全球央行裡最領先的——不是禁止，是先畫跑道再讓你跑。
幾個數字，把印度市場的潛力說清楚
經濟規模從 2025 年的 $4 萬億美元預測增長到 2030 年的 $7.3 萬億。
智能手機用戶超過 6 億，全球最便宜的移動數據資費（每 GB 約 $0.12）。
全球第四大零售市場，數位支付滲透率仍在快速攀升。
Razorpay、Cashfree、Infibeam 等本土支付公司已推出 Agentic AI 支付套件和 MCP Server。
我的看法：報告選印度作核心案例不是偶然。印度的數位公共基礎設施（Digital Public Infrastructure）模式——政府搭開放協議、私營部門在上面建應用——天然適合 agentic commerce 這種需要「多個玩家在同一套協議上協作」的場景。中國的數位支付雖然規模更大，但它是平台主導的封閉生態；歐美的銀行體系碎片化嚴重。印度可能是目前全球最接近「agentic-ready」的支付市場。
Visa Intelligent Commerce：從產品功能反推行業標準
報告花了最大篇幅介紹 Visa 的 Intelligent Commerce 產品。這部分是 Visa 的自我推銷，但從架構角度看確實有值得拆的。
Tokenization + Passkey
不給 agent 真實卡號，而是發放 token。Passkey（基於 FIDO 標準的無密碼認證）讓 agent 可以在用戶授權後獨立完成身分驗證——不再需要 SMS 驗證碼或 3D Secure 的人機交互。
AI-friendly 產品數據
Visa 要求商戶提供結構化、機器可讀的產品目錄（規格、價格、庫存、評價），讓 agent 可以直接解析和比較。這其實是 AEO 的具體落地——你的產品數據能不能被 agent 消費？
實時交易數據與決策
Visa 通過 VisaNet 提供實時交易數據、客戶洞察和欺詐預防工具。在 agentic 場景中，這些數據不是給人看的報表，而是直接餵給 agent 做決策的 API。
六步交易流程
報告畫了一個完整的 agentic 支付流程：用戶給 agent 需求 → agent 篩選商品 → 通過 Visa tokenization 執行支付 → 使用已儲存的卡資訊完成交易 → 驗證確認 → 發送發票通知。每一步都在強調「人不一定在場」。
坦白說，這部分是整份報告裡「廣告感」最重的章節。但有一點確實值得認真對待：Visa 不是在做一個新產品，而是在試圖把 Intelligent Commerce 的架構做成行業標準——誰控制了 agent 調用支付的方式，誰就控制了 agentic commerce 時代的定價權。和之前那份 8 頁白皮書一樣，VIC（Visa Intelligent Commerce）和 Passkey 被反覆埋在字裡行間。
多智能體系統：不只是一個 agent 在付錢
報告最有趣的技術概念是 Multi-Agent System——不是一個 agent 包辦一切，而是多個專用 agent 協作。
這個架構的關鍵是 Orchestrator Agent——它不直接執行支付，而是在後台拆解任務、路由到專用 agent、協調執行順序。報告列了六個落地場景：
自主旅行規劃
agent 根據用戶偏好和預算，自動預訂機票、酒店、租車，並在價格波動時重新預訂。CNBC 2025 年 5 月的報導確認這類應用已在原型階段。
個性化購物助手
agent 理解用戶的尺寸、偏好、預算，跨多個平台比較並完成購買。不只是推薦，是從發現到支付的完整閉環。
B2B 支付自動化
企業的 agent 自動匹配發票、對帳、排程付款。對於跨國貿易中的多幣種、多法域的複雜支付場景尤其適用。
實時欺詐防禦
專用欺詐檢測 agent 在每筆 agentic 交易中實時介入，不是事後分析，而是在交易瞬間判斷風險。RBI 的 MuleHunter AI 已經在銀行部署，專門檢測騾子帳戶。
訂閱智能管理
agent 監控所有訂閱服務的使用頻率和價格變化，自動續訂、降級或取消。這個場景門檻最低，可能最早規模化。
動態信用額度調校
agent 根據用戶的消費模式和現金流，自動建議或執行信用額度調整。發卡行可以通過 API 開放可編程的信用控制。
每個人都在重新找位置
報告給 Issuer、Merchant、Acquirer 各畫了一張「你要做什麼」的清單。我把它整理成一個對照。
發卡行（Issuer）
開放 API，讓 agent 可以調用帳戶和信用額度；實現可編程的支出控制（programmable credit controls）——比如用戶可以設定「agent 每月最多花 ¥5,000，單筆不超過 ¥500」；和 AI 平台建立夥伴關係，確保自己的卡片在 agent 的決策路徑中。
商戶（Merchant）
提供 AI-friendly 的產品數據（結構化、實時更新的目錄）；建立無縫的結帳體驗——不是給人設計的結帳頁，而是給 agent 設計的結帳 API；參與 ONDC 這樣的開放商務協議，讓商品能被 agent 發現。
收單行（Acquirer）
實現實時結算（agent 交易頻率遠高於人類，T+1 結算完全不夠用）；agent-aware 的受理能力——能識別交易是否來自 agent；嵌入分析能力，幫商戶理解 agent 流量的轉化模式。
這三張清單的共通點是：從「為人設計的介面」轉向「為 agent 設計的 API」。這不是 UI 改版，是產品邏輯的翻轉。
兩份 Visa 報告，一本一用
把今天這份 2025 版 38 頁報告和前天那篇 2026 版 8 頁白皮書放在一起看，很有意思。
2026 白皮書（8 頁）
全球視角 · 戰略框架 · 面向 C-suite
核心貢獻：提出了 KYA、AEO、六層基礎設施的概念框架，畫了大方向。像一份「董事會簡報」——告訴你趨勢來了，風險很大，現在就該動。
2025 報告（38 頁）
印度視角 · 落地藍圖 · 面向產品與合作夥伴
核心貢獻：用一個具體市場（印度）拆解了 agentic commerce 的實施條件——數位基建、法規環境、生態協作模式、具體的產品架構和六個落地場景。像一份「實施手冊」。
有意思的是時間：2025 版更長、更具體、更偏落地；2026 版更短、更抽象、更偏戰略。這可能反映了 Visa 的策略演進——先做深（印度試點），再做廣（全球推框架）。也可能是兩份報告的目標讀者不同：2025 版給印度市場的合作夥伴看，2026 版給全球金融機構的董事會看。
幾點獨立判斷
印度的 DPI 模式可能比矽谷的封閉生態更適合 agentic commerce
矽谷模式是平台壟斷數據和用戶關係——Apple Pay、Google Pay 都是這樣。印度的 DPI 模式（Aadhaar + UPI + ONDC + AA）是政府出協議、私營做應用。agentic commerce 需要多個 agent 跨平台協作，開放協議天然比封閉平台更適合這個場景。
Orchestrator Agent 是一個被低估的戰略位置
在多智能體架構中，誰做 Orchestrator——負責拆任務、路由、協調——誰就掌握了 agentic commerce 的「調度權」。Visa 顯然想做這個角色（通過 VIC），但 OpenAI、Google、Apple 都在搶。這不是技術問題，是生態位之爭。
報告缺少一個關鍵章節：失敗模式
整份報告講的都是 agentic commerce 的理想路徑。但沒有一章講「如果 agent 出錯了怎麼辦」——agent 買錯東西、超支、被惡意 prompt 誘導、agent 之間衝突（兩個 agent 同時買了同一班機票）——這些失敗模式的處理機制，可能比成功路徑更決定 agentic commerce 能不能被大規模信任。
討論