Cách NVIDIA xây dựng Mô hình nền tảng thanh toán cho PayPal
vô giá trị
Agentic Thương mại》Trong số thứ 5, Simon Taylor (trưởng nhóm phát triển thị trường Tempo) và Bam Azizi (CEO và người sáng lập Mesh) đã mời Pahal Patangia (người đứng đầu toàn cầu của NVIDIA) phát triển kinh doanh và thanh toán trong ngành) đã thảo luận: các mô hình nguồn mở trong dịch vụ tài chính, quy trình làm việc dựa trên đại lý như tài sản trí tuệ trong kinh doanh và các chủ đề khác.
Dòng thời gian:
00:00 Giới thiệu
05:03 dựa trên họ phông chữ: PingFang SC,Helvetica Neue,Helvetica,Arial,Hiragino Sans GB,Heiti SC,Microsoft YaHei,WenQuanYi Micro Hei,sans-serif;">Kiến trúc máy biến ápmô hình cơ sở thanh toán
10:44 Dịch vụ tài chính áp dụng mô hình nguồn mở
17:53 Sự cân bằng giữa chi phí và độ trễ trong suy luận AI
20:24 Tiết kiệm mã thông báo trong hệ thống AINền kinh tế mã thông báoVà hiệu quả
23:21 Quy trình làm việc được đại diện hóa như tài sản trí tuệ trong kinh doanh
25:45 Xu hướng tích hợp giao thức trong Thương mại đại lý
30:17 OpenSHIELD, thời gian chạy nguồn mở để bảo mật Đại lý
33:33 Ưu điểm của tiền ổn định trong thanh toán vi mô giữa các đại lý
35:36 So với thanh toán, tìm kiếm thực sự được triển khai nhanh hơn trong Đại lý
Bản chất của Thương mại đại lý là "gia công bối cảnh": bối cảnh ra quyết định tiêu dùng từng do mọi người làm chủ đang được chuyển sang Đại lý bằng mô hình nhúng + nền tảng và khả năng thanh toán không còn là lớp thực thi nữa mà là một phần của chuỗi ra quyết định.
Simon Taylor:
Chào mừng bạn đến với Tokenized, một chương trình tập trung vào việc áp dụng stablecoin của tổ chức và mã hóa tài sản trong thế giới thực. Tôi là Simon Taylor, người dẫn chương trình hôm nay của bạn và là tác giả của cuốn Fintech Brain Food và Giám đốc phát triển thị trường tại Tempo.
Hôm nay chúng ta tiếp tục loạt bài về Agentic Commerce và cùng với tôi là Giám đốc điều hành của Mesh, Bam Azizi. Cậu thế nào rồi, Bam?
Bam Azizi:
Tôi ổn, cảm ơn Simon vì đã gặp lại chúng tôi.
Simon Taylor:
Loạt bài này hiện đang thực sự nổi tiếng. Tôi cảm thấy như Thương mại đại lý đã trở thành một trong những chủ đề nóng nhất trên thế giới hiện nay và thực sự thu hút sự chú ý của mọi người.
Hôm nay chúng ta cũng có một vị khách đến từ một công ty cũng rất thú vị - trên thực tế, một trong những công ty lớn nhất thế giới - nhưng họ đang hỗ trợ Agentic Commerce làm một việc mà hầu hết mọi người không làm nhận ra.
Vì vậy, hôm nay chúng ta có Pahal Patangia, người đứng đầu bộ phận thanh toán và phát triển kinh doanh ngành toàn cầu của NVIDIA. Pahal, dạo này cậu thế nào rồi?
Pahal Patangia:
Tôi ổn, Simon, cảm ơn bạn đã mời. Tôi rất vui khi được tham gia chương trình này và tôi rất mong chờ cuộc trò chuyện giữa ba chúng tôi.
Simon Taylor:
Thực sự, tất cả đều kết hợp với nhau - đó là mọi thứ tôi yêu thích: thanh toán, sự phát triển của NVIDIA trong trò chơi điện tử, thương mại, stablecoin... tất cả những thứ hay ho đó.
Nhưng trước khi bắt đầu, tôi muốn nhắc người xem và người nghe: quan điểm của khách mời trong chương trình này chỉ đại diện cho các cá nhân và không nhất thiết đại diện cho quan điểm của công ty họ. Đồng thời, không có điều gì chúng tôi nói cấu thành tư vấn về thuế, pháp lý hoặc tài chính, vì vậy vui lòng tự nghiên cứu.
Được rồi, từ góc độ vĩ mô, Agentic Commerce thực sự có ý nghĩa gì đối với một công ty như NVIDIA? Tại sao một công ty GPU, một công ty điện toán tăng tốc, một công ty AI hoặc một công ty phần cứng lại tham gia vào lĩnh vực thanh toán và thương mại?
Pahal Patangia:
Chắc chắn rồi, Simon, đó là một câu hỏi hay. Tôi cũng rất vui vì bạn đã đặt câu hỏi từ góc độ của một công ty GPU, một công ty phần cứng, một công ty điện toán tăng tốc, bởi vì đó thực sự là những gì mọi người đã biết về NVIDIA trong vài thập kỷ qua.
Nhưng điều tôi muốn nói là sự hiểu biết này thực sự đã phát triển trong 20 năm qua.
Trong vài thập kỷ qua, NVIDIA đã chuyển đổi thành một nền tảng điện toán tăng tốc toàn diện và công ty đang cung cấp các khả năng cho các ứng dụng AI trên toàn bộ hệ sinh thái.
Trước khi chuyển sang lĩnh vực Thương mại đại lý hoặc AI, điều quan trọng là phải hiểu Định vị của NVIDIA ở cấp nền tảng và các khả năng mà chúng tôi cung cấp—những khả năng đó thực sự đang thúc đẩy sự bùng nổ AI mà bạn thấy mỗi ngày.
Chúng tôi thường sử dụng "Bánh năm lớp" khái niệm mô tả các khả năng mà NVIDIA cung cấp cho hệ sinh thái để xây dựng các ứng dụng AI.
"Chiếc bánh năm lớp" này bao gồm các "thành phần" khác nhau giúp có thể mở rộng quy mô ngày nay để xây dựng các ứng dụng AI, xây dựng các nhà máy AI.
Lớp dưới cùng là đất đai, quyền lực và năng lượng - nền tảng để thực hiện mọi việc liên quan đến AI.
Trên cùng là lớp chip, bao gồm phần cứng, GPU, CPU và các hệ thống mạng liên quan.
Tiếp theo là lớp hệ thống, là lớp trung tâm dữ liệu. Những con chip này được tổ chức như thế nào, chúng tôi coi chúng là những đơn vị khác nhau và cuối cùng kết hợp chúng thành một "máy tính khổng lồ".
Bởi vì trước đây chúng ta hiểu máy tính là thiết bị cá nhân, nhưng bây giờ bản thân trung tâm dữ liệu là một máy tính và đây là lớp hệ thống.
Trên cùng là lớp mô hình cơ sở. Những mô hình cơ bản này kết hợp kiến thức, hiểu biết về ngành và khả năng. Có rất nhiều đối tác trong hệ sinh thái, chẳng hạn như OpenAI, Meta, Mistral, v.v., đang xây dựng những mô hình cơ bản này.
Nhưng những mô hình cơ bản này cần được chia nhỏ hơn nữa thành các ngành cụ thể, các tình huống cụ thể và các vấn đề cụ thể. Đây là lớp thứ năm - lớp ứng dụng.
Nền tảng của NVIDIA chạy qua năm lớp này và kết hợp toàn bộ bộ khả năng này. Các nhà phát triển có thể tận dụng nền tảng năm lớp này để xây dựng ứng dụng cho trường hợp sử dụng của riêng họ.
Trong lĩnh vực thanh toán, một ứng dụng quan trọng là Agentic Commerce.
Mục tiêu của chúng tôi là nhúng khả năng phần cứng, phần mềm và mô hình của chúng tôi vào các trình phát sinh thái này để họ có thể xây dựng các ứng dụng này trên quy mô lớn. Đây là định vị của chúng tôi và là cách chúng tôi thúc đẩy sự phát triển của toàn bộ hệ sinh thái.
Simon Taylor:
Điều rất thú vị đối với tôi là khi nói chuyện với nhiều người về Agentic Commerce, mọi người đều cho rằng có rất nhiều phần mềm và rất nhiều phần cứng đằng sau nó để chạy những thứ này. Nhưng bạn đã làm việc trong ngành này một thời gian dài và bạn thực sự hiểu rất rõ cách thức hoạt động của các hoạt động cơ bản này. Bạn nghĩ gì?
Bam Azizi:
Đúng, điều này rất thú vị. Trên thực tế, trước đây tôi đã đăng một bài đăng trên LinkedIn khá phổ biến về cấu trúc phân lớp này.
Nó rất giống với những gì Pahal vừa nói. Tôi đang nói về lớp cơ sở, lớp phân phối, lớp điều phối và lớp kết nối. Quan điểm của tôi lúc đó là lớp kết nối là quan trọng nhất - tất nhiên hơi ích kỷ, vì Mesh nằm ở lớp này.
Nhưng tôi thực sự tò mò, từ quan điểm của NVIDIA, bạn nghĩ lớp nào là quan trọng nhất? Hiện tại bạn đầu tư nhiều thời gian và tiền bạc nhất vào cấp độ nào?
Pahal Patangia:
Đúng, đây là một câu hỏi hay. Tôi nghĩ theo quan điểm của chúng tôi, hiện tại có hai hiện tượng rất quan trọng đang xảy ra trong ngành thanh toán.
Chúng tôi đang đưa AI vào ngành thanh toán trên quy mô lớn và thường hiện tượng này dẫn đến hiện tượng khác.
Hiện tượng đầu tiên là sự xuất hiện của "mô hình cơ sở thanh toán".
Nếu nhìn vào toàn bộ quy trình của Agentic Commerce, bạn sẽ thấy rằng quy trình này thực sự đã được "nén". Ví dụ: quy trình thanh toán thực sự đã được nén.
Ở thế giới trước, bạn, với tư cách là một con người, đã nắm vững ngữ cảnh. Bạn biết bạn muốn mua gì, bạn biết bạn muốn hoàn tất việc thanh toán như thế nào, bối cảnh đã có sẵn trong đầu bạn.
Nhưng bây giờ câu hỏi đặt ra là: Tác nhân lấy những bối cảnh này ở đâu?
Nhân viên hỗ trợ phải tìm hiểu hành vi của người dùng, chân dung người dùng, tùy chọn người dùng và nhiều hạn chế khác nhau mà bạn đặt ra cho các giao dịch (chẳng hạn như từ SKU, tất cả các quy tắc cho đến giao dịch cuối cùng) để có được ngữ cảnh này.
Vậy làm cách nào Đặc vụ có được những khả năng này?
Điều này dẫn đến một xu hướng mới, mà tôi có thể nói là hơi "ngầm" nhưng đang nhanh chóng thu hút được sự chú ý - "mô hình cơ sở thanh toán".
Bởi vì trong ngành dịch vụ tài chính, đặc biệt là ngành thanh toán và ngân hàng, về mặt lịch sử, tất cả dữ liệu về cơ bản đều tồn tại dưới dạng bảng có cấu trúc.
Những gì bạn đã làm trước đây là cung cấp dữ liệu này cho các thuật toán học máy rồi xây dựng một số mô hình xu hướng, chẳng hạn như dự đoán những gì người dùng có thể mua và những giao dịch nào họ có thể thực hiện.
Nhưng với sự xuất hiện của một thế hệ thuật toán mới, đặc biệt là kiến trúc Transformer - đó là AI tổng quát. Cơ sở của - Hiện nay có một xu hướng mới, đó là hiển thị dữ liệu có cấu trúc này cho mô hình máy biến áp.
Đây là khái niệm về "mô hình cơ sở thanh toán".
Và những mô hình này sẽ tạo ra thứ gọi là "nhúng".
Nói một cách đơn giản, nhúng là biểu hiện ngữ nghĩa của hành vi người dùng. Ví dụ:
-
Pahal sẽ làm gì
-
Mô hình hành vi lâu dài của anh ấy là gì
Mô hình Transformer có thể tích hợp thông tin này để tạo thành phần nhúng này.
Sau đó, các phần nhúng này sẽ được nhập vào Tác nhân và Sau đó, Tác nhân sẽ thực hiện các hành động dựa trên thông tin này, chẳng hạn như hoàn tất giao dịch.
Đây là nơi hai thế giới bắt đầu hợp nhất - AI và thanh toán.
These embeddings become the "context layer" of the Agent, allowing the Agent to Able to perform better, iterate better, and ensure that all behaviors are within the set rules, while constantly learning and optimizing.
This is an important trend that is currently driving the development of Agentic Commerce.
In addition, I would also like to emphasize that another trend we see in Agentic Commerce is:
If you split the entire process into "search" and "payment",
What is really developing the fastest and most mature now is the "search" part.
The problem of search has actually been studied for many years, and now there are better algorithms to solve it, so this wave of technology is very effective in "search".
This is why the current user experience will become more personalized and sticky.
We are also doing a lot of cooperation with PayPal. PayPal hopes to bring the capabilities of Agentic Commerce to their merchant ecosystem, which has approximately 19 million merchants.
Most of these merchants are small and medium-sized merchants. They are actually relatively "black box" about AI and do not quite understand what is going on.
PayPal 的做法是，把这些能力通过平台提供给这些商户。
他们的方式是：
对开源模型进行微调，让这些模型适配 PayPal 的环境和具体用例。
这样商户就可以很自然地使用这些能力，而不需要自己理解底层技术。
Simon Taylor：
我刚才听你讲了很多内容，我想试着复述一下，看看我有没有理解对，同时也让听众更容易理解。
很多人会忽略一点：除了 Anthropic、ChatGPT、Gemini 这些模型之外，其实还有很多开源模型，而 NVIDIA 在这方面是一个重要的参与者。
像你们的 NeMo、Neotron 这些模型，在性能上一直处于领先地位。
然后像 PayPal 这样的企业客户，会把这些能力带给商户。
在支付行业，为商户创造价值就是一切。商户才是整个世界运转的核心。如果你不能为商户提供服务，那你其实什么都不是。
他们是卖商品的人，他们是你的客户，他们付你的钱。所以你必须为他们创造价值。
Stripe 之前也发布过一个支付基础模型，在反欺诈方面有不错的效果。
但我很好奇，除了反欺诈之外，支付基础模型还能做什么？
如果我现在有了一个非常丰富的、多维度的 embedding，可以理解用户的各种偏好，那这些能力怎么帮助商户卖更多东西、服务好客户？
而且商户大概率不愿意把这些数据交给大型 AI 实验室。
所以他们会倾向于使用开源模型。
而且现在开源模型和最前沿模型之间的差距，大概也就 6 个月，而且是性能上的差距。
对大多数日常使用来说，其实几乎感受不到差异。
对于很多中小商户来说，这些模型已经远远好于他们现在用的免费版 ChatGPT。
所以 PayPal 可以给他们一个非常好的体验，同时底层其实是 NVIDIA 的能力。
我觉得这一点很多人其实没有意识到。
另外我看到一个调研数据：65% 的金融机构已经在使用 AI，同时有 84% 表示开源模型对他们的 AI 战略很重要。
所以我想问你：为什么开源模型在金融行业变得这么重要？
Pahal Patangia：
对，这是一个很好的问题。
金融行业一直以来，在采用新技术方面都是“慢半拍”的。
而这个“慢半拍”的原因包括：
监管
可解释性要求
以及对“黑箱模型”的不信任
金融机构希望能够理解模型内部发生了什么，这样才能放心地把它用在生产环境中。
所以他们更倾向于使用能够被控制、能够被微调的模型。
同时，正如你刚才说的，现在开源模型的性能已经非常接近大型闭源模型。
这种“性能接近”的情况，会把讨论重点从“模型性能”转移到其他维度，比如：
-
成本
-
控制权
-
合规性
-
系统韧性
企业希望在构建这些应用时，有更多的选择，而不是依赖单一供应商。
当然，我们也把基础模型提供商视为重要的客户和合作伙伴。
但与此同时，当企业需要更多灵活性时，开源模型就会更适合。
比如 NVIDIA 的 Neotron 模型，以及 NeMo 工具链，可以帮助企业更容易地对模型进行微调。
而这种能力在 Agentic Commerce 中会变得越来越重要。
Simon Taylor：
这个权衡确实很有意思。
Bam，我也想问问你，从一个在稳定币和支付领域构建公司的角度来看，你是怎么看开源和闭源的？你的客户会关心这个问题吗？
Bam Azizi：
我觉得从客户角度来说，他们其实不关心开源还是闭源。
这是技术社区关心的事情，对科学发展、技术发展很重要。
但客户只关心一件事：
有没有最好的解决方案，能不能帮他们把业务跑起来。
不过开源对行业来说是非常重要的，我们还是需要尽可能推动开源。
另外一点让我印象很深的是，Pahal 刚才讲到 NVIDIA 的位置。
过去 NVIDIA 更像是硬件层，然后中间会有一层，比如 ChatGPT、云厂商等，再往上才是应用层。
但现在你们直接和 PayPal 这样的公司合作，是不是意味着你们在“跳过中间层”？
是不是意味着更快、更便宜、更高效？
那这样会不会对 OpenAI 这样的公司构成威胁？
Pahal Patangia：
完全不是这样。
我们的理念是“在开发者所在的地方支持他们”。
如果开发者希望使用我们的大型合作伙伴，比如基础模型提供商，我们完全支持，并且会帮助他们获得最好的结果。
如果他们希望使用开源模型，我们也提供工具和平台支持。
这更多取决于企业内部的业务需求和决策。
我们提供的是一个完整的平台，让他们可以自由选择。
Simon Taylor：
我觉得这种取舍真的非常有意思。
Pahal，你是怎么去指导像 PayPal 这样的支付公司做这些决策的？比如他们要为商户提供这些能力，你会怎么帮助他们在不同用例之间做权衡？你从这些支付公司那里听到的反馈是什么？
Pahal Patangia：
This is a good question.
在这个领域，当你开始运行越来越复杂的模型，从今天的模型到未来的 Agent，再到多 Agent 系统，会有很多需要考虑的因素。
首先当然是准确性。但当你把准确性优化到一定程度之后，真正决定结果的，是其他几个因素。
第一个是成本。
比如你要服务 1900 万商户，那每天就会产生大量的推理调用。你必须思考：如何在你的用例下，把这些推理调用的成本优化到最低。
第二个是延迟。
没有人愿意在那等，就像网络断了之后浏览器里那个小蛇游戏一样（Chrome 离线小游戏）。
你需要的是毫秒级响应。
模型需要在毫秒内完成思考、推理、从不同数据源获取信息、结合上下文，并在既定规则内做出决策。
要完成这一切，需要消耗大量 token，需要做大量决策，需要执行复杂的流程，而且这一切都必须是动态的、智能的。
如果 Agent 被正确微调，并且在正确的约束条件下运行，是可以做到这些的。
你执行一次，然后会有反馈循环。
这个反馈循环会形成一个“数据飞轮”：
你会不断获得新的数据，对比“实际结果”和“理想结果”，然后不断优化模型。
Simon Taylor：
对，然后当你把这个逻辑从单个 Agent 扩展到多 Agent 系统时，事情就变得更加复杂了。
比如：
-
网络侧的 Agent
-
发卡行侧的 Agent
-
收单行侧的 Agent
这些 Agent 会互相通信。
或者在企业内部：
-
一个采购 Agent 在 SAP 系统里
-
它需要和库存系统对话
-
还要和财务系统对话
那整个系统如何进行推理？如何变得更高效？
这就会导致一个问题：token 会爆炸式增长。
这就是为什么“token economics”会变得非常重要。
不仅仅是减少 token 使用量，而是如何在成本、算力、延迟之间实现最优效率。
甚至可以理解为：
“每千瓦时能产生多少高质量 token 输出”。
这里面其实是有一个经济模型的。
如果你不控制好，很容易就会烧掉很多钱。
任何玩过 OpenClaw 的人都知道，很容易一个月就花掉 1000 美元，只是调用了几个 API 而已，然后就掉进各种 rabbit hole。
对于企业来说，这个问题更严重。
过去你可能只是跑一些机器学习模型，比如 Snowflake 上的模型、CNN 等，但现在这些 AI 模型的成本结构完全不同。
对于一个做用户忠诚度、或者反欺诈的企业来说，这种成本差异是非常巨大的。
而且在卡组织、商户、发卡行这些不同角色中，每个角色对 Agent 的要求不同，对 token 的需求也不同。
所以整个系统的复杂性是非常高的。
不仅要控制成本，还要让系统随着时间不断变好，就像人一样学习：
“你刚刚做错了，下次不要再犯”。
但如果你真的用过 OpenClaw，就会知道，让系统持续稳定地做对事情其实非常难。
所以 NVIDIA 在企业级场景下去解决这个问题，是非常有价值的。
Simon Taylor：
我们把话题拉回到电商。
Agentic Commerce 现在到底对商业产生了什么影响？
用户在结账时真的能感受到这些变化吗？这些价值是在哪里体现出来的？
Pahal Patangia：
我们的目标是支持那些真正为终端用户创造价值的玩家，比如 PayPal 这样的支付平台。
同时他们会和大型零售商合作，在其之上部署面向消费者的 Agent。
从整个行业来看，我们看到的一些趋势包括：
比如 Mastercard 已经在一些国家实现了完全由 Agent 驱动的交易。
这些都是早期成功的信号。
这让我们相信，这些技术最终会成为主流。
当然，这里面还有很多需要解决的问题，比如：
这些 Agent 是否真的能提高结账转化率？
是否足够稳定？
目前来看，还需要更多的微调和约束机制，让 Agent 能够真正自主地完成任务。
Simon Taylor：
我想特别提一下 Sardine，他们在反欺诈领域做了很多事情。
他们已经有 70 亿设备的数据网络，构建了自己的模型，并且记录了 Agent 的执行效果。
这些历史数据和 Agent 工作流，本身就是一种知识产权。
过去这些能力是通过 SaaS 或 API 提供的，现在则变成了 Agent 工作流。
在电商中，你的 Agent 工作流，就是你的核心 IP。
我觉得这是一个非常关键的点。
Simon Taylor：
好的，感谢 Mesh，也感谢所有赞助商让这个节目得以实现。
Bam，我不知道你是不是和我一样，现在听到很多不同的协议名字，多到都记不过来了。
你现在是怎么和客户讨论这些协议的？你会问 NVIDIA 什么问题？
Bam Azizi：
我觉得现在最核心的问题是：未来是会走向整合，还是继续碎片化？
这是一个“十亿美元级别”的问题。如果有人能回答这个问题，就可以在这个领域建立一个巨大的公司。
如果你问我，我会更倾向于整合，就像互联网的发展一样。
过去有很多不同的协议，但最终我们都统一到了 HTTP。
设备之间通信也有很多协议，但最后基本统一到 Wi-Fi 和蓝牙。
甚至在充电接口上也是，从各种不同接口，最后统一成一两种。
所以我认为这里也会发生类似的事情。
尤其是最近 x402 的一些进展，比如他们正在推动进入 Linux 基金会，由一个中立组织来托管，同时 Stripe、Coinbase 等公司也在支持。
我本身是做身份认证和安全的，我们在认证协议上也看到过类似的整合过程。
所以我的判断是会整合。
但我也很好奇 Pahal 的看法。
另外一个问题是：
未来会不会出现不同的协议？
比如：
-
人类和 Agent 的交互
-
Agent 和 Agent 的交互
这两种场景的 UI/UX、协议可能完全不同。
你怎么看现在市场上的发展？
Simon Taylor：
我想到一个经典的 XKCD 漫画：
“现在有 14 种认证标准，我们需要一个统一标准。”
然后后来变成：“现在有 15 种标准。”
你在这个领域这么久了，你怎么看这个问题？
Pahal Patangia：
是的，如果我有一个水晶球的话，我也很想知道答案（笑）。
但从我们的角度来看，我同意 Bam 的观点：
最终这些协议会收敛到少数几个主流方案。
但在这个过程中，现在的多样性其实是好事。
因为这些协议正在激活更多开发者，让更多人开始构建。
现在的阶段其实就是“民主化阶段”，就像过去三年 LLM 的发展一样。
不同的模型不断出现，推动了整个行业的采用。
同样的事情也会发生在这些协议上。
这些协议会吸引越来越多的人参与进来——开发者、企业、用户——大家都会在这些基础之上构建。
这会推动互操作性的发展，最终走向整合。
另外，随着越来越多 Agent 被构建，安全问题也变得越来越重要。
大家都在构建自己的 Agent 系统，但必须确保这些系统是在安全环境中运行的。
所以我们在 GTC 上发布了一个叫 OpenSHIELD 的东西。
OpenSHIELD 是一个开源运行时，是安全加固的，它位于 Agent 和基础设施之间。
它可以为 Agent 提供一个沙盒环境，让它们在受控环境中运行。
这样即使出现问题，也可以限制影响范围。
Simon Taylor：
对，这一点非常关键。
很多人没有意识到：
当你在构建 Agent，同时你还有生产环境，你到底要不要把 Agent 放进生产环境？
如果没有隔离，一旦出问题，影响会非常大。
所以像 OpenSHIELD 这样的沙盒机制就非常重要。
Simon Taylor：
我还想到一个例子：早期移动互联网的时候，有 WAP 这种东西，在智能手机出现之前，人们尝试用手机做支付。
现在的 Agentic Commerce，某种程度上也可能还处在非常早期的阶段。
所以我很好奇：
你现在是怎么分配精力的？
你是重点关注稳定币？
还是人和 Agent 的交互？
还是 Agent 和 Agent 的交互？
你是全都做，还是有重点？
Pahal Patangia：
这是个很好的问题。
从我的角度来看，我们主要关注当前最重要的趋势：
-
支付基础模型
-
Agentic Commerce
但在这些之中，还会不断出现新的子趋势。
比如稳定币。
我们把稳定币看作是对现有法币系统的一种补充，它会带来新的用户、新的生态。
新一代用户可能会更习惯使用稳定币，而不是信用卡。
但同时，两者之间也会融合。
不过从根本上来说，AI 在支付领域的核心用例并没有改变：
-
反欺诈
-
身份验证
-
个性化
这些仍然是最重要的。
Simon Taylor：
是的，本质上还是支付的附加价值。
无论你用的是稳定币还是卡网络，这些问题都会存在。
Simon Taylor：
Bam，我很好奇你的看法。你在稳定币领域做网络，你怎么看 Agentic Commerce 和稳定币的关系？
Bam Azizi：
我认为 Agentic Commerce 可以使用不同的支付轨道。
比如现在用户在 ChatGPT、Anthropic 或 Perplexity 上搜索商品，比如一双鞋或者一件 T 恤，然后 Agent 可以帮用户完成支付。
这个支付可以用信用卡，也可以用稳定币。
在这种场景下，两者是并行的。
但在跨境支付、国际交易中，稳定币会更有优势。
而在 Agent-to-Agent 场景中，我认为稳定币是绝对优势。
原因是：
这些交易通常是微支付。
比如 0.00005 美元这样的金额。
这种金额用 Visa 或传统银行体系是无法处理的。
同时，这些交易需要：
实时
全球
在线
稳定币正好满足这些条件。
另外一点是交易频率。
一个人平均一天可能做 2 笔交易，但 Agent 一天可能做 2000 笔。
这种 TPS（吞吐量）只有区块链能支持。
传统支付系统并不是为 Agent 设计的，它们会失败。
所以我非常看好稳定币在 Agentic Commerce 中的应用。
Simon Taylor：
这确实是一个数量级的爆发，对吧？
我记得现在互联网上大概每秒有 400 万封邮件，这还只是邮件，还没算视频。
那在这样的世界里，传统支付系统每秒几万笔交易的能力，显然是不够的。
但我们还是回到现实一点，Pahal，从你的角度来看，真正的用户需求在哪里？真正的交易量在哪里？
我经常开玩笑说，现在 Agentic Commerce 的协议比支付协议还多。
你可能是最接近底层基础设施的人——甚至是“基础设施的基础设施的基础设施”。
所以你看到的真实需求在哪里？真实的用例在哪里？
Pahal Patangia：
我觉得可以从两个角度来回答这个问题。
第一个是从整个生态系统的角度来看。
正如我之前提到的，我们可以把整个流程分为两部分：
-
搜索
-
支付
目前来看，搜索这一部分已经比较成熟了，甚至可以说已经解决得差不多了。
而支付这一部分，仍然处在大量实验阶段。
很多 sandbox 测试都在进行中。
这也是为什么我对 OpenSHIELD 这样的工具非常看好，因为它可以帮助生态系统在安全环境中构建这些 Agent，并让它们具备交易能力。
第二个是从长期来看。
我非常看好多 Agent 系统的发展。
未来的世界中，不同的 Agent 会互相交互、协作。
而我们的角色，是帮助这些系统变得更好：
-
通过反馈循环
-
通过安全运行环境
-
通过各种约束机制（guardrails）
当然，还需要大量的微调，确保这些 Agent 能够按照预期执行，而不会偏离。
这些都是未来我们重点关注的方向。
Simon Taylor：
我觉得今天的讨论中，有一个很重要的主题就是“token economics”。
其实我们刚才聊到 token 的时候，Bam 和我都笑了一下，因为在稳定币领域，我们对 token economics 的理解是另一套逻辑。
但现在你会发现：
所有东西都变成“token”了。
身份认证里有 token
网络安全里有 token
Visa、Mastercard 有 network token
开放银行里有 token
稳定币是 token
AI 里也有 token
“token”这个词在英语里其实很让人困惑，因为它本来只是表示“某种替代物”，但现在几乎什么都可以叫 token。
但无论如何，你必须理解它背后的经济模型。
最终，无论是 AI 还是支付网络，决定用户体验的还是：
-
速度
-
成本
这两个因素会不断把我们拉回现实。
Simon Taylor：
Pahal，非常感谢你今天的分享。作为一个长期关注 NVIDIA 的人，同时也是支付行业的一员，这次对话真的非常有意思。如果大家想了解更多关于你或者 NVIDIA 在支付领域的工作，可以去哪里？
Pahal Patangia：
大家可以在 LinkedIn 上联系我，也可以通过我的邮箱联系。
如果想了解 NVIDIA 在金融服务领域的工作，可以访问 NVIDIA 官网，我们有专门的行业页面，介绍我们在支付、银行和资本市场方面的工作。
我们希望把 AI 的能力带给整个生态系统，也很乐意成为大家的合作伙伴。
Simon Taylor：
很好，谢谢你。 Bam，如果大家想接入 Mesh 网络或者联系你，应该怎么做？
Bam Azizi：
可以访问 meshpay.com，或者在 Twitter、LinkedIn 上搜索 Mesh Pay。如果想找我，可以在 Telegram 或 Twitter 上搜索 Bam Azizi。
Simon Taylor：
大家也可以在各个平台上找到我，或者访问 finttechbrainfood.com。我最近写了一篇关于“隐形商业”的文章，讨论 Agentic Commerce 可能存在的一些问题。如果你喜欢这个节目，记得订阅、点赞、分享给朋友，这样更多人可以看到这些内容。我们下期再见。
