AI 正從生成內容、回答問題，走向調用工具、執行任務，甚至發起支付。但一筆由 AI Agent 觸發的交易，究竟由誰授權？資金和底層資產是否可信？交易過程會暴露多少業務資訊？如果出現問題，又該由誰承擔責任？

10月7日，在新加坡舉行的 MONEY MOVES WITH AI 活動上，來自法律、支付和 AI 相關領域的分享者從不同角度討論了這些問題。幾場分享沒有把「支付自動化」僅僅看作效率升級，而是把討論落到了交易發生前、執行中和完成後的信任機制上。

支付可以自動執行，責任邊界仍需明確

VD Law Group 管理合夥人 Sergiu-Traian Vasilescu 將合規視為產品設計的一部分，而不是業務擴張後的補充工作。

他的分享涉及不同司法轄區的監管差異、跨境業務架構、資金由誰持有，以及 AI Agent 執行支付時可能產生的責任問題。產品可以通過代碼快速進入不同市場，但牌照、合規義務和責任邊界並不會因此自動適用。

這也讓 AI 支付面臨一個現實問題：當 Agent 能夠按照指令付款，指令的權限從哪裡來？誰設定金額、對象和用途限制？出現誤付或越權操作時，企業是否留有足夠記錄來核查？

自動化降低了操作成本，也讓授權和責任設計變得更重要。要讓支付自動執行，不能只關注「能不能付」，還需要提前明確「誰允許它付、允許付給誰、最多付多少」。

驗證身份，不等於驗證交易意圖

開放麥的幾場分享進一步把問題拆到了交易環節。

其中一場提出，KYC 和 KYT 可以幫助識別客戶身份、篩查交易對象或發現異常，但它們未必能證明某一筆具體操作確實得到了用戶授權。一個帳戶是真實的，並不必然意味著帳戶發起的每一筆交易都符合持有人的真實意圖。

這一區分在 AI Agent 場景中尤其關鍵。Agent 可能獲得持續調用 API 或執行付款的權限，因此系統需要的不只是「確認是誰」，還要確認「這次操作是否在授權範圍內」。權限額度、用途限制、逐筆確認和可追溯日誌，都是可以進一步討論的控制方式。

風控需要看到資金背後的資產和交易

另一場開放麥分享從 PayFi 與 TradFi 的風險管理切入，提出了 KYR（Know Your Receivable，了解應收帳款）的思路：除了核驗交易雙方，還需要判斷作為融資或付款依據的資產和應收帳款是否真實、可執行、可追蹤。

分享者以 InvoiceMate 為案例，討論 AI 風險編排如何用於核驗底層交易與應收帳款，並持續關注交易對手、資金用途、結算和還款情況。

這把風控問題從「參與者是誰」推進到「交易背後的經濟事實是什麼」。當支付與融資流程變得更快，風險識別也需要盡量跟上交易本身，而不是只依賴交易前的一次身份審查。

支付數據也可能洩露業務資訊

關於 x402 與 AI Agent 支付的一場分享，則把視角轉向隱私。Agent 為調用模型、數據或計算服務而進行的連續支付，可能逐漸形成行為軌跡；從支付對象、頻率和金額中，外部觀察者有機會推測企業正在使用什麼服務、推進什麼任務。

因此，支付的透明性與商業隱私之間需要取得平衡。分享中提到可信執行環境（TEE）、機密計算和機密結算等技術方向，作為減少敏感資訊暴露的可能手段。它們能解決哪些具體問題，還取決於實際系統如何設計和部署。

跨境經營既要能付款，也要能收款

DogPay 的 Joanna 則從企業跨境運營的角度補充了這一討論。她以 AI 短劇業務為例，提到企業進入不同市場時，廣告、雲服務和外部團隊等支出可能分佈在多個國家；與此同時，企業也需要在當地收取收入，並讓資金能夠繼續投入本地運營。

因此，跨境支付並不只是把錢從一個地區匯到另一個地區。對於在多地經營的企業來說，資金流出與本地收款需要銜接起來，付款、收款和後續資金使用共同影響業務能否持續運轉。

信任需要貫穿一筆交易的前後

從法律責任、交易授權，到底層資產核驗、支付隱私和跨境資金安排，這些分享討論的是同一筆交易的不同環節。AI Agent 能否參與支付，最終不只取決於它能否調用支付介面，也取決於權限如何設定、風險如何識別、資訊如何保護，以及出錯後能否追溯責任。

活動由 DogPay 主辦，Alibaba Cloud 和 DeBox 提供贊助支持。