作者 Charlie

過去一周，金融行業裏發生了幾件表面上完全不在一個頻道里的事情。

8月25日，Google Cloud推出了面向金融機構的Gemini Enterprise for Financial Services，把AI進一步推進KYC、信用分析、投資組合監控、債券發行和金融研究這些真正接近核心業務的工作流。

兩天以後，MoonPay宣佈把PayBox接入Solana上的Kamino，用戶已經可以通過Claude或者ChatGPT這樣的交互入口發起借貸和獲取收益。

與此同時，Dallas Fed發布了一篇看起來沒那麼性感的研究，討論如果存款可以24小時實時轉移，而AI又能夠自動替企業和個人比較收益，銀行一直以來依賴的存款粘性會發生什麼。

再往後一天，BIS在討論穩定幣與代幣化存款時，又提到了啱啱完成真實資金測試的Project Agorá。

單獨看，每一件事都可以被歸到一個熟悉的新聞分類裏：Google是企業AI，MoonPay是加密金融，Dallas Fed是銀行研究，Project Agorá是央行和商業銀行研究下一代跨境支付基礎設施。

但如果把它們放在一起，能看到一條更值得注意的線索。

過去兩三年，我們一直在討論AI什麼時候會真正改變金融。但我越來越覺得，這個問題問得不夠準確。真正的分界線從來不是AI什麼時候「更懂金融」，而是它什麼時候開始被允許代表人去做金融決策，並且真的能夠移動資金。

這兩者之間的差別，可能比從搜索引擎到ChatGPT還大。

幾年前我剛開始研究生成式AI和Fintech結合的時候，整體判斷其實相對保守。那時候金融行業最現實的應用仍然是客服、報告、反欺詐、費用管理、內部知識檢索和各種提高員工效率的工具。這些當然有價值，但基本都停留在「AI站在錢的旁邊幫忙」，並沒有真正碰到錢。

原因也很簡單。一個模型寫錯一段市場文案，可以重新修改；一個模型如果替企業把500萬美元轉錯了地方，顯然不是點一下「撤銷」就能解決。金融機構對黑箱的容忍度天然比普通軟件公司低得多。準確性、權限、審計、責任歸屬、監管要求，任何一個環節沒有解決，模型再聰明，也只能做助手。

而最近幾個月真正值得注意的變化，並不是行業突然相信「全自動AI理財」馬上會到來，而是越來越多公司開始把「讓AI動錢」這件事拆成一系列更小、更可控的授權。

Robinhood今年推出Agentic Trading時，並沒有讓一個模型直接接管用戶全部資產，而是專門設定一個允許AI操作的獨立賬戶。到第二季度末，這類賬戶已經接近10萬個，管理資產超過1億美元。

Ramp走的路線更加不性感，卻可能更接近真實企業財務的演化路徑。它的AI並不是直接取代CFO，而是先讀取公司的報銷、付款和會計政策，對高把握度的情況自動處理，把異常情況交還給人。

Rocket Money最近推出的Rowan也體現了類似趨勢：它不再只是給用戶看一張「你這個月花了多少錢」的圖，而是可以在後台發現訂閱、發消息提醒、幫助取消服務、談判賬單，甚至按照預設規則完成儲蓄轉賬。

這些產品放在一起看，會發現市場並沒有從「人工操作」直接跳到「機器完全自主」，而是沿着一條更現實的路徑前進：先觀察，再建議，再準備動作，再由人批准，然後逐漸把那些規則清楚、風險可控的動作交給機器執行。

這也是為什麼我覺得，Agentic Finance真正重要的概念並不是「自動化」，而是「授權」。

今天企業員工拿着一張公司信用卡，本身就是一種金融授權。他當然不能把公司銀行賬戶裏的錢全部花掉，但可以在一定商戶類別、金額和審批規則內自主消費。基金經理、企業財務負責人、採購經理，本質上也都是在一個事先定義好的授權框架裏替別人管理資金。

AI Agent真正要做的，並不是發明一種全新的金融制度，而是把這種我們早就習以為常的授權關係變成機器可以理解和執行的規則。

比如，一家公司完全可以告訴一個AI財務代理：必須保留至少30天運營現金；剩餘資金只能放在指定銀行或者高評級產品；不能產生外匯風險；單筆資金移動超過50萬美元必須人工批准；只有當收益差超過20個點子時才值得切換；任何新出現的交易對手都必須經過人工審核。

一旦這些規則可以被機器直接理解，事情就發生了本質變化。AI不需要獲得無限權力，也不需要成為一個完全不受監管的「機器人對沖基金」。它只需要在邊界內自主行動。

這也是最近Google、MoonPay、Visa、Mastercard這些公司做Agent支付時越來越明顯的共同方向。表面上大家都在討論AI如何付款，真正花大量精力解決的卻是權限：誰授權，授權多少，授權到什麼時候，哪些商戶和賬戶可以碰，什麼情況下必須停下來重新找人確認，最後出了問題如何留下完整的審計記錄。

所以我現在越來越相信，未來Agentic Finance最重要的產品之一，甚至不一定是某個更聰明的大模型，而是一套足夠可靠的「金融授權系統」：它能把一句很模糊的人類指令——比如「幫我把公司閒錢管好」——翻譯成幾百條可以被機器嚴格執行的規則。

從這個角度再看MoonPay最近半年的動作，就比單獨看它和Kamino合作有意思得多。

3月，MoonPay推出Open Wallet Standard，重點解決AI怎麼安全使用錢包、怎麼在不接觸私鑰的情況下獲得有限的簽名權限；5月，它收購DFlow，把交易執行基礎設施補進來；6月又收購Entendre，增加對賬、財務、資金管理和報表能力；7月推出PayBox，把卡和錢包直接接進Claude、ChatGPT這樣的交互環境；到了8月，再通過Kamino把借貸和收益管理接進來。

單獨看，每一步都不算驚天動地。連在一起看，卻很像是在拼一套面向AI Agent的金融底層能力：先解決身份和權限，再解決執行，再解決財務運營，最後開始碰信用、借貸和資產配置。

這也是Agentic Payments和Agentic Finance真正的區別。

前者回答的是：AI怎麼替我付錢？

後者問的是：AI怎麼替我管理資產負債表？

一旦進入第二個問題，支付就只剩下其中一個動作。現金放在哪裏、什麼時候借錢、抵押什麼資產、閒置資金賺多少收益、什麼時候做再平衡、如何管理流動性和風險，這些原本需要企業財務團隊、銀行家或者投資經理不斷做出的判斷，都開始有可能進入機器的執行範圍。

可是這裏一直還有一個基礎設施上的矛盾。

如果AI可以每秒計算一次最佳方案，錢本身卻仍然只能按照銀行營業時間、跨境代理行、批量清算和人工對賬的速度移動，那麼再聰明的Agent也沒有太大意義。它像一輛性能極好的跑車，卻只能開在一條坑坑窪窪的鄉間土路上。

這也是Project Agorá值得放進這篇文章的原因。

Project Agorá本身不是一個AI項目。它是BIS Innovation Hub和國際金融協會聯合推動的實驗，研究如何把代幣化的商業銀行存款和央行準備金放進一個多幣種、可編程的平台裏，以改善批發跨境支付。

它與Agentic Finance之間真正的聯繫，並不是「BIS也開始做AI」，而是它正在研究AI最終需要調用的另一塊金融基礎設施：錢本身能不能變得更容易被機器讀取、組合和執行。

今年7月，28家金融機構和央行已經在受控環境裏完成真實資金測試，涉及瑞郎、歐元、英鎊、日元、韓元和美元。測試規模本身非常小，遠遠談不上生產環境，但它至少驗證了一件事情：商業銀行存款和央行貨幣並不是天然只能活在今天這些緩慢、彼此割裂的系統裏，它們同樣可以進入一個支持條件觸發、原子結算和自動執行規則的環境。

BIS自己對此仍然非常謹慎。系統之間怎麼互聯，法律上的最終結算怎麼認定，智能合約出了問題誰負責，網絡安全、治理以及幾十年舊系統怎麼遷移，這些問題都遠遠沒有解決。所以把Agorá寫成「下一代全球金融系統已經建好了」，顯然是誇大。

但它至少證明了一個容易被crypto敘事掩蓋的問題：可編程貨幣並不一定等於穩定幣，也不一定意味着銀行被繞過去。傳統銀行存款本身，也可能變成可以被軟件調用的金孖展產。

而真正有意思的地方，也恰恰從這裏開始。

因為銀行今天正在投入大量資源消滅資金流動裏的摩擦，但這些摩擦過去某種程度上本來就是銀行商業模式的一部分。

這正是Dallas Fed那篇文章最值得注意的地方。

一家銀行的存款為什麼值錢？

當然有很多很高大上的原因。企業把5000萬美元放在JPMorgan，不只是因為懶得開戶，背後可能綁定着信貸額度、外匯、工資支付、現金管理、託管以及多年的客戶關係。這些東西不會因為隔壁銀行利率高了10個點子就突然消失。

但另一個原因沒有那麼高大上，卻同樣真實：搬錢太麻煩。

今天一家公司的賬戶裏有200萬美元暫時閒置，A銀行給4.20%，B銀行給4.35%。為了15個點子，財務團隊是不是每天早上都要重新檢查一次？是不是值得重新登入、比較交易對手風險、做資金劃撥、考慮清算時間，再重新做一輪對賬？還要保證明天工資和供應商付款不會受到影響。

絕大多數時候，答案都是算了。

錢就繼續放在那裏。

這就是金融體系裏一個很少被單獨拿出來討論的資產：人的惰性。

Dallas Fed的文章說得很直接，運營存款之所以有粘性，一部分就來自資金無法快速重新配置的現實摩擦。如果未來即時結算、代幣化存款和AI Agent同時成熟，尋求更高的收益的客戶理論上就可以在自己幾乎不做任何操作的情況下完成資金切換。

AI不會覺得15個點子「不值得折騰」。

它沒有周一早上的會議，不會忘記，也不會因為今天很忙就把這個事情拖到下周。對於它來說，不斷比較不同金融產品的邊際注意力成本幾乎為零。

這當然不意味着未來所有企業存款都會像熱錢一樣每五分鐘換一家銀行。客戶關係、信用額度、監管要求、風險管理仍然存在，資金切換也永遠不會真正達到零成本。

但問題在於，它根本不需要發展到這麼極端，纔會影響銀行。

Dallas Fed以美國銀行體系接近17萬億美元的相關存款做了一個敏感度測算。如果存款的平均停留期限縮短10%，銀行體系承擔期限轉換的能力可能減少大約5800億美元的「十年期等值風險敞口」；如果存款利率對市場利率變化的敏感程度提高10%，銀行可承擔的久期風險可能減少約7000億美元。

這並不是說AI會讓美國銀行突然少放7000億美元貸款。把這個數字簡單解釋成「貸款能力減少7000億美元」並不準確。

它真正說明的是另外一件事情：存款粘性本身就有巨大的經濟價值。

如果未來可編程貨幣和AI Agent只是讓這份粘性稍微弱一點，銀行負債端的成本和期限結構就可能跟着變化。

過去大家談可編程貨幣時，看到的通常都是好處：結算更快、對賬更少、成本更低、可以全天運行，也可以把支付條件直接寫進交易邏輯裏。

但它還有一個很少被強調的另一面：錢一旦更容易移動，持有錢的人就擁有了更多選擇權。

對於資產持有者來說，這是效率；對於把這些錢當作穩定資金來源的機構來說，卻意味着更激烈的競爭。

銀行為了讓錢像軟件一樣運行，也可能必須接受一個結果：錢開始按照軟件的速度比較價格。

這就把問題帶到了我最近一直在思考的另一個方向。

過去我一直認為，金融本質上是一個分銷（distribution）生意。

銀行爭的是誰拿到工資直接入賬，信用卡公司爭的是誰成為消費者最常用的那張卡，券商爭的是誰佔住投資者的手機螢幕，財富管理機構爭的是誰擁有客戶關係。大量Fintech產品花幾十億美元獲客，本質上都在爭奪同一個東西：誰能站在用戶和金融產品之間。

因為誰擁有分銷，誰就有機會決定哪個產品被看見。

但AI Agent可能會讓這場競爭逐漸從「分銷」（distribution）變成「資金路由」（routing）。

以前你會問：我最喜歡哪家銀行？

未來更重要的問題可能是：我的財務Agent把哪些銀行放在可接受交易對手名單裏？

以前基金公司想辦法讓自己的貨幣基金排在App首頁。

未來Agent可能直接判斷：當收益差超過18個點子、流動性滿足要求、交易對手風險低於某個閾值時，資金應該自動去哪裏。

以前貸款機構拼廣告、品牌和銷售渠道。

未來Agent可能直接比較實際利率、抵押要求、提前還款條件以及企業當前的現金流狀況，再決定應該調用誰的資金。

到了這裏，真正值錢的東西就不再只是「用戶有沒有下載你的App」，而是你有沒有進入機器的默認規則。

誰被寫進授權範圍，誰就有資格參與競爭；誰最終贏得資金路由，誰就拿到了資金流。

Agentic Commerce改變的是需求流向哪裏。

Agentic Finance改變的是資本流向哪裏。

所以如果今天我是一個銀行CEO，我當然會關心AI能不能減少分析師寫報告的時間，能不能把KYC和反欺詐調查自動化，這些都是非常現實的效率提升。

但更長期的問題可能是另外一個：

當我的企業客戶擁有一個24小時工作的財務Agent以後，我憑什麼繼續擁有他的下一美元？

最聰明的銀行未必會抵抗這場變化，反而可能最早把Agent放進自己的體系裏。客戶日常運營資金繼續留在活期賬戶，暫時不用的錢自動進入收益更高的存款或者基金，需要流動性時再自動回來；外匯、貸款額度、抵押品和付款也都可以被一起優化。這樣即使Agent不斷尋找更優解，資金仍然可以留在同一家銀行生態內部。

從這個角度來看，Project Agorá這樣的探索未必會削弱銀行，甚至可能幫助受監管的商業銀行貨幣在穩定幣時代繼續保持核心地位。

所以這並不是一個「AI加Crypto最終幹掉銀行」的簡單故事。真正危險的，未必是銀行本身，而是那些長期以來把客戶不願意比較、不願意切換、嫌麻煩，當成自己護城河的金融商業模式。

過去一家銀行很重要的優勢，是客戶搬走太麻煩。下一階段真正強的銀行，可能必須證明一個完全相反的命題：客戶隨時都可以走，但他的AI算完以後，依然決定把錢留在這裏。

過去十幾年，Fintech最激烈的戰爭發生在手機螢幕上。大家爭日活、爭主賬戶、爭最常用的那張卡，爭誰離用戶更近。

下一輪很多真正重要的金融戰爭，可能根本沒有界面。

它發生在後台的一套授權規則裏，發生在一張可接受交易對手名單裏，發生在十幾個點子的收益差裏，也發生在AI判斷「這筆錢此刻應該去哪裏」的那一瞬間。

所以Agentic Finance真正值得問的問題，可能從來都不是：AI什麼時候會替我們管理錢？而是，當越來越多的錢開始按照機器可以理解的規則，自動尋找自己的最佳去處以後——

誰還有資格決定，這些錢最終留在哪裏？