Pandangan dari Pelaku Pembayaran AI 16 Digit tentang Situasi, Konflik, dan Akhirnya

AI pembayaran bukan lagi sebuah konsep. x402, MPP, Tempo, AP2—selama setahun terakhir, Coinbase, Stripe, Google, Visa telah membangun kerangka protokol di berbagai tingkat. Data nyata di blockchain, akses merchant nyata, serta kesalahan model yang nyata mulai muncul satu per satu.

Sabtu lalu, organisasi 支无不言 mengadakan pertemuan tertutup Agent Payment, dengan 16 tamu dari infrastruktur pembayaran, layanan dompet, bisnis pembayaran perusahaan besar, lembaga investasi, dan lain-lain, selama tiga jam menjawab empat pertanyaan: Di mana sebenarnya AI pembayaran terjadi, bagaimana membuat AI membelanjakan uang dengan aman, bagaimana bisnis ini menghasilkan uang, dan ke mana arah pertarungan antara perusahaan besar dan startup.

Berikut adalah inti penilaian yang muncul dalam diskusi ini:

• Situasi paling matang untuk Agent pembayaran adalah panggilan API, dengan volume kecil tapi frekuensi tinggi yang menopang volume;

• Ketidakpastian output AI dan kebutuhan akan kepastian di industri keuangan memiliki konflik mendasar, ini adalah kontradiksi teknologi dasar dari Agent pembayaran;

  Kerangka keamanan Agent pembayaran sedang beralih dari verifikasi identitas ke verifikasi niat;

• Mekanisme chargeback tidak berlaku dalam skenario Agent, tiga lapis arbitrase akan menjadi paradigma baru keamanan pembayaran;

• Filosofi desain perusahaan besar adalah tidak percaya pada Agent, hanya percaya pada transaksi;

• Titik kritis sebenarnya dari Agent pembayaran bukan pada pembayaran itu sendiri, melainkan pada bagian transaksi di hulu yang belum dibangun ulang untuk Agent;

• Peran startup adalah sebagai pemasok komponen bagi perusahaan besar, bukan sebagai penyedia layanan langsung ke konsumen.

Pembawa acara

Hazel Hu

Pembawa podcast 《支无不言》, kontributor utama dana barang publik berbahasa Mandarin GCC, X: withhazelhu; juga di Jike: seorang yang tidak terlalu serius, YueYue

Ivy Zeng

Pembawa podcast 《支无不言》, mengeksplorasi kasus nyata Agentic Payment, fokus pada pertumbuhan Fintech, pernah bekerja di VC sebagai pasca-investasi, pernah bertanggung jawab atas pertumbuhan wilayah produk 2C di bank baru. X: IvyLeanIn

Thomas Zheng

Penanggung jawab pasar modal 支无不言, lebih dari 6 tahun pengalaman sebagai konsultan pendanaan pasar primer, melayani berbagai proyek terkemuka di industri, membantu koneksi dan kolaborasi industri.

Situasi nyata—Agent pembayaran sudah terjadi, tapi bentuk dan harapan berbeda

Panggilan API adalah skenario paling matang untuk Agent pembayaran di blockchain saat ini

Melalui analisis data blockchain dari aplikasi ClawRouter (, menggunakan pembayaran USDC untuk API LL), terlihat bahwa skenario panggilan API menunjukkan karakteristik frekuensi tinggi dan nilai kecil: Hingga awal April 2026, sekitar 1400 alamat independen menghasilkan 530.000 transaksi dengan total sekitar 28.000 dolar AS. Mengingat platform juga menyediakan model gratis, volume penggunaan sebenarnya mungkin diremehkan—bagian gratis sekitar 1 juta panggilan API per bulan.

Gambar: Situs resmi ClawRouter

Data dari startup infrastruktur pembayaran juga menunjukkan bahwa sejak September tahun lalu, sekitar setengah dari volume panggilan API berasal dari pengembangan lapisan pembayaran asli Agentic Payment.

Otorisasi kuota adalah mode otorisasi dasar dalam Agent pembayaran

Aktivitas pertumbuhan red envelope ( dari Agent 2 Agent ) secara tak terduga mendorong inovasi dan adopsi mekanisme otorisasi. Mode otorisasi ini berfokus pada kuota, bukan persetujuan: pengguna memberi otorisasi kuota kepada AI sebelumnya, dan selama dalam batas tersebut, AI dapat memanggil secara mandiri tanpa konfirmasi satu per satu. “Dalam batas ini, AI bisa menggerakkan uangmu tanpa konfirmasi dari kamu.”

Belum lancar untuk konsumsi offline, yang hilang bukan pembayaran tapi pengalaman

Eksplorasi di bidang pembayaran online dan offline telah mencakup 50 juta merchant nyata, termasuk pemesanan tiket pesawat, isi ulang pulsa, beli kartu hadiah, dan lain-lain. Tapi skenario konsumsi C-end masih menghadapi tantangan ganda: membangun kebiasaan pengguna dan meningkatkan pengalaman.

Para ahli dan KOL telah mengkristalisasi Agent menjadi model bisnis matang

Sudah ada contoh sukses yang membuktikan jalur ini: dokter terkenal, KOL, dan lain-lain mengkristalisasi pengetahuan dan konten mereka menjadi Agent, sehingga saat pengguna tidak bisa bertemu langsung dengan orang nyata, mereka bisa menggunakan Agent terlebih dahulu. Misalnya, seorang pekerja media independen mengkristalisasi konten lamanya menjadi aplikasi, biaya bulanan 199 yuan, dan performa penjualannya sangat baik—dibandingkan dengan panggilan 15 menit yang memerlukan ratusan bahkan ribuan yuan, versi Agent-nya hanya puluhan hingga ratusan yuan.

Gambar: Pekerja media independen mengkristalisasi konten lamanya menjadi App

Agent transaksi lebih cepat menemukan PMF dibandingkan Agent pembayaran

Data dari bidang crypto menunjukkan bahwa skenario transaksi adalah pusat kebutuhan pengguna saat ini, dan model bisnisnya secara alami memiliki atribut komisi. Jika dibandingkan dengan sejarah awal blockchain, para pembangun yang sudah mengembangkan merchant dan stablecoin saat biaya Gas tinggi, seperti Tron, meskipun biaya naik, pengguna sulit bermigrasi.

Skenario konsumsi C-end belum terbukti dari kebutuhan nyata

Fenomena lebih dari satu miliar pengguna menggunakan Qianwen untuk membeli teh susu selama Tahun Baru Imlek memicu diskusi: apakah pengguna menggunakannya karena pengalaman lebih baik, atau karena ada subsidi 25 yuan per transaksi? Informasi dalam bentuk dialog terbatas, di masa depan skenario C to B mungkin perlu menggunakan kacamata pintar untuk percakapan tanpa hambatan, yang menuntut lonjakan pengalaman.

Para peserta menyebutkan arah skenario yang lebih mampu menyelesaikan pain point pengguna:

• Skenario pengadaan: membutuhkan pengendalian anggaran ketat dan perbandingan banyak vendor (misalnya AI e-commerce Agent Alibaba - Accio)

• Tugas kompleks: persiapan pernikahan, pemesanan perjalanan, dan skenario yang membutuhkan koordinasi multi langkah

• Skenario tiket cepat: tiket konser dan kebutuhan dengan waktu sangat mendesak

Gambar: AI e-commerce Agent Alibaba - Accio

Agent pembayaran adalah pintu masuk trafik baru

Dari sudut pandang pengambilan trafik, Agent pembayaran mirip dengan SEO dan video pendek di masa awal—menandai peluang trafik baru. Mereka yang paling awal mempelajari SEO meskipun awalnya kecil, tetapi mereka terus menemukan cara mendapatkan trafik awal dari SEO. Peristiwa “Jiaozi Guan Jingu Yuan” mungkin setara dengan membeli pizza dengan Bitcoin di masa awal, dan tetap dikenang bertahun-tahun kemudian.

Latar belakang skill Jingu Yuan Jiaozi Guan: “Pada 7 April 2026, di tengah popularitas OpenClaw, pemilik restoran Jiaozi Guan menulis sebuah modul kemampuan AI bernama ‘Jingu Yuan Jiaozi Guan·SKILL’. Kemampuan AI ini ditujukan untuk Agent AI, bukan langsung ke manusia. Setelah dipasang, asisten AI bisa secara mandiri mencari informasi menu, jam operasional, aturan antrean, bahkan melakukan pengambilan nomor antrean online. Pada musim dingin 2025, karena antrean terlalu panjang, server platform pengantaran makanan salah menganggap antrean sebagai gangguan dan memblokir akses ke toko, pemilik berharap AI bisa mengoptimalkan pengalaman antrean di masa depan.”

Gambar: Skill antrean Meituan Jingu Yuan Jiaozi Guan

Agent pembayaran yang sesungguhnya belum dimulai

Dari perspektif makro, membahas Agentic Payment saat ini mungkin terlalu dini. Bisa dianalogikan seperti pertumbuhan anak: saat ini seperti anak usia 1 sampai 5 tahun, penghasilannya dari orang tua, kuota yang bisa digunakan diotorisasi orang tua, dan semua keputusan belanja juga dari orang tua, mereka belum memiliki niat sendiri (intention)).

Saat ini Agent pembayaran masih terkonsentrasi di skenario produktivitas

Kesepakatan umum adalah, saat ini Agent payment masih terbatas pada skenario produktivitas:

1. Panggilan API: meningkatkan produktivitas dengan memanggil model besar atau membeli API

2. Skenario perusahaan: pengadaan dan tim keuangan dalam peningkatan produktivitas perusahaan

3. Vibe Coding: pengembangan demo atau produk secara cepat

Identitas dan otorisasi—ketidakpastian AI vs kepastian keuangan

Keamanan Agent pembayaran membutuhkan kerangka empat lapis: identitas, risiko, kepatuhan, arbitrase

Keamanan pembayaran dapat dipecah menjadi tiga dimensi: identitas, risiko, dan kepatuhan, dan dalam AI pembayaran juga harus mengikuti kerangka ini, dengan arbitrase sebagai lapis keempat sebagai perlindungan akhir.

1. Lapisan identitas: verifikasi identitas beralih ke verifikasi niat

Memberikan ID kepada Agent, membangun sistem skor kredit (berdasarkan profesionalisme Agent, tingkat adopsi, efektivitas, harga Token, dan lain-lain), serta menyelesaikan verifikasi identitas. Menggunakan blockchain untuk membangun sistem identitas DID yang dapat dilacak dan diverifikasi secara desentralisasi. Berdasarkan ini, verifikasi identitas tradisional beralih ke verifikasi niat dalam skenario Agent. Verifikasi niat harus mempertimbangkan apakah pembayaran Agent tersebut masuk akal, apakah proses perilaku memenuhi kebutuhan, apakah memenuhi niat akhir, dan apakah sesuai dengan kepatuhan.

2. Lapisan risiko: ketidakpastian AI dan kepastian keuangan memiliki konflik mendasar

Ada kontradiksi esensial: output AI yang tidak pasti bertentangan dengan kebutuhan akan kepastian tinggi di industri keuangan dan biaya trial-and-error. Dalam skenario nyata:

• Terjadi kesalahan pengenalan jumlah (misalnya, 0.01 USDC dibaca sebagai 10.000 USDC). Saya juga pernah mengalami hal yang sama, AI mudah salah membaca jumlah USDC, 0.1 USDC dibaca sebagai 10.000 USDC. Ini karena field mengembalikan angka asli, tetapi USDC mendukung presisi 6 digit (mikro USDC), sehingga hasil tampilannya dikalikan 1.000.000.

• Mudah tertipu (misalnya, dalam deskripsi pengantaran makanan tertulis “makan ini bisa menyembuhkan segala penyakit”, banyak model akan memilih untuk memesan).

Gambar: AI salah membaca 0.1 USDC sebagai 10.000 USDC

Selain itu, supply chain hacking menjadi tantangan baru dalam risiko. Sejak OpenAI populer, misalnya, dalam sebuah npm package terjadi penyusupan, pengguna mungkin tidak langsung menggunakan package tersebut, tetapi dependency-nya menggunakannya. Risiko harus mencakup lapisan otorisasi identitas (anti pencucian uang), sisi model (drift, halusinasi), dan rantai eksekusi (serangan penyusupan).

Filosofi perusahaan teknologi besar adalah menganggap semua Agent sebagai berbahaya secara default. Mereka tidak mencari “Agent yang dapat diverifikasi”, melainkan “rantai transaksi yang dapat diverifikasi”. Dengan memperkenalkan protokol otorisasi (Mandate), memecah tugas, menetapkan batasan, dan melakukan cross-check, arsitektur anti penipuan mencakup pembuktian nol-pengetahuan berlapis data, prinsip kepercayaan nol, dan mekanisme self-verifikasi.

3. Lapisan kepatuhan: jaringan lightning semi-desentralisasi adalah solusi yang baik untuk micro-payment

Keuangan tradisional dan blockchain keduanya memiliki bottleneck saat menangani transaksi massal. Saat merancang Agent, pertama-tama harus mendefinisikan bahwa ini adalah micro-payment. Keamanan micro-payment dapat dirancang dengan cara yang tidak terlalu terpusat maupun terlalu desentralisasi, dan jaringan lightning yang sudah lama tidak aktif dengan kapasitas TPS sangat tinggi, mungkin akan bangkit kembali di era Agentic Payment.

4. Lapisan arbitrase: mekanisme arbitrase berlapis akan menggantikan chargeback tradisional

Mekanisme chargeback kartu kredit di jaringan Visa sulit diterapkan dalam Agentic Payment, sehingga perlu membangun mekanisme arbitrase berlapis:

1. Lapisan pertama: arbitrase otomatis AI untuk sengketa yang jelas (penarikan ulang, kesalahan jumlah, layanan tidak disampaikan)

2. Lapisan kedua: tim arbitrase AI menangani bagian yang membutuhkan penilaian (kualitas layanan, batas otorisasi)

3. Lapisan ketiga: keterlibatan manusia untuk arbitrase sengketa kompleks

Model bisnis—menguasai ceruk ekosistem, menyesuaikan ulang harga AI, risiko dan otorisasi

Startup saat ini mengisi ceruk ekosistem dengan “berbuat karena cinta”

Sebelum model bisnis benar-benar berjalan, jawaban jujur dari para pendiri adalah “berbuat karena cinta, menempati posisi, menunggu angin”—seperti yang digambarkan oleh seorang pendiri platform API.

Skenario transaksi secara alami memiliki atribut komisi

Seperti sejarah awal blockchain, mereka yang sudah mengembangkan merchant dan stablecoin saat biaya Gas tinggi, seperti Tron, meskipun biaya naik, sulit bagi pengguna untuk bermigrasi. Industri crypto secara alami memiliki model bisnis berbasis komisi (take rate) dalam skenario trading.

Penggabungan tagihan adalah kunci untuk mengatasi ketidakekonomisan pembayaran kecil

Jika menggunakan kartu, transaksi di bawah 10 dolar mungkin merugikan merchant. Dalam skenario Agentic Payment, banyak pembayaran kecil, solusinya adalah penggabungan tagihan untuk meningkatkan jumlah settlement per transaksi.

Penetapan harga berdasarkan hasil hanya cocok untuk pekerjaan berbasis kuantifikasi

Pengguna hanya memanggil 1 API, tetapi hasilnya sangat berbeda. Bagaimana memberi harga layanan AI? Peserta berpendapat, penetapan harga berdasarkan hasil hanya bisa diterapkan pada pekerjaan sederhana berbasis kuantifikasi (misalnya Agent layanan pelanggan yang menyelesaikan jumlah tiket), sedangkan dalam skenario tidak pasti (misalnya Agent penjualan yang mendapatkan kualitas prospek) sangat subjektif. Penetapan harga berdasarkan hasil hanya berlaku untuk beberapa pekerjaan berbasis kuantifikasi. Skenario utama tetap akan bertahan lama dengan model lama berdasarkan volume panggilan/subskripsi, sampai terobosan dalam verifikasi hasil Agent tercapai.

Vibe Coding dan kunci komersialisasi: konversi dari langganan ke penggunaan

Tujuannya adalah agar perusahaan AI baru atau pengembang biasa bisa dengan cepat mengkomersialisasikan produk yang dikembangkan melalui Vibe coding. Banyak pengembang independen membuat demo produk dengan mudah, tetapi membangun model bisnis yang nyata cukup sulit. Kuncinya adalah mengubah biaya penggunaan model besar setiap kali pengguna menggunakannya menjadi paket bulanan, atau model langganan plus kredit.

Peta kompetisi—serangan perusahaan besar dan strategi startup

Stablecoin mengancam struktur kartu tradisional

Stripe sebelum mengakuisisi perusahaan stablecoin Bridge, valuasinya turun dari puncak 920 miliar dolar menjadi di bawah 700 miliar. Setelah akuisisi, valuasinya kembali ke kisaran 900 miliar, dengan putaran pendanaan terbaru valuasi 1.591 miliar dolar. Layanan settlement stablecoin mereka menawarkan biaya 1,5%, jauh di bawah rata-rata biaya 2,8% sampai 3% dari jaringan kartu tradisional, dan mungkin akan turun lagi ke 1%. Sebaliknya, model bisnis perusahaan pembayaran tradisional sangat rapuh (misalnya Visa sangat bergantung pada biaya transaksi), dan PayPal, karena khawatir mengganggu bisnis utama, ragu dalam pengembangan stablecoin dan belum mencapai skala besar.

Startup masa depan akan menjadi komponen bagi perusahaan besar

Dalam waktu yang cukup lama, model bisnis mungkin bukan pengguna C-end yang langsung memanggil alat ini, melainkan perusahaan besar yang mengemasnya secara terpusat. Perusahaan besar bisa menjadi klien, startup menjadi pemasok, menggabungkan alat yang dikembangkan, lalu menjual dengan harga lebih tinggi. Tren ini tak terelakkan meningkatkan tingkat sentralisasi industri.

Pajak AI adalah bentuk pembayaran mikro frekuensi tinggi dalam 3-5 tahun ke depan

Ada peserta yang berpendapat, pajak AI akan menjadi sumber UBI (pendapatan dasar universal) dan tunjangan pengangguran, dan pembayaran AI mikro frekuensi tinggi akan menjadi infrastruktur dasar. Metode pengenaan pajak yang mungkin termasuk:

1. Memperkenalkan konsep “penetrasi AI”, mengenakan pajak progresif berdasarkan tingkat penetrasi AI

2. Menggunakan volume panggilan token sebagai dasar pajak, mirip dengan PPN

Titik kritis sebenarnya bukan di pembayaran, tapi di hulu—bagian transaksi belum dibangun ulang untuk Agent

Melalui protokol dan dompet pengguna, masalah pembayaran tampaknya bisa diatasi. Tapi masalah terbesar saat ini sebenarnya adalah transaksi tidak bisa terjadi. Karena semua pembayaran membutuhkan transaksi terlebih dahulu, misalnya dalam e-commerce atau pemesanan tiket, skenario ini tidak bisa diselesaikan oleh Agent. Agent transaksi tidak ada, jadi pembayaran selanjutnya tidak bisa berjalan.

C-end keluar dari lingkaran: pentingnya promosi langsung dan batasan startup

Mengapa OpenClaw tiba-tiba sangat populer? Di dalam negeri, ini didorong oleh promosi langsung, oleh perusahaan besar yang menjual layanan cloud dan melakukan promosi langsung. Seperti promosi pembayaran mobile awal, salah satu alasan orang tua bisa menggunakannya adalah promosi langsung—“Install aplikasi, saya ajari pakai, benar-benar dikasih 50 yuan.”

Tapi bagi startup, banyak kebutuhan mungkin memerlukan waktu lama untuk terwujud. Seorang pendiri infrastruktur pembayaran AI mengatakan, setelah mereka menilai hal ini, mereka memutuskan untuk tidak mencari skenario pengguna secara langsung. Karena mereka percaya biaya edukasi pengguna tidak seharusnya ditanggung satu atau dua startup, melainkan seluruh ekosistem. Jika ekosistem tidak cukup, tidak ada artinya; jika cukup, biayanya akan dipikul oleh perusahaan besar, dan mereka menikmati bagi hasilnya. Sebaliknya, mereka fokus pada abstraksi—mengabstraksi semua akun, dompet, bahkan jembatan, rantai, dan jaringan pembayaran di industri, sehingga pengguna tidak perlu paham semua itu. Setelah memahami ini, mereka tahu di mana titik kemenangan tim kecil, dan biaya apa yang tidak seharusnya mereka tangani.

Ini mungkin pertanyaan utama yang harus dijawab oleh semua peserta Agent pembayaran saat ini: bukan “Agent pembayaran akan berhasil atau tidak”, melainkan “sebelum berhasil, kamu siap berada di lapisan mana”. Lapisan protokol, dompet, identitas, otorisasi, transaksi, dan penyelesaian—setiap lapisan ada yang bertaruh dan menunggu. Perusahaan besar bersiap untuk menguasai seluruh rantai, startup bersiap untuk disusun ke dalam rantai ini. Mereka yang bisa bertahan kemungkinan besar adalah yang tidak terlalu meremehkan kemampuan mereka untuk menguasai satu lapisan, dan tidak terlalu meremehkan nilai mereka di lapisan tertentu.