周二,谷歌宣布推出一项针对AI智能体发起购买的全新开放协议,该协议得到了60多家商户和金融机构的支持。智能体是能够代表用户购物和做决策的自动化软件程序。这套名为智能体支付协议(AP2)的系统旨在实现AI平台、支付系统和供应商之间的互操作性,为每笔交易提供可追溯的记录轨迹。
在宣布该协议的帖子中,谷歌高管强调了他们对开放性的承诺。谷歌副总裁Stavan Parikh和谷歌云副总裁Rao Surapaneni写道:"我们致力于通过开放、协作的流程发展这一协议,包括通过标准机构,并邀请整个支付和技术社区与我们一起构建这个未来。"
AP2的完整规范已与公告同时发布在GitHub上。
该协议是为未来AI智能体日常代表客户购买产品,并与零售商的AI智能体进行复杂实时交互而构建的。谷歌帖子中的一个例子设想了聊天机器人用户要求其智能体为自行车旅行购物,这触发了自行车店智能体提供的自发时间敏感套餐优惠。
在另一个例子中,用户要求为周末度假安排旅行和住宿,只提供日期、地点和预算。帖子解释道:"智能体然后可以与航空公司和酒店智能体以及在线旅行社和预订平台进行交互,一旦找到符合预算的组合,它可以同时执行两个加密签名的预订。"
从技术和社会角度来看,实现这种交易都很复杂。AP2要求智能体在购买前注册两个单独的批准:首先是"意图授权"(本质上是告诉AI"我在寻找一条波点领带"),这使智能体能够搜索特定物品并与卖家谈判;然后是"购物车授权",在找到特定物品后给予购买的最终批准。
该协议还包含完全自动化购买的条款,其中智能体被允许在找到物品后自动生成购物车授权。这些情况需要更详细的意图授权,指定价格限制、时机和其他参与规则。无论哪种情况,目标都是维护可审计的轨迹,以便在欺诈案件中重新审查。
谷歌与加密货币公司Coinbase、Metamask和以太坊基金会合作,还制作了一个扩展,将集成面向加密货币的x402协议,允许从加密钱包进行AI驱动的购买。
许多其他科技公司正在开发自己的智能体购买系统——最著名的是Perplexity,它在其智能体浏览器中提供Buy With Pro服务。支付提供商Stripe也为其平台上的智能体购买制作软件工具,尽管它们不如AP2全面。
像任何协议一样,AP2的影响将取决于生态系统中其他参与者的支持——最重要的是构建智能体购买系统的开发者。但AP2已经赢得了万事达卡、美国运通和PayPal等主要金融提供商的支持,为该协议提供了重要的即时基础。
Q&A
Q1:智能体支付协议(AP2)是什么?
A:AP2是谷歌推出的一项开放协议,专门针对AI智能体发起的购买行为。该系统旨在实现AI平台、支付系统和供应商之间的互操作性,为每笔交易提供可追溯的记录轨迹,让AI智能体能够代表用户自动购物和做决策。
Q2:AP2如何确保购买过程的安全性?
A:AP2要求智能体在购买前获得两个单独的批准:首先是"意图授权",让智能体搜索特定物品并与卖家谈判;然后是"购物车授权",在找到特定物品后给予购买的最终批准。该协议维护可审计的轨迹,以便在欺诈案件中重新审查。
Q3:哪些公司支持AP2协议?
A:AP2已经获得了60多家商户和金融机构的支持,包括万事达卡、美国运通和PayPal等主要金融提供商。谷歌还与Coinbase、Metamask和以太坊基金会合作,制作了支持加密货币购买的扩展。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。