金融服务平台Stripe近日推出了一款专为AI时代设计的数字钱包,自主AI智能体可借助它完成购物、预订、买票等各类消费任务。
在本周举行的年度大会上,Stripe正式发布了Link钱包。这款钱包不仅支持用户绑定多种支付方式、追踪消费记录、查看定期订阅,还允许用户接入自己的AI智能体,由其代为安全完成支付操作。
Link已支持网页端、iOS和Android平台,具备数字钱包的各项常规功能。用户可以绑定信用卡、银行账户、加密钱包以及先买后付服务,同时存储账单地址、收货信息等线上结账所需的常用资料。
此外,Link还提供了一系列实用功能,包括消费概览、订阅追踪,以及在需要时为已订阅的服务自动更新付款方式。针对符合条件的消费,Link还提供来自特定商户的90天购物保障。
Link真正令人眼前一亮的,是它与自主AI智能体协同工作的能力,目前已支持OpenClaw等平台。
近期,尝试使用自主AI的用户数量急剧增长,苹果入门款Mac Mini甚至因此脱销——这款设备是运行全天候AI智能体的热门选择。然而,很多人对于将真实支付信息直接交给智能体这件事心存顾虑,即便智能体能够带来自动化预订的便利。
Link正是为解决这一痛点而生。用户可以将AI智能体接入Link钱包并授权其进行支付,整个过程无需暴露任何真实的支付凭证。
具体来说,用户首先通过OAuth标准认证流程,授权智能体访问Link钱包。智能体随后可以发起消费请求,并向用户说明消费背景,等待用户确认。目前Link支持传统支付方式,Stripe表示对智能体专用Token、稳定币等更多支付类型的支持"即将上线"。
在手机端和网页端,用户将收到消费请求的通知,须先审核交易详情,才能将支付凭证共享给AI智能体。Stripe还透露,未来将进一步丰富管控选项,允许用户自行设置消费限额,甚至决定哪些情况下智能体可以在无需审批的条件下自主完成支付。
Link钱包基于Stripe全新推出的"智能体虚拟卡发行"功能构建。该功能允许用户为智能体发行虚拟卡,用于自主完成购买,并具备实时授权、消费管控和完整交易可视化能力。用户无需直接将支付凭证交给智能体,而是可以选择两种方式:一是通过程序化方式接入Link,由其提供一次性虚拟卡;二是使用共享支付Token(SPT),该Token由银行卡和银行账户作为背书。
Stripe还指出,正在开发AI智能体或AI个人助手的开发者和企业,也可以直接使用Link钱包,而无需从头搭建自己的钱包系统。
Q&A
Q1:Stripe的Link数字钱包是什么?有哪些主要功能?
A:Link是Stripe推出的一款面向AI时代的数字钱包,支持网页、iOS和Android平台。用户可以绑定信用卡、银行账户、加密钱包等多种支付方式,追踪消费记录和订阅情况,还能接入AI智能体授权其代为支付,整个过程无需暴露真实支付凭证,并提供符合条件购买的90天购物保障。
Q2:Link是如何保障AI智能体支付安全的?
A:Link通过OAuth认证流程让用户授权智能体访问钱包,智能体发起消费请求后需用户审核确认才能完成支付。用户还可以选择为智能体提供一次性虚拟卡,或使用以银行卡和银行账户背书的共享支付Token(SPT),全程不暴露真实支付信息。未来还将支持自定义消费限额等更多管控选项。
Q3:开发者能不能直接用Link来构建自己的AI支付功能?
A:可以。Stripe表示,正在开发AI智能体或AI个人助手的开发者和企业,可以直接调用Link钱包的能力,而不必从零开始搭建支付钱包系统,从而降低开发成本,加快产品落地速度。
好文章,需要你的鼓励
B&H近期对多款M5 Pro MacBook Pro机型推出300美元优惠。14英寸M5 Pro版本(48GB内存+1TB固态硬盘)现售价2299美元,较原价2599美元节省300美元,且该配置在亚马逊无法购买,折扣机会更为难得。此外,16英寸M5 Pro版本(64GB内存+1TB固态硬盘)同样享有300美元折扣。B&H在多款高配MacBook机型上的定价已低于亚马逊,是近期可找到的最优价格。
FORTIS是专门测量AI代理"越权行为"的基准测试,研究发现十款顶尖模型普遍选择远超任务需要的高权限技能,端到端成功率最高仅14.3%。
Insta360推出GO 3S复古套装,将现代4K运动相机与胶片时代美学结合。套装核心仍是仅重39克的GO 3S,新增复古取景器、胶片风格滤镜、NFC定制外壳及可延长录制时长至76分钟的电池组。复古取景器模仿老式腰平相机设计,鼓励用户放慢节奏、专注构图。相机内置11种色彩预设及负片、正片等滤镜,同时保留FlowState防抖、4K拍摄及10米防水能力,面向热衷复古影像风格的年轻创作者。
荷兰Nebius团队提出SlimSpec,通过低秩分解压缩草稿模型LM-Head的内部表示而非裁剪词汇,在保留完整词汇表的同时将LM-Head计算时间压缩至原来的五分之一,端到端推理速度超越现有方法最高达9%。