谷歌云正式发布智能体支付协议(AP2),旨在为自主人工智能智能体发起的安全支付建立全球标准。
该协议由超过60家科技和支付公司共同开发,合作伙伴包括万事达卡、PayPal、美国运通,以及Lazada和Shopee等东南亚主要电商平台。
AP2协议旨在解决电商领域的新挑战:如何安全管理由自主AI智能体而非人工点击购买按钮发起的交易,解决智能体支付中的授权、身份验证和责任归属问题。
该协议为AI智能体和商家之间的安全合规交易提供通用语言,避免环境碎片化,支持信用卡和实时银行转账等多种支付方式。
AP2可作为现有Agent2Agent(A2A)协议和模型上下文协议(MCP)的扩展使用,前者让AI智能体相互通信,后者允许智能体连接外部数据和工具。
AP2通过"授权指令"系统建立信任——这是防篡改的加密签名数字合约,可证明用户指令的真实性。这些由可验证凭证签名的指令为每笔交易建立不可否认的审计跟踪。
对于实时交易,用户要求智能体查找并购买产品时,必须签署购物车授权指令批准最终购物车。系统随即生成商品和价格的不可变记录,确保用户只为同意的商品付费。
对于抢购演唱会门票等任务,用户签署意向授权指令设定价格限制等条件。这为智能体在满足条件时自动完成购买提供预授权。
两种情况下,证据链都能回答关键问题,如谁授权了支付、请求是否真实,建立清晰的责任追溯路径。
AP2设计灵活多用,有望带来全新电商体验。例如,智能体可在缺货商品以指定颜色重新上架时自动购买,或在预算范围内协调复杂预订,如航班和酒店的组合预订。
该协议还具有通用性,为稳定币和加密货币等新兴支付系统提供安全保障。谷歌已与Coinbase、以太坊基金会和MetaMask合作,推出基于智能体的加密支付生产就绪扩展。
Adyen、蚂蚁国际、银联国际等支付技术供应商,以及Airwallex、Fiuu、Garena和雷蛇等亚洲科技领军企业均已表示支持该协议。
金融科技公司Airwallex联合创始人兼首席技术官戴江表示:"谷歌的AP2是构建安全、可互操作的智能体AI支付生态系统的关键一步。该协议让企业和消费者有信心将任务委托给AI智能体。"
谷歌云东南亚区董事总经理Mark Micallef指出,该地区数字经济蓬勃发展,2024年电商和在线服务的商品总价值将超过2630亿美元。
他表示:"AP2建立了推动进一步增长的安全交易核心构建模块,为行业——包括网络、发行商、商家和用户——在无缝智能体授权等相关领域创新创造了明确机遇。"
谷歌已在公共GitHub存储库中提供AP2的技术规范、文档和参考实现,邀请更广泛的技术社区参与其开发。
Q&A
Q1:智能体支付协议AP2是什么?有什么作用?
A:AP2是谷歌云发布的智能体支付协议,旨在为自主AI智能体发起的支付建立全球安全标准。它为AI智能体和商家提供通用的安全交易语言,解决智能体支付中的授权、身份验证和责任归属问题。
Q2:AP2协议如何确保支付安全?
A:AP2通过"授权指令"系统建立信任,使用防篡改的加密签名数字合约证明用户指令真实性。包括购物车授权指令和意向授权指令两种方式,为每笔交易建立不可否认的审计跟踪,确保清晰的责任追溯路径。
Q3:AP2协议支持哪些支付方式?
A:AP2协议支持多种支付方式,包括常规信用卡和实时银行转账。它还具有通用性,为稳定币和加密货币等新兴支付系统提供安全保障。谷歌已与Coinbase等合作推出基于智能体的加密支付扩展。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
微软亚洲研究院与清华大学联合提出双向感知塑造技术,通过创新的两阶段训练方法解决AI视觉理解中的关键问题。该技术让AI学会正确聚焦重要视觉信息,避免被无关内容误导。仅用1.3万训练样本就在八个基准测试中平均提升8.2%性能,超越使用数十万样本的专门模型,为AI视觉推理能力提升开辟新路径。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
上海交通大学研究团队开发了TimeBill框架,解决大语言模型在实时应用中的时间不确定性问题。该系统通过精确预测回答长度和执行时间,动态调整AI记忆管理策略,确保在规定时间内完成任务的同时保持回答质量。实验显示TimeBill在各种时间预算下都能实现最佳的完成率与性能平衡,为AI在自动驾驶、工业控制等安全关键领域的应用提供了重要技术支撑。