本文来自微信公众号： 出海同学会 ，作者：出海同学会，原文标题：《干货｜AI+FinTech：支付、赋能、授信与数据》
从支付链路的智能化改造，到授信模式的算法驱动，再到数据安全的全新挑战——AI+Fintech不再是简单的技术叠加，而是一场关于价值分配与信任机制的深层变革。
当AI从后台工具走向前台核心，金融科技迎来前所未有的重塑机会。稳定币支付的新角色、AI Native金融产品的可能性、全球化创新在新兴市场的落地——每一个变化都在重新书写行业规则。
本期闭门会，我们邀请全球创业者、跨国企业代表和出海投资人，从三个关键维度深入探讨：AI产品的支付与商业模式创新、Fintech获得AI赋能的机会研讨，以及AI时代的授信与数据安全新范式。
💡阅读小Tips：
因原文逐字稿巨长
部分内容由ChatGPT精炼
以下为精彩节选
全文无删减版请扫码移步知识库
Evonet Global Pte.Ltd.联合创始人祝振汉
ISACA Director Wickey Wang
京东科技出海业务孵化与落地Vincent Wang
金果未来科技创始人许方园/Jsck
Papaya Network Founder Jessy Shen沈彤
新浪支付业务负责人陈登科
Ex-大模型战投Emma Zhu
一些同学因公司PR保密不能公开
或有部分内容需要删减
我们同样感谢他们的精彩输出
本期我们将同学们在zoom输出的重要观点
也整理进入了此次笔记
如链接或企业名为嘉宾引用第三方，侵删。
要点问题
SEAMATE
Part 1 AI产品支付与商业模式挑战研讨
AI工具产品目前的支付痛点是什么？
稳定币将充当什么角色？未来的支付链路将是怎样的？
AI产品借助FinTech设计商业模式与未来支付市场机会？
Part 2FinTech获得AI赋能的机会研讨
大模型在FinTech场景中的核心价值？
AI Native的FinTech公司是否会出现？
Part 3AI-FinTech授信与数据安全研讨
金融数据如何在AI系统中保持安全？如何审计？
FinTech以及用户隐私数据是否确实很难用于模型训练？目前在监管或技术上有哪些解决方式？
AI时代的支付市场机会在哪里？哪些区域或场景最值得关注？
Part.01AI产品支付与商业模式挑战研讨
1.1AI工具产品目前的支付痛点是什么？
1
Vincent Wang：
——京东科技
工具产品的支付痛点，主要有三点。
第一，贵（Take Rate高）。
原因在于行业整体风险高。对SaaS工具来说，订阅类支付的Chargeback风险较大，这点大家都能理解。对不少中国泛娱乐出海团队的“陪伴类”产品而言，由于内容常常偏NSFW（Not Safe For Work）、合规性不足，欧美支付公司对这类产品（尤其是在海外无当地主体的中国公司）会提高通道费并设定更高的准入门槛，最终拉高整体费率。
第二，接入门槛高。
出海要覆盖多个区域，每家支付公司只擅长某些国家或地区，企业往往需要同时接入多个本地服务供应商。大公司（如字节）能依靠庞大的支付中台，团队规模甚至上千。对于一般初创公司普遍没有能力自建如此规模的中台，只能借助各类PSP（Payment Service Provider，支付服务提供商）或如今更流行的支付编排，在后台做智能路由与支付优化，但这本身就带来不小的接入与运维成本。
第三，监管不确定性大。
AI产品在不同地区面临差异化监管：既包括对内容与产品类别的监管，再叠加中美关系等宏观因素的变化，政策规则会不断调整。这会导致企业在接入过程中，时常遇到通道不稳定或合规新要求等问题，增加了整体的不确定性与实施难度。
陈登科：
——新浪支付
之前，PayerMax在欧美和中东的游戏支付领域做得很不错。AI工具产品目前最大的市场在欧美一级市场。我们现在看到的最大问题，其实就像刚才Vincent提到的：需要接入本地主流支付通道。
当你去对接Stripe、PayPal、Worldpay这些服务商时，问题就来了——你的公司主体在哪里？产品本身是否合规？再加上推广获客成本，这些都需要综合考虑。
费率方面也偏高：如果有本地主体，接入流程会相对长一些，但费率可控；如果没有主体，就只能走三方或四方支付通道，费率基本都在10%左右，确实很夸张。
我也听一些朋友反馈，他们现在日充值量大概做到10万美金，整体是盈利的。但目前最大的两个痛点，一个是推广成本，另一个就是支付成本。所以我认为这里面还是有不小的优化空间和机会的。
沈彤：
——Papaya network
我现在更关注AI产品的后端环节。就场景而言，稳定币在AI产品中的应用非常广泛。只要不是特别发达的国家，AI产品的支付基本都需要依赖稳定币。比如印度一些“套壳”的AI应用，以及中东市场的诸多AI应用、做视频的产品，在当地卖得很好，但无法合规收款，于是普遍采用稳定币。我认为C端不算最大的问题，我现在更关注的点在后端：稳定币收付。
收款之后要把币换成法币，就需要做KYC，这里问题很大。刚才京东的同学说得很好：无论是中国出海企业还是全球的很多APP厂商，大概有95%并没有真正的海外实体或合规的收付能力，做不了KYC。那么问题就来了：我收了稳定币——比如USDC（USD Coin）或USDT（Tether）——实际上主要是USDT，USDC相对少——怎么把它换成美元或人民币？这是我接触到的所有创业者的最大痛点之一：钱收到了，账户里有10万U，怎么合法合规地换成人民币汇回去？尤其在当前中国对稳定币并不鼓励的政策环境下，这个痛点更加突出。
至于"为什么USDC在这个市场上那么少"，核心原因之一是USDC使用通常需要完成KYC。USDC由Circle发行，合规要求更严格；很多出海公司缺乏主体资质，做不了USDC的KYC，自然也就买不了USDC，只能转而使用USDT。USDT由Tether发行，很多场景下不强制KYC，流通更"灵活"，因此被更广泛采用。归根结底，还是"主体资质与合规"的问题。这也引出我想请教京东朋友的一个问题：我理解，京东在稳定币这块最大的价值，是利用平台能力和商誉，帮助中国出海企业完成KYC，以及后续的结汇、换汇。这一需求确实非常刚性。
现在有了稳定币，如果京东能统一代收，再由京东去对接银行（比如汇丰、渣打）完成换汇，对中国厂商将是极大的帮助。但问题是：我此前看到一则报道，说中国政府要求中国企业退出数字货币相关业务。那么，这会不会影响京东在稳定币方面的探索？对其他中国企业的稳定币业务又会产生怎样的影响？这是我特别关心的。
Vincent Wang：
——京东科技
目前，我们还在稳定币牌照的申请过程中，有些信息不便对外披露。等牌照下来后，可以再和大家做更深入的交流。
大家可以关注京东在各地的进展。最近我们也在和客户沟通：一旦京东，或者国内头部的大厂、金融机构拿到牌照并实现完全合规，确实能更好地解决大家当前在支付上的痛点。当然，KYC、KYB会做得比较严格；传统意义上灰色的东西我们肯定不会碰。对于正常的国际贸易，尤其是"一带一路"相关的贸易，我们会有一套自己的标准，也有相应的团队推进。
祝振汉：
——Evonet global pte ltd
今天我们讨论的是AI与支付。前面几位同学也提到了一些观点。我自己的划分是：把AI产品分成两类。
第一类是工具型产品。本质上你在卖一个AI工具，比如类似ChatGPT这样的聊天工具。它和传统卖SaaS软件并没有太大区别，遇到的问题也基本一致。所以，如果我们今天聚焦的是AI，这一块可能并不是重点。很多同学也讲到市场上对稳定币"兑换"的需求，那些更像是资金层面的兑换诉求,与今天的主题未必完全贴合。总体来说，第一类工具所面对的，还是你过去卖SaaS时会遇到的同类问题。
我更想谈的是第二类。我们确实看到一些客户案例，比如北美有家公司叫Skyfire，他们在做基于稳定币的agent支付。我理解，稳定币更大的需求场景在于Agent-to-Agent（A2A）：其一，我们需要支持小于"两位小数"的美元计价，比如一次API call收取多少美元，计价单位可以更细。
其二，在Agent to Agent的网络里（之前红杉资本也分享过），未来可能会像一个神经网络那样运作，他们需要一种"链式"的支付路径来串联起各个节点。在这个场景下，更核心的问题变成：如何把生态建好。就像大家提到，卡组织里有Chargeback机制，它本质上是为了保护消费者。等到我们的业务做大，稳定币生态里同样需要思考：用什么样的手段来保护消费者、如何设计相应的机制。
如果谈痛点，我认为这就是目前领域里较大的一个痛点：在稳定币的生态当中，如何建立起有效的消费者保护与风控机制。到目前为止，我们在这方面还没有找到太多可行的方法。
第二个，我想聊支付的痛点。稳定币支付的一个核心难点在于冷钱包的管理和多重签名的设计。随着这类系统性安全事件越来越多，我们在处理多签与冷钱包运维时，明显感到效率与隐私之间的矛盾。就我个人的感受，目前仍然缺乏一套既能保障效率、又能兼顾隐私的成熟方案。这就是我想表达的第二点。
1.2稳定币将充当什么角色？
未来的支付链路将是怎样的？
Vincent Wang：
——京东科技
最近我们在推进与稳定币相关的合规申请，同时也在寻找合适的支付场景。先说要解决的“贵”的问题——费用高这一点，稳定币确实能有效缓解。我们最近梳理了一些方案，在特定场景下，费率可以从百分比降到千分比，大约做到原来的1/10。当然，这并非适用于所有场景，只有在一些特定使用环境中，才能实现这样的降本效果。
第二点，关于对中国公司不友好的问题。稳定币本质是链上支付，不再走传统的卡组或银行链路，这能显著提升支付成功率。同时，大家一直头疼的拒付（Chargeback）问题，包括恶意退款、恶意拒付，在链上结算的机制下也能得到更好的解决。
实际上，像USDT、USDC这样的稳定币，很多团队在灰度或小规模上已经默认在用。只是过去大型企业出于风险考量不太敢接，小公司问题不大；尤其是上市公司或主体在国内的公司更为谨慎。最近我们跟客户沟通发现，如果是合规的稳定币方案，平台普遍愿意接入；超大型厂商还需要更充分的评估，但中大型企业基本都持开放态度。综合判断，行业正在进入一个不错的窗口期。通过稳定币对支付链路做一次系统性改造，有望在合规前提下同时提升成功率、降低成本，并有效缓解恶意拒付风险。
Patrick：
——Clink
我想请教刚刚那位提到PayerMax的同学。我们提到的这些痛点在行业里确实存在比较久了，稳定币有很多优点，但更多是需要在C端落地。对商户端来说它有不少优点，可本质上，Chargeback（拒付）机制是对用户的保护。当然，用户也可能在多种情境下出现恶意拒付等行为，给商户带来损失，对吧？
但另一个层面是，这一机制最早引入的初衷就是保护用户。如果我们改为让用户用稳定币支付，并把这一功能取消，用户的感知会是怎样呢？他会不会觉得：我好像失去了对自己的保护。再比如费率降低，用户的感知又是什么？他可能会觉得：我支付的总价看起来并没有变化。那在法币更方便、更顺手的情况下，为什么我要用稳定币呢？
怎么样从用户角度来思考这个问题？而不是只从商户角度来看。毕竟最终付款的人是用户本人。
Vincent Wang：
——京东科技
从用户角度先说Chargeback（拒付）的问题。在电商领域，大家比较习惯于有"180天消费保护"。但对AI工具这类"用完即走"的工具型产品而言，用户往往是为达成某个目的付费，随之出现两类典型问题：其一是恶意拒付；其二是用户忘记关闭订阅而被继续扣款。为减少投诉、兼顾体验，商业模式上可以考虑从传统订阅制转向按量付费或按次付费。但前提是：等到稳定币在未来两三年内全球更广泛普及，或出现新的、合规且透明的稳定币之后，再结合支付基础设施的成熟度来评估与落地。
第二点是费率。从各稳定币发行方来看，未来在C端场景出于监管要求，可能不能直接“生息”，但会通过其他方式向消费者提供补贴或优惠。比如Circle有一半的利润给到Coinbase；其他稳定币发行方也会采用各自的方式做补贴。对用户而言，一是发行方在特定场景给到补贴或优惠；二是商家端让利——由于商家侧支付费率有望从“百分之几”降到“千分之几”，在收银台结算环节就有空间给出更多优惠。总体来看，这些变化预计都会逐步显现。
Patrick：
——Clink
其实我对“补贴”这块还挺好奇的。补贴归根结底还是钱，对吧？如果是法币资产，其实也可以配置到国家层面的、很稳定的生息通道。所以我并不觉得这里的吸引力有那么强。
在传统信用卡体系里，强粘性来自Cashback和Points；而用稳定币支付，这一套就不存在了。从用户角度看，传统的Points、Miles、Cashback是非常稳定的回馈通道；再叠加Protection、Chargeback等保障，让我作为用户会觉得，熟悉的体系粘性更强。稳定币当然很新、听起来也很美好，但在消费应用场景上，我感觉仅凭这一点比较难推开。
当然你们的感受可能不一样。现在跑得最好的地区，比如拉美、土耳其，本质上有外汇管制和通货膨胀等因素，才导致用户更强烈地去持有稳定币。可在欧美，没有这些顾虑的情况下，开通稳定币钱包等仍然是相对小众的事。C端用户既然小众，支付场景就很难落地。
所以我想知道：从业者的观察、数据等是否能验证——这是一个快速增长、甚至爆发性很强的市场？
Vincent Wang：
——京东科技
确实，新的稳定币在对接传统体系时会面临一系列问题。但是对于传统的DT One来说，它本身已经在很多支付场景中深度切入了，比如东南亚和拉美地区的各种本地支付方式。对于国内大厂发行的“新”稳定币来说，由于背后有天然的消费场景，这类公司在短期内可能更有优势。大家可以重点关注他们的补贴策略以及相关增长动作。
陈登科：
——新浪支付
我们观察到，从2017年开始，USDT（Tether USD）的渗透率还比较低。到了2020—2021年那波牛市，华尔街进场，渗透率明显提升。尤其在外贸领域，拉美、非洲等国家和地区基本都在使用它。正如Patrick刚才提到的，像尼日利亚这类非洲大国，长期面临严重的外汇困境和通货膨胀，汇率波动非常大，这也推动了稳定币的采用。
这已经是既成事实。接下来更关键的是：USDT究竟算不算“受监管”的稳定币？相较之下，我们在一线看到USDC（USD Coin）还是少一些。这可能会影响未来的市场格局。就支付链路而言，现在已经能看到一些公司从各国传统PSP（支付服务商）那里挖走了一批人才，后面大概率会发生不少有意思的事情。
祝振汉：
——Evonet global pte ltd
因为我一直在做支付，之前也在银联，做了很多年。所以我的一些个人感受可能和大家不太一样。
第一，我觉得稳定币的支付场景大概率不会出现在C端支付上。甚至我并不认为B2B会是一个很大的场景。很多同学会提到一些有外汇管制的国家，但那本质是汇率或外汇制度的问题。如果我们不看这类特殊需求，只看完全合规的需求，我并不觉得无论是贸易场景也好，还是支付行业场景也好，会有很大的量。
相反，从我们接触到的客户来看，我会觉得和证券相关的反而会是很大的场景。用它来做什么？说白了，就是用它来做一些市值管理、一些货币的炒作，包括AI这一块的支付——我觉得这里的场景会很多。再谈到未来的支付链路，我觉得会有很大一部分公司去做on-ramp和off-ramp的交易。至于把代币换成稳定币之后，就会像Scaffold做的模式那样。所以我个人特别看好它的模式：提供一种agent-to-agent、完全自动化的支付方式来完成这件事。
我觉得大家看“卖软件”这件事，过去几年我们的做法是做定制：一个软件卖给你，收一次性的整包费用；后来转为按月收费。现在AI出来后，我看到Salesforce的商业模式是：访问ChatGPT是否可以按次收费？也就是说，我每访问一次只收很少的钱。毕竟很多用户一个月花20美金，可能用一会儿就不用了，对吧？所以很多场景会演变为按次付费。
我个人认为，从买断到按月、再到按次，是商业模式的巨大变化。当它进化到按次付费后，会出现几个点：其一，用户不再需要注册。比如我直接访问ChatGPT，需要时就用，由你的agent来帮我完成所有事情；不需要注册、不需要绑信用卡、不需要绑定任何信息，只要这个agent背后有一点点稳定币余额就可以了，agent就能替我处理。我觉得这对商业模式是很大的挑战。
第二，我们体系内很多客户也愿意尝试用agent的方式。传统模式下，像淘宝、京东这样的平台，本质上还是“给人服务”的：人需要看到一个信息界面。但在AI时代，这样的服务形态往往不会存在，因为机器（我的agent）爬取信息非常快，一秒钟能抓到几千万条。将来在agent-to-agent的交付中，可能不再需要中间平台。
我有一个大胆的预测：未来这类agent的变现平台，很可能会落在各位支付公司的平台上。因为所有agent诞生后首先会考虑如何变现，它可能要对接很多不同的平台——可能既接Stripe、又接Adyen、还接更多；而在不同的平台上，会有特定的客户来"买我的货"。这是我想分享的第二点。
第三，关于AI与支付（payment）。对于传统商业里，人需要做决策；而从AI的角度看，机器是不需要决策的，机器在满足条件时可以自动成交。也就是说，将来对于传统商业，我会更倾向于通过与AI agent做生意来放大销售量，因为它更快、成交更好。
在整个AI agent模式下，底层可能需要稳定币的支持。就像我刚才说的，稳定币需要支持到小数点后8位；有些访问量、自动支付的金额都需要这种精度。这个里面的挑战在于，既要效率，也要兼顾消费者保护：如果这笔钱不是按我的意愿付的怎么办？如果我不喜欢、想退款怎么处理？这些都需要行业内的大佬们继续探讨。
Cangqioby Ao：
——Auchi
现在整个市场上的agent，本质上可以类比之前的SaaS。但目前还没有特别好用的agent，所以这个场景还没真正跑出来；之后大概率会往这个方向发展。
对于稳定币来讲，它现在在做生态。从一些数据来看，稳定币的交易量已经超过了Visa。安全性可能还未达到Visa的水平，但在效率和覆盖范围上——尤其是在一些外汇受限的国家——已经做得非常好。从我的理解，稳定币是国家金融主权的一种延伸。这也是为什么中国会在香港推进，美国也想做：这样大量此前流不到美国的钱，可以通过稳定币流入美国，再去购买国债，对其国家赤字是有好处的。
所以我觉得C端这块，从构建整个生态系统的角度看，机会还是会出现。如果现在瞄准的是Visa和Mastercard的市场：它们收3%，我们收1%。根据我和在Visa的同学交流，Visa现在对稳定币问题非常头疼——想catch up，但catch up不上来，所以内部也在做一些调整。
Helen：
——ACV资本
我觉得稳定币最终更多还是在服务美元，尤其是服务美国国债这件事。至少以我目前的观察，还看不到特别大的突破。
另外是RWA。RWA的tokenization未来能做多大？这个概念大家早就提过，也讨论过，但一直没有特别好的落地，做起来不算理想。现在来看，时机会不会比之前更好一些？
不管是支付、券商还是借贷平台，我们基本都看过投过一轮了，整体还在等待新的突破。最近我关注到安全性这一块，尤其是冷钱包，感觉还挺有意思。因为此前太多平台出了问题，所以安全保护应该会持续被重视。我们现在的主要想法，是推动已投的平台接入稳定币——比如一些券商平台也有这样的需求。同时，也希望为他们提供配套的安全性解决方案。
沈彤：
——Papaya network
我刚刚听一位新加坡的朋友说，agent-to-agent的服务费必须用稳定币结算。我现在确实碰到一个这样的需求：我有几个华尔街的合伙人，他们做了自己的大模型，面向金融方向的一些agent，想把它授权给全世界的APP来调用。具体做法是，APP里会有自己的agent去调他们的agent，而他们的agent负责执行一些金融操作。
他们非常不喜欢订阅模式；对华尔街从业者来说，订阅很难接受，更偏好按次收费。可按次收费有一个很大的痛点：很多操作是高频的。比如模拟"五星基金经理"的操作行为，或者买入指数基金并做一些优化——这类操作都是高频的。一旦采用按次收费，就会涉及B2B的收款结算问题。
在授权时他们发现，很多APP并没有B2B支付通道：大多上架在App Store或Google Play，通常用的是苹果/谷歌的支付方式，开发者也不知道该在哪里打通B2B的付费链路。所以他们在想，能不能用稳定币来解决：我每调一次，就从对方的稳定币余额里扣一笔。我觉得这个场景非常大。
包括美国这边很多做支付（pay）或做贷款（loan）的团队，也在授权别人使用他们的agent和场景，也希望APP被频繁调用。因为用户还是通过APP获取服务，而他们又偏好按次计费。我觉得在这种场景里，agent-to-agent的稳定币支付很快就得提上日程。目前我还没看到好的解决方案。所以我觉得这块有机会。
1.3AI产品借助FinTech设计
商业模式与未来支付市场机会？
Emma Zhu：
——ex-大模型
刚才听到大家的分享很有启发。我更多是从AI的视角来思考金融侧的解决方案，重点关注to-agent的支付。其核心特点是：交易频次极高、单笔金额极小，风险特征也更突出。传统面向人的GUI支付形态难以满足这类需求。合规层面目前也没有特别成熟的答案，但我认为这是时间问题。现在真正投入使用的agent还不多，大家更多是在预期：未来各个场景都会出现各类agent，甚至会出现A2A之间的交互。
回到当下的金融侧方案，我关注的玩家主要有几类：第一类是支付与卡组织等传统巨头，不管是Visa、Stripe、Coinbase都在推出面向agent的支付解决方案。第二类是AI native公司这样的平台，比如OpenAI、Perplexity，以及Amazon的Alexa等这些平台，也都在选择与外部商家合作，在自身体系内整合、打通相对闭环的支付路径。
除此之外，我也会重点留意初创公司，专门为agent提供下一代的微交易、高频交易解决方案。例如：Skyfire、Nevermined、Payman、以及Nekuda。它们各自的切入点大致如下：
总体来看，一旦下游agent规模起来——无论是agent与agent的交互，还是agent与人之间的交互——都有可能催生新的交易模式。从AI侧看，围绕支付等上游基础设施，会出现许多值得切入的细分场景，这是我会持续关注、也觉得很有意思的方向。
万洪：
——Credika
印度在AI方面基本还没摸到门道，整体有点荒芜。最近我在和印度那边的人交流，之前的合伙人也好、最近来新加坡找AI方向的印度投资人也好，大家都在打听AI怎么做。
目前他们主要还是停留在传统领域。数字货币在印度并不受欢迎：2017年出台规定基本不让碰；后来高院又有个判例，认定持有数字货币不违法。总体看，政策依然不明朗，倾向于不支持。
但另一面，印度在币安的市场里已经成了出入金最大的国家——我上次在中东遇到币安的人就是这么说的。政策口头上不支持，身体却很诚实，印度人仍在大量涌入Web3行业。只是从AI的角度看，暂时还没看到太多真正的创新；印度本土的大模型等方面目前还是比较落后。
许方园/Jsck：
——金果未来科技
我接触较多的是拉美和东南亚。确实，稳定币的使用已经达到相当的量级。我也看到不少本地打着“AI”名义的项目,但在功能实现上与中美的AI仍有明显差距；即便如此,这些项目的估值并不低。从稳定币的使用看,市场的接受度非常高。
我先说一个对比：在我看来，拉美市场与东南亚市场有相当大的差异。拉美用户的LTV等指标普遍高于东南亚。所以谈“亚非拉”时,拉美应当单独拎出来,不能与东南亚画等号。我会更看重拉美市场：基于其用户特性，可做的商业模式更丰富，用户整体价值更高。同样的需求，在拉美的商业价值会更高。
回应你关于拉美未来的提问：这也是我们正在探索的方向。目前观察到,稳定币在拉美一线城市已相当“深入人心”。在线下日常生活中，渗透率未必那么高；但在线上的相关群体不容小觑。随着时间推移，这里有可能长出更具体的商业模式和生态，我们保持观察即可。
Part.02FinTech获得
AI赋能的机会研讨
2.1大模型在FinTech场景中核心价值？
2
Vincent Wang：
——京东科技
在这件事上，京东只是稳定币的发行方；至于支付，大家也知道我们之前很少去碰。若从传统支付的视角、结合我在PayerMax的经验来看，其实整体还都在探索阶段。先不谈支付环节，就说API接口的开发，很多团队已经在用Cursor这类AI编程工具，因为相对标准、相对简单；这类工具确实能提升开发效率，在传统的内部研发与系统构建场景里尤其明显。
如果在支付场景，目前包括电子商务和A2A支付，确实都是行业里比较新的话题，大家还在摸索期。只解决了几个要点，没有谁能跳出来把整套生态串起来，底层能力还比较表面。
后面京东有电商场景，但在海外也刚起步，我们在关注欧洲出海的一些动向。接下来会在对应区域先做收银台的整合；再往后看如何把国内的一些AI能力带出去。至于大模型的出海，或者借助海外大模型去开发应用，我觉得短期内不会很快，大家仍然在探索中，最终还得看大家的案例。
Emma Zhu：
——ex-大模型
这块先说我们自己的情况：我们现在的agent产品直接接的是Stripe，所以在支付环节相对简单，没有在支付侧做额外动作。如果把AI放进FinTech场景，我的直观感受是：这些FinTech公司本身科技实力就很强。他们会基于开源模型，在垂直场景里做应用、做agent，这种“赋能”推进得比较顺，因为他们的IT能力本来就不错。我们自己不太做ToB的项目制合作，所以从公司层面没有特别多对外协作。
回到个人观察：在国内，这块更多还是围绕合规场景的降本增效；后台侧做IT自动化，前端更偏客服，用数字人之类的方案。这大概是国内金融场景里“加AI”的主要应用。放到全球看，FinTech的细分环节更多。比如交易环节的很多底层并不是基于语言模型的东西，也不牵涉多模态。所以这个行业本身还是一个独立产业，AI在里面更多是做企业内部自动化、打标签、增强与提效；对各业务本身，并没有带来特别颠覆性的改变。
陈登科：
——新浪支付
大模型其实早就用起来了。从早期的专家系统、统计分析，到后来的机器学习与大模型，相关技术都已经广泛落地，其中一个非常重要的场景就是“快速审批”。主要集中在信贷领域的信用审批和反欺诈。在证券领域，这类方法也早已使用了十多年，只是以前的叫法不同。本质上都是通过各种建模取参，再落地到业务流程里。总体来看，这些技术已经被大量、默默地使用，不需要再争论“要不要用”。
祝振汉：
——Evonet global pte ltd
第一点，还是模型的准确性。哪怕所有数据都要求足够精准，模型依然会出错。以客服场景为例，我们后来采取的做法是：让大模型先给出3—5个备选答案，再由同事挑选其中最合适的一条。这样的流程确实能节省不少成本，但为了保证最终准确，我们仍然投入了大量时间和精力。
第二点，是审计与权限控制的问题。把大模型交给客户使用时，会牵涉到非常细致的权限管理。作为一家FinTech公司，我们没有能力去微调模型、严格规定它“能回答什么、不能回答什么”。一旦交付出去，它就像一个黑盒，可能接触到所有数据；至于它给用户怎样的反馈、如何落实权限边界，我们一开始并没有特别好的方案。后来我们改用“双向打标签”的办法做强约束，从输入与输出两侧同时加标签与规则，尽量避免暴露机密信息。这是我的一个重要体会。
因此，对FinTech初创公司来说，是否要大规模上大模型，值得谨慎评估。除非你的客户密度足够高、规模足够大，能够通过自动化显著摊薄成本；否则就会像我们现在这样投入了很多人力，也花了很多时间，但效果始终达不到预期。这是我的第一个观点。
第二个观点，回应“什么样的产品适合大模型”。我在美国看了一圈，感觉现在很多AI公司/产品的核心用户都是“超级个体”。比如你是一个YouTuber，有一条视频要同步到抖音等平台，AI可以很快帮你完成分发与改写。这类人群对“绝对准确”的要求没那么高，但有较强的付费能力与意愿，所以他们更愿意为效率买单。其他类型的创新我们也做过，期间踩了不少坑，这是我想分享的第二点。
第三点，关于AI Native。在企业内部，我认为真正能落地AI Native的主要有两块：其一是编程开发，其二是内部自动化。这些目前在我们自己的研发团队里已经在用。由于是内部自用、并不直接对客，风险相对可控，问题也不算大。
Wickey Wang：
——ISACA
最早的时候，其实很多FinTech公司内部就已经有了自己的AI模型，主要用在反欺诈这块。最近两年，Visa还专门设立了一个与生成式AI相关的基金，总额1亿美元，几乎都在投支付方向的项目。有兴趣的可以自己去看一看。我也看到PayPal投了不少——这两家在这个领域算是"大户"。
前两天我和一个公司做了Podcast。他们成立时间不长，大概处在pre-seed或者seed轮的阶段。他们用AI来优化信用卡相关流程，包括征信评分，以及怎么帮客户选卡。我觉得这个方向挺有意思。
我还注意到，最近PayPal和Alumni Ventures投了一个叫Kite AI的项目。我觉得这个方向也不错，里面也有一些和安全相关的部分。
Helen：
——ACV资本
我补充一下。做信用评级基本有两个方向：一是在美国，靠导流收费，Credit Karma是这一模式的鼻祖，通过把用户导给信用卡平台或其他互联网金融平台来变现；二是在印度，有一家叫OneCard的公司，走的是自营发卡路线，通过自己发卡来收费。我们在印尼也投了一家，采用同样的发卡模式盈利。
不过，这终究是在存量市场里竞争，对吧？所以更多比的是谁做得更好——比如风控更强。如果你的信用评级体系更健全、抓取的数据不只来自传统的征信局和既有比对方法，那么确实能做得更优。但本质上，我认为这仍属于在既有模式上的优化。
2.2AI Native的FinTech公司
Skyfire：给agent用的"银行卡网络"。相较传统Visa的思路，它更适合AI处理自动化、微交易；与Stripe这种主要为网站/APP提供支付界面的方案相比，它在交互侧更贴合agent的调用方式；而相对Coinbase，作为第三方平台，它强调多方接入与一定的中立性，这一点也很有意思。
Nevermined：面向agent开发者的盈利型金融解决方案，帮助to-agent的生态建立清晰的收益路径。
Payman：主打"agent付钱给人类"。把agent视作具备生产力与能工作的雇主，例如在AI设计工具场景中，人类设计师完成工作后，由agent向其支付。
Nekuda：为agent提供近似Visa的底层支付解决方案。
是否会出现？
Emma Zhu：
——ex-大模型
但我刚才也提到一些新的商业模式，解决的是“增量”。例如agent-to-agent的金融支付方案，这可能是大家从0到1在探索的事。因为下游应用还没真正起来；等下游起来了，上游的基础设施问题也要同步解决。这里就会出现“先有鸡还是先有蛋”的关系。我觉得在合规要求较高、资金动作相对更稳的约束下，这些方向更可能由创业公司去试水。
最后谈新兴市场。我认为他们更容易接受新的解决方案，不一定必须经历一整套移动互联网时代的金融基础设施演进，可以直接“跳步”到更AI-native或更Web3的方案，这里机会挺大。当然，这非常考验当地用户理解、渠道关系等落地能力。整体上会更依赖渠道运营，以及最终在系统层面形成一个“闭环”。
陈登科：
——新浪支付
不管你如何强调AI、多么强调模型效果或token消耗，最终都必须落地到具体场景。而绝大多数具体场景已经相当拥挤——大厂基本都在场边“等着你”，你需要找到更巧妙、角度更佳的切入点。这件事并不容易。无论面向B端还是C端，获客门槛都不低；如果只是技术本身的创新——今天你发了一篇论文，别人可能更快规模化；大厂也会安静地观察，让你先去“趟路”。因此，单靠技术很难，真正困难的是场景与生意的结合。
只有新事物出现，才可能催生新模式。而AI技术本身的门槛很高；当它进一步涉及到场景的落地与变革时，这一层面的门槛并不比AI技术本身低。
Part.03AI-FinTech授信与
数据安全研讨
3.1金融数据如何在AI系统中保持安全？
如何审计？
3
Wickey Wang：
——ISACA
金融数据在AI系统里与其他数据并无本质区别，大家仍是按data privacy的方法在做。过去两年我接触了几家企业，基本都是从不同方向来解决data privacy的问题：一类是在数据进入AI之前、在embedding（向量）层面做处理，让数据更安全；还有一些做法与传统方法差异并不大。到目前为止，我觉得没有特别创新的路径，大家还是用旧方法在应对——比如在数据进入模型前进行加密或其他预处理。只要前置环节把好关，进入大模型后的问题就不会特别大。
审计方面，大约在2021年，我们行业协会当时也参与制定了一套标准的framework。现在普遍采用的审计标准仍是ISO体系，比如与AI相关的ISO/IEC 42001:2023等。北美这边大概有40家公司已经做了这方面的合规。美国的专门立法目前还没有出台，但欧洲那边已经有一些立法在推进。大致情况就是这样，具体问题我们可以再讨论。
陈登科：
——新浪支付
我先分享一个看起来不那么直接相关的案例。我们之前在数字货币交易所“丢币”的事件上见得非常多，也遇到过各种链上被黑客攻击的情况。让我们很震惊的是，在2020年之前，不点名一些头部的数字货币交易所，它们竟然没有成型的账户体系。相较之下，在银行体系里，一笔资金丢失是可追踪的，且可以在任一环节冻结；USDT也是类似，Tether端可以把相关地址或代币冻结。但如果资金流转到了其他公链，尤其是一些强调匿名性的币种（如门罗币），事情就会变得非常麻烦。
从2020年开始，随着一轮牛市，交易所手里有了更多资源，开始从各类支付公司大规模挖人，直接把整支团队（几十人规模）请来，迅速把账户体系搭建起来。账户体系本身并不复杂：围绕一组账户，记录收付多少、何时发生；系统可以24小时不间断交易，但通常会选择一两个时段集中做清算与对账。凭借这一点，行业在那几年有了很大的进步。延伸到我们刚才讨论的agent-to-agent支付，这些底层建设同样关键。
为什么小数点后8位的精度很难处理？第一是数据库字段的长度过长不容易处理；第二是对账频率与口径：到底以什么频度对账、对到哪一位、如何处理舍入差异？一旦对账口径不清晰，就很容易造成资金损失。我们的破解思路是：把“有进有出”的账先理清，明确入账规则与核算路径，再去解决落账与对账的问题。但在小额高频的agent场景里，工作量会非常大，因为交易状态往往并不一致，而传统“日清日结”的节奏并不适配这种高频模式。
回到你刚才的问题：AI授信其实早就已经平衡了，至于前面的第一个问题——金融数据的安全与审计，本质上就是把账户处理好。大致就是这样。
3.2FinTech以及用户隐私数据
很难用于模型训练？
陈登科：
——新浪支付
您刚才提的这个问题，我上周正好和一位国内大行的领导聊到过。我当时就说，其实这些数据本身是可以开放出来的；之所以“出不来”，核心原因在于监管部门对数据安全的要求有时会显得过于冗余、过于严格。举个例子，我们过去在国内做FinTech时，优先合作的对象绝对不会是四大行，也不会是股份制银行，而是更可能去找农信社——甚至那种连自有台账系统都不完善的银行。和他们谈，沟通成本最低。到了大行（美国也差不多，越大越如此），流程就会慢很多。
换句话说，如果我对模式足够清楚，就会去找一家较小的银行合作：他们决策快，几个月就能把相应的模型和整套业务流程跑通。可一旦去找大行，就要层层汇报：业务部门可能非常开心，表示“快来，我们什么都可以提供”，但到了合规那里，基本上就是“你先等着，我们再讨论一下”。这个问题很难解决，主要还是由于其管理架构所致。
如果说要找“松动点”，我们可以拿美国作例子。国内谈风控时，大家常说最强的是Capital One。它之所以强，一个很现实的原因是为了节省成本，雇用了很多华人工程师。再往前看十几年，在美国银行业看来，Capital One并不算主流银行；它更多是用数据、用算法驱动，服务的是相对更激进（高风险）的人群。等到后来规模做得足够大，可以去收购主流银行时，这个转变也就顺理成章地发生了。
3.3AI时代的支付市场机会在哪里？
哪些区域或场景最值得关注？
祝振汉：
——Evonet global pte ltd
因为我们公司主要做支付，所以我们也在看这类项目。第一类，像Nevermined这样的第一梯队的公司，他们做基于AI Agent的方案。坦白说，从我们的视角看，可能还比较久远一些。
第二类，是现在美国也有的一些AI Agent。我不太确定我的理解是否准确，但可以把它理解成一个“AI版的支付宝”：你的Agent来帮你管理各类财务数据。我们也看过一些企业，专门帮你管理投资数据。当前端由AI Agent来管理之后，后面可以去做投资、做理财，进行一些简单的支付是可以的。再往后就有很多想象空间：它能帮你在不同市场做套利，24小时不眠不休地套利，Crypto套利也都可以做。这是一块。
还有一块，是在FinTech领域做AI工具的，偏ToB端，帮助企业做内部系统。有点像以前一些平台做的事情，或者像Snowflake做的事情：用AI的方式，把分散的数据、分散的系统做整合。大概就是我们目前看到的这几类。
陈登科：
——新浪支付
我现在看投资的项目少了。我们自己也大量用Cloud工具，确实替代了不少底层程序员的工作，也让一些高手的效率更高。至于切入点，在AI这边，我们看见离钱最近的是做AI社交，主要面向欧美市场，收益确实不错。其他看到的很多工具嘛，就是叫好不叫座，挺难受的。
Helen：
——ACV资本
AI与支付这块，我这边其实了解不多。之前见过一家用AI做反欺诈的团队，他们认为AI比人工更高效、更“聪明”，能处理一些人工难以解决的问题。但我会担心可解释性，尤其在金融场景里，结果还是要能解释的。所以我们暂时没再深入了解。
除此之外，就是我刚才提到的安全方向。我们了解了一些案例，很多平台出问题，常见原因是密钥被破解，或者收款地址被篡改。那家公司给出的思路是做芯片级别的解决方案，从芯片层面加强加密与保护。