卡片與錢包之爭,其實是 AI agent 要怎麼付錢

Tokenized Podcast 2026 年 6 月 16 日訪談 Lander Media 創辦人 Steve Moraco。這集表面在談 Cards vs Crypto Wallets,真正的問題是:當 AI agent 會呼叫模型、工具與創作者端點,誰來替「一次工作」定價、控成本、分潤,並讓使用者覺得自己仍在共同創作?

SCROLL

來源:Tokenized Podcast〈Cards vs Crypto Wallets〉,原始發布日期 2026 年 6 月 16 日。本文依 YouTube 逐字稿整理,保留節目中的產品與付款設計討論;不構成投資、法律或付款產品建議。查看原始影片

PART 1 | Agent payment 不是從付款開始

AI agent 先遇到的問題,
不是鏈上錢包,而是 inference 帳單

Steve Moraco 的路徑不是從金融產品開始,而是從 2023 年把 ChatGPT 接進 iOS Shortcuts 與 Siri 開始。最早的使用者想讓 AI 查信件、看行事曆、研究票價,甚至等到合適價格時自動購買。這些需求很快超出「手機自動化玩具」的範圍,變成企業想反覆使用、分享、修改的工作流。

節目中最關鍵的轉折,是 Data 這個工具開始支援「data skills」:使用者請 AI 做新任務時,系統會把方法寫成可重複使用的 markdown 與 JavaScript,下一位使用者或同一家公司下次可以再叫出來。這讓 agent payment 的問題變成:如果一個技能幫很多人省下模型與人工成本,原始創作者、平台與模型供應商該如何分帳?

Moraco 提到早期 Data 曾讓原本建立 data skill 的人拿到該 skill 被使用時一部分 compute cost。這不是成熟商業模式的宣布,而是一個早期實驗:AI 工作流會變成可重用的資產,付款系統不能只處理 API token,也要處理「誰創造了這個可被 agent 重複呼叫的能力」。

2023
起點
從 ChatGPT + iOS Shortcuts 的個人實驗,走向企業自動化。
100
agent 並行
節目用「spinning off 100 agents」描述大量平行研究的成本壓力。
50%
早期分潤構想
Data skills 曾實驗讓原創者分享該技能的 compute cost。
PART 2 | 卡片、錢包與 402

卡片擅長帳戶關係,
錢包擅長機器可組合性

節目談到 Visa CLI 時,Kai Sheffield 把問題放在 agent-native builders:AI agent 需要付款,可能是為了模型推論、API、資料、影片生成或其他工具端點。傳統信用卡與 billing account 很適合公司訂閱與人類消費,但當 agent 在背景呼叫多個服務,單純把卡號放進每個 API 後台,成本、授權與風險很快變得難管理。

Moraco 對 402 paid endpoints 感興趣,是因為許多新工具不再是「你訂一個 SaaS」,而是「agent 呼叫某個可付費端點,完成一段工作」。加密錢包與 HTTP 402 這類設計,提供一種更接近機器之間即時協商的付款模型;但卡片仍然有既有商家網路、退款、風控與企業採購習慣。

因此 Cards vs Crypto Wallets 不該讀成二選一。更準確的讀法是:卡片處理人與企業熟悉的帳務關係,錢包與 402 處理 agent 可程式化、可組合、可逐次授權的支付行為。下一代產品很可能把兩者包在同一個使用者體驗裡。

問題
Cards
Crypto wallets / 402
誰在付錢
企業帳戶、個人卡片、既有商家關係。
agent、wallet、端點之間的逐次授權。
最強能力
風控、退款、帳務、採購流程與普及度。
可程式化、可組合、可由工具直接請求付款。
最大風險
agent 代刷時,權限與成本邊界不夠細。
使用者需要理解錢包、安全、簽名與失誤責任。
PART 3 | 端點賣的不是 API,是結果

AI 影片不是一次呼叫,
而是一包可被信任的工作流程

Moraco 用影片生成當例子:與其讓使用者自己判斷腳本模型、圖片模型、影片模型、鏡頭一致性與成本控制,不如把「請做一支影片」包成一個付費端點。這個端點背後可能先寫完整腳本、分鏡、角色、場景,再產生大量一致的 prompts,最後接到影片模型。

這段討論的重要性在於,它把 AI payments 從微支付拉回產品設計。節目裡直接說,拿 4 美分一筆的小額付款來展示能力不一定有說服力,因為信用卡原本就是為較高金額的人類交易設計;真正更像商業產品的是 5 到 20 美元之間、有清楚結果的 AI consumable。

Moraco 提到,生成一部 feature-length film 可能需要 50 到 500 美元,使用者在花這筆錢前必須非常信任 prompts。比較合理的設計,是先用較低成本做出 90 秒、可被審閱與微調的結果,再讓使用者選擇是否繼續投入。付款體驗因此不只是 checkout,而是讓人覺得自己有參與、可停止、可判斷 ROI 的產品旅程。

從工具呼叫到可購買結果
01
需求
使用者不是要某個 API,而是要一支影片、一份研究或一個完成品。
02
編排
agent 選擇模型、工具、資料與流程,控制成本與品質。
03
預覽
先給使用者可評估的中間成果,避免一口氣燒完預算。
04
付款
使用者買的是結果與信任,不是背後每一次 API 呼叫。
PART 4 | 使用者控制感是支付 UX

AI 消費最怕的不是貴,
而是不知道會貴到哪裡

Kai Sheffield 把 inference 形容成一種很複雜的可付款產品:使用者常常不知道最後會花多少,直到工作完成才知道成本。這和日常商務不同。加油站至少有每加侖單價,AI 則可能因模型選擇、重試、工具鏈與輸出長度而動態變化。

Moraco 的回答不是單純把一切做成命令列。他反而提醒,很多人不想用 command line。真正可擴大的介面要 meet people where they are,把模型選擇、成本控制與步驟拆解包進友善的 journey。這也解釋了為什麼 agent payment 不只是付款 API:它同時是預算、授權、確認、取消、預覽與人機共同創作的介面。

節目最後回到 Visa 創辦人 Dee Hock 與參與式組織的想像:Visa 曾把多方參與者組成一個可運作的網路。AI agent payments 也面臨類似問題。未來的付款網路不只連接商家與消費者,還會連接模型、工具、創作者、企業、agent 與使用者的決策權。

🧮
成本要可見
agent 執行前後都要讓使用者理解可能成本、已花成本與剩餘選項。
🧭
流程要可停
好的 AI 付款旅程應該支援預覽、確認、撤回與逐步升級。
🤝
分潤要可解釋
模型、工具、技能創作者與平台都可能是一次 agent 工作的貢獻者。

Agent payments 的主角不是付款軌道,而是把一段 AI 工作變成使用者願意授權、理解、購買的結果。

卡片和錢包都只是底層工具;真正難的是讓 agent 花錢時,人仍然知道自己在買什麼。

如果 agent 真的要替你花錢,
你最在意哪個設計?

選完之後,分享你的判斷

你的觀點

想看完整脈絡?

原始訪談從 iOS Shortcuts、enterprise automation、data skills、model routing、Visa CLI、AI video endpoints 一路談到 Dee Hock 與 Visa 的組織想像。可以回到 Tokenized Podcast 觀看整集。

閱讀完整文章 →