AI 智能体正在越过 “给建议” 的边界，进入真实交易环节。用户说出需求后，智能体可以完成搜索、比价、订单创建，并在授权后衔接支付。支撑这一变化的关键不是更大的模型，而是一套解决 “智能体是谁、用户授权了什么、交易能否被信任” 的支付基础设施。银联推出的 APOP 框架及 UAPS、UACP 两层能力，正在跨境旅游和企业采购中把这条链路跑通。
一、问题：当 AI 从 “推荐” 走到 “下单”，真正卡住的是什么
过去，AI 可以帮你做旅行攻略、推荐酒店、对比供应商，但到了下单和付款环节，用户必须切回各个 App，手动填写信息、确认订单、完成支付。AI 的价值止步于 “决策辅助”，交易执行仍然是纯人工环节。
随着智能体具备任务执行能力，这条边界开始向前移动。用户先告诉智能体 “想做什么”，智能体协助完成搜索、比较、方案选择和订单创建，用户确认授权后进一步衔接支付。麦肯锡预测，到 2030 年全球由智能体驱动的消费交易规模或将达到 3 万亿至 5 万亿美元，智能体促成的电商交易占比或达 20% 至 30%。2025 年，零售、旅游类网站来自智能体的访问量同比增长 18 倍。
但从 “生成一份方案” 走到 “完成一笔真实交易”，中间有两个绕不开的硬问题：
第一类是支付的可信与安全。 智能体参与下单和支付后，商户需要确认它是否真正获得用户授权，支付机构需要判断交易是否符合用户真实意图，用户则需要避免银行卡等敏感支付信息直接暴露给智能体。这不是传统支付安全的延伸，而是一个全新的身份层问题 —— 交易主体从 “人” 变成了 “代表人的智能体”。
第二类是交易链路的连接。 一次旅行往往涉及酒店、景点、交通等不同商户和服务机构。如果智能体、商户和支付机构仍需逐一对接，参与方越多，商品搜索、订单、支付和履约之间的衔接就越复杂。每多一个商户，就要多做一次接口适配、一次联调测试、一次风控规则对齐，这个成本会指数级增长。
二、框架：APOP 如何把 “智能体支付” 拆成可执行的两层
为适应这一变化，银联推出智能体支付开放协议框架（APOP），围绕智能体身份、用户意图、身份认证和支付授权等环节提供支撑。在此基础上，银联国际聚焦跨境场景，将能力拆成两个独立层级：
UAPS（UnionPay Agentic Payment Service，银联智能体支付服务应用） 主要负责智能体进入支付环节后的身份、意图、认证和授权管理。它要回答三个问题：智能体是谁？用户授权了什么？能够在什么范围内完成交易？确认之后，再衔接银联既有支付网络完成后续支付处理。
UACP（UnionPay Agentic Commerce Platform，银联智能体支付中间层平台） 则主要连接智能体与商户，通过标准化接口串联商品发现、订单、支付和履约等环节。智能体和平台可以通过一次接入连接更多商户和服务，商户也可以在保留现有支付体系的基础上接入新的智能体渠道。
这个分层设计有一个容易被忽略的关键洞察：支付安全和商户连接是两个独立问题，不能混在一起解决。 UAPS 管 “能不能付、付多少、付给谁是否被授权”，UACP 管 “有哪些商品可以选、订单怎么创建、履约怎么跟踪”。前者是风控和合规问题，后者是生态和接入效率问题。混在一层做，要么风控做不深，要么接入做不快。
三、对比表：信息查询型 AI 与交易执行型智能体的本质差异
表格
| 维度 | 传统信息查询型 AI | 交易执行型智能体 |
|---|---|---|
| 核心能力边界 | 搜索、整理、推荐方案 | 搜索 + 比价 + 订单创建 + 支付衔接 |
| 用户角色 | 全程决策者和执行者 | 设定目标 + 关键节点授权 |
| 支付所处位置 | 交易末端，用户手动完成 | 向交易前端延伸，智能体参与创建 |
| 安全焦点 | 信息准确性、来源可信度 | 智能体身份认证 + 用户意图验证 + 授权范围控制 |
| 商户对接要求 | 无需对接，爬取公开信息即可 | 需要标准化商品 / 订单 / 履约 / 支付接口 |
| 错误代价 | 推荐不准，用户换一个 | 订单错误或越权支付，直接产生资金损失 |
| 典型落地场景 | 旅行攻略生成、供应商资料整理 | 酒店搜索→比价→下单→授权支付全链路 |
这张表想说明的是：交易执行型智能体不是信息查询型 AI 的 “升级版”，而是一个需要全新基础设施支撑的物种。 两者的错误代价完全不同 —— 推荐错了大不了换一个，订单错了就是真金白银的损失。这也是为什么支付机构必须深度参与，而不能只做后台通道。
四、场景一：跨境旅游 —— 从攻略到订单的链路正在被打通
跨境旅行是普通消费者最容易感知这种变化的场景。过去计划一次海外旅行，需要在多个平台间来回切换：比机票、选酒店、看退改政策、买门票、订接送。即便 AI 生成了完整攻略，到了预订和付款时，用户仍要重新打开不同 App，把前面的建议变成一笔笔真实订单。
2025 年 7 月，银联国际与旅游分销平台 TripGuru.ai 完成智能体支付跨境合作签约，探索在用户充分授权的基础上，将商品确认、订单生成、支付和履约等环节进一步衔接。目前 TripGuru.ai 已连接全球超过 30 万家酒店、近 20 万家景点，并覆盖演出、购物、交通等旅游产品。
以一次纽约旅行为例。用户告诉智能体：”下周想去纽约，帮我找合适的机票和一家含早餐的四星酒店。” 智能体根据出行时间、预算、酒店位置等条件，从真实可交易的旅游产品中搜索比较，整理出不同方案供用户选择。用户确定方案后，智能体继续衔接价格和库存确认、订单创建，并在用户授权后进入支付流程。
类似探索也在延伸至更多境外出行和生活服务场景。银联国际正与科大讯飞、Wonder 围绕港澳打车场景开展合作，实现境外出行一键自动结算；同时与东南亚最大中餐外卖平台唐人街外卖合作，打造 AI 外卖下单支付体系，适配华人境外小额高频消费需求。
一个实操观察：旅游场景之所以成为智能体支付的 “最佳试验田”，是因为它天然是多商户、多步骤、中等客单价的组合。 用户对 “省步骤” 的感知最强 —— 少切三个 App、少填五次信息，价值立竿见影；同时单笔金额可控，对授权风险的容忍度相对较高。企业采购则完全相反，客单高、流程重、合规要求严，必须采用更保守的 “人在场” 模式。
五、场景二：企业跨境采购 ——”人在场” 模式下的智能体执行
到了企业端，智能体面对的交易流程更加复杂。跨境采购不仅需要在不同市场寻找供应商，还要比较价格和交付条件，结合预算和内部流程作出选择，最终推进下单和支付。其中大量搜索、整理和比较工作，为智能体参与任务执行提供了空间。
银联国际与连连数字的合作，正是在这一场景中探索智能体支付的应用。连连数字业务覆盖全球 100 多个国家和地区，为超过 1040 万家跨境电商、外贸企业及独立站商户提供服务。
目前双方重点探索的是“人在场” 的智能体采购模式：企业仍然掌握采购决策和最终支付授权，智能体更多承担信息处理和任务执行。具体流程是：企业向智能体提出品类、预算和交付要求→智能体寻找不同市场的供应商，对比商品、报价和交付条件→整理成采购方案→企业确认供应商和订单→智能体衔接下单和支付→人工确认授权后发起交易。
企业场景的关键在于授权边界的设定。哪些商品可以买、可以向哪些供应商采购、单笔金额上限是多少、哪些环节必须重新确认，都需要事先明确。银联智能体支付能力通过意图管理、身份认证和 Token 等机制，将这些授权要求与具体交易关联起来，对智能体能够执行的交易范围和金额进行管理，并依托既有跨境支付网络完成后续处理。
在 “人在场” 模式基础上，双方还在探索下一阶段：在企业预先设定明确的采购规则、金额和授权范围后，让智能体处理部分高频、重复性的支付任务。
一个非公开常见的实操细节：企业场景的真正瓶颈往往不是技术对接，而是 “授权规则的显性化”。 大多数企业的采购权限散落在口头惯例、审批流和个人经验里 ——”这个品类通常找哪几家供应商”” 单笔超过多少要走什么审批 “”哪些供应商虽然价格低但因为质量问题被内部拉黑”—— 这些规则没有被系统化地记录下来。智能体要执行采购，必须先把这些隐性规则翻译成可计算的约束条件。这一步的工作量和组织协调成本，往往比接支付接口大得多，也是很多企业智能体采购项目卡在 POC 阶段的真实原因。
六、更深一层：支付基础设施正在向交易前端迁移
从个人跨境旅行到企业全球采购，智能体带来的变化已经超出了操作效率本身。
过去，支付更多出现在用户完成搜索、比较和下单之后，是交易链路的最后一环。而当智能体开始参与商品发现、方案比较、订单创建甚至部分任务执行，支付体系也开始向交易链路更前端延伸。
对跨境支付而言，这意味着基础设施的能力边界正在迁移。原有的转接清算、风险管理和争议处理仍然是交易能够完成的基础，但在此之上，还需要解决一系列新问题：智能体能否被识别和信任？用户意图能否被验证？授权范围能否被精确控制？智能体与不同商户和服务机构能否顺畅连接？
一个值得关注的判断：智能体支付的本质，是把 “支付” 从一个动作（转账结算）升级为一个协议（身份 + 意图 + 授权 + 连接 + 清算的组合）。 谁先把这套协议做成行业事实标准，谁就掌握了 AI 时代交易入口的话语权。这不是支付公司的增量业务，而是基础设施级别的卡位战。对商户和智能体开发者来说，越早接入主流协议框架，后续的适配成本和迁移风险就越低。
七、结论与建议
智能体从信息查询走向交易执行，不是模型能力的自然延伸，而是需要一整套支付基础设施的系统性重构。银联的 APOP 框架通过 UAPS 和 UACP 分层设计，分别解决可信支付和商户连接两个独立问题，在跨境旅游和企业采购中已经有了可验证的落地路径。
对计划入局的企业和开发者，三条可落地建议：第一，不要追求 “全自动交易” 的概念，先在 “人在场” 模式下把授权规则显性化、把交易链路标准化，再逐步放开执行边界；第二，优先选择多商户、多步骤、中等客单价的场景切入，这类场景用户感知强、风险可控，是验证智能体支付闭环的最佳试验田；第三，支付安全和商户连接要分层规划，不要试图用一个系统同时解决身份授权和商品对接，分层才能各自做深。
本文侧重智能体生命周期与技能边界。若你要动手验证，优先用 Playground 做小任务压测；权限与托管再单独规划，避免「先装一堆再治理」。 相关：Playground · 创建智能体 · 学习中心
常见问题 FAQ
什么是智能体支付落地？
「智能体支付落地」可概括为：AI 智能体正在越过 "给建议" 的边界，进入真实交易环节。用户说出需求后，智能体可以完成搜索、比价、订单创建，并在授权后衔接支付。支撑这一变化的关键不是更大的模型，而是一套解决 "智能体是谁、用户授权了什么、交易能否被信任" 的支付基础设施。银联推出的 APOP 框架及 UAPS、UACP 两层能力，正在跨境旅游和企业采购中把这条链路跑通。 本文从定义、方法与实践要点展开说明。
为什么要关注智能体支付落地？
关注智能体支付落地，是因为它直接影响效率、风险与可复制性。文中指出：过去，AI 可以帮你做旅行攻略、推荐酒店、对比供应商，但到了下单和付款环节，用户必须切回各个 App，手动填写信息、确认订单、完成支付。AI 的价值止步于 "决策辅助"，交易执行仍然是纯人工环节。
如何落地智能体支付落地？有哪些关键步骤？
可按本文结构落地智能体支付落地：1) 一、问题：当 AI 从 "推荐" 走到 "下单"，真正卡住的是什么 → 2) 二、框架：APOP 如何把 "智能体支付" 拆成可执行的两层 → 3) 三、对比表：信息查询型 AI 与交易执行型智能体的本质差异 → 4) 四、场景一：跨境旅游 —— 从攻略到订单的链路正在被打通。每一步先定义目标与验收标准再扩大范围。
智能体支付落地适合哪些人或团队？
智能体支付落地更适合：产品/技术负责人、运营与增长团队、需要落地智能体或自动化的中小团队、关注「解决方案」方向的读者。若你只需要单次聊天式问答，可先读概念；若要上生产，请重点看步骤、权限与风控相关段落。
关于「一、问题：当 AI 从 "推荐" 走到 "下单"，真正卡住的是什么」，本文给出了什么结论？
在「一、问题：当 AI 从 "推荐" 走到 "下单"，真正卡住的是什么」部分，要点是：生成一份方案" 走到 "完成一笔真实交易"，中间有两个绕不开的硬问题： 第一类是支付的可信与安全。 智能体参与下单和支付后，商户需要确认它是否真正获得用户授权，支付机构需要判断交易是否符合用户真实意图，用户则需要避免银行卡等敏感支付信息直接暴露给智能体。这不是传统支付安全的延伸，而是一个全新的身份层问题 —— 交易主体从 "人" 变成了 "代表人的智能体"。 第二类是交易链路的连接。 一次旅行往往涉及酒店、景点、交通等不同商户和服务机构
关于「二、框架：APOP 如何把 "智能体支付" 拆成可执行的两层」，本文给出了什么结论？
在「二、框架：APOP 如何把 "智能体支付" 拆成可执行的两层」部分，要点是：至更多境外出行和生活服务场景。银联国际正与科大讯飞、Wonder 围绕港澳打车场景开展合作，实现境外出行一键自动结算；同时与东南亚最大中餐外卖平台唐人街外卖合作，打造 AI 外卖下单支付体系，适配华人境外小额高频消费需求。 一个实操观察：旅游场景之所以成为智能体支付的 "最佳试验田"，是因为它天然是多商户、多步骤、中等客单价的组合。 用户对 "省步骤" 的感知最强 —— 少切三个 App、少填五次信息，价值立竿见影；同时单笔金额可控，对