支付：从处理指令的基础设施，到智能操作层

支付仍分散于不同网络和方式之间，因此互操作性是智能金融技术栈的首要要求。但连接通道只是开始，更大的转变在于让支付能够理解上下文并适应企业需求。

AI 现在可以结合行为模式、结构化交易数据以及用户、实体与设备之间的关系，做出更好的支付决策。蚂蚁国际的 Antom 3-in-1 Transformer 是唯一结合三类数据的支付基础模型——序列行为、结构化记录和映射用户/实体/设备关系的图数据——支持欺诈和滥用防范及支付成功率优化。在领先客户中，拒付率下降高达 87%。

同样的智能延伸至更广泛的支付生命周期：帮助企业接入支付方式、优化路由、管理风险和争议、对账并进入新市场。在实际应用中，这可将商户完成首笔交易的时间从数天缩短至数分钟。这是从"处理指令的支付基础设施"向"帮助企业决策和行动的智能操作层"的转变。

从人类账户到代理账户：赋予 AI 在边界内行动的能力

几十年来，账户围绕人和组织构建——人类控制资金使用方式、批准交易并事后监控。但当 AI 代理开始执行这些任务时会发生什么？这指向一种根本不同的模式：代理账户（Account for Agent, AFA）。

代理账户不仅仅是带有 AI 界面的传统账户。它应使代理能够在企业设定的规则、权限和控制范围内执行特定任务。蚂蚁国际已通过 WorldFirst 推出相关产品——WorldFirst for Enterprise AFA，称其为全球首个真正面向企业的代理账户，采用 KYA 支持的智能合约、全链路安全控制、动态监控与干预，以及用于持续调优代理的反馈机制。

其目标并非将人类从财务决策中移除，而是将人类提升至更高层级——从执行交易转向设定目标、政策和风险限额。账户因此不再只是资金存放之处，而成为学习循环的一部分：不仅是反映已发生的事，更成为人类意图与机器行动之间的受治理界面。

让智能可操作：精准预测汇率，实时调动资金

全球企业面临相互关联的问题，从可见性碎片化到流动性失衡和汇率波动。传统资金管理流程往往是回顾性的：团队审查过往现金流、预测需求、决定对冲并手动再平衡流动性。更难的问题是知道资金应该在何处、何时移动、到达时价值几何。

AI 原生方法将预测与执行连接起来。先进的预测模型可分析全球金融数据，预判现金流、流动性需求和汇率头寸。蚂蚁国际的 FalconTST 在汇率和现金流预测方面准确率超过 93%。

但预测只有在资金能够调动时才有用。实时结算和流动性基础设施将预见力与行动连接起来。通过其基于区块链的批发结算层 WhaleRTP，蚂蚁国际处理了其 45% 的跨境交易量，减少 60% 的营运资金需求，并将流动性收益提高 23%。预测与调动能力的结合，使资金管理从周期性分析转向持续的"观察—决策—行动"循环，并将治理贯穿始终。

金融技术栈成为操作系统：从人类工作流到能观察、决策、行动的机器

几十年来，金融基础设施围绕人类工作流构建。AI 引入了不同的模式：机器可以越来越多地观察、预测、推荐和行动。下一代系统将连接身份、意图、权限、资金和智能，人类设定目标和边界，机器处理复杂性。

问题不在于 AI 是否会参与金融，而在于当金融基础设施成为直接的经济行为者时，它必须如何演变。这正是 AI 原生金融技术栈的承诺——不是运行更快的金融，而是能更好地观察、决策和行动的金融。这也是蚂蚁国际正在交付的承诺：通过尊重人类控制的智能系统调动资金，同时释放速度、安全与效率。