英伟达如何为PayPal构建支付基础模型

在《代理商业》第5期中，西蒙·泰勒（Tempo市场开发负责人）和巴姆·阿齐兹（Mesh首席执行官兼创始人）邀请了帕哈尔·帕坦吉亚（英伟达全球行业业务发展与支付负责人）讨论金融服务中的开源模型、作为商业知识产权的代理化工作流程等主题。

时间线：

00:00 介绍
05:03 基于Transformer架构的支付基础模型
10:44 金融服务中开源模型的采用
17:53 AI推理中的成本和延迟权衡
20:24 AI系统中的代币经济学和效率
23:21 作为商业知识产权的代理化工作流程
25:45 代理商业中协议集成的趋势
30:17 用于代理安全的开源运行时OpenSHIELD
33:33 稳定币在代理间微支付中的优势
35:36 与支付相比，搜索在代理中实施得更快

要点：

1. 代理商业的本质是“上下文外包”：消费者决策的上下文以前由人类掌握，现在通过嵌入+基础模型转移给代理，使支付能力成为决策链的一部分，而不仅仅是执行层。
2. 支付基础模型是一个核心变量：将传统的表格金融数据输入到Transformer中生成用户行为嵌入，这是代理“像人类一样消费”的关键基础设施。
3. 搜索已经成熟，而支付仍处于早期阶段：代理商业的真正实施目前集中在搜索和推荐上，而支付仍处于沙盒和实验阶段。
4. 金融行业开源爆炸的根本原因不是技术，而是监管和控制：可解释性、可控性和微调能力比性能更重要。
5. 开源和闭源模型之间的性能差距已缩小到一个"微不足道的范围"，使得成本、合规性和部署灵活性成为企业决策的主导因素。
6. 代币经济学正成为新一代的"支付经济学"：人工智能系统的核心约束不再仅仅是交易费用，而是代币消耗、推理成本、延迟和能耗的综合优化。
7. 多智能体系统是未来的战场：发行者、收购者、商家和内部企业系统将演变为智能体，通过机器与机器的交互完成业务流程。
8. 智能体工作流正成为企业的新核心资产：以前是API和SaaS，现在智能体的决策路径、执行逻辑和反馈循环构成了新的"商业知识产权"。
9. 稳定币在智能体对智能体场景中具有结构性优势：微支付、实时结算和全球可用性是传统卡网络无法支持的。
10. 智能体带来的交易量增长是指数级的：人类每天进行约2笔交易，而智能体可能进行2000笔，传统支付系统的TPS模型无法适应这种范式转变。
11. 支付通道不会被取代，而是将以层次共存：卡网络适合人类交互，而稳定币更适合机器交互，两者将在不同场景中并行运行。
12. 协议层目前处于"大型语言模型的早期阶段"：多种协议的共存促进了创新，从长远来看，必然会收敛到少数标准。
13. 安全性在智能体时代已成为基础设施问题：需要像OpenSHIELD这样的运行时来将智能体隔离在沙箱中，以防止系统性风险传播。
14. 人工智能在支付中的核心用例没有改变：反欺诈、身份验证和个性化仍然是最核心的价值，实施从规则到模型再到智能体的演变。
15. Agentic Commerce的真正突破不在于支付，而在于"决策自动化"：当搜索+推荐+执行完全自动化时，支付只是能力调用的最后一步。

西蒙·泰勒:
欢迎来到Tokenized，这是一个专注于稳定币和现实世界资产代币化采用的节目。我是今天的主持人西蒙·泰勒，同时也是《金融科技脑食》的作者，以及Tempo的市场发展负责人。

今天我们继续Agentic Commerce系列，加入我的是Mesh的首席执行官Bam Azizi。你最近怎么样，Bam？

Bam Azizi:
我很好，谢谢你，西蒙，再次邀请我们。

西蒙·泰勒:
这个系列真的在起飞。我觉得Agentic Commerce已经成为当今世界上最热门的话题之一，真正吸引了每个人的注意。

今天我们也有一位来自一家备受瞩目的公司的嘉宾——可以说是世界上最大的公司之一——但他们为支持代理商业所做的一些事情大多数人并不知晓。

所以今天我们欢迎NVIDIA全球行业业务发展与支付负责人Pahal Patangia。Pahal，你最近怎么样？

Pahal Patangia:
我很好，Simon，谢谢你的邀请。我很高兴能参加这个节目，并期待我们的对话。

西蒙·泰勒:
确实，一切都在逐渐成型——这正是我所热爱的：支付、NVIDIA在视频游戏领域的积累、商业、稳定币……所有这些美好的事物。

但在我们开始之前，我想提醒我们的观众和听众：我们嘉宾的观点代表他们个人的意见，并不一定反映他们公司的立场。此外，我们讨论的任何内容都不构成税务、法律或财务建议，因此请自行进行研究。

好的，从宏观角度来看，代理商业对像NVIDIA这样的公司意味着什么？一家GPU公司，一家加速计算公司，一家人工智能公司，一家硬件公司——你们为什么会参与支付和商业？

Pahal Patangia:
当然，Simon，这是个好问题。我很高兴你从GPU公司、硬件公司和加速计算公司的角度提问，因为这确实是人们对NVIDIA的看法已经几十年了。

但我想说，这种看法在过去20年中一直在演变。

在过去的几十年里，NVIDIA已经转变为一个全栈加速计算平台，提供AI应用在整个生态系统中的能力。

在我们深入探讨代理商业或人工智能之前，了解NVIDIA在平台层面的定位和我们提供的能力是很重要的——这些能力实际上推动了你每天看到的人工智能爆炸。

我们通常用"五层蛋糕"的概念来描述NVIDIA在生态系统中构建AI应用的能力。

这个"五层蛋糕"由不同的"成分"组成，使得今天能够以可扩展的方式构建AI应用和AI工厂。

最底层是土地、电力和能源——这是进行任何与AI相关的事情的基础。

在此之上是芯片层，包括硬件、GPU、CPU和相关的网络系统。

接下来是系统层，或数据中心层，它组织了这些芯片的组合方式；我们将它们视为不同的单元，最终组合成一个“庞大的计算机”。

过去，我们将计算机理解为个人设备，但现在数据中心本身就是一台计算机，这就是系统层。

在其上方是基础模型层。这些基础模型包含知识、行业理解和各种能力。生态系统中有许多合作伙伴，例如OpenAI、Meta、Mistral等，正在构建这些基础模型。

但这些基础模型需要进一步细化到特定行业、特定场景和特定问题，这就是第五层——应用层。

NVIDIA的平台跨越这五个层次，结合了这一整套能力。开发者可以利用这个五层平台为他们的用例构建应用程序。

在支付领域，一个关键应用是Agentic Commerce。

我们的目标是将我们的硬件、软件和模型能力嵌入这些生态系统参与者中，使他们能够大规模构建这些应用程序。这就是我们的定位，以及我们如何推动整个生态系统的发展。

西蒙·泰勒:
对我来说一个有趣的点是，当我们与许多人谈论Agentic Commerce时，每个人都认为在后台有很多软件和硬件在运行这些东西，但你在这个行业待了很长时间，真的理解这些基础是如何运作的。你怎么看？

Bam Azizi:
是的，这很有趣。我实际上在LinkedIn上发布了一些关于这种分层结构的内容，引起了相当多的关注。

这与Pahal刚刚描述的非常相似。我谈到了基础层、分发层、编排层和连接层。我的观点是连接层是最重要的——当然，这有点“自我服务”，因为Mesh在这一层运作。

但我真的很好奇，从NVIDIA的角度来看，你认为哪个层次是最重要的？你目前在哪个方面投入了最多的时间和资源？

Pahal Patangia:
是的，这是个好问题。我认为从我们的角度来看，支付行业目前正发生两个非常关键的现象。

我们正在大规模地将人工智能引入支付行业，通常一个现象会引发另一个现象。

第一个现象是“支付基础模型”的出现。

如果你查看整个代理商业的过程，你会发现这个过程实际上已经被“压缩”了。例如，结账过程已经被压缩。

在过去的世界里，你作为一个人掌握了上下文。你知道你想买什么，你知道如何完成结账，这个上下文存在于你的脑海中。

但现在的问题是：代理从哪里获得这个上下文？

代理必须学习用户行为、用户档案、用户偏好，以及你为交易设定的各种限制（从SKU到最终交易规则），以获取这个上下文。

那么代理如何获得这些能力？

这导致了一个新的趋势，我会说这有点“地下”，但正在迅速引起关注——“支付基础模型”。

因为在金融服务行业，特别是在支付和银行领域，历史上所有数据都以结构化表格的形式存在。

在过去，你会将这些数据输入机器学习算法，以构建倾向模型，例如预测用户可能购买什么或他们可能进行什么交易。

然而，随着新一代算法的出现，特别是变换器架构——这是生成性人工智能的基础——现在有一个新的趋势是将这些结构化数据暴露给变换器模型。

这就是“支付基础模型”的概念。

这些模型生成一种叫做“嵌入”的东西。

简单来说，嵌入是用户行为的语义表示。例如：

• Pahal可能会做什么。

• 他最近的动态偏好是什么

• 他长期的行为模式是什么

变压器模型可以整合这些信息以形成这个嵌入。

然后这些嵌入被输入到代理中，代理根据这些信息执行动作，例如完成交易。

在这里，两个世界开始融合——人工智能和支付。

这些嵌入成为代理的“上下文层”，使代理能够更好地执行、更好地迭代，并确保所有动作都在设定的规则内，同时不断学习和优化。

这是一种当前推动代理商业发展的重要趋势。

此外，我想强调我们在代理商业中看到的另一个趋势：

如果将整个过程分为“搜索”和“支付”，

真正发展最快且最成熟的部分是“搜索”组件。

搜索问题已经研究了很多年，现在有更好的算法来解决它，因此这波技术在“搜索”方面非常有效。

这也是用户体验变得更加个性化和粘性的原因。

我们也与PayPal进行了很多合作。PayPal希望将代理商业的能力带入他们的商家生态系统，该生态系统由大约1900万商家组成。

这些商大多数是中小型企业，他们对人工智能相对“无知”，并不完全理解发生了什么。

PayPal的做法是通过他们的平台向这些商家提供这些能力。

他们的方法是：
微调开源模型，以将这些模型适应于PayPal的环境和特定用例。

这样，商家可以自然地使用这些能力，而无需自己理解底层技术。

西蒙·泰勒:
我刚刚听了很多你的话，我想尝试总结一下，看看我是否理解正确，同时也让观众更容易掌握。

许多人忽视一个观点：除了像Anthropic、ChatGPT和Gemini这样的模型，实际上还有许多开源模型，而NVIDIA在这个领域是一个重要的参与者。

像你的NeMo和Neotron这样的模型在性能上始终处于前沿。

然后像PayPal这样的公司将把这些能力带给商家。

为商家创造价值在支付行业中至关重要。商家是全球运营的核心。如果你不能服务商家，那么你基本上就是无足轻重的。

他们是销售商品的人，他们是你的客户，他们支付你。所以你必须为他们创造价值。

Stripe之前发布了一个在反欺诈方面表现良好的支付基础模型。

但我很好奇，除了反欺诈，支付基础模型还可以做什么？

如果我现在有一个非常丰富的多维嵌入，可以理解各种用户偏好，这些能力如何帮助商家销售更多并更好地服务客户？

而且商家可能不愿意与大型AI实验室分享这些数据。

所以他们倾向于使用开源模型。

此外，开源模型与尖端模型之间的差距现在大约是6个月，这是一个性能差距。

对于大多数日常使用来说，这种差异几乎是不可察觉的。

对于许多中小型商家来说，这些模型已经远远优于他们目前使用的免费版本ChatGPT。

因此，PayPal可以为他们提供非常好的体验，而底层能力实际上来自NVIDIA。

我认为许多人对此并不知情。

此外，我看到一项调查显示，65%的金融机构已经在使用AI，而84%的人表示开源模型对他们的AI战略很重要。

所以我想问你：为什么开源模型在金融行业变得如此重要？

Pahal Patangia:
是的，这是个好问题。

金融行业一直以来都对新技术的采用较为缓慢。

造成这种“缓慢采用”的原因包括：
监管
可解释性要求
以及对“黑箱模型”的不信任

金融机构希望了解模型内部发生的事情，以便能够自信地在生产环境中使用它。

因此，他们倾向于选择可以控制和微调的模型。

与此同时，正如您提到的，开源模型的性能现在与大型闭源模型非常接近。

这种“性能接近”将讨论的重点从“模型性能”转移到其他维度，例如：

• 成本

• 控制

• 合规性

• 系统弹性

企业在构建这些应用时希望有更多的选择，而不是依赖单一供应商。

当然，我们也将基础模型提供商视为重要的客户和合作伙伴。

但与此同时，当企业需要更多灵活性时，开源模型变得更加适合。

例如，NVIDIA的Neotron模型和NeMo工具链可以帮助企业更轻松地微调模型。

而这种能力在代理商业中将变得越来越重要。

西蒙·泰勒:
这种权衡确实很有趣。

巴姆，我也想问你，从在稳定币和支付领域建立公司的角度来看，你如何看待开源与闭源？您的客户关心这个问题吗？

Bam Azizi:
我认为从客户的角度来看，他们实际上并不关心是开源还是闭源。

这对科技界来说是一个关注点，这对科学和技术的发展非常重要。

但客户关心一件事：
是否有最佳解决方案可以帮助他们经营业务。

然而，开源对行业非常重要，我们仍然需要尽可能地推广它。

另一个让我印象深刻的观点是Pahal提到的关于NVIDIA的立场。

在过去，NVIDIA更像是硬件层，然后会有一个中间层，比如ChatGPT、云服务商等，最后是应用层。

但现在您直接与像PayPal这样的公司合作，这是否意味着您在“跳过中间层”？

这是否意味着更快、更便宜和更高效？

这会对像OpenAI这样的公司构成威胁吗？

Pahal Patangia:
一点也不会。

我们的理念是“在开发者需要的地方支持他们。”

如果开发者想使用我们的主要合作伙伴，比如基础模型提供商，我们会全力支持，并帮助他们取得最佳结果。

如果他们想使用开源模型，我们也提供工具和平台支持。

这确实取决于企业的内部业务需求和决策。

我们提供一个完整的平台，让他们可以自由选择。

西蒙·泰勒:
我觉得这个权衡非常有趣。

Pahal，您如何指导像PayPal这样的支付公司做出这些决策？例如，当他们想向商家提供这些能力时，您如何帮助他们权衡不同的用例？你从这些支付公司听到什么反馈？

Pahal Patangia:
这是个好问题。

在这个领域，随着你开始运行越来越复杂的模型，从今天的模型到未来的代理，再到多代理系统，有许多因素需要考虑。

首先，当然是准确性。但一旦你将准确性优化到一定程度，真正决定结果的还有其他几个因素。

第一个是成本。

例如，如果你为1900万商户提供服务，这每天会产生大量的推理调用。你必须考虑如何在你的用例中将这些推理调用的成本优化到最低。

第二个是延迟。

没有人想等待，就像网络断开时浏览器中的小蛇游戏（Chrome离线游戏）。

你需要毫秒级的响应。

模型需要思考、推理、从不同的数据源收集信息、结合上下文，并在既定规则内做出决策——所有这些都必须在毫秒内完成。

完成这一切需要消耗大量的令牌，做出许多决策，执行复杂的过程，所有这些都必须是动态和智能的。

如果代理经过正确的微调并在正确的约束下运行，它可以实现这一点。

你执行一次，然后就会有一个反馈循环。

这个反馈循环创造了一个“数据飞轮”：
你不断获得新数据，将“实际结果”与“理想结果”进行比较，然后不断优化模型。

西蒙·泰勒:
然后，当你将这种逻辑从单一代理扩展到多代理系统时，事情变得更加复杂。

例如：

• 网络侧的代理

• 发行方的代理

• 收购方的代理人

这些代理人将相互沟通。

或者在企业内部：

• SAP系统中的采购代理人

• 它需要与库存系统进行沟通

• 它还需要与财务系统进行沟通

整个系统如何进行推理？它如何变得更高效？

这导致了一个问题：代币将会爆炸性增长。

这就是为什么“代币经济学”变得非常重要。

这不仅仅是减少代币使用的问题，而是如何在成本、计算能力和延迟之间实现最佳效率。

这甚至可以理解为：
“每千瓦时可以生成多少高质量的代币输出。”

实际上，这背后有一个经济模型。

如果管理不善，很容易烧掉很多钱。

任何玩过OpenClaw的人都知道，仅仅通过调用几个API，一个月就很容易花费1000美元，然后你会陷入各种麻烦。

对于企业来说，这个问题更加严重。

过去，你可能只运行一些机器学习模型，比如Snowflake上的模型、CNN等，但现在这些AI模型的成本结构完全不同。

对于专注于客户忠诚度或反欺诈的公司来说，这个成本差异是巨大的。

在卡组织、商家和发行人等不同角色之间，每个角色对代理人和代币的需求都不同。

因此，整个系统的复杂性非常高。

不仅需要控制成本，还需要系统随着时间的推移不断改进，像人类一样学习：
“你刚才犯了一个错误，下次不要再这样做。”

但是如果你真的使用过OpenClaw，你会知道保持系统在正确的事情上始终稳定实际上是非常困难的。

因此，在企业场景中解决这个问题对NVIDIA来说非常有价值。

西蒙·泰勒:
让我们把话题回到电子商务上。

Agentic Commerce目前对商业产生了什么影响？

用户在结账时真的能感受到这些变化吗？这种价值体现在哪里？

Pahal Patangia:
我们的目标是支持那些真正为最终用户创造价值的参与者，例如像PayPal这样的支付平台。

同时，他们将与大型零售商合作，在其基础上部署面向消费者的代理。

从行业的角度来看，我们看到的一些趋势包括：

例如，万事达卡在一些国家已经实施了完全由代理驱动的交易。

这些是成功的早期信号。

这让我们有信心这些技术最终会成为主流。

当然，仍然有许多问题需要解决，例如：
这些代理真的能提高结账转化率吗？
它们足够稳定吗？

目前，需要更多的微调和约束机制，以使代理能够自主完成任务。

西蒙·泰勒:
我想特别提到Sardine，因为他们在反欺诈领域做了很多工作。

他们拥有一个由70亿设备组成的数据网络，建立了自己的模型，并记录了代理的性能。

这些历史数据和代理工作流程本身就是一种知识产权。

在电子商务中，您的代理工作流程是您的核心知识产权。

我认为这是一个非常关键的点。

西蒙·泰勒:
好的，感谢Mesh和所有赞助商让这个节目成为可能。

哇，我不知道你是否和我一样，但现在我听到这么多不同的协议名称，以至于我无法跟上它们。

您现在如何与客户讨论这些协议？您问NVIDIA什么问题？

Bam Azizi:
我认为现在最关键的问题是：未来是走向整合还是继续分散？

这是一个“十亿美元的问题”。如果有人能回答这个问题，他们就能在这个领域建立一家巨大的公司。

如果你问我，我会倾向于整合，就像互联网的发展一样。

过去有许多不同的协议，但最终我们统一为HTTP。

设备之间的通信也有许多协议，但最终基本上统一为Wi-Fi和蓝牙。

即使在充电接口方面，也从各种不同的接口发展到一两个标准化的接口。

所以我认为这里也会发生类似的事情。

特别是最近在x402上的进展，例如，他们正在推动进入由中立组织主办的Linux基金会，并得到了Stripe和Coinbase等公司的支持。

我从事身份验证和安全工作，我们在认证协议中看到了类似的整合过程。

所以我的判断是会有整合。

但我也对Pahal的观点非常好奇。

另一个问题是：
未来会有不同的协议吗？

例如：

• 人类与代理之间的互动

• 代理之间的互动

这两种场景的用户界面/用户体验和协议可能完全不同。

您对当前市场的发展有什么看法？

西蒙·泰勒:
我想起了一幅经典的XKCD漫画：

“现在有14种认证标准；我们需要一个统一的标准。”
然后变成了：“现在有15种标准。”

您在这个领域已经很久了，您如何看待这个问题？

Pahal Patangia:
是的，如果我有水晶球，我很想知道答案（笑）。

但从我们的角度来看，我同意Bam的观点：

最终，这些协议将汇聚到少数主流解决方案。

但在这个过程中，目前的多样性实际上是件好事。

因为这些协议正在激活更多的开发者，让更多的人开始构建。

当前阶段实际上是“民主化阶段”，类似于过去三年LLM的发展。

不同的模型不断涌现，推动整个行业的采用。

这些协议也会发生同样的事情。

这些协议将吸引越来越多的参与者——开发者、企业、用户——每个人都将在这些基础上构建。

这将促进互操作性的开发，最终导致整合。

此外，随着更多代理的构建，安全问题变得越来越重要。

每个人都在构建自己的代理系统，但确保这些系统在安全的环境中运行是至关重要的。

这就是我们在GTC发布名为OpenSHIELD的原因。

OpenSHIELD是一个经过安全加固的开源运行时，位于代理和基础设施之间。

它可以为代理提供一个在受控环境中运行的沙箱环境。

这样，即使出现问题，影响也可以被控制。

西蒙·泰勒:
是的，这非常关键。

许多人没有意识到：

当您构建代理时，如果您还有一个生产环境，您应该将代理投入生产吗？

如果没有隔离，一旦出现问题，影响将会很大。

因此，像OpenSHIELD这样的沙箱机制非常重要。

西蒙·泰勒:
我还想到了一个例子：在早期的移动互联网时代，有WAP，人们在智能手机出现之前尝试用它进行支付。

在某种程度上，代理商业可能仍处于非常早期的阶段。

所以我很好奇：

您现在如何分配您的关注点？

您主要关注稳定币吗？
还是关注人机交互？
或者关注代理之间的交互？

您是在做所有这些，还是有一个重点？

Pahal Patangia:
这是个好问题。

从我的角度来看，我们目前主要关注最重要的趋势：

• 支付基础模型

• 代理商业

但在这些趋势中，新的子趋势将继续出现。

例如，稳定币。

我们将稳定币视为现有法定货币系统的补充，带来新的用户和新的生态系统。

下一代用户可能更习惯使用稳定币而不是信用卡。

但与此同时，两者之间会有整合。

然而，从根本上讲，人工智能在支付中的核心用例并没有改变：

• 反欺诈

• 身份验证

• 个性化

这些仍然是最重要的。

西蒙·泰勒:
是的，本质上这仍然是支付的附加价值。

无论您使用稳定币还是卡网络，这些问题都会存在。

西蒙·泰勒:
哇，我对你的看法很感兴趣。您正在稳定币领域建立一个网络；您如何看待代理商业与稳定币之间的关系？

Bam Azizi:
我相信代理商业可以利用不同的支付渠道。

例如，现在用户在ChatGPT、Anthropic或Perplexity上搜索鞋子或T恤等产品，然后代理可以帮助用户完成支付。

这笔支付可以使用信用卡或稳定币进行。

在这种情况下，两者是并行的。

但在跨境支付和国际交易中，稳定币将具有更多优势。

在代理人对代理人的场景中，我相信稳定币具有明显的优势。

原因是：

这些交易通常是小额支付。
例如，像$0.00005这样的金额。

这样的金额无法通过Visa或传统银行系统处理。

同时，这些交易需要是：
实时的
全球的
在线的

稳定币完美满足这些条件。

另一个要点是交易频率。

一个人平均每天可能进行2笔交易，但一个代理人可能每天进行2000笔交易。

这种TPS（吞吐量）只能由区块链支持。

传统支付系统并不是为代理人设计的；它们将会失败。

所以我对稳定币在代理商业中的应用非常乐观。

西蒙·泰勒:
这确实是一个指数级的爆炸，对吗？

我记得每秒在互联网上发送大约400万封电子邮件，而这仅仅是电子邮件，不包括视频。

在这样的世界中，传统支付系统处理每秒数万笔交易的能力显然不足。

但让我们稍微回到现实，Pahal，从你的角度来看，真正的用户需求在哪里？真正的交易量在哪里？

我常开玩笑说，现在的Agentic Commerce中的协议数量超过了支付协议。

你可能是最接近基础设施的人——甚至是“基础设施的基础设施的基础设施”。

那么你认为真正的需求在哪里？真正的应用场景在哪里？

Pahal Patangia:
我认为这个问题可以从两个角度来回答。

第一个是从整个生态系统的角度。

正如我之前提到的，我们可以将整个过程分为两个部分：

• 搜索

• 支付

目前，搜索部分相对成熟，甚至可以说大部分问题已经解决。

然而，支付部分仍然处于许多实验阶段。

许多沙盒测试正在进行中。

这也是我对像OpenSHIELD这样的工具非常乐观的原因，因为它们可以帮助生态系统在安全的环境中构建这些代理，并使它们具备交易能力。

第二个角度是长远的。

我对多代理系统的发展非常乐观。

在未来的世界中，不同的代理将相互互动和协作。

我们的角色是帮助这些系统改进：

• 通过反馈循环

• 通过安全的操作环境

• 通过各种约束机制（保护措施）

当然，还需要进行大量的微调，以确保这些代理能够按预期执行而不偏离。

这些都是我们未来将重点关注的方向。

西蒙·泰勒:
我认为今天讨论中一个非常重要的主题是“代币经济”。

事实上，当我们之前谈论代币时，Bam和我都笑了，因为在稳定币领域，我们对代币经济的理解是不同的逻辑。

但现在你会发现：

一切都变成了“代币”。

身份验证中有代币
网络安全中的代币
Visa和万事达卡有网络代币
开放银行中的代币
稳定币是代币
人工智能中的代币也是如此

英语中的“代币”一词实际上可能会让人感到困惑，因为它最初只是意味着“替代品”，但现在几乎任何东西都可以被称为代币。

但无论如何，你必须理解其背后的经济模型。

最终，无论是在人工智能还是支付网络中，决定用户体验的仍然是：

• 速度

• 成本

这两个因素将不断将我们拉回现实。

西蒙·泰勒:
Pahal，非常感谢你今天的见解。作为一个长期关注NVIDIA并且也是支付行业一部分的人，这次对话非常有趣。如果人们想了解更多关于你或NVIDIA在支付方面的工作，他们可以去哪里？

Pahal Patangia:
人们可以通过LinkedIn或我的邮箱与我联系。

如果你想了解NVIDIA在金融服务方面的工作，可以访问NVIDIA的官方网站，我们有一个专门的行业页面，详细介绍我们在支付、银行和资本市场方面的工作。

我们希望将AI的能力带入整个生态系统，并乐意成为你的合作伙伴。

西蒙·泰勒:
很好，谢谢。Bam，如果人们想要连接Mesh网络或联系你，他们应该怎么做？

Bam Azizi:
你可以访问meshpay.com，或者在Twitter或LinkedIn上搜索Mesh Pay。如果你想找到我，可以在Telegram或Twitter上搜索Bam Azizi。

西蒙·泰勒:
你也可以在各种平台上找到我，或者访问finttechbrainfood.com。我最近写了一篇关于“隐形商业”的文章，讨论了一些与Agentic Commerce相关的潜在问题。如果你喜欢这个节目，请记得订阅、点赞，并与朋友分享，让更多人看到这个内容。下次见。