Tiger Research在最新报告中指出，AI智能体钱包正成为加密行业的新竞争点。随着AI智能体开始自主浏览网络、购买商品和调用信息服务，支付需求会从人类主导的大额、低频交易，转向机器之间高频、超小额的自动结算。报告认为，现有银行卡体系很难承接这种变化，钱包及其底层支付轨道因此被推到更核心的位置。
报告提到，目前已有超过十家公司在专门为AI智能体打造钱包。Coinbase、币安等机构虽然短期内几乎看不到相关营收，仍在持续投入，核心考虑不是立即变现，而是在智能体大规模交易到来前，先占住未来用户和交易入口。
AI智能体开始参与真实交易
今年早些时候，预测市场Polymarket出现过一个受到关注的实验：一个AI智能体获得 50 美元启动资金，自主进行交易；如果无法赚到足以覆盖API和服务器成本的收益，它就会“消失”。Tiger Research称，这个智能体最终完成了成功交易，随后又有一批类似的智能体以相近方式进入市场。
报告认为，AI智能体虽然还没有全面进入日常生活，但其大规模使用的方向已经越来越清晰。当前最活跃的场景，仍然集中在加密生态内部，尤其是脱离传统支付轨道运行的交易机器人，它们专注于加密货币交易，而不是日常消费支付。
每一笔智能体交易都要从钱包出发
Tiger Research表示，AI正在改变支付本身的形态。当网络上的行为主体从“人”转向“智能体”后，单笔支付金额会明显下降。一次API调用可能只值 0.001 美元，一次数据查询在极端情况下甚至只有 0.00001 美元。对这类交易来说，支付系统不仅要支持极低金额，还要能按照预设条件自动拆分、自动发送，并在没有人工介入的情况下完成结算。
报告认为，这也是x402支付轨道被提出的原因，而钱包正是这类轨道运行的基础设施。
现有支付体系并不是按这种需求设计的。银行卡面向特定持卡人发放，依赖拒付机制处理纠纷，且每笔交易通常会收取几十美分固定手续费。对人类用户偶尔完成一笔 20 美元消费而言，这样的结构尚可接受；但如果AI智能体每秒发起上千笔支付，每笔金额只有 0.001 美元或 0.00001 美元，经济模型就无法成立。
报告将问题归结为“钱是否可编程”。银行卡可以自动填写支付信息，却无法根据条件拆分付款、持续流式支付，或对资金流进行即时结算。钱包所依赖的支付轨道则默认具备这些能力。Tiger Research认为，当交易主体变成机器与机器直接互动时，钱包会成为最现实的起点。
为什么交易所和稳定币机构都在提前布局
报告称，从相关表格来看，当前进入智能体钱包赛道的参与者覆盖面很广，既有交易所，也有稳定币发行方。它们之所以愿意投入一个短期内几乎看不到盈利的基础设施领域，是因为看重未来可能出现的交易规模，而不是当前收入。
Tiger Research给出的逻辑是，AI智能体最终会在无浏览器环境中全天候运行，几乎不需要人工干预。用户向智能体发出一个任务，比如生成一份研究报告，智能体在采集信息过程中，可能需要向不同平台多次购买数据或访问服务。表面上看只是一次普通指令，实际执行时却可能在瞬间触发 20 到 30 笔甚至更多支付。
也就是说，一次人类看来很简单的请求，进入智能体执行链路后，会被拆解成大量机器支付行为。Tiger Research认为，这种支付密度变化，将直接改变钱包和交易平台的收入结构。
按Coinbase数据测算，激进情景下年营收可达 503.7 亿美元
报告以Coinbase披露的数据进行了估算。测算基数采用的是 920 万月活跃交易用户（MTU），而不是其约 1.2 亿注册用户。
在采用率、每用户拥有的智能体数量、以及每日调用频率三个变量组合下，Tiger Research列出三种情景：
- 保守情景：采用率 10%，每用户 1 个智能体，每天 50 次调用，年增营收约 8400 万美元，增幅 1.2%。
- 中性情景：采用率 50%，每用户 2 个智能体，每天 200 次调用，额外营收约 33.6 亿美元，增幅 46.8%。
- 激进情景：采用率 100%，每用户 3 个智能体，每天 1000 次调用，年营收约 503.7 亿美元，约为Coinbase当前总营收的 7 倍。
报告特别指出，这三种情景之间不是简单叠加，而是几何级放大。采用率从 10% 提高到 100%，表面上是 10 倍变化，但对应营收差距从 8400 万美元扩大到 503.7 亿美元，约放大 600 倍。
原因在于，采用率、每用户智能体数量、每日调用次数是相乘关系，任一变量的小幅提升，都可能推高整体交易量。Tiger Research据此认为，一旦智能体进入大规模采用阶段，相关收入流最高可达到Coinbase当前总营收的约 7 倍。这也解释了为什么Coinbase即便眼下几乎没有相关收入，仍在推动智能体钱包基础设施建设。
钱包数据可能延伸出面向智能体的融资业务
Tiger Research认为，钱包基础设施的价值并不只在支付执行本身。随着钱包持续积累支付记录，这些数据也可能变成评估AI智能体财务状况和经营表现的信用依据。
一旦基于数据的信用评估体系成形，钱包提供方就可能向下一代金融服务延伸，例如面向智能体的收入基础融资（RBF）。
报告以Stripe Capital为例说明这一思路。2019 年 9 月，Stripe推出借贷服务Stripe Capital时，没有依赖外部征信机构，也没有要求复杂贷款材料，而是直接利用支付网络中商户的实时销售数据，判断贷款资格和额度。
在Tiger Research看来，Stripe的案例说明，一家公司可以在已有运营数据管道之上，建立新的高价值金融业务，而不必另行搭建销售网络或投入额外营销资源。智能体钱包提供方未来也可能沿着类似路径扩张：通过持续积累智能体收入数据，为其提供运营资金，并进一步发展成聚焦AI智能体的金融平台。
不过，报告也强调，这条路径有一个前提，即AI智能体必须从单纯执行支付的工具，转变为能够自行创造收入、并持有资产的经济主体，只有在其收入足以覆盖借款偿还的情况下，相关融资模式才具备现实基础。
增长空间尚未被验证，现实障碍依然明显
Tiger Research表示，无论是Coinbase营收最高增长 7 倍的测算，还是钱包向RBF业务延伸的设想，前提都是智能体支付已经在现实经济中广泛普及。而就目前来看，这种增长还没有得到验证。
首先，AI智能体的实际购买转化率和支付可靠性仍有较大不确定性。报告提到，智能体在自主下单时仍会出现“幻觉”，从而造成错误支付；部分交易还会被发卡机构的反欺诈系统（FDS）直接拦截，导致实际支付完成率偏低。
其次，x402、AP2、MPP等支付协议仍处于碎片化状态，市场尚未形成统一标准。与此同时，AI智能体并不是法律主体，KYC（身份验证）要求和金融监管框架也缺乏清晰界定，这些都限制了相关市场扩张。
基于这些现实问题，Tiger Research判断，钱包提供方当前争夺的并不是短期手续费。报告举例称，苹果App Store用了 15 年才形成每年 100 亿美元的手续费市场，微信支付用了 7 年才建立起庞大的小程序生态。智能体钱包也处在一条较长的建设周期中，眼下更像是在搭建生态，而不是争抢即时回报。
按Tiger Research的说法，这场竞争的焦点，不在今天那部分边际收入，而在未来五到十年里，谁能率先掌握智能体经济全面成型后的资金流动数据。