作者 Charlie
过去一周，金融行业里出现了几件看上去并不属于同一条叙事线的事。
8 月 25 日，Google Cloud 推出面向金融机构的 Gemini Enterprise for Financial Services，把 AI 推向 KYC、信用分析、投资组合监控、债券发行和金融研究这些更接近核心业务的工作流。
两天后，MoonPay 宣布将 PayBox 接入 Solana 上的 Kamino，用户已经可以通过 Claude 或 ChatGPT 这类交互入口发起借贷和获取收益。
与此同时，达拉斯联储发布一篇研究，讨论如果存款可以 24 小时实时转移，而 AI 又能自动替企业和个人比较收益，银行长期依赖的存款粘性会发生什么变化。
再往后一天，BIS 在讨论稳定币与代币化存款时，又提到了刚完成真实资金测试的 Project Agorá。
单独来看，这几件事都很容易被放进熟悉的新闻分类里：Google 属于企业 AI，MoonPay 属于加密金融，达拉斯联储是银行研究，Project Agorá 则是央行与商业银行围绕下一代跨境支付基础设施的实验。
但把它们放在一起，一条更值得留意的线索就出现了。
真正的分界线，不是 AI 更懂金融
过去两三年，市场一直在讨论 AI 什么时候才会真正改变金融。作者的判断是，这个问题本身并不准确。真正的分界线从来不是 AI 什么时候「更懂金融」，而是它什么时候开始被允许代表人去做金融决策，并且真的能够移动资金。
这两者之间的差别，作者认为，可能比从搜索引擎走到 ChatGPT 还要大。
几年前，生成式 AI 与 Fintech 结合时，较为现实的应用场景仍集中在客服、报告、反欺诈、费用管理、内部知识检索和提升员工效率的工具。它们当然有价值，但基本停留在「AI 站在钱旁边帮忙」，并没有真正碰到钱。
原因并不复杂。一个模型写错一段市场文案，还可以改；一个模型如果替企业把 500 万美元转错地方，显然不是点一下「撤销」就能解决。金融机构对黑箱的容忍度，天然低于普通软件公司。准确性、权限、审计、责任归属、监管要求，只要其中任何一环没有解决，模型再聪明，也只能是助手。
市场没有直接跳到机器完全自主
作者提到，最近几个月真正值得注意的变化，并不是行业突然相信「全自动 AI 理财」马上就会到来，而是越来越多公司开始把「让 AI 动钱」拆成一系列更小、更可控的授权。
Robinhood 今年推出 Agentic Trading 时，并没有让一个模型直接接管用户全部资产，而是单独设置了一个允许 AI 操作的独立账户。到第二季度末，这类账户已接近 10 万个，管理资产超过 1 亿美元。
Ramp 采取的路径更接近企业财务的真实演化方向。它的 AI 不是直接替代 CFO，而是先读取公司的报销、付款和会计政策，对高把握度情形自动处理，把异常情况交还给人。
Rocket Money 最近推出的 Rowan 也体现出类似趋势：它不再只是给用户展示「这个月花了多少钱」的图表，而是可以在后台发现订阅、发消息提醒、帮助取消服务、谈判账单，甚至按预设规则完成储蓄转账。
把这些产品放在一起看，市场并没有从「人工操作」直接跳到「机器完全自主」，而是沿着一条更现实的路径推进：先观察，再建议，再准备动作，再由人批准，然后逐步把规则清晰、风险可控的动作交给机器执行。
在这个框架下，Agentic Finance 真正重要的概念并不是「自动化」，而是「授权」。
Agentic Finance 的核心是授权系统
今天，企业员工拿着公司信用卡，本身就是一种金融授权。他不能把公司银行账户里的钱全部花掉，但可以在特定商户类别、金额和审批规则内自主消费。基金经理、企业财务负责人、采购经理，本质上也都在一个事先定义好的授权框架里替别人管理资金。
AI Agent 真正要做的，不是发明一套全新的金融制度，而是把这种人们早已熟悉的授权关系，转换成机器可以理解并执行的规则。
例如，一家公司完全可以告诉一个 AI 财务代理：
- 必须保留至少 30 天运营现金；
- 剩余资金只能放在指定银行或高评级产品；
- 不能产生外汇风险；
- 单笔资金移动超过 50 万美元必须人工批准；
- 只有当收益差超过 20 个基点时才值得切换；
- 任何新的交易对手都必须经过人工审核。
一旦这些规则可以被机器直接理解，事情就会发生本质变化。AI 不需要拥有无限权力，也不需要成为一个完全不受监管的「机器人对冲基金」。它只需要在边界内自主行动。
作者认为，这也是 Google、MoonPay、Visa、Mastercard 近来在 Agent 支付上越来越清晰的共同方向。表面上大家都在讨论 AI 如何付款，真正投入大量精力解决的却是权限问题：谁授权、授权多少、授权到什么时候、哪些商户和账户可以触达、什么情况下必须停下来重新确认、出问题后如何留下完整审计记录。
因此，未来 Agentic Finance 最重要的产品之一，甚至未必是某个更聪明的大模型，而可能是一套足够可靠的「金融授权系统」：它能把一句模糊的人类指令——比如「帮我把公司闲钱管好」——翻译成数百条可被机器严格执行的规则。
MoonPay 最近半年的动作可以连成一条线
从这个角度回看 MoonPay 最近半年的动作，意义就不止于它与 Kamino 的合作。
3 月，MoonPay 推出 Open Wallet Standard，重点解决 AI 如何安全使用钱包，以及如何在不接触私钥的情况下获得有限签名权限；5 月，MoonPay 收购 DFlow，把交易执行基础设施补上；6 月又收购 Entendre，加入对账、财务、资金管理和报表能力；7 月推出 PayBox，把卡和钱包直接接进 Claude、ChatGPT 这类交互环境；到 8 月，再通过 Kamino 把借贷和收益管理接进来。
单看每一步，未必都算得上惊天动地。连在一起，它更像是在拼装一套面向 AI Agent 的金融底层能力：先解决身份和权限，再解决执行，再补财务运营，最后开始接触信用、借贷和资产配置。
这也是 Agentic Payments 与 Agentic Finance 的差别所在。
前者回答的是：AI 怎么替我付钱？
后者问的是：AI 怎么替我管理资产负债表？
当问题进入第二层，支付就只剩下其中一个动作。现金放在哪里、什么时候借钱、抵押什么资产、闲置资金赚多少收益、什么时候做再平衡、如何管理流动性和风险，这些原本需要企业财务团队、银行家或投资经理不断做出的判断，都开始有可能进入机器的执行范围。
如果钱不能按机器速度流动，Agent 也难发挥作用
但这里一直存在一个基础设施矛盾。
如果 AI 可以每秒计算一次最佳方案，钱本身却仍只能按照银行营业时间、跨境代理行、批量清算和人工对账的速度移动，那么再聪明的 Agent，意义也有限。作者将其比作一辆性能极好的跑车，却只能开在坑洼的乡间土路上。
这也是 Project Agorá 被纳入这篇讨论的原因。
Project Agorá 本身不是 AI 项目。它是 BIS Innovation Hub 与国际金融协会联合推动的实验，研究如何把代币化的商业银行存款和央行准备金放进一个多币种、可编程的平台中，以改善批发跨境支付。
它与 Agentic Finance 的真实联系，不是「BIS 也开始做 AI」，而是它在研究另一块未来可能被 AI 调用的金融基础设施：钱本身能不能变得更容易被机器读取、组合和执行。
今年 7 月，28 家金融机构和央行已在受控环境里完成真实资金测试，涉及瑞郎、欧元、英镑、日元、韩元和美元。测试规模本身很小，远远谈不上生产环境，但至少验证了一件事：商业银行存款和央行货币，并非天然只能存在于今天这些缓慢且彼此割裂的系统中，它们同样可以进入一个支持条件触发、原子结算和自动执行规则的环境。
BIS 对此仍保持谨慎。系统如何互联、法律上的最终结算如何认定、智能合约出问题谁负责、网络安全、治理，以及数十年旧系统如何迁移，这些问题都没有解决。因此，把 Agorá 写成「下一代全球金融系统已经建好」，显然是夸大。
但这个实验至少说明了一个容易被加密叙事掩盖的问题：可编程货币不一定等于稳定币，也不一定意味着银行被绕开。传统银行存款本身，也可能变成可被软件调用的金融资产。
达拉斯联储关注的是存款粘性的经济价值
而真正有意思的地方，也正从这里开始。
因为银行今天正在投入大量资源消除资金流动中的摩擦，但这些摩擦在过去某种程度上本来就是银行商业模式的一部分。
这正是达拉斯联储那篇文章最值得注意的地方。
一家银行的存款为什么值钱？当然有很多更正式的解释。企业把 5000 万美元放在 JPMorgan，不只是因为懒得开户，背后可能绑定着信贷额度、外汇、工资支付、现金管理、托管以及多年客户关系。这些因素不会因为隔壁银行利率高了 10 个基点就立刻消失。
但还有另一个同样真实的原因：搬钱太麻烦。
如果一家公司的账户里有 200 万美元暂时闲置，A 银行给 4.20%，B 银行给 4.35%。为了 15 个基点，财务团队是不是每天早上都要重新检查一次？是不是值得重新登录、比较交易对手风险、做资金划拨、考虑清算时间，再做一轮对账？还要保证第二天工资和供应商付款不受影响。
绝大多数时候，答案都是算了。
钱就继续放在那里。
作者把这称为金融体系里一个很少被单独拿出来讨论的资产：人的惰性。
达拉斯联储文章给出的结论很直接，运营存款之所以有粘性，一部分就来自资金无法快速重新配置的现实摩擦。如果未来即时结算、代币化存款和 AI Agent 同时成熟，追求更高收益的客户理论上就可以在几乎不做任何额外操作的情况下完成资金切换。
AI 不会觉得 15 个基点「不值得折腾」。它没有周一早上的会议，不会忘记，也不会因为今天很忙就把这件事拖到下周。对它而言，不断比较不同金融产品的边际注意力成本几乎为零。
这并不意味着未来所有企业存款都会像热钱一样每 5 分钟换一家银行。客户关系、信用额度、监管要求、风险管理依然存在，资金切换也不会真正降到零成本。
但问题在于，不需要发展到这么极端，就足以影响银行。
达拉斯联储以美国银行体系接近 17 万亿美元的相关存款做了一个敏感度测算：如果存款平均停留期限缩短 10%，银行体系承担期限转换的能力可能减少大约 5800 亿美元的「十年期等值风险敞口」；如果存款利率对市场利率变化的敏感程度提高 10%，银行可承担的久期风险可能减少约 7000 亿美元。
作者特别指出，这并不是说 AI 会让美国银行突然少放 7000 亿美元贷款，把这个数字直接解释成「贷款能力减少 7000 亿美元」并不准确。
它真正说明的是另一件事：存款粘性本身就具有巨大的经济价值。
如果未来可编程货币和 AI Agent 只是让这种粘性稍微减弱一点，银行负债端的成本和期限结构就可能随之变化。
金融竞争可能从分销转向资金路由
过去，市场谈可编程货币时，通常首先看到的是收益：结算更快、对账更少、成本更低、可以全天运行，也能把支付条件直接写进交易逻辑。
但它还有另一面，很少被强调：钱一旦更容易移动，持有钱的人就获得了更多选择权。
对资产持有者而言，这是效率；对把这些钱视作稳定资金来源的机构而言，则意味着更激烈的竞争。
银行如果要让钱像软件一样运行，也可能必须接受一个结果：钱开始按照软件的速度比较价格。
作者进一步提出，过去自己一直认为，金融本质上是一个分销生意。
银行争的是谁拿到工资直接入账，信用卡公司争的是谁成为消费者最常用的那张卡，券商争的是谁占住投资者的手机屏幕，财富管理机构争的是谁拥有客户关系。大量 Fintech 产品花费数十亿美元获客，本质上都在争同一件事：谁能站在用户和金融产品之间。
因为谁拥有分销，谁就有机会决定哪个产品会被看见。
但 AI Agent 可能让这场竞争逐渐从「分销」变成「资金路由」。
以前的问题是：我最喜欢哪家银行？
未来更重要的问题可能是：我的财务 Agent 把哪些银行放进可接受交易对手名单？
以前基金公司会想办法让自己的货币基金排在 App 首页。
未来，Agent 可能直接判断：当收益差超过 18 个基点、流动性满足要求、交易对手风险低于某个阈值时，资金应该自动流向哪里。
以前贷款机构拼的是广告、品牌和销售渠道。
未来，Agent 可能会直接比较实际利率、抵押要求、提前还款条件以及企业当前现金流状况，再决定应当调用谁的资金。
到了这一层，真正值钱的东西不再只是「用户有没有下载你的 App」，而是你有没有进入机器的默认规则。
谁被写进授权范围，谁就有资格参与竞争；谁最终赢得资金路由，谁就拿到了资金流。
作者将此概括为：Agentic Commerce 改变的是需求流向哪里，Agentic Finance 改变的是资本流向哪里。
银行要面对的问题，可能不是效率，而是下一美元留在哪里
如果今天站在银行 CEO 的位置，当然会关心 AI 能不能减少分析师写报告的时间，能不能自动化 KYC 和反欺诈调查，这些都是很现实的效率提升。
但更长期的问题可能是另一句更直接的话：
当企业客户拥有一个 24 小时工作的财务 Agent 之后，银行凭什么继续拥有他的下一美元？
作者认为，最聪明的银行未必会抵抗这种变化，反而可能最早把 Agent 放进自己的体系。客户日常运营资金继续留在活期账户，暂时不用的钱自动进入收益更高的存款或基金，需要流动性时再自动回来；外汇、贷款额度、抵押品和付款也可以被一起优化。这样，即便 Agent 持续寻找更优解，资金仍有可能留在同一家银行生态内部。
从这个角度看，Project Agorá 这类探索未必会削弱银行，甚至可能帮助受监管的商业银行货币在稳定币时代继续保持核心地位。
因此，这并不是一个「AI 加 Crypto 最终干掉银行」的简单故事。真正危险的，未必是银行本身，而是那些长期把客户不愿比较、不愿切换、嫌麻烦，当作自己护城河的金融商业模式。
过去，一家银行很重要的优势在于客户搬走太麻烦。下一阶段真正强的银行，可能必须证明一个完全相反的命题：客户随时都可以走，但他的 AI 算完以后，依然决定把钱留在这里。
过去十几年，Fintech 最激烈的战争发生在手机屏幕上。各家公司争日活、争主账户、争最常用的那张卡，争谁离用户更近。
作者最后写道，下一轮许多真正重要的金融战争，可能根本没有界面。
它发生在后台的一套授权规则里，发生在一张可接受交易对手名单里，发生在十几个基点的收益差里，也发生在 AI 判断「这笔钱此刻应该去哪里」的那一瞬间。
所以，Agentic Finance 真正值得追问的问题，或许从来都不是：AI 什么时候会替我们管理钱？
而是，当越来越多的钱开始按照机器可以理解的规则，自动寻找自己的最佳去处之后——
谁还有资格决定，这些钱最终留在哪里？