演讲稿摘要
美联储华勒理事的讲话强调了人工智能与支付生态系统的加速融合，这对现有行业参与者而言既有机遇，也面临挑战。 目前的应用侧重于利用机器学习进行欺诈缓解，尤其是在跨境交易中，大型语言模型（LLM）已明显减少制裁筛选和反洗钱（AML）合规方面的误报，并增强了现有异常检测系统。 尽管承认日益复杂的网络攻击带来的潜在网络安全风险，华勒理事强调了人工智能驱动的防御能力潜力，但存在固有的不对称性，需要对系统强化进行有针对性的投资。 通过人工智能代理实施，优化跨境支付路由，兼顾成本、速度和外汇转换，是短期内可实现的效率提升。
讨论的重要部分集中在代理商务，分为代理辅助和代理委托两种模式。 后者虽然有望重塑电子商务，但需要健全的信任机制，解决身份验证、责任分配和欺诈预防问题。 B2B应用具有周期性交易和预定义规则的特点，尤其适用，但更高的交易价值需要严格的控制。 预计机器对机器的小额支付增加将有利于采用较低固定费用结构的支付轨道。
扩大代理商务的关键在于建立可互操作的标准，营造一个开放的系统，促进竞争，降低小型商户和支付提供商的准入门槛。 平台特定标准和可互操作标准的出现将是市场结构的关键决定因素。 代理注册和授权的技术规范的持续开发，以及考虑代理行为并重新校准欺诈模型，至关重要。 华勒理事的总结性讲话强调需要采取积极主动的方法，平衡创新与支付系统安全和完整性的维护，并暗示将持续关注人工智能对支付频率、时机和整体特征的影响。
观点分析
人工智能在支付基础设施中的应用不断演进，带来了一系列细致的机遇，尤其体现在跨境交易效率和新兴的代理商务领域。目前机器学习的应用主要集中在欺诈缓解和对账处理，实现了运营杠杆的增量改进，而大型语言模型（LLM）增强异常检测和优化复杂支付路由的潜力，预示着摩擦成本可能大幅降低的路径。 尽管重视减少制裁筛选中的误报是积极的，但这并未从根本上改变风险状况； 而是将资源重新分配到更有价值的调查中，可能提高合规支出的风险调整回报。然而，网络安全攻防能力存在不对称的认知，需要持续、有针对性地投资于人工智能驱动的威胁检测，以维护系统完整性，这可能会影响整个行业的息税折旧摊销前利润率（EBITDA）。
代理商务的出现，分为辅助型和委托型两种模式，为交易动态带来了范式转变。消费者对企业的初始阶段虽然复杂性较低，但仍需要大量开发信任机制，尤其是在身份验证和责任分配方面。委托模式具有自主购买的潜力，增加了意外交易的风险，需要健全的风险控制措施。虽然B2B应用通过重复购买和预定义规则提供优势，但更高的交易价值放大了代理错误相关的财务风险，需要复杂的监控系统。由API调用和数据馈送推动的机器对机器微支付的预期增加，有利于具有较低固定成本的支付渠道，可能会对传统卡网络构成的竞争格局产生影响。
代理商务可扩展性的关键决定因素在于建立可互操作的标准。平台特定协议的碎片化可能形成封闭花园，阻碍创新并限制网络效应。开放式与封闭式系统之间的争论反映了开放式与封闭式支付网络之间的动态，开放式系统促进竞争，并可能降低小型企业的准入门槛。整个电子商务堆栈中的身份、同意和支付凭据标准化仍然是一项重大挑战，需要技术公司、电子商务平台和支付服务提供商的共同努力。
最终，人工智能与支付流程的整合可能会改变交易的频率和时机，从而影响营运资本强度，并可能需要调整流动性管理策略。美联储与行业参与者的积极互动，表明其对系统性影响的认识以及对在维护支付系统安全和完整性的同时促进创新的承诺。长期影响将取决于行业驾驭技术进步、监管监督以及消费者和企业不断变化期望之间复杂关系的能力。
原文链接
https://www.federalreserve.gov/newsevents/speech/waller20260928a.htm