出海同学会｜导语
2025 No.33期干货
NEWS
从支付链路的智能化改造，到授信模式的算法驱动，再到数据安全的全新挑战——AI+Fintech 不再是简单的技术叠加，而是一场关于价值分配与信任机制的深层变革。
当 AI 从后台工具走向前台核心，金融科技迎来前所未有的重塑机会。稳定币支付的新角色、AI Native 金融产品的可能性、全球化创新在新兴市场的落地——每一个变化都在重新书写行业规则。
本期闭门会，我们邀请全球创业者、跨国企业代表和出海投资人，从三个关键维度深入探讨：AI 产品的支付与商业模式创新、Fintech 获得 AI 赋能的机会研讨，以及 AI 时代的授信与数据安全新范式。
💡 阅读小Tips：
因原文逐字稿较长，部分内容由AI精炼，以下为精彩节选
一页精华
本期课代表
按公司名数字-字母序
ACV资本 管理合伙人 Helen 黄佩华
Auchi CEO Cangqioby Ao
Credika CEO 万洪
Evonet Global Pte. Ltd. 联合创始人 祝振汉
ISACA Director Wickey Wang
京东科技 出海业务孵化与落地 Vincent Wang
金果未来科技 创始人 许方园 / Jsck
Papaya Network Founder Jessy Shen 沈彤
新浪支付 业务负责人 陈登科
Ex-大模型战投 Emma Zhu
部分嘉宾因公司PR保密未公开，或内容需删减，感谢他们的观点输出。本期整理自Zoom会议实录，引用第三方信息已标注。
要点问题
Part 1 AI产品支付与商业模式挑战研讨
AI工具产品目前的支付痛点是什么？
稳定币将充当什么角色？未来的支付链路将是怎样的？
AI产品借助FinTech设计商业模式与未来支付市场机会？
Part 2 FinTech获得AI赋能的机会研讨
大模型在 FinTech 场景中的核心价值？
AI Native的FinTech公司是否会出现？
Part 3 AI-FinTech授信与数据安全研讨
金融数据如何在AI系统中保持安全？如何审计？
FinTech 以及用户隐私数据是否确实很难用于模型训练？目前在监管或技术上有哪些解决方式？
AI 时代的支付市场机会在哪里？哪些区域或场景最值得关注？
Part 01 AI产品支付与商业模式挑战研讨
1.1 AI工具产品目前的支付痛点是什么？
Vincent Wang（京东科技）：
AI工具支付主要存在三大痛点：
- 费率高（Take Rate高）：订阅类SaaS产品Chargeback风险大，尤其中国泛娱乐类“陪伴型”AI产品因内容合规性不足，欧美支付机构提高通道费，整体费率被拉高。
- 接入门槛高：出海需覆盖多区域，每家支付服务商仅擅长特定市场，初创企业难以自建支付中台，依赖PSP或支付编排方案，带来额外运维成本。
- 监管不确定性大：AI产品在不同地区面临内容监管与宏观政策（如中美关系）双重影响，导致支付通道不稳定、合规要求频繁调整，实施难度增加。
陈登科（新浪支付）：
核心问题是本地主流支付通道的接入。企业主体所在地、产品合规性、获客成本均影响接入效率。无海外实体的企业只能走三方或四方通道，费率高达10%左右。当前盈利模型下，推广成本与支付成本是两大瓶颈，优化空间显著。
沈彤（Papaya Network）：
关注点在后端：稳定币收付。许多出海AI应用在印度、中东等市场依赖USDT收款，但后续法币兑换困难。95%的中国出海企业无海外实体，无法完成KYC，导致资金滞留。如何合法合规将USDT兑换为人民币回流，是最大痛点。
USDC使用较少，因其发行方Circle合规要求严格，需完成KYC；而Tether发行的USDT流通更灵活，成为首选。核心仍是“主体资质与合规”问题。
祝振汉（Evonet Global）：
建议将AI产品分为两类：
- 工具型AI：如ChatGPT类SaaS产品，支付问题与传统SaaS一致，非本次重点。
- Agent型AI：如Skyfire基于稳定币的Agent-to-Agent（A2A）支付，支持微交易与链式结算，更具颠覆性。
当前痛点在于：稳定币生态中缺乏消费者保护与风控机制。此外，冷钱包管理与多重签名设计在效率与隐私之间存在矛盾，尚无成熟解决方案。
1.2 稳定币将充当什么角色？未来的支付链路将是怎样的？
Vincent Wang（京东科技）：
稳定币可有效缓解三大问题：
- 降本：在特定场景下，费率可从百分比降至千分比，降幅达90%。
- 提效：链上支付绕过传统卡组或银行链路，提升成功率。
- 防拒付：链上结算机制可减少恶意Chargeback问题。
目前USDT/USDC已在灰度使用，合规方案一旦落地，中大型企业普遍持开放态度，行业正进入系统性改造的窗口期。
Patrick（Clink）：
从用户角度，Chargeback机制是对消费者的保护。若取消该机制，用户可能感知为“失去保障”。且法币支付更便捷，为何转向稳定币？需思考C端激励。
Vincent Wang（京东科技）：
针对用户顾虑：
- 商业模式转型：AI工具可从订阅制转向按量/按次付费，减少用户忘记关闭订阅等问题。
- C端激励：稳定币发行方可通过补贴、优惠等方式回馈用户；商户侧因费率降低，也可在收银台提供折扣。
陈登科（新浪支付）：
USDT渗透率自2020年牛市后显著提升，尤其在拉美、非洲等外汇管制与高通胀国家已成为事实标准。相较之下，USDC因监管属性使用较少，未来格局或受影响。
祝振汉（Evonet Global）：
认为C端支付非稳定币主战场，B2B亦有限。真正潜力在证券相关场景，如市值管理、AI支付授权等。未来支付链路将趋向on-ramp与off-ramp交易，支持agent自动化支付。
预测商业模式将从买断→按月→按次演进。未来用户无需注册，agent自动调用服务并扣款，推动去平台化交易。支付公司将成agent变现枢纽。
Cangqioby Ao（Auchi）：
稳定币交易量已超Visa，虽安全性待提升，但在效率与覆盖面上优势明显。其本质是国家金融主权延伸，中国推进香港稳定币、美国布局亦出于此考量。长期看，若费率低于传统卡组织（如1% vs 3%），将形成竞争力。
Helen（ACV资本）：
稳定币目前更多服务于美元体系与美国国债。RWA通证化虽概念早现，但落地缓慢。安全领域，尤其是冷钱包防护，因平台安全事故频发，将持续受重视。
沈彤（Papaya Network）：
华尔街团队已提出需求：大模型agent授权全球APP调用，偏好按次收费。但多数APP无B2B支付通道，传统苹果/谷歌支付不适用。稳定币可实现高频小额自动扣款，解决B2B结算难题，应用场景广阔。
1.3 AI产品借助FinTech设计商业模式与未来支付市场机会？
Emma Zhu（ex-大模型）：
to-agent支付特征为高频、极小额、高风险，传统GUI支付难以适配。当前玩家包括：
- 传统巨头：Visa、Stripe、Coinbase推出agent支付方案。
- AI平台：OpenAI、Perplexity、Alexa整合闭环支付路径。
- 初创公司：
- Skyfire：agent专用“银行卡网络”，支持自动化微交易。
- Nevermined：为agent开发者提供盈利金融方案。
- Payman：实现“agent付钱给人类”，如AI设计工具向设计师付款。
- Nekuda：提供类Visa底层支付协议。
随着agent规模扩大，将催生新型交易模式，上游基础设施存在大量细分机会。
万洪（Credika）：
印度AI发展滞后，政策对数字货币不支持，但民间通过币安等平台大量参与Web3。本土大模型创新不足，暂未形成有效突破。
许方园/Jsck（金果未来科技）：
拉美与东南亚市场差异显著。拉美用户LTV更高，商业价值更强。稳定币在拉美一线城市已广泛接受，线上群体渗透率高，未来有望形成具体商业模式与生态。
Part 02 FinTech获得AI赋能的机会研讨
2.1 大模型在FinTech场景中的核心价值？
Vincent Wang（京东科技）：
京东聚焦稳定币发行，支付环节仍在探索。AI编程工具（如Cursor）已提升内部研发效率。电商与A2A支付场景尚处摸索阶段，底层能力仍较表面，尚未形成完整生态。
Emma Zhu（ex-大模型）：
国内FinTech应用AI主要集中在合规降本增效：后台IT自动化、前端客服数字人。全球看，AI多用于企业内部打标签、流程提效，尚未对业务本质产生颠覆。
陈登科（新浪支付）：
大模型在信贷审批、反欺诈、证券建模等领域早已广泛应用，属于“沉默落地”，无需再争论“是否使用”。
祝振汉（Evonet Global）：
挑战在于：模型准确性不足，需人工干预；审计与权限控制难，模型交付后成“黑盒”。建议初创公司谨慎评估，除非规模足够大以摊薄成本。
AI最适合“超级个体”用户（如YouTuber），其对效率付费意愿强。企业内部AI Native落地集中在编程与自动化。
Wickey Wang（ISACA）：
Visa设立1亿美元生成式AI基金，专注支付方向；PayPal亦积极投资。案例包括AI优化信用卡选卡、征信评分等。Kite AI等项目获投，显示安全与AI结合受关注。
Helen（ACV资本）：
信用评级模式分两类：导流收费（如Credit Karma）、自营发卡（如OneCard、印尼被投企业）。当前仍属存量竞争，本质是既有模式优化。
2.2 AI Native的FinTech公司是否会出现？
Emma Zhu（ex-大模型）：
增量机会在于agent-to-agent支付等0到1探索。合规与资金约束下，创业公司更可能试水。新兴市场用户可跳过移动互联网金融阶段，直接采用AI-native或Web3方案，机会巨大，但考验本地化运营与闭环构建能力。
陈登科（新浪支付）：
技术本身非壁垒，大厂静观其变。难点在于场景与生意的结合。需找到巧妙切入点，避免陷入红海。新事物才能催生新模式，AI落地场景的门槛不亚于技术本身。
Part 03 AI-FinTech授信与数据安全研讨
3.1 金融数据如何在AI系统中保持安全？如何审计？
Wickey Wang（ISACA）：
金融数据安全仍沿用data privacy方法，如在embedding层面预处理、加密等。审计普遍采用ISO标准，如ISO/IEC 42001:2023。北美已有约40家企业合规，欧洲立法推进中，美国尚无专门立法。
陈登科（新浪支付）：
借鉴数字货币交易所经验：早期账户体系缺失致“丢币”频发。2020年后交易所引入支付公司团队，建立清晰账户体系与清算对账机制，显著提升安全性。
agent高频微交易面临数据库字段长度、对账频率与舍入差异等挑战。传统“日清日结”不适用，需重构对账逻辑。
3.2 FinTech及用户隐私数据是否很难用于模型训练？
陈登科（新浪支付）：
数据“出不来”主因是监管要求过于严格。大行流程冗长，合规部门层层审批，合作成本高。中小银行决策快，更易跑通模型与业务流程。
参考Capital One，其以数据驱动服务高风险人群，初期非主流，后因规模扩张成为主流银行，显示数据策略可改变行业地位。
3.3 AI时代的支付市场机会在哪里？哪些区域或场景最值得关注？
祝振汉（Evonet Global）：
关注三类机会：
- AI Agent支付方案：如Nevermined，虽短期较远，但具前瞻性。
- AI版“支付宝”：Agent管理财务、投资、套利，24小时自动化操作。
- ToB AI工具：整合分散数据与系统，类似Snowflake模式。
陈登科（新浪支付）：
当前收益较好的是面向欧美的AI社交项目。多数AI工具“叫好不叫座”，商业化困难。
Helen（ACV资本）：
关注AI反欺诈团队，但担忧结果可解释性。安全方向重点关注芯片级加密方案，防范密钥破解与收款地址篡改。
全文无删减版请移步知识库