亚马逊AgentCore Payments正式GA，与腾讯AI专属卡有何不同

8月19日，亚马逊AWS宣布 Amazon Bedrock AgentCore Payments 正式进入 GA（通用可用）阶段，面向企业与开发者开放 AI Agent 自主购买付费 API、MCP 服务、数字内容及模型推理能力的基础设施。这一动作与仍在测试中的腾讯 AI 专属卡形成直接对比，两家公司虽然都在布局 Agent 支付，但实际路径和市场定位截然不同。

两款产品的定位差异

亚马逊的 AgentCore Payments 瞄准的是企业开发者和部署场景，核心目标是让 Agent 在执行任务时直接购买所需的数字资源，例如付费 API、MCP Server、实时数据、网页内容和模型推理算力。研究 Agent 可以按次购买金融数据，编程 Agent 可以调用收费工具，浏览器 Agent 可以访问付费网页。

腾讯的 AI 专属卡则更贴近消费者日常生活。用户先在微信钱包中开通 AI 专属卡、转入预算，再将其绑定到 WorkBuddy 等 Agent。当用户提出「帮我买团购券」或「帮我订服务」等需求时，Agent 负责理解需求、搜索商品、比较选项并生成订单，最终由用户在手机上确认并验密后，从 AI 专属卡中扣除款项。

简单来说，腾讯解决的是「我能花多少钱」的额度管控问题，亚马逊解决的是「这个 Agent 以什么身份、凭什么权限、在什么条件下发起这笔支付」的身份与权限问题。

亚马逊的五层关键设计

亚马逊敢于将支付能力交给 Agent，背后依托五层关键设计。

• 身份与凭据分离：开发者的 Coinbase、Stripe 或 Privy 密钥由 AgentCore Identity Secrets Manager 托管，Agent 无法获取原始凭据，只能调用支付工具提交请求，再由 AgentCore 使用短期令牌指示钱包服务商完成签名。
• 支付会话管理：AgentCore Payments 将支付视为会话上下文的一部分。如果会话超时或内容超出预期，Agent 将无法继续支付。例如研究型 Agent 在购买物理学习资料时，若出现无关支付请求会被直接拒绝。
• 确定性校验：预算校验被放在交易签名前的基础设施层执行，只有校验通过底层钱包才会签名。模型仅负责提交支付请求，不掌握最终授权权限。
• 协议编排：预览阶段支持 Coinbase 发起的 x402 协议，进入 GA 后新增 Stripe 与 Tempo 共同制定的 MPP 协议，开发者无需为每种支付标准重写 Agent。
• 「最高不超过」机制：在 x402 中加入 upto 机制，允许 Agent 先授权一个最高金额，服务商按实际 token 数、算力或返回数据量结算，从而支持按真实消耗计费，Agent 可在不同模型之间动态切换以优化成本。

腾讯为何暂不做开放基础设施

腾讯发布的 AI 专属卡目前主要面向 WorkBuddy 等自家 Agent 产品，且需要用户最终确认才能完成支付。腾讯曾发布「微信支付接入 Skill」，定位是给 Cursor 等支持 Skill 协议的 AI-IDE 使用的开发者工具，但其 GitHub 仓库自 6 月后再无更新。

腾讯的谨慎主要来自三方面考量。

• 责任风险：AI 专属卡一旦面向数亿普通用户开放，AI 误解指令、恶意提示词诱导、接口超时重复扣款等问题的责任划分将极其复杂。
• 生态边界：AI 专属卡的支付目前仅围绕微信、小程序和本地生活服务体系使用，难以处理跨平台身份、跨境支付和不同服务商的技术标准。
• 模型能力：根据 Artificial Analysis 的测评，全球最顶尖模型仍是 Claude 和 GPT。腾讯 WorkBuddy 主要使用混元、DeepSeek、GLM、MiniMax、Kimi 等国产模型，虽然性价比领先，但在最顶尖能力上仍有差距，这或许也是腾讯不敢贸然开放 AI 支付的原因之一。

走向两个不同市场

腾讯的策略是把 AI 的花钱能力压缩在「这张卡里有多少钱」的余额限制内，先把最危险的无限授权变成可见、可控、可撤回的额度控制，让用户在微信生态内完成生活服务的闭环。

亚马逊的策略则是让支付成为 Agent 工作流里的基础动作，Agent 可以在后台主动发现收费服务、完成结算，再继续执行任务。一个 Agent 可能调用不属于 AWS 的 API，访问 Cloudflare 后面的付费内容，通过 BlockRun 购买一次模型推理，最后调用 Travala 的旅行 MCP Server 预订酒店。

两款产品虽然都被称为「AI 钱包」，但实际已经走向两个不同的市场：腾讯深耕微信生态内的生活服务闭环，亚马逊则瞄准跨生态的机器对机器支付基础设施。