Chainalysis 2026 年北美研究报告显示，Base 平台记录了超过 1.38 亿笔 x402 支付交易。虽然数量庞大，但单笔支付金额通常很小。一些软件用于购买数据、代码检查和人工智能模型访问权限，而早期的活动还包括投机性代币铸造，这种代币发行虽然产生了交易，但并未证明其服务经济的可持续性。更具启发性的数据涉及钱包的返还、充值和支付，这些钱包会向特定类别的服务提供商付款。
要点
截至2026年报告期末，Chainalysis统计Base链上x402交易超过 1.38亿笔 。
扩展样本中超过 87% 的支付金额介于 0.0001美元至0.10美元 之间。
符合条件的钱包群体在30天内再次充值的比例从 70.6%上升至89.3% 。
从首次入金到首次支付的中位间隔从 73天缩短至18分钟 。
在可定位地理位置的支付中，美国关联钱包占AI模型推理支付的 88.1% 。
10月14日发布的Chainalysis研究报告为1.38亿笔交易赋予了经济语境，划分出以下类别：AI模型推理、代码分析、搜索与数据源、支付基础设施、智能体工具、游戏及代币发行。报告同时指出，最早的x402活动中包含短暂的迷因币投机行为。一笔链上支付可以是真实的，但它所购买的服务可能是一次投机性铸造，而非一项持久的商业支出。
1.38亿笔交易里到底有什么？
Chainalysis将x402描述为Coinbase于2025年发布的一种协议，允许软件在服务器要求付款时为网络资源付费。一个钱包可以转账稳定币、获取资源并继续执行任务，全程无需人工逐笔授权。本报告观测的活动仅限于Base链上的x402。它不是所有链上AI支付的统计总数，也不代表AI系统通过银行卡和传统银行账户完成的所有商业活动。
1.38亿这个总数是累积至本研究2026年周期末的数据，报告将该周期定义为截至2026年7月1日的12个月。Chainalysis将支付金额的检验窗口延长至9月。这是两个不同的观察窗口。如果将扩展样本中87%的微支付比例机械地套用到全部1.38亿笔交易上，除非底层数据集和定义完全匹配，否则会产生虚假精度。
报告指出，在扩展窗口内，超过87%的支付金额介于0.01美分至10美分之间。这个范围跨越了1000倍的量级。用交易数量乘以猜测的平均值，无法得出可辩护的美元总价值。大量的小额转账解释了为什么x402对API调用有意义，但它们并不能说明智能体服务商的收入或Base的手续费收入。
交易是行为，不是人。一个开发者可以为多个钱包提供资金。一个钱包可以数百次调用同一个API。一个服务商可以通过促销活动产生大量低价值交易。交易数量作为协议使用量的衡量指标最为有力，而作为独立付费客户的衡量指标则最为薄弱。识别重复的、不相关的交易对手方以及持续的收入，才能强化后者。
购买行为集中在信息服务上
Chainalysis表示，它追踪了从智能体钱包流向代码审查、金融情报、数据和搜索API等服务商的数百万笔交易。模型推理——使用付费AI模型生成回复——是另一个重要类别。对于一个被分配了任务、需要外部答案或最新信息才能完成的软件来说，这些都是合理的购买行为。
一个检查智能合约的智能体可能会向分析服务商支付安全审查费用。一个金融工具可能会购买市场数据查询服务。一个旅行或研究助手可能会购买它原本无法读取的数据库访问权限。这些例子说明了报告中描述的类别，但并非每个钱包的已验证身份。Chainalysis的分类依赖于识别收款服务并对钱包打标签；超出该观测范围的活动可能有所不同。
报告还追踪了流向智能体框架、工具目录、支付轨道、游戏、代币发行商和赌博相关服务的支付。将所有这类交易都称为AI生产力支出会抹杀差异。一个机器人购买另一个模型的推理能力，可以是重复性软件工作流程的一部分。一个钱包支付铸造迷因币，可以是一种投机游戏。两者使用相同的支付协议，在交易层面可能看起来相似。
此前关于亚马逊智能体支付集成的报道，一个带有控制措施的企业级程序化USDC支出场景。这表明开发者可以设计一个真实的支付工作流，但并不能据此认定1.38亿笔交易中有多少来自亚马逊服务。在没有直接链接的情况下，不应将一个数据源用于将另一数据集的钱包归属于某个具名企业。
一个迷因币展示了交易数量如何膨胀
Chainalysis在6月关于x402活动的研究中指出，PING——一个“付费即铸造”的实验——推动了早期的激增。用户调用一个端点，收到支付请求，然后支付铸造代币。该协议按设计处理了这些调用。然而，对PING的需求并不能证明开发者在投机热潮消退后，还会持续为有用的数据或推理能力付费。
10月的报告称，构成结构正在向信息服务成熟化转型。这是一个可以通过可观察的核查来检验的主张：与代码审查、数据和模型服务相关的收款地址，在一次性的推广活动结束后，是否还能持续收到付款？同一个客户是否会补充预算并在多个报告期内持续使用该服务？如果没有按类别划分的交易量和金额，叙事的变化可能跑在交易构成变化的前面。
一篇关于XRPL智能体支付的分析，曾将一大笔交易数量按当时的费率转换为约280美元的网络费用。Base有不同的费用结构，其1.38亿笔交易不能用XRPL的费用倍数来计算。这个对比说明了为什么交易数量、发送金额、服务商收入和网络费用必须是四个独立的指标，而不是一个。
一次x402请求可能涉及不到一分钱的金额，这使得银行卡支付在经济上不可行。然而，低的结算成本只是总成本的一部分。必须有人为钱包充值、管理密钥和权限、处理制裁和欺诈风险、核对收据以及解决失败的API响应。只有当这些固定成本和运营成本能够分摊到足够多的有用工作上时，更低的边际转账成本才有意义。
钱包充值提供更强的留存信号
Chainalysis按钱包首次获得资金的季度对其进行分组。在符合条件的钱包中，30天内收到第二次存款的比例从2025年Q3群体的70.6%上升到2026年Q2群体的89.3%。研究人员要求钱包至少在两个不同的日期发送过交易，从而将一天的实验排除在外。充值是一个证据，表明运营者为持续的活动提供了资金，但这并不能证明这是一项盈利的业务或有独立用户。
分母至关重要。这个比例并非所有接触过x402的钱包的89.3%，而是在满足活跃度规则并在完整的30天窗口内被观察到的特定群体。Chainalysis表示，2026年Q2是拥有完整观察窗口的最新群体。将这个数字推广到所有智能体钱包会夸大留存率。即使对于符合条件的钱包，第二次充值也可能金额很小，或者与测试有关。
从首次入金到首次支付的中位间隔，从2025年末钱包的73天，缩短到2026年Q3的18分钟。根据同一研究，入金后一小时内完成支付的比例，从2025年Q3的4%上升到2026年Q3的67%。这种模式符合为即时任务配置的钱包特征，而非闲置到有人实验时才使用的钱包。报告并未展示客户完整的软件任务，因此意图是根据时间推断得出的。
如果能在更长的时间跨度内展示群体图表，将有助于检验改善的持续性。如果新获得资金的钱包继续充值，但它们购买的服务主要来自其自身运营方，这将显示出运营性复用，而非广泛的市场。如果独立的供应商从许多各自获得资金的智能体那里收到重复付款，那么功能性机器对机器市场的论据就会更强。
美国的领先地位取决于类别和样本
报告将可定位地理位置的x402智能体到服务商交易中的30%归因于美国资金钱包。对于AI模型推理这一特定类别，这一比例为88.1%。分母的不同解释了为什么两个百分比可以同时成立。美国钱包在可定位的子集中主导了付费模型访问，但这并不意味着美国钱包占了Base上每笔x402支付的88.1%。
Chainalysis称，中国关联钱包在可定位的安全与代码分析类别中占了约九成交易，且该类别的大部分交易流向了AgentLISA。一个收款方的突出地位可以塑造一个国家份额。这并不能说明中国所有的智能体支出中90%用于安全，也不能说明每个这样的钱包都属于中国居民。链上地址的地理归属是基于可用信号的估算。
研究人员提出，不同的模型经济学可能解释了为什么美国钱包更频繁地为推理付费，而中国运营者则使用开源权重替代方案。这是一个提议性的解释，而非一个能识别模型价格或客户动机的交易字段。运营者可以从其他地点向美国服务商付款，或者通过使地理位置标记复杂化的交易所来路由资金。
在USDC在智能体支付中的报道，描述了以美元计价结算的强大作用。归因于特定数据集和日期的份额，不应被粘贴到新Chainalysis样本中的每一笔交易上。有用的联系是结构性的：一笔低价值的自动化购买需要一个单位，卖家可以用这个单位定价，而不必担心在请求和履行之间波动性代币的价值发生变化。
自主性背后有预算主人
智能体可以选择何时何地购买API结果，但人类或组织为其钱包提供资金、定义权限并补充资金。一个无需人工逐次点击即可支付的软件进程，并不是一个具有独立财务责任的实体。部署智能体的企业需要按供应商、金额、时间和服务类型设置限制，以及撤销受损凭证的方法。
支付本身在链上是可见的，而购买的结果可能保持在链下。区块链记录可以显示代币转移到了服务商，但它通常无法证明返回的数据是准确的，或者模型的答案是有用的。服务商可能为不可用的端点收费，恶意智能体可能购买无关的信息。收据和争议处理必须将代币转移与API响应联系起来。
The Graph的x402数据网关覆盖案例说明了为什么计量API访问对提供商有吸引力。按查询收费可以吸引不愿购买订阅的客户。这也使卖家面临请求激增的风险，买家面临重复调用同一端点的失控循环的风险。支出上限、日志记录和异常告警可以限制这种风险。结算转账的协议无法判断智能体是否需要这个答案。
归属带来了另一个挑战。一个钱包可能因为使用了x402而被称作智能体，但付款方可能是人类脚本、交易机器人或推广服务。Chainalysis的分类衡量的是可观察的交互，而非每笔交易背后的私有模型和决策过程。对这1.38亿笔交易的诚实标签是：Base链上与一个通常由智能体使用的协议相关联的x402支付，附带研究人员披露的类别和局限性。
更强的论据与缺失的金额数据
Coinbase和Circle有一个可信的主张：银行卡网络不适合机器规模的支付。一分钱的数据请求无法承载与普通银行卡购买相同的固定成本。Chainalysis的证据表明，许多符合条件的钱包会充值并快速消费，这支持了一个超越一日演示的新兴用例。企业集成则为这些支付轨道触及真实软件预算提供了另一条路径。
然而，这些证据仍不足以构成完整的收入账目。报告提供了一个大的累计交易数量、广泛的微支付分布以及选定的钱包行为。它没有提供经过审计的付费模型推理总收入、API卖家的净收益，或为这些钱包提供资金的无关企业数量。即使是一个很大的总价值，也可能包含关联账户之间的重复转账；即使是一个很小的总价值，也可能为有用且廉价的工作买单。按收款方划分的需求是缺失的列。
下一份有用的报告应提供可比时期内的类别交易量和美元价值、在归属允许的情况下的唯一付费组织、重复出现的收款方、退款以及与投机相关的交易占比。它应保持未知活动的可见性，而不是为每笔交易赋予一个商业目的。Chainalysis的群体数据为深入研究这个市场提供了理由，但它们并未终结对其经济规模的判断。
1.38亿这个分母需要交易审计
链上支付是可观察的，但判断一个钱包是否属于AI智能体是一项分类工作。X402标记了客户端和服务之间的特定交换。人类可以编写这些调用的脚本，模型也可以在开发者授权预算后发起调用。Chainalysis的计数之所以有价值，是因为它遵循了一个明确的协议，但它不应被重新标签为1.38亿次独立的机器决策。唯一付款方、供应商和已完成任务的数量并不包含在这个标题式的计数中。
一个有用的审计将抽样每个类别中的收款合约或账户，验证提供了什么服务，并估计流向同一运营者自有基础设施的交易比例。开发者可以合法地在其控制的组件之间路由支付以测试应用程序；这种活动显示了功能性的轨道，但并不代表外部收入。公共账本可以暴露重复的地址和金额，而证明谁控制每个钱包通常需要链下证据。
累计计数还混合了行为迥异的不同时期。Chainalysis的6月报告描述了早期的投机高峰；10月报告描述了信息服务的使用增长。将全时段的交易量与当前月份的服务构成进行比较，可能使新用途看起来比实际更大。具有相同标记规则的月度类别将显示有用的购买何时超过了推广活动——如果这种交叉已经发生的话。没有这样的序列，方向性结论是由研究人员的定性分类支持的，而非一个已发布的交叉日期。
稳定币的流动可以通过同一笔资金的重复使用而被放大。一个充值10美元的钱包可能进行数百次微小查询并随后补充资金。将转账相加可以显示付费调用发生的频率，但这并不意味着每次都有10美元的新资本到达。服务商在扣除退款、费用和转回关联钱包的款项后的净收入，才是收入的对应指标。链上支付量和收入不应被视为同义词。
为什么首次花费时间比注册数量更重要
从73天到18分钟的变化表明，钱包的创建或充值时间更接近任务需要付费服务的时刻。这是一种运营上的变化。这可能是因为开发者改进了集成，因为充值工具自动配置钱包，或者因为参与者构成转向了有即时需求的运营者。报告的数据显示了结果并支持有目的的用途解释，但它并未孤立出哪个原因导致了这种变化。
在新群体中，一小时内完成支付的比例为67%，当与二次充值统计数据一起解读时尤其具有信息量。一个快速支付一次的钱包仍然可能是一个实验。一个在多个日期支付并在一个月内收到另一笔存款的钱包，更符合持续工作的特征。这两个数字单独来看都不能识别最终客户。但结合起来，它们提供了一个比总钱包创建图表更可信的运营信号。
进一步的测试将跟踪每个群体90天，追踪活跃天数、供应商多样性和稳定币花费。一个月后的第二次充值可能反映了开发者设置的定期转账。供应商多样性可以显示钱包是在整个生态系统中购买，还是仅在一个应用程序内购买。相同的定义应在群体之间保持一致；将规则从两个活跃日改成一个，可以在没有行为变化的情况下使留存看起来更强。
订阅类比有一个有用的界限。人类续订订阅通常是因为判断该服务值得付费。智能体钱包可能在预算下自动充值，评估则在组织层面稍后进行。30天充值是有证据表明资金回到了钱包，而非证明买家计算出了正回报。在具名服务处的客户续订将是更强的业务指标。
当买家是代码时，谁来检查购买行为？
组织可以为智能体分配每日预算和批准的供应商，但软件仍可能在此范围内进行一系列糟糕的购买。支付政策必须定义谁能更改额度、凭证如何存储、哪些API响应算作履行以及何时冻结账户。区块链确认了代币的移动，而非信息是否新鲜或购买的计算是否成功完成。
小额支付可能通过频率变成大额成本。一个每秒发送一次5美分请求的智能体，如果不受干扰地运行，一小时内将花费180美元。按每次10美分计算，每小时为360美元。这些是基于速率乘以金额的假设性计算，而非Chainalysis的观察。它们说明了为什么即使单价很低，也需要速率限制、支出上限和在智能体循环时发出警报。
智能体可能从一个恶意服务商处购买，该服务商返回指令而非请求的数据。接受外部响应的软件必须将付费内容与对其钱包的控制权分开。支付系统的批准列表和模型的指令边界是独立的控制措施。一个验证发票但信任每条返回消息的系统，即使没有任何支付协议故障，仍然可能被利用。
就合规而言，资金提供者和收款者是比智能体标签更有意义的身份。Chainalysis的地理发现依赖于归因资金来源，这就是为什么未知地点应被排除在国家份额声明之外。企业需要将钱包、人类预算所有者和供应商账户联系起来的记录。如果一个智能体购买了受监管的服务，自主请求并不能免除企业自身的法律义务。
当支付金额小于调查它的成本时
微支付改变了监督的经济性。公司无法手动审查每一次5美分的模型或API调用，同时还以5美分提供该服务。它可以审查资金来源、批准收款类别，并设置自动阈值来停止或标记异常行为。调查遵循模式或异常。Chainalysis也为筛选设置和目的地提出了类似的论点，但实施细节因钱包提供商和组织而异。
一个持有20美元额度的钱包可以完成许多廉价的请求，但规则必须指定智能体如何在提供商之间进行选择。如果一项服务的价格从0.02美元变为0.20美元，静态额度可能仍然允许每次调用花费十倍于此的金额。智能体应从其运营者那里接收价格上限，并在供应商超过该上限时失败关闭。再次强调，转账可以正确结算，而购买决策却是糟糕的。
收据需要一个买家和卖家都能审计的单位。稳定币交易哈希证明了支付发生了；服务响应标识符可以显示它支付了哪个查询。如果客户质疑一笔费用，或者如果API在接受付款后超时，将两者关联起来是必要的。一个没有可用重试或退款程序的服务，可以有令人印象深刻的链上交易量和糟糕的留存率。
同样的问题也影响着欺诈衡量。恶意行为者可以通过其控制的服务路由大量廉价调用，以夸大其表面的用户基数。成本将是网络费用、开发者时间和任何转化损失，当资金循环时，这可能远低于标题式的名义交易量。一个严肃的数据面板应报告独立控制的买家和重复出现的服务收入，而不仅仅是交易数量。
下一份报告可以将一个行业与一次演示区分开来
一个行业的证据应包括：服务提供商从无关的智能体处获得持续收入；运营者在评估结果后增加预算；多个供应商在价格和质量上竞争。Chainalysis新的收款类别和钱包群体将讨论朝这个方向推进。但它们尚未识别出支付账单的最终用户或所售服务的利润。
低价值分布使这个用例独具特色。一笔花费几分钱的有偿数据查询在传统的银行卡轨道上可能不切实际，而可编程钱包可以在软件任务的中间进行这笔支付。然而，现有的银行卡世界有基于账户的计费和月度聚合，这也可以在不每次刷卡的情况下支持小的单价。X402的优势应与这种替代方案相比较，而不仅仅与每次为一分钱而单独刷卡的荒谬情况相比较。
服务商可以选择订阅、预付积分或x402按次付费，客户可能偏好不同的模式。智能体支付如果能减少接入摩擦、触达有用的买家市场并以可接受的总成本结算，将获得持久的位置。1.38亿笔交易表明软件正在使用这条轨道。未来时期的类别和收入数据将显示有多少经济工作在它之上运行。
本文仅供信息分享，非商业用途，版权归原作者所有。如有侵权请联系删除。内容不构成投资建议。
热门跟贴