9 月 9 日，据 Moneycontrol 报道，印度支付巨头 Paytm 正越过支付主业，推出 Paytm Intelligence（简称 Pi）这一企业 AI 计划，初期面向印度与阿联酋的银行、放贷机构、保险公司等金融机构，跨销售、客户服务与运营部署 AI 智能体，并已向部分客户开放。它标志着一家支付基础设施公司，试图把多年积累的领域数据与工作流知识，重新封装成 AI 产品。
一、从「收手续费」到「卖智能体」
Paytm 的逻辑并不复杂：支付、行为、风控、反欺诈这些能力，本质是对金融场景的深度理解。Pi 要做的，是把这套理解变成可部署到客户业务里的智能体——帮银行做销售线索跟进、帮 insurer 做客服与理赔分流、帮 lender 做运营自动化。对金融机构而言，直接采购「懂金融的 Agent」比从零训练一个通用模型更省事；对 Paytm 而言，这是在高渗透的支付业务之外，寻找更高毛利的服务层。
二、垂直 AI 的「数据护城河」
Pi 的出现，契合一个正在扩散的趋势： incumbent fintech 与金融平台，纷纷把专有域数据和工作流知识货币化为 AI 产品。相比通用大模型厂商，它们未必在模型能力上领先，却握有关键的行业语料、合规语境与真实业务接口——这些恰恰是通用 Agent 落地金融时最缺的拼图。垂直 AI 因此可能成为建立在既有金融基础设施之上的、利润率更高的业务层。
三、风险与边界
把智能体塞进银行与保险的核心流程，监管与数据主权是绕不开的门槛。金融场景对可解释性、审计轨迹、数据隔离的要求，远高于一般客服自动化；Pi 在印度与阿联酋双市场推进，也意味着要同时满足两套监管预期。此外，Agent 在信贷、保险等领域的任何误判都可能直接转化为客户损失，因此「人审 + 可控回退」预计仍是早期标配。对同行而言，Paytm 的尝试是一个信号：领域数据本身就是 AI 时代最被低估的资产之一。