Wie NVIDIA das Zahlungsmodell der Grundlage für PayPal entwickelt hat

In der fünften Ausgabe von „Agentic Commerce“ luden Simon Taylor (Leiter der Marktentwicklung bei Tempo) und Bam Azizi (CEO und Gründer von Mesh) Pahal Patangia (Leiter der globalen Branchengeschäftsentwicklung und des Zahlungsverkehrs bei NVIDIA) ein, um Themen wie Open-Source-Modelle im Finanzdienstleistungssektor, agentenbasierte Arbeitsabläufe als geistiges Eigentum in der Wirtschaft und mehr zu diskutieren.

Zeitleiste:

00:00 Einleitung
05:03 Zahlungsgrundlagenmodell basierend auf der Transformer-Architektur
10:44 Übernahme von Open-Source-Modellen im Finanzdienstleistungssektor
17:53 Kosten- und Latenz-Kompromisse bei KI-Inferenz
20:24 Token-Ökonomie und Effizienz in KI-Systemen
23:21 Agentifizierte Workflows als geistiges Eigentum im Unternehmen
25:45 Trends bei der Protokollintegration im Agentic Commerce
30:17 Open-Source-Laufzeitumgebung OpenSHIELD für Agentensicherheit
33:33 Vorteile von Stablecoins bei Mikrozahlungen zwischen Agenten
35:36 Im Vergleich zu Zahlungen wird die Suche bei Agenten schneller implementiert.

Wichtigste Erkenntnisse:

1. Das Wesen des Agentic Commerce besteht im „Kontext-Outsourcing“: Der Kontext der Verbraucherentscheidungen, der zuvor von Menschen gehalten wurde, wird nun durch Einbettung und Basismodelle an Agenten übertragen, wodurch Zahlungsfunktionen Teil der Entscheidungskette und nicht nur der Ausführungsebene werden.
2. Das Payment Foundation Model ist eine zentrale Variable: Durch die Eingabe herkömmlicher tabellarischer Finanzdaten in Transformers werden Benutzerverhaltenseinbettungen generiert, die die Schlüsselinfrastruktur für Agenten darstellen, um „wie Menschen zu konsumieren“.
3. Die Suchfunktion ist ausgereift, während sich der Zahlungsverkehr noch in der Anfangsphase befindet: Die eigentliche Implementierung von Agentic Commerce konzentriert sich derzeit auf Suche und Empfehlung, während sich der Zahlungsverkehr noch in der Sandbox- und Experimentalphase befindet.
4. Der Hauptgrund für die explosionsartige Zunahme von Open Source in der Finanzbranche liegt nicht in der Technologie, sondern in der Regulierung und Kontrolle: Erklärbarkeit, Kontrollierbarkeit und Feinabstimmungsmöglichkeiten sind wichtiger als die Leistungsfähigkeit.
5. Die Leistungslücke zwischen Open-Source- und Closed-Source-Modellen hat sich auf einen „vernachlässigbaren Bereich“ verringert, sodass Kosten, Compliance und Einsatzflexibilität die dominierenden Faktoren bei unternehmerischen Entscheidungen darstellen.
6. Die Token-Ökonomie entwickelt sich zur neuen Generation der „Zahlungsökonomie“: Die zentralen Beschränkungen von KI-Systemen sind nicht mehr nur die Transaktionsgebühren, sondern die umfassende Optimierung des Token-Verbrauchs, der Inferenzkosten, der Latenz und des Energieverbrauchs.
7. Multiagentensysteme sind das Schlachtfeld der Zukunft: Emittenten, Acquirer, Händler und interne Unternehmenssysteme werden sich zu Agenten entwickeln und Geschäftsprozesse durch Maschine-zu-Maschine-Interaktionen abschließen.
8. Agenten-Workflows entwickeln sich zu neuen Kernressourcen für Unternehmen: Früher waren es APIs und SaaS, jetzt stellen die Entscheidungspfade, die Ausführungslogik und die Feedbackschleifen der Agenten neues "Business IP" dar.
9. Stablecoins bieten strukturelle Vorteile in Agent-to-Agent-Szenarien: Mikrozahlungen, Echtzeit-Abwicklung und globale Verfügbarkeit sind Dinge, die traditionelle Kartennetzwerke nicht leisten können.
10. Das durch Agenten hervorgerufene Wachstum des Transaktionsvolumens ist exponentiell: Menschen führen etwa 2 Transaktionen pro Tag durch, Agenten hingegen bis zu 2000, und traditionelle TPS-Modelle (Transaktionsverarbeitungssysteme) können diesen Paradigmenwechsel nicht bewältigen.
11. Die Zahlungssysteme werden nicht ersetzt, sondern in Schichten nebeneinander existieren: Kartennetzwerke eignen sich für die Interaktion mit Menschen, während Stablecoins besser für die Interaktion mit Maschinen geeignet sind, und beide werden in verschiedenen Szenarien parallel laufen.
12. Die Protokollschicht befindet sich derzeit im „frühen Stadium des LLM“: Die Koexistenz mehrerer Protokolle fördert Innovationen, und langfristig wird sie sich unweigerlich auf wenige Standards konzentrieren.
13. Im Agentenzeitalter ist Sicherheit zu einem Infrastrukturproblem geworden: Laufzeitumgebungen wie OpenSHIELD werden benötigt, um Agenten in Sandboxes zu isolieren und so die Ausbreitung systemischer Risiken zu verhindern.
14. Die wichtigsten Anwendungsfälle von KI im Zahlungsverkehr haben sich nicht verändert: Betrugsbekämpfung, Identitätsprüfung und Personalisierung bleiben die zentralen Werte, wobei sich die Implementierung von Regeln über Modelle hin zu Agenten weiterentwickelt.
15. Der eigentliche Durchbruch von Agentic Commerce liegt nicht im Zahlungsverkehr, sondern in der "Entscheidungsautomatisierung": Wenn Suche, Empfehlung und Ausführung vollständig automatisiert sind, sind Zahlungen nur noch der letzte Schritt der Funktionsaufrufung.

Simon Taylor:
Willkommen bei Tokenized, einer Sendung, die sich auf Stablecoins und die Akzeptanz der Tokenisierung realer Vermögenswerte konzentriert. Ich bin Simon Taylor, Ihr heutiger Gastgeber und Autor von Fintech Brain Food sowie Leiter der Marktentwicklung bei Tempo.

Heute setzen wir die Agentic Commerce-Serie fort, und ich begrüße Bam Azizi, CEO von Mesh. Wie geht es dir, Bam?

Bam Azizi:
Mir geht es gut, vielen Dank Simon, dass wir wieder bei Ihnen sein durften.

Simon Taylor:
Diese Serie ist wirklich ein Riesenerfolg. Ich habe das Gefühl, dass Agentic Commerce derzeit zu einem der heißesten Themen weltweit geworden ist und wirklich die Aufmerksamkeit aller auf sich zieht.

Heute haben wir außerdem einen Gast von einem Unternehmen, das ebenfalls sehr im Rampenlicht steht – wohl eines der größten Unternehmen der Welt –, das jedoch einige Dinge zur Unterstützung von Agentic Commerce getan hat, von denen die meisten Menschen nichts wissen.

Heute begrüßen wir Pahal Patangia, Leiter der globalen Branchengeschäftsentwicklung und des Zahlungsverkehrs bei NVIDIA. Pahal, wie geht es dir?

Pahal Patangia:
Mir geht es gut, Simon, vielen Dank für die Einladung. Ich freue mich, in der Sendung dabei zu sein und bin gespannt auf unser Gespräch.

Simon Taylor:
Tatsächlich fügt sich alles zusammen – das ist alles, was ich liebe: Zahlungen, NVIDIAs Präsenz im Videospielbereich, Wirtschaft, Stablecoins... all diese guten Dinge.

Bevor wir beginnen, möchte ich unsere Zuschauer und Zuhörer jedoch daran erinnern: Die Ansichten unserer Gäste stellen deren persönliche Meinungen dar und spiegeln nicht unbedingt die ihrer Unternehmen wider. Außerdem stellt alles, was wir besprechen, keine Steuer-, Rechts- oder Finanzberatung dar. Bitte recherchieren Sie daher selbst.

Okay, was bedeutet Agentic Commerce aus einer makroökonomischen Perspektive für ein Unternehmen wie NVIDIA? Ein GPU-Unternehmen, ein Unternehmen für beschleunigtes Rechnen, ein KI-Unternehmen, ein Hardware-Unternehmen – warum sind Sie im Zahlungsverkehr und im Geschäftsleben tätig?

Pahal Patangia:
Natürlich, Simon, das ist eine hervorragende Frage. Ich bin froh, dass Sie die Frage aus der Perspektive eines GPU-Unternehmens, eines Hardware-Unternehmens und eines Unternehmens für beschleunigtes Rechnen stellen, denn genau das ist seit Jahrzehnten die Wahrnehmung von NVIDIA.

Ich möchte jedoch darauf hinweisen, dass sich diese Wahrnehmung in den letzten 20 Jahren weiterentwickelt hat.

In den letzten Jahrzehnten hat sich NVIDIA zu einer Full-Stack-Plattform für beschleunigtes Rechnen entwickelt, die Fähigkeiten für KI-Anwendungen im gesamten Ökosystem bietet.

Bevor wir uns mit Agentic Commerce oder KI befassen, ist es wichtig, die Positionierung von NVIDIA auf Plattformebene und die von uns angebotenen Fähigkeiten zu verstehen – diese Fähigkeiten treiben die KI-Explosion voran, die Sie jeden Tag sehen.

Die Fähigkeiten von NVIDIA zum Erstellen von KI-Anwendungen im Ökosystem beschreiben wir üblicherweise anhand eines „Fünf-Schichten-Kuchen“-Konzepts.

Dieser „fünfschichtige Kuchen“ besteht aus verschiedenen „Zutaten“, die es ermöglichen, KI-Anwendungen und KI-Fabriken heute skalierbar aufzubauen.

Die unterste Ebene bilden Land, Macht und Energie – dies ist die Grundlage für alles, was mit KI zu tun hat.

Darüber befindet sich die Chipschicht, die Hardware, GPUs, CPUs und zugehörige Netzwerksysteme umfasst.

Als nächstes kommt die Systemschicht oder Rechenzentrumsschicht, die festlegt, wie diese Chips zusammengesetzt werden; wir betrachten sie als verschiedene Einheiten, die sich letztendlich zu einem „massiven Computer“ zusammenfügen.

Früher verstand man unter Computern persönliche Geräte, heute ist das Rechenzentrum selbst ein Computer, nämlich die Systemebene.

Darüber befindet sich die Fundamentmodellschicht. Diese grundlegenden Modelle beinhalten Wissen, Branchenverständnis und verschiedene Fähigkeiten. Im Ökosystem gibt es viele Partner, wie OpenAI, Meta, Mistral usw., die diese grundlegenden Modelle entwickeln.

Diese grundlegenden Modelle müssen jedoch für spezifische Branchen, spezifische Szenarien und spezifische Probleme weiter verfeinert werden. Dies ist die fünfte Ebene – die Anwendungsebene.

Die Plattform von NVIDIA umfasst diese fünf Ebenen und vereint all diese Funktionen. Entwickler können diese fünfschichtige Plattform nutzen, um Anwendungen für ihre Anwendungsfälle zu erstellen.

Im Zahlungsverkehr ist Agentic Commerce eine Schlüsselanwendung.

Unser Ziel ist es, unsere Hardware-, Software- und Modellierungskompetenzen in diese Akteure des Ökosystems zu integrieren, um ihnen die Entwicklung dieser Anwendungen in großem Umfang zu ermöglichen. Das ist unsere Positionierung und so treiben wir die Entwicklung des gesamten Ökosystems voran.

Simon Taylor:
Ein interessanter Punkt für mich ist, dass, wenn wir mit vielen Leuten über Agentic Commerce sprechen, jeder davon ausgeht, dass im Hintergrund eine Menge Software und Hardware laufen, aber Sie sind schon lange in dieser Branche tätig und verstehen wirklich, wie diese Grundlagen funktionieren. Was ist Ihre Meinung dazu?

Bam Azizi:
Ja, das ist interessant. Ich habe tatsächlich etwas über diese geschichtete Struktur auf LinkedIn veröffentlicht, das einiges an Aufmerksamkeit erregte.

Es ist sehr ähnlich dem, was Pahal gerade beschrieben hat. Ich sprach über die Basisschicht, die Verteilungsschicht, die Orchestrierungsschicht und die Verbindungsschicht. Mein Punkt war, dass die Verbindungsschicht die wichtigste ist – natürlich ein bisschen „eigennützig“, da Mesh auf dieser Schicht arbeitet.

Aber mich interessiert vor allem, welche Ebene Sie aus der Sicht von NVIDIA für die wichtigste halten? Wo investieren Sie derzeit die meiste Zeit und die meisten Ressourcen?

Pahal Patangia:
Ja, das ist eine hervorragende Frage. Aus unserer Sicht gibt es derzeit zwei ganz wichtige Phänomene in der Zahlungsbranche.

Wir führen KI in großem Umfang in die Zahlungsbranche ein, und typischerweise führt ein Phänomen zum nächsten.

Das erste Phänomen ist das Aufkommen des „Payment Foundation Model“.

Wenn Sie sich den gesamten Prozess von Agentic Commerce ansehen, werden Sie feststellen, dass dieser Prozess tatsächlich "komprimiert" wurde. Beispielsweise wurde der Bezahlvorgang komprimiert.

In der Vergangenheit besaßest du als Person den Kontext. Sie wussten, was Sie kaufen wollten, Sie wussten, wie Sie den Bezahlvorgang abschließen konnten, und dieser Kontext war Ihnen bereits bewusst.

Doch nun stellt sich die Frage: Woher bezieht der Agent diesen Kontext?

Um diesen Kontext zu erfassen, muss der Agent das Nutzerverhalten, Nutzerprofile, Nutzerpräferenzen und die verschiedenen Einschränkungen, die Sie für die Transaktion festlegen (von der SKU bis zu den endgültigen Transaktionsregeln), erlernen.

Wie erlangt der Agent also diese Fähigkeiten?

Dies führt zu einem neuen Trend, der meiner Meinung nach noch etwas im Verborgenen agiert, aber rasch an Aufmerksamkeit gewinnt – dem „Payment Foundation Model“.

Denn in der Finanzdienstleistungsbranche, insbesondere im Zahlungsverkehr und Bankwesen, lagen historisch gesehen alle Daten in strukturierter Tabellenform vor.

Früher wurden diese Daten in maschinelle Lernalgorithmen eingespeist, um Wahrscheinlichkeitsmodelle zu erstellen, beispielsweise um vorherzusagen, was Benutzer kaufen oder welche Transaktionen sie tätigen könnten.

Mit dem Aufkommen einer neuen Generation von Algorithmen, insbesondere der Transformer-Architektur – die die Grundlage der generativen KI bildet – gibt es nun einen neuen Trend, diese strukturierten Daten Transformer-Modellen zugänglich zu machen.

Dies ist das Konzept des „Zahlungsstiftungsmodells“.

Diese Modelle erzeugen etwas, das man „Einbettung“ nennt.

Vereinfacht ausgedrückt ist Embedding eine semantische Repräsentation des Nutzerverhaltens. Zum Beispiel:

• Was Pahal wahrscheinlich tun wird

• Was seine jüngsten dynamischen Präferenzen sind

• Was seine langfristigen Verhaltensmuster sind

Transformer-Modelle können diese Informationen integrieren, um diese Einbettung zu bilden.

Diese Einbettungen werden dann in den Agenten eingegeben, der auf der Grundlage dieser Informationen Aktionen ausführt, wie zum Beispiel Transaktionen abzuschließen.

Hier beginnen die beiden Welten zu verschmelzen – KI und Zahlungsverkehr.

Diese Einbettungen bilden die „Kontextschicht“ für den Agenten und ermöglichen es ihm, Aktionen besser auszuführen, besser zu iterieren und sicherzustellen, dass alle Aktionen innerhalb der festgelegten Regeln bleiben, während er kontinuierlich lernt und optimiert.

Dies ist ein wichtiger Trend, der die Entwicklung von Agentic Commerce aktuell vorantreibt.

Darüber hinaus möchte ich einen weiteren Trend hervorheben, den wir im Agentic Commerce beobachten:

Wenn Sie den gesamten Prozess in „Suche“ und „Zahlung“ unterteilen,

Der Teil, der sich am schnellsten entwickelt und am ausgereiftesten ist, ist die "Suche".

Das Suchproblem wird seit vielen Jahren untersucht, und mittlerweile gibt es bessere Algorithmen, um es zu lösen, daher ist diese technologische Welle bei der "Suche" sehr effektiv.

Aus diesem Grund wird das Nutzererlebnis immer personalisierter und ansprechender.

Wir arbeiten außerdem eng mit PayPal zusammen. PayPal möchte die Funktionen von Agentic Commerce in sein Händlerökosystem integrieren, das aus rund 19 Millionen Händlern besteht.

Bei den meisten dieser Händler handelt es sich um kleine bis mittelständische Unternehmen, die in Bezug auf KI relativ unerfahren sind und nicht vollständig verstehen, was vor sich geht.

PayPal verfolgt den Ansatz, diesen Händlern diese Funktionen über seine Plattform bereitzustellen.

Ihre Methode ist:
Feinabstimmung von Open-Source-Modellen, um diese Modelle an die PayPal-Umgebung und spezifische Anwendungsfälle anzupassen.

Auf diese Weise können Händler diese Funktionen ganz natürlich nutzen, ohne die zugrunde liegende Technologie selbst verstehen zu müssen.

Simon Taylor:
Ich habe gerade viel von Ihnen gehört und möchte versuchen, es zusammenzufassen, um zu sehen, ob ich es richtig verstanden habe, und es gleichzeitig dem Publikum verständlicher zu machen.

Viele übersehen einen wichtigen Punkt: Neben Modellen wie Anthropic, ChatGPT und Gemini gibt es tatsächlich viele Open-Source-Modelle, und NVIDIA ist ein wichtiger Akteur in diesem Bereich.

Modelle wie Ihr NeMo und Neotron gehören seit jeher zu den leistungsstärksten.

Dann werden Unternehmen wie PayPal diese Funktionen den Händlern zugänglich machen.

In der Zahlungsbranche steht die Wertschöpfung für Händler an erster Stelle. Der Handel bildet das Rückgrat des weltweiten Wirtschaftsgeschehens. Wer keine Händler bedienen kann, ist im Grunde nichts.

Sie sind diejenigen, die Waren verkaufen, sie sind Ihre Kunden, sie bezahlen Sie. Sie müssen also einen Mehrwert für sie schaffen.

Stripe hatte zuvor ein Payment Foundation Model veröffentlicht, das sich im Bereich Betrugsbekämpfung als erfolgreich erwiesen hat.

Aber mich interessiert, was das Payment Foundation Model neben der Betrugsbekämpfung noch leisten kann.

Wenn ich nun über ein sehr reichhaltiges, mehrdimensionales Embedding verfüge, das verschiedene Benutzerpräferenzen verstehen kann, wie können diese Fähigkeiten Händlern helfen, mehr zu verkaufen und Kunden besser zu bedienen?

Und Händler sind wahrscheinlich nicht bereit, diese Daten mit großen KI-Laboren zu teilen.

Daher würden sie tendenziell Open-Source-Modelle verwenden.

Darüber hinaus beträgt der Abstand zwischen Open-Source-Modellen und hochmodernen Modellen mittlerweile etwa 6 Monate, und es handelt sich dabei um einen Leistungsunterschied.

Für die meisten alltäglichen Anwendungen ist der Unterschied kaum wahrnehmbar.

Für viele kleine und mittelständische Händler sind diese Modelle der kostenlosen Version von ChatGPT, die sie derzeit verwenden, bereits weit überlegen.

PayPal kann ihnen also ein sehr gutes Nutzererlebnis bieten, während die zugrundeliegenden Funktionen tatsächlich von NVIDIA stammen.

Ich glaube, vielen Menschen ist das nicht bewusst.

Darüber hinaus habe ich eine Umfrage gesehen, die zeigt, dass 65 % der Finanzinstitute bereits KI einsetzen, während 84 % angeben, dass Open-Source-Modelle für ihre KI-Strategie wichtig sind.

Deshalb möchte ich Sie fragen: Warum sind Open-Source-Modelle in der Finanzbranche so wichtig geworden?

Pahal Patangia:
Ja, das ist eine hervorragende Frage.

Die Finanzbranche war schon immer „langsam bei der Einführung“ neuer Technologien.

Zu den Gründen für diese „langsame Einführung“ gehören:
Verordnung
Anforderungen an die Erklärbarkeit
Und Misstrauen gegenüber „Black-Box-Modellen“

Finanzinstitute möchten verstehen, was im Inneren des Modells vor sich geht, damit sie es bedenkenlos in Produktionsumgebungen einsetzen können.

Daher bevorzugen sie tendenziell Modelle, die kontrolliert und feinjustiert werden können.

Gleichzeitig ist, wie Sie bereits erwähnt haben, die Leistungsfähigkeit von Open-Source-Modellen mittlerweile sehr nahe an der von großen proprietären Modellen.

Diese „Leistungsnähe“ verlagert den Fokus der Diskussion von der „Modellleistung“ auf andere Dimensionen, wie zum Beispiel:

• Kosten

• Kontrolle

• Einhaltung

• Systemresilienz

Unternehmen wünschen sich mehr Wahlmöglichkeiten bei der Entwicklung dieser Anwendungen, anstatt sich auf einen einzigen Anbieter zu verlassen.

Selbstverständlich betrachten wir auch Anbieter von Stiftungsmodellen als wichtige Kunden und Partner.

Doch gleichzeitig werden Open-Source-Modelle besser geeignet, wenn Unternehmen mehr Flexibilität benötigen.

Beispielsweise können NVIDIAs Neotron-Modell und die NeMo-Toolchain Unternehmen dabei helfen, Modelle einfacher feinabzustimmen.

Und diese Fähigkeit wird im Agentic Commerce zunehmend an Bedeutung gewinnen.

Simon Taylor:
Dieser Kompromiss ist in der Tat interessant.

Bam, ich möchte Sie außerdem aus der Perspektive des Aufbaus eines Unternehmens im Bereich Stablecoins und Zahlungen fragen, wie Sie Open-Source im Vergleich zu Closed-Source beurteilen. Interessiert Ihre Kunden dieses Thema?

Bam Azizi:
Ich glaube, aus Kundensicht ist es ihnen eigentlich egal, ob es sich um Open-Source- oder Closed-Source-Software handelt.

Das ist ein Grund zur Sorge für die Technologiebranche, die für die wissenschaftliche und technologische Entwicklung von großer Bedeutung ist.

Aber den Kunden ist eines wichtig:
Gibt es eine optimale Lösung, die ihnen bei der Führung ihres Unternehmens helfen kann?

Allerdings ist Open Source für die Branche sehr wichtig, und wir müssen es weiterhin so gut wie möglich fördern.

Ein weiterer Punkt, der mich beeindruckt hat, war Pahals Ausführungen zur Position von NVIDIA.

Früher fungierte NVIDIA eher als Hardware-Schicht, dann gab es eine Zwischenschicht wie ChatGPT, Cloud-Anbieter usw. und schließlich die Anwendungsschicht.

Aber da Sie nun direkt mit Unternehmen wie PayPal zusammenarbeiten, bedeutet das, dass Sie die „mittlere Ebene überspringen“?

Bedeutet es schneller, günstiger und effizienter?

Würde das eine Bedrohung für Unternehmen wie OpenAI darstellen?

Pahal Patangia:
Gar nicht.

Unsere Philosophie lautet: „Entwickler dort unterstützen, wo sie sind.“

Wenn Entwickler unsere großen Partner, wie z. B. Anbieter von Basismodellen, nutzen möchten, unterstützen wir dies voll und ganz und helfen ihnen, die besten Ergebnisse zu erzielen.

Falls sie Open-Source-Modelle nutzen möchten, bieten wir auch Tools und Plattformunterstützung an.

Das hängt ganz von den internen Geschäftsbedürfnissen und Entscheidungen des Unternehmens ab.

Wir bieten eine vollständige Plattform, die es ihnen ermöglicht, frei zu wählen.

Simon Taylor:
Ich finde diesen Kompromiss sehr interessant.

Pahal, wie beraten Sie Zahlungsunternehmen wie PayPal bei diesen Entscheidungen? Wenn sie beispielsweise diese Funktionen für Händler bereitstellen möchten, wie können Sie ihnen dabei helfen, verschiedene Anwendungsfälle abzuwägen? Welches Feedback erhalten Sie von diesen Zahlungsunternehmen?

Pahal Patangia:
Das ist eine hervorragende Frage.

In diesem Bereich gibt es, wenn man beginnt, immer komplexere Modelle auszuführen – von den heutigen Modellen über zukünftige Agenten bis hin zu Multiagentensystemen –, viele Faktoren zu berücksichtigen.

An erster Stelle steht natürlich die Genauigkeit. Doch sobald man die Genauigkeit bis zu einem gewissen Grad optimiert hat, sind es letztendlich mehrere andere Faktoren, die das Ergebnis bestimmen.

Der erste Grund sind die Kosten.

Wenn Sie beispielsweise 19 Millionen Händler bedienen, generiert das täglich eine enorme Anzahl von Inferenzaufrufen. Sie müssen darüber nachdenken, wie Sie die Kosten dieser Inferenzaufrufe in Ihrem Anwendungsfall auf das Minimum reduzieren können.

Der zweite Faktor ist die Latenz.

Niemand will warten, genau wie bei dem kleinen Snake-Spiel im Browser, wenn das Netzwerk ausfällt (Chrome Offline-Spiel).

Sie benötigen Reaktionszeiten im Millisekundenbereich.

Das Modell muss denken, Schlussfolgerungen ziehen, Informationen aus verschiedenen Datenquellen sammeln, Kontextinformationen einbeziehen und innerhalb festgelegter Regeln Entscheidungen treffen – und das alles innerhalb von Millisekunden.

Um all dies zu erreichen, müssen viele Token verbraucht, zahlreiche Entscheidungen getroffen und komplexe Prozesse ausgeführt werden – und all das muss dynamisch und intelligent ablaufen.

Wenn der Agent richtig feinabgestimmt ist und unter den richtigen Einschränkungen arbeitet, kann er dies erreichen.

Man führt den Befehl einmal aus, und dann gibt es eine Rückkopplungsschleife.

Diese Rückkopplungsschleife erzeugt ein "Daten-Schwungrad".
Sie gewinnen kontinuierlich neue Daten, vergleichen die „tatsächlichen Ergebnisse“ mit den „idealen Ergebnissen“ und optimieren dann kontinuierlich das Modell.

Simon Taylor:
Und wenn man diese Logik dann von einem einzelnen Agenten auf ein Multiagentensystem ausdehnt, wird die Sache noch komplexer.

Zum Beispiel:

• Agenten auf der Netzwerkseite

• Agenten auf der Emittentenseite

• Agenten auf der Käuferseite

Diese Agenten werden miteinander kommunizieren.

Oder innerhalb des Unternehmens:

• Ein Beschaffungsagent im SAP-System

• Es muss mit dem Inventarsystem kommunizieren.

• Es muss auch mit dem Finanzsystem sprechen.

Wie führt das Gesamtsystem Schlussfolgerungen durch? Wie kann es effizienter werden?

Dies führt zu einem Problem: Die Token werden explosionsartig an Wert gewinnen.

Deshalb gewinnt die „Token-Ökonomie“ an Bedeutung.

Es geht nicht nur darum, den Tokenverbrauch zu reduzieren, sondern auch darum, wie man ein optimales Verhältnis zwischen Kosten, Rechenleistung und Latenz erreichen kann.

Man kann es sogar so verstehen:
„Wie viele hochwertige Token-Ausgaben können pro Kilowattstunde generiert werden?“

Dahinter steckt tatsächlich ein ökonomisches Modell.

Wenn man es nicht gut handhabt, kann man leicht viel Geld verbrennen.

Wer schon einmal OpenClaw gespielt hat, weiß, dass man leicht 1000 Dollar im Monat ausgeben kann, nur indem man ein paar APIs aufruft, und dann verliert man sich auch noch in diversen Sackgassen.

Für Unternehmen ist dieses Problem noch gravierender.

Früher hat man vielleicht einfach einige Modelle des maschinellen Lernens ausgeführt, wie zum Beispiel Modelle auf Basis von Snowflake, CNNs usw., aber heute ist die Kostenstruktur dieser KI-Modelle völlig anders.

Für ein Unternehmen, das sich auf Kundenbindung oder Betrugsbekämpfung konzentriert, ist dieser Kostenunterschied enorm.

Und je nach Rolle – beispielsweise bei Kartenorganisationen, Händlern oder Emittenten – ergeben sich unterschiedliche Anforderungen an die Agenten und unterschiedliche Token-Bedürfnisse.

Die Komplexität des gesamten Systems ist also sehr hoch.

Sie müssen nicht nur die Kosten kontrollieren, sondern das System muss sich auch im Laufe der Zeit kontinuierlich verbessern und wie ein Mensch lernen:
„Du hast gerade einen Fehler gemacht, mach das nächstes Mal nicht wieder.“

Wer OpenClaw aber schon einmal benutzt hat, weiß, dass es tatsächlich sehr schwierig ist, das System konstant stabil zu halten und sicherzustellen, dass es die richtigen Dinge tut.

Die Lösung dieses Problems in Unternehmensszenarien ist daher für NVIDIA von großem Wert.

Simon Taylor:
Kommen wir zurück zum Thema E-Commerce.

Welche Auswirkungen hat Agentic Commerce aktuell auf Unternehmen?

Sind die Nutzer diese Änderungen beim Bezahlvorgang tatsächlich spürbar? Wo manifestiert sich dieser Wert?

Pahal Patangia:
Unser Ziel ist es, diejenigen Akteure zu unterstützen, die wirklich einen Mehrwert für Endnutzer schaffen, wie beispielsweise Zahlungsplattformen wie PayPal.

Gleichzeitig werden sie mit großen Einzelhändlern zusammenarbeiten, um dort kundenorientierte Agenten einzusetzen.

Aus Branchensicht beobachten wir unter anderem folgende Trends:

Mastercard hat beispielsweise in einigen Ländern bereits vollständig agentenbasierte Transaktionen eingeführt.

Dies sind erste Anzeichen für einen Erfolg.

Dies gibt uns die Zuversicht, dass diese Technologien sich letztendlich durchsetzen werden.

Selbstverständlich gibt es noch viele Probleme zu lösen, wie zum Beispiel:
Können diese Agenten die Konversionsraten im Checkout-Prozess tatsächlich verbessern?
Sind sie stabil genug?

Derzeit sind weitere Feinabstimmungs- und Einschränkungsmechanismen erforderlich, um Agenten in die Lage zu versetzen, Aufgaben autonom zu erledigen.

Simon Taylor:
Ich möchte insbesondere Sardine erwähnen, da sie im Bereich Betrugsbekämpfung viel geleistet haben.

Sie verfügen über ein Datennetzwerk von 7 Milliarden Geräten, haben ihre eigenen Modelle entwickelt und die Leistung der Agenten aufgezeichnet.

Diese historischen Daten und Agenten-Workflows stellen an sich eine Form von geistigem Eigentum dar.

Im E-Commerce ist der Workflow Ihrer Agenten Ihr wichtigstes geistiges Eigentum.

Ich denke, das ist ein ganz wichtiger Punkt.

Simon Taylor:
Okay, vielen Dank an Mesh und alle Sponsoren, die diese Show ermöglicht haben.

Bäm, ich weiß nicht, ob es Ihnen auch so geht wie mir, aber ich höre mittlerweile so viele verschiedene Protokollnamen, dass ich den Überblick darüber verliere.

Wie besprechen Sie diese Protokolle aktuell mit Ihren Kunden? Welche Fragen stellen Sie NVIDIA?

Bam Azizi:
Die entscheidendste Frage lautet meiner Meinung nach: Wird die Zukunft in Richtung Integration gehen oder wird die Fragmentierung weiter fortschreiten?

Das ist eine „Milliarden-Dollar-Frage“. Wer diese Frage beantworten kann, kann in diesem Bereich ein riesiges Unternehmen aufbauen.

Wenn Sie mich fragen, würde ich eher zur Integration tendieren, genau wie bei der Entwicklung des Internets.

Früher gab es viele verschiedene Protokolle, aber letztendlich haben wir uns auf HTTP geeinigt.

Es gab auch viele Protokolle für die Kommunikation zwischen Geräten, aber letztendlich haben sie sich im Wesentlichen auf Wi-Fi und Bluetooth vereinheitlicht.

Selbst bei Ladeschnittstellen ging es von einer Vielzahl unterschiedlicher Schnittstellen zu ein oder zwei standardisierten über.

Ich denke also, dass hier etwas Ähnliches passieren wird.

Insbesondere angesichts der jüngsten Fortschritte bei x402 drängen sie beispielsweise darauf, der Linux Foundation beizutreten, die von einer neutralen Organisation betrieben wird und Unterstützung von Unternehmen wie Stripe und Coinbase erhält.

Ich arbeite im Bereich Identitätsprüfung und Sicherheit, und wir haben einen ähnlichen Integrationsprozess bei Authentifizierungsprotokollen beobachtet.

Daher gehe ich davon aus, dass es zu einer Integration kommen wird.

Aber ich bin auch sehr neugierig auf Pahals Sichtweise.

Eine weitere Frage lautet:
Wird es in Zukunft unterschiedliche Protokolle geben?

Zum Beispiel:

• Interaktion zwischen Menschen und Agenten

• Interaktion zwischen Agenten

Die Benutzeroberfläche und die Protokolle für diese beiden Szenarien können völlig unterschiedlich sein.

Was halten Sie von den aktuellen Marktentwicklungen?

Simon Taylor:
Ich werde an einen klassischen XKCD-Comic erinnert:

„Es gibt derzeit 14 Authentifizierungsstandards; wir brauchen einen einheitlichen Standard.“
Dann wurde es zu: „Es gibt jetzt 15 Standards.“

Sie sind ja schon so lange in diesem Bereich tätig, wie beurteilen Sie dieses Problem?

Pahal Patangia:
Ja, wenn ich eine Kristallkugel hätte, würde ich die Antwort sehr gerne erfahren (lacht).

Aus unserer Sicht stimme ich Bams Argumentation jedoch zu:

Letztendlich werden diese Protokolle zu einigen wenigen gängigen Lösungen konvergieren.

Doch die gegenwärtige Vielfalt ist im Grunde etwas Gutes.

Weil diese Protokolle mehr Entwickler aktivieren und mehr Menschen dazu bringen, mit dem Entwickeln zu beginnen.

Die aktuelle Phase ist eigentlich die „Demokratisierungsphase“, ähnlich wie die Entwicklung der LLM-Studiengänge in den letzten drei Jahren.

Immer wieder entstehen neue Modelle, die deren Verbreitung in der gesamten Branche vorantreiben.

Dasselbe wird auch mit diesen Protokollen geschehen.

Diese Protokolle werden immer mehr Teilnehmer anziehen – Entwickler, Unternehmen, Anwender – alle werden auf diesen Grundlagen aufbauen.

Dies wird die Entwicklung der Interoperabilität fördern und letztendlich zur Integration führen.

Zudem gewinnen Sicherheitsfragen mit der Entwicklung weiterer Agenten zunehmend an Bedeutung.

Jeder baut seine eigenen Agentensysteme, aber es ist unerlässlich, sicherzustellen, dass diese Systeme in einer sicheren Umgebung funktionieren.

Deshalb haben wir auf der GTC etwas namens OpenSHIELD veröffentlicht.

OpenSHIELD ist eine Open-Source-Laufzeitumgebung mit gehärteten Sicherheitsfunktionen, die zwischen Agenten und Infrastruktur positioniert ist.

Es kann eine Sandbox-Umgebung bereitstellen, in der Agenten in einem kontrollierten Umfeld arbeiten können.

Auf diese Weise lässt sich der Einfluss auch im Falle von Problemen begrenzen.

Simon Taylor:
Ja, das ist von entscheidender Bedeutung.

Vielen Menschen ist nicht bewusst:

Wenn Sie Agenten entwickeln und auch über eine Produktionsumgebung verfügen, sollten Sie die Agenten dann in die Produktion einführen?

Wenn keine Isolation stattfindet, werden die Auswirkungen erheblich sein, sobald etwas schiefgeht.

Deshalb sind Sandbox-Mechanismen wie OpenSHIELD sehr wichtig.

Simon Taylor:
Mir kam auch ein Beispiel in den Sinn: In den Anfängen des mobilen Internets gab es WAP, das die Leute vor dem Aufkommen von Smartphones für Zahlungen zu nutzen versuchten.

Agentic Commerce befindet sich möglicherweise noch in einem sehr frühen Stadium.

Ich bin neugierig:

Wie verteilen Sie Ihre Aufmerksamkeit derzeit?

Konzentrieren Sie sich hauptsächlich auf Stablecoins?
Oder im Hinblick auf die Interaktion zwischen Mensch und Agent?
Oder bei Interaktionen zwischen Agenten?

Machst du alle, oder hast du einen Schwerpunkt?

Pahal Patangia:
Das ist eine hervorragende Frage.

Aus meiner Sicht konzentrieren wir uns derzeit hauptsächlich auf die wichtigsten Trends:

• Zahlungsgrundlagenmodelle

• Agentic Commerce

Innerhalb dieser Trends werden sich jedoch immer wieder neue Subtrends herausbilden.

Zum Beispiel Stablecoins.

Wir sehen Stablecoins als Ergänzung zum bestehenden Fiat-Währungssystem, die neue Nutzer und neue Ökosysteme hervorbringen.

Die nächste Generation von Nutzern wird möglicherweise eher an die Verwendung von Stablecoins als an die Verwendung von Kreditkarten gewöhnt sein.

Gleichzeitig wird es aber eine Integration zwischen den beiden geben.

Grundsätzlich haben sich die Kernanwendungsfälle von KI im Zahlungsverkehr jedoch nicht verändert:

• Betrugsbekämpfung

• Identitätsprüfung

• Personalisierung

Diese bleiben die wichtigsten.

Simon Taylor:
Ja, im Wesentlichen geht es immer noch um den Mehrwert der Zahlungen.

Ob Sie Stablecoins oder Kartennetzwerke verwenden, diese Probleme werden auftreten.

Simon Taylor:
Bam, ich bin neugierig auf deine Meinung. Sie bauen ein Netzwerk im Bereich der Stablecoins auf; wie sehen Sie die Beziehung zwischen Agentic Commerce und Stablecoins?

Bam Azizi:
Ich glaube, Agentic Commerce kann verschiedene Zahlungssysteme nutzen.

Nutzer suchen beispielsweise auf ChatGPT, Anthropic oder Perplexity nach Produkten wie Schuhen oder T-Shirts, und Agenten können ihnen dann bei der Zahlungsabwicklung helfen.

Die Zahlung kann per Kreditkarte oder Stablecoin erfolgen.

In diesem Szenario verlaufen beide parallel.

Bei grenzüberschreitenden Zahlungen und internationalen Transaktionen werden Stablecoins jedoch mehr Vorteile bieten.

In Agent-zu-Agent-Szenarien haben Stablecoins meiner Meinung nach einen deutlichen Vorteil.

Der Grund ist:

Bei diesen Transaktionen handelt es sich in der Regel um Mikrozahlungen.
Zum Beispiel Beträge wie 0,00005 $.

Solche Beträge können weder von Visa noch von traditionellen Bankensystemen verarbeitet werden.

Gleichzeitig müssen diese Transaktionen folgende Kriterien erfüllen:
Echtzeit
Global
Online

Stablecoins erfüllen diese Bedingungen perfekt.

Ein weiterer Punkt ist die Transaktionshäufigkeit.

Eine Person führt im Durchschnitt etwa 2 Transaktionen pro Tag durch, ein Agent hingegen wickelt bis zu 2000 Transaktionen pro Tag ab.

Diese Art von Transaktionsdurchsatz (TPS) kann nur durch Blockchain unterstützt werden.

Herkömmliche Zahlungssysteme sind nicht für Agenten ausgelegt; sie werden scheitern.

Daher bin ich sehr optimistisch, was den Einsatz von Stablecoins im Agentic Commerce angeht.

Simon Taylor:
Das ist in der Tat eine exponentielle Explosion, nicht wahr?

Ich erinnere mich daran, dass jede Sekunde etwa 4 Millionen E-Mails im Internet versendet werden, und das sind nur E-Mails, Videos nicht mitgerechnet.

In einer solchen Welt ist die Kapazität traditioneller Zahlungssysteme, Zehntausende von Transaktionen pro Sekunde abzuwickeln, eindeutig unzureichend.

Aber zurück zur Realität, Pahal, aus deiner Sicht: Wo liegt die tatsächliche Nachfrage der Nutzer? Wo liegt das tatsächliche Transaktionsvolumen?

Ich scherze oft darüber, dass es im Agentic Commerce mittlerweile mehr Protokolle gibt als im Zahlungsverkehr.

Möglicherweise sind Sie der zugrundeliegenden Infrastruktur am nächsten – sogar der „Infrastruktur der Infrastruktur der Infrastruktur“.

Wo sehen Sie also die tatsächliche Nachfrage? Wo sind die konkreten Anwendungsfälle?

Pahal Patangia:
Ich denke, diese Frage kann aus zwei Perspektiven beantwortet werden.

Die erste Sichtweise ist die des gesamten Ökosystems.

Wie ich bereits erwähnt habe, können wir den gesamten Prozess in zwei Teile unterteilen:

• Suchen

• Zahlung

Der Suchteil ist derzeit relativ ausgereift, man kann sogar sagen, dass er größtenteils gelöst ist.

Der Zahlungsbereich befindet sich allerdings noch in vielen experimentellen Phasen.

Viele Sandbox-Tests laufen derzeit.

Aus diesem Grund bin ich auch sehr optimistisch, was Tools wie OpenSHIELD angeht, da sie dem Ökosystem helfen können, diese Agenten in einer sicheren Umgebung zu entwickeln und ihnen Transaktionsfunktionen zu ermöglichen.

Die zweite Perspektive ist langfristig.

Ich bin sehr optimistisch, was die Entwicklung von Multiagentensystemen angeht.

In der zukünftigen Welt werden verschiedene Akteure miteinander interagieren und zusammenarbeiten.

Unsere Aufgabe ist es, diese Systeme zu verbessern:

• Durch Rückkopplungsschleifen

• Durch sichere Betriebsumgebungen

• Durch verschiedene Beschränkungsmechanismen (Leitplanken)

Selbstverständlich wird es auch noch viele Feinabstimmungen geben müssen, um sicherzustellen, dass diese Agenten wie erwartet funktionieren und keine Abweichungen aufweisen.

Dies sind alles Richtungen, auf die wir uns in Zukunft konzentrieren werden.

Simon Taylor:
Ich denke, ein sehr wichtiges Thema in der heutigen Diskussion ist die „Token-Ökonomie“.

Als wir vorhin über Token sprachen, mussten Bam und ich tatsächlich schmunzeln, denn im Bereich der Stablecoins herrscht eine andere Logik der Token-Ökonomie vor.

Aber nun werden Sie feststellen:

Alles ist in „Tokens“ verwandelt worden.

Bei der Identitätsprüfung werden Token verwendet.
Token in der Cybersicherheit
Visa und Mastercard verfügen über Netzwerk-Token.
Token im Open Banking
Stablecoins sind Token
Tokens in KI ebenfalls

Der englische Begriff „Token“ kann ziemlich verwirrend sein, weil er ursprünglich nur „ein Ersatz“ bedeutete, aber heute kann fast alles als Token bezeichnet werden.

Aber in jedem Fall müssen Sie das dahinterstehende ökonomische Modell verstehen.

Letztendlich bestimmt sowohl im Bereich der KI als auch bei Zahlungsnetzwerken Folgendes die Benutzererfahrung:

• Geschwindigkeit

• Kosten

Diese beiden Faktoren werden uns immer wieder in die Realität zurückholen.

Simon Taylor:
Pahal, vielen Dank für Ihre heutigen Einblicke. Da ich NVIDIA schon lange verfolge und auch Teil der Zahlungsbranche bin, fand ich diese Diskussion sehr interessant. Wenn Menschen mehr über Sie oder die Arbeit von NVIDIA im Zahlungsverkehr erfahren möchten, wo können sie sich informieren?

Pahal Patangia:
Man kann mich über LinkedIn oder per E-Mail erreichen.

Wenn Sie mehr über die Arbeit von NVIDIA im Bereich Finanzdienstleistungen erfahren möchten, können Sie die offizielle Website von NVIDIA besuchen. Dort finden Sie eine spezielle Branchenseite, auf der wir unsere Arbeit in den Bereichen Zahlungsverkehr, Bankwesen und Kapitalmärkte detailliert beschreiben.

Wir hoffen, die Möglichkeiten der KI dem gesamten Ökosystem zugänglich zu machen und freuen uns, Ihr Partner zu sein.

Simon Taylor:
Super, vielen Dank. Bam, wie können Nutzer eine Verbindung zum Mesh-Netzwerk herstellen oder mit Ihnen Kontakt aufnehmen?

Bam Azizi:
Sie können meshpay.com besuchen oder auf Twitter oder LinkedIn nach Mesh Pay suchen. Wenn Sie mich finden möchten, können Sie auf Telegram oder Twitter nach Bam Azizi suchen.

Simon Taylor:
Sie können mich auch auf verschiedenen Plattformen finden oder finttechbrainfood.com besuchen. Kürzlich habe ich einen Artikel über „unsichtbaren Handel“ geschrieben, in dem ich einige potenzielle Probleme des Agentic Commerce erörtere. Wenn Ihnen diese Sendung gefallen hat, denken Sie daran, den Kanal zu abonnieren, die Sendung zu liken und sie mit Freunden zu teilen, damit noch mehr Menschen diese Inhalte sehen können. Bis zum nächsten Mal.