Catena Labs：AI Agent 金融信任層，4800 萬美元押注 AI 原生金融機構
Catena Labs 是由 Circle 共同創辦人 Sean Neville 領軍的 AI 原生金融機構，已募資 4,800 萬美元並向 OCC 申請 Catena Trust Bank。將拆解 ACK-ID、ACK-Pay、穩定幣清算與 AI Agent 金融信任層，看懂這家公司如何把 AI 代理推向可被銀行接受的金融參與者與關鍵邏輯。
一分鐘速讀
市場痛點：AI Agent 可以 24 小時自動執行任務，但傳統銀行仍以人類身份、人工授權與慢速清算為核心，現有 MCP 也無法處理金融級 KYC / AML。
技術護城河：Catena 透過 ACK-ID、ACK-Pay 兩套協定建立代理身份與可驗證支付收據，再用 deterministic policies 控制金額、頻率與交易對象。
資本驗證：Catena Labs 已累計募資 4,800 萬美元，A 輪 3,000 萬美元由 Acrew Capital 與 a16z crypto 領投，QED、Coinbase Ventures、General Catalyst 等參與。
模式升級：公司已在 2026 年 5 月向 OCC 申請 Catena Trust Bank，若獲准，將從金融科技平台往受聯邦監管的 AI 原生信託銀行移動。
Catena Labs 是什麼：AI Agent 的金融問題，從來不只是付款
從效率問題變成金融資格問題
這一波 AI Agent 熱潮，最容易被看見的是效率，它可以幫你找資料、寫信、訂機票、比價、整理合約、追蹤供應商。只要接上工具、API、資料庫和工作流程，一個代理就可以完成過去需要好幾個人接力處理的任務。
但只要任務開始碰到錢，問題馬上變質。譬如說，讓 AI Agent 幫你查三家供應商報價，風險還算可控。讓它直接付款給供應商，就進入另一個世界。這時候公司要問的問題不再只是「它有沒有找到最便宜的選項」，而是「這筆款項是誰授權的」「交易對象是否完成 KYC」「超過多少金額需要人工覆核」「如果 AI 判斷錯誤，責任算在誰身上」。
金融系統從來不只是一套付款按鈕，它背後是一整組身份、授權、限額、監控、審計與責任歸屬機制，這也是 Catena Labs 值得關注的地方。Catena Labs 切入的範圍超過一般支付工具市場。它要處理的是 AI Agent 進入金融體系之前，金融機構最在意的資格問題：一個非人類代理是否被允許操作真實資金。
MCP 解不了銀行最在意的問題
現在很多 AI Agent 架構都建立在 Model Context Protocol（MCP）這類工具對接標準之上。MCP 可以讓代理呼叫外部工具、資料庫和 API，對開發者來說非常好用。但金融世界需要的東西更多。銀行要知道交易對象是誰，資金來源是否清楚，交易是否符合反洗錢規範，代理是否代表某個合法實體行動。
MCP 本身不負責解決這些問題，這讓 AI Agent 出現一個很尷尬的斷點：它在資訊世界裡越來越能幹，到了金融世界卻像一個沒有身份證、沒有授權書、沒有付款紀錄的高效率實習生。能力很強，但公司不敢讓它拿到金庫鑰匙。
Catena Labs 的核心判斷是，AI Agent 要真正參與商業活動，必須先有金融身份。這裡的身份不能只是一組 API key；它必須能被金融機構、企業合規部門和監管機關接受。它要能連回真實世界的公司或個人，也要能留下可稽核的交易紀錄。
換句話說，AI Agent 需要的不只是支付能力。它需要一個金融信任層。
Catena 的核心設計：把非確定性的 AI 放進確定性的金融規則
先把代理意圖和資金執行切開
Catena Labs 對 AI Agent 的金融化問題，有一個簡單的拆法。AI 模型本身是非確定性的。同樣的任務、相近的輸入，不同時間可能產生不同判斷。這是大語言模型的特性，也是它有彈性的來源。
而金融執行則剛好相反，一筆付款能不能出去，不能靠模型臨場發揮。金額上限是多少，交易對象能不能收款，哪些國家或地址不能碰，哪些情境必須轉人工審核，這些規則都需要明確、穩定、可重複執行。
Catena 的做法，是把 AI 的「意圖」和金融的「執行」分開。AI Agent 可以提出交易意圖，例如支付一筆供應商款項、訂閱某個資料服務、把閒置資金轉入短期美債工具。但這個意圖不能直接變成資金流動。它必須先通過 Catena Platform 裡預設的 deterministic policies，也就是人類管理員事先設定好的確定性規則。
這些規則可以包含幾個層次：
第一是金額限制。不同代理可以有不同付款上限，日額度、月額度、單筆額度都可以分開設定。
第二是交易對象限制。企業可以設定白名單供應商，也可以封鎖特定地址、國家、幣種或高風險交易類型。
第三是頻率限制。同一個代理如果在短時間內發起大量付款，系統可以自動暫停，要求人工確認。
第四是審計紀錄。每一次代理提出的意圖、通過的規則、被拒絕的原因、最後執行的付款，都需要留下紀錄，方便企業內部稽核與外部監管檢查。
這聽起來像企業內控系統，但 Catena 的特殊之處在於，它把這套內控系統放進 AI Agent 的金融基礎設施裡。
從 policy 延伸到代理帳戶
在產品層，Catena Platform 會替代理開設獨立的金融虛擬帳戶，支援法幣和穩定幣資金託管。代理在授權範圍內，可以發起 ACH、電匯或穩定幣支付，也可以在國庫管理策略下處理短期流動性。
舉例來說，一個 payroll agent 可以依照合約條款，自動處理全球承包商薪資。一個 AP agent 可以檢查發票、合約和採購紀錄，確認無誤後付款。一個 research agent 可以為了取得市場資料，對資料提供商進行小額按次付費。
這些場景真正困難的地方，不是技術上能不能付款。現在要發起一筆線上付款並不難。困難在於企業願不願意讓一個 AI Agent 在不透明的情況下碰錢。
Catena 的想法是，代理可以自動化，但資金不能失控，這也是它和一般 AI payment 工具的差異。Catena 不只是在代理旁邊加一個付款按鈕，而是在付款之前加上身份、規則和審計。它要讓企業和銀行相信，AI Agent 即使會自己做決策，最後也只能在可控邊界內移動資金。
Agent Commerce Kit：ACK-ID 與 ACK-Pay 讓代理有身份，也有收據
Catena Labs 的技術底層，是它推出的 Agent Commerce Kit（ACK）。這是一套開源代理商務框架，主要由兩個協定組成：ACK-ID 和 ACK-Pay。前者處理身份，後者處理付款與收據。
ACK-ID：讓代理連回真實法律實體
ACK-ID 的核心，是讓每一個 AI Agent 擁有可以驗證的數位身份。它基於 W3C 的去中心化身份識別碼（DIDs）與可驗證憑證（Verifiable Credentials, VCs）標準，替代理建立一條從真實世界法律實體到代理本身的證明鏈。
這點非常關鍵，在傳統金融裡，銀行開戶時認的是人或公司。公司可以授權員工付款，也可以設定多層簽核。但 AI Agent 既沒有自然人身分，也沒有法人資格。它比較像公司派出去的一個自動化代表。
如果這個代表要付款，金融機構必須知道它背後是哪家公司，這家公司是否通過 KYC，這個代理被允許做哪些事，哪些事超出授權範圍。
ACK-ID 想解的就是這件事。
它讓代理不再只是某個系統裡的一串 token，而是可以被驗證、被發現、被追蹤的金融參與者。代理之間也可以互相確認身份，例如採購代理要確認供應商代理是否真的代表某家公司，資料購買代理要確認資料提供方是否具備可信憑證。
ACK-Pay：讓付款請求與收據可驗證
ACK-Pay 則負責支付流程，它避開單一支付鐵軌綁定，改以可驗證的付款請求與付款收據機制為核心。ACK-Pay 的支付收據本質上是一種可驗證憑證，用來證明某個代理已經滿足特定交易條件。
這樣設計的好處，是它可以支援多種支付方式。法幣可以走 ACH、電匯或卡網，數位資產可以走 USDC 這類穩定幣網路。對代理來說，底層 rails 可以不同，但交易雙方都要能確認付款請求、付款結果和收據真實性。
從開發者角度看，Catena 也推出了 @agentcommercekit/ack-pay SDK，支援建立支付請求、簽署 JWT token、驗證付款請求、建立付款收據與驗證收據。它也整合 Zod v3、Zod v4、Valibot 等 TypeScript 結構驗證工具，方便工程團隊把付款能力嵌入代理應用。
可以把 Catena 的架構拆成三層來看：
這張表背後的意義是，Catena 把 AI Agent 的金融問題拆成三個可管理的模組：身份、付款、治理。
身份讓金融機構知道代理從哪裡來。付款讓交易雙方知道錢有沒有到。治理讓企業知道代理不會越權。
這也是為什麼 Catena 的故事不能只用「AI 支付」理解。支付只是最表層的動作。它真正想建立的是 AI Agent 參與商業交易時的信任格式。
為什麼是這群人：Circle、USDC 與金融合規老兵
Sean Neville 的 Circle 經驗
Catena Labs 之所以受到市場關注，很大一部分來自團隊背景。
共同創辦人兼 CEO Sean Neville，是 Circle 的共同創辦人之一。Circle 後來成為 USDC 背後最重要的公司之一，而 USDC 則是目前全球最核心的合規穩定幣之一。
這段背景對 Catena 很重要，穩定幣早期面對的問題，和 AI Agent 金融化有相似之處。當時市場要解釋的是，一個運行在區塊鏈上的美元代幣，如何被金融機構、企業、用戶和監管者接受。這牽涉到儲備資產、贖回機制、帳本透明度、合規流程和銀行合作。
現在 Catena 面對的是另一種新型金融參與者：AI Agent。
金融機構同樣會問，它代表誰，資金從哪裡來，交易如何留痕，出事誰負責。Neville 的經驗，剛好落在「把新技術翻譯成金融體系能接受的格式」這條路上。
CTO Matt Venables 也來自 Circle。他曾任 Circle 產品工程高級副總裁，參與 USDC 早期核心技術架構開發。Catena 官方資料也把團隊經驗放在 Brex、Affirm、Adobe、Meta、PayPal、Block、Airbnb、Airwallex 等公司脈絡下，這讓它看起來更像金融基建團隊，而不是單純的 AI 應用團隊。
這代表 Catena 團隊的能力不只停在 AI 應用介面，也延伸到帳本、結算與金融基礎設施。
合規老兵讓產品路線變重
另一個關鍵人物是 Sharda Caro Del Castillo。她擔任 Catena 的首席法律兼商務官，過去有超過 25 年金融科技法律與合規經驗，曾任 Affirm 首席法律官，也曾在 Airbnb、PayPal、Square 和 Wells Fargo 處理支付與金融監管相關工作。
這個組合很少見，一般 AI 新創團隊通常強在模型、產品或成長。Catena 的核心團隊則集中在穩定幣、支付、帳本、合規與監管。這些能力看起來不如模型能力性感，但對 AI Agent 金融化來說，反而是最硬的門檻。
因為真正能讓代理碰錢的關鍵，是銀行願意接受的控制框架，而不是更漂亮的聊天介面。Catena 的團隊基因，也解釋了為什麼它一開始就選擇比較重的路。它沒有只做一個代理付款 SDK，也沒有只做企業內部工具，而是同時推開源協定、商業平台和銀行牌照。
這條路很難，但也對應到更大的市場位置，如果 AI Agent 未來真的成為企業營運的一部分，金融基礎設施不會只是一個附加功能。它會變成代理商務能不能規模化的前提。Catena 想卡的位置，就是這個前提。
Catena Labs 融資與 OCC 牌照：4800 萬美元如何走向 Catena Trust Bank
4800 萬美元押注基礎設施
Catena Labs 到目前為止已經完成兩輪重要融資，種子輪金額為 1,800 萬美元，由 a16z crypto 領投。2026 年 5 月，Catena 宣布完成 3,000 萬美元 A 輪融資，由 Acrew Capital 與 a16z crypto 領投，參投方包括 Breyer Capital、General Catalyst、QED Investors、Oak HC/FT、Fin Capital、Coinbase Ventures 和 IDG Capital。
累計 4,800 萬美元的資金，對一家還處在早期市場的基礎設施公司來說，代表投資人押注的不只是當前收入，而是未來市場結構。
投資人組合也值得看的原因是 a16z crypto 連續兩輪支持，顯示 crypto VC 把 AI Agent 與鏈上支付、穩定幣清算的結合視為長期敘事。QED Investors、Oak HC/FT、General Catalyst 這類傳統 fintech 投資人的加入，則說明 Catena 不只是 Web3 故事。它也被放進 corporate banking、支付基建、財務管理與企業金融自動化的框架裡評估。
OCC 申請把故事推向牌照層
但 Catena 真正的大動作，是 2026 年 5 月的 OCC 申請。根據公開申請文件，文件日期為 2026 年 5 月 18 日，公開公告於 5 月 20 日刊登。申請標的是 Catena Trust Bank, National Association，一家擬議中的新設國家信託銀行。
目前 Catena 並不直接持有銀行牌照，核心金融與託管服務仍需要透過受監管合作夥伴提供。這是很多 fintech 公司常見的 BaaS 模式。它的好處是速度快，可以先透過合作銀行上線服務。
但 BaaS 也有明顯限制，當監管變嚴，合作銀行的風控標準、業務調整或合規事件，都可能影響平台服務。對一般 fintech 來說，這已經是很大的不確定性。對 Catena 這種要服務 AI Agent 的公司來說，依賴第三方銀行的風險更高，因為它處理的是一種金融機構尚未完全熟悉的新型客戶。
Catena 申請國家信託銀行牌照，代表它想往更底層走，如果獲得 OCC 批准，Catena Trust Bank 將能在聯邦監管框架下提供信託與相關金融活動。它不是一般存款型零售銀行，OCC 文件也寫明擬議銀行不會有 FDIC 存款保險。更精準地說，它想在資金託管、代理 KYC、合規審計、穩定幣與法幣清算之間扮演更核心的角色。
這會帶來幾個戰略意義。
第一，它有機會降低對合作銀行的依賴。Catena 可以更直接掌握帳戶、資金託管與審計流程。
第二，它可以在全美範圍內建立更一致的合規基礎。相較於逐州申請貨幣傳輸牌照，聯邦信託銀行路線對基礎設施公司更有吸引力。
第三，它有機會定義 AI Agent 的金融身份標準。當代理身份可以和受監管金融機構的 KYC 流程結合，ACK-ID 就不只是技術憑證，也可能成為金融合規流程的一部分。
這也是 Catena 與一般代理支付工具最大的差異之一。
很多公司在思考如何讓 AI Agent 更容易付款。Catena 思考的是，誰有資格替 AI Agent 管錢。這兩個問題相連，但難度不同。前者比較像產品功能，後者比較像金融制度設計。
競爭與風險：位置很大，但市場還在形成
三類競爭者會從不同方向切入
Catena Labs 的定位很大，競爭也不會少。
第一類競爭者，是像 Crossmint 這樣的代理支付與錢包基礎設施公司。它們強在讓 AI Agent 更快取得支付工具，例如錢包、卡片、穩定幣支付和開發者 API。這類公司通常更靠近應用層，能比較快接觸開發者和產品團隊。
第二類競爭者，是 Stripe、Visa、Mastercard 這些傳統支付網路與大型支付平台。它們擁有商戶網路、支付路由、風控能力與企業客戶基礎。一旦 AI Agent 支付變成主流需求，這些公司很可能會把代理身份與授權機制包進既有產品。
第三類競爭者，是銀行與 BaaS 平台。它們掌握牌照、帳戶與資金託管能力。缺點是產品速度通常比較慢，對 AI Agent 這種新型客戶的理解也需要時間。
Catena 的獨特位置，在於它試圖把這幾塊拼在一起，它有開源協定，能吸引開發者。它有商業平台，能服務企業。它有穩定幣與帳本背景，理解機器速度的清算需求。它也在申請 OCC 信託銀行牌照，想把監管位置抓到自己手上。
完整卡位也帶來執行風險
這個組合很完整，但也意味著執行難度高。
第一個風險，是牌照不確定。
OCC 對新型金融機構的審查不會只看技術願景。它會看資本、治理、風控、合規能力、業務範圍與管理團隊。Catena 有強團隊與資金支持，但國家信託銀行牌照申請仍然可能拉長，甚至被要求調整業務模式。
第二個風險，是 AI Agent 的商業化速度。
現在市場對代理商務有很高期待，但真正願意讓代理自主處理資金的企業仍然有限。多數公司會先從低風險任務開始，例如資料整理、客服、銷售輔助、內部流程自動化。資金操作會是更後面的階段，而且導入週期更長。
第三個風險，是企業信任門檻。
就算 Catena 提供限額、白名單和審計，企業仍然要回答一個內部治理問題：哪些任務可以交給代理，哪些付款必須由人類確認，董事會和財務主管能接受多大的自動化範圍。這不是單靠 SDK 就能解決的事。
第四個風險，是穩定幣監管與銀行合作環境。
Catena 的架構高度依賴穩定幣與法幣金融系統的交會。如果美國穩定幣法規、銀行監管態度或企業財務政策出現變化，Catena 的落地節奏也會受到影響。
所以我會把 Catena 看成一個方向非常重要，但仍在等待市場成熟的公司。
它押對的機率不低，因為 AI Agent 一旦真的參與商業交易，身份、限額、合規和審計都無法跳過。但它押的是基礎設施層，基礎設施的宿命是前期很重、教育市場很慢，真正爆發通常發生在應用需求已經足夠明確之後。
真正爆發點在企業工作流
Catena 最好的情境，是代理商務在未來幾年從 demo 走進企業真實工作流。到那時，企業不會只問 AI 能不能幫忙下單，而會問 AI 下單時，錢要從哪裡出、誰批准、誰留痕、誰負責。
這些問題一旦被企業和銀行正式提出，Catena 的位置就會變得非常關鍵。
馬克碎念
AI 金融的第一步是問責
過去十幾年，Fintech 很習慣用效率說故事，開戶更快、轉帳更快、放款更快、投資更方便。這些都很重要，因為金融服務長期被流程、紙本、臨櫃和低效率系統拖住。
但 AI Agent 進入金融之後，效率退到第二順位。真正的第一題是問責。一個人點錯付款按鈕，公司可以回頭追流程、權限和簽核。一個員工違規匯款，公司可以釐清責任。一個 AI Agent 根據錯誤資料付了錢，事情會變得更複雜。模型供應商、代理開發商、企業管理員、金融平台、銀行，都需要被放進責任切分的框架裡。
Catena 的價值就在這裡。它沒有把 AI Agent 包裝成萬能員工，而是先承認金融世界需要邊界。代理可以聰明，但不能無限制。代理可以自動化，但要留下痕跡。代理可以操作資金，但必須被明確授權。
這種思路，比單純追求「讓 AI 付款更快」更接近金融產業真正會接受的方向。
穩定幣的下一個大場景，可能是機器清算
Catena 團隊的 USDC 背景，讓這家公司特別值得觀察。穩定幣過去常被放在加密交易、跨境匯款、美元資產配置的脈絡裡討論。這些場景都成立，但 AI Agent 帶來另一個可能性：機器對機器的即時清算。
人類付款的頻率有限。企業付款雖然金額大，但流程通常以天或週為單位。AI Agent 如果真的深入商業流程，交易頻率可能會更細碎。按次查詢資料、即時採購服務、動態調整雲端資源、全球承包商小額付款，這些場景都更適合低成本、可程式化、即時結算的 rails。
穩定幣在這裡的角色，從投機工具轉向讓機器經濟能跑起來的結算格式。
但穩定幣只有清算速度還不夠。金融機構還需要知道誰在用、為什麼用、用到哪裡去。Catena 把 ACK-ID、ACK-Pay 和信託銀行牌照放在一起看，等於是替穩定幣補上代理商務需要的身份與治理層。
這件事如果做成，穩定幣的敘事會從「更快的美元」往前走一步，變成「AI Agent 的資金執行環境」。
Catena 押的是金融制度的改版
Catena 最有趣的地方，是它沒有只停在產品層。很多新創會先做一個好用工具，再慢慢補合規。Catena 的路徑比較重，從一開始就把開源協定、企業平台、穩定幣清算和 OCC 牌照放在同一盤棋上。
這代表它要處理的是制度缺口，單一產品需求只是表層。如果未來企業真的有大量 AI Agent 替人類處理商務行為，金融系統就需要一種新角色。這種角色介於傳統員工、傳統 API 與匿名錢包之外，像一個被授權的數位代理，能行動、能付款、能被限制，也能被追責。
Catena 想成為這個角色進入金融體系時的入口，這條路一定很慢。銀行牌照慢，企業導入慢，監管理解也慢。但金融基礎設施本來就不是靠熱度建起來的。它需要在沒那麼性感的地方，反覆處理身份、合規、帳本、風控和審計。
如果 AI Agent 是下一代商業介面，那 Catena 押注的是下一代商業介面背後的金流底座。
這也是它值得被寫進金融科技公司文的原因。
常見問題：
Catena Labs 是什麼？
Catena Labs 是一家聚焦 AI Agent 金融基礎設施的 fintech 公司。它的核心定位是建立代理身份、付款收據、資金規則與合規審計；付款按鈕只是表層功能。這套架構讓企業和銀行能判斷 AI Agent 是否具備操作資金的資格。
ACK-ID 與 ACK-Pay 有什麼差異？
ACK-ID 解決的是身份問題，讓 AI Agent 能連回真實世界的公司或個人。ACK-Pay 解決的是交易證明問題，讓付款請求、支付結果與收據能被驗證。兩者合在一起，才形成 AI Agent 進入金融交易場景時需要的信任格式。
Catena Trust Bank 為什麼重要？
Catena Labs 向 OCC 申請 Catena Trust Bank，代表它想從 BaaS 合作模式往受聯邦監管的信託銀行層移動。這張牌照仍在申請階段。若獲准，Catena 將有機會更直接處理資金託管、代理 KYC、合規審計與穩定幣清算。
Catena Labs 與 Crossmint 差在哪裡？
Crossmint 更接近 AI Agent 的支付工具與錢包基礎設施，重點在於讓代理能付款。Catena Labs 的切入點更偏底層，重點在於讓金融系統敢讓代理付款。前者偏支付入口，後者偏身份、治理與信託銀行基礎設施。