核心要点
Ripple 扩展了 GSmart，引入基于策略治理的智能体。
智能体负责推荐行动，人类负责批准交易。
G Treasury 增加了企业工作流和分发功能。
功能的采用并不能证明其产生了财务影响。
Ripple 将 GSmart 从原始 AI 工具进一步扩展
Ripple 于 9 月 10 日宣布，已将其 Ripple Treasury 内部的 AI 能力 GSmart 进行了扩展，新增了用于预测、流动性管理、风险、对账和报告的编排式智能体。该公司称这是业界首个“受治理的企业级 AI”解决方案，尽管这一说法尚未得到独立验证。
GSmart 本身并非全新产品。G Treasury 早在 2025 年 6 月（Ripple 收购该公司之前）就推出了该平台。此次最新版本增加了更丰富的特定任务智能体目录、名为“Knowledge Studio”的策略层，以及用于 treasury 数据和报告对话界面的 Ask GSmart。
此次变化的关键在于，GSmart 现在通过共同的政策和审批层连接了分散的 AI 功能。Ripple 不再将预测、风险或报告视为孤立工具，而是将它们嵌入到财务团队已经使用的审查现金、流动性和金融敞口的工作流程中。
Ripple 表示 GSmart 如何处理拟议的 treasury 操作
- Treasury 数据：包括现金、风险和账户信息。
- 计算：确定性财务引擎。
- AI 提议：包含模式识别、解释及建议。
- 政策检查：引用相关的公司规则。
- 人工批准：在获得授权之前，任何操作都不会执行。
智能体可以解读 treasury 数据，但行动仍需由人来授权。该系统将需要数学确定性的 treasury 工作与 AI 可能发挥作用的领域区分开来。确定性软件执行财务计算，而 GSmart 则解读政策、识别模式并解释拟议的行动。“Knowledge Studio”允许企业定义用于检查这些提议的控制标准。
在实际操作中，一个流动性智能体可能会识别出账户之间的失衡，而风险管理工具可能会标记出敞口异常或违反政策的情况。系统设计旨在引用其建议背后的规则，从而让财务团队决定该行动是否应该继续执行。
这种区分之所以重要，是因为公告并未描述一个可以自由重新分配企业现金或交易数字资产的系统，而是描述了一个旨在在财务团队已有的审批和审计要求内运行的推荐系统。
10 亿美元的收购为企业市场立足点提供了支撑
Ripple 于 2025 年 10 月宣布以 10 亿美元收购 G Treasury，这为该战略提供了分销渠道。这笔交易使 Ripple 获得了一个服务于全球 160 个国家超过 1,000 名客户的 treasury 平台，并积累了超过四十年的企业 treasury 运营经验。
G Treasury 早已将 treasury 和财务团队与银行及企业资源规划（ERP）系统连接起来，为客户提供了支付、预测和风险管理所需数据的统一视图。这些与现有财务流程的连接正是 AI 层发挥作用的关键：它被插入到一个既定的运营环境中，而不是作为一个独立的聊天机器人提供。
这正是超越软件本身的战略价值。如果 GSmart 成为客户评估现金状况和流动性需求的常规流程的一部分，Ripple 就更接近于参与财务决策制定的核心环节。
Ripple 的基础设施为这些决策提供了可能的执行路径
Ripple Treasury 已经开始构建该决策层下方的基础设施。今年 4 月，公司推出了相关功能，让客户能够在一个系统中查看和管理银行账户现金、XRP、RLUSD 以及通过外部托管人持有的资产。正如 Coindoo 在其关于 Ripple 统一现金和数字资产 treasury 平台的报告中所述，其目标是将链上余额与传统余额整合到同一个 treasury 环境中。
该公司表示，其 treasury 平台在 2025 年促成了 13 万亿美元的客户服务支付量。虽然这一数字并未显示 GSmart 影响或管理的资金规模，但它展示了 Ripple 正在添加 AI 能力的现有系统的规模。
经过批准的提议最终可能会连接到 Ripple 的支付、托管和数字资产服务，前提是该等产品符合客户需求且可用。这不意味着每个 GSmart 用户都会使用稳定币或 XRP。更直接的要点是，关于流动性、付款或闲置现金的建议，可以与传统和数字资产余额一起进行考量。
治理解决了智能体采用的真实障碍
Ripple 对控制的强调反映了企业 AI 面临的更广泛问题。在对 360 位 IT 应用领导者的调查中，Gartner 发现只有 15% 的人正在考虑、试点或部署完全自主的 AI 智能体。仅有 19% 的人表示对供应商的幻觉防护具有高或完全的信任，而 74% 的人将智能体视为新的攻击向量。
这些发现有助于解释为何 Ripple 营销的是可追溯的建议和人工签字确认，而非最大程度的自主权。在 treasury 领域，糟糕的建议可能会影响付款时机、流动性、合规性和财务报告，因此提议行动的来源与行动本身同样重要。
控制措施的可靠性仅取决于客户的基础数据和质量策略设置。引用的规则可能使建议更容易审查，但无法弥补输入不准确或限制配置不当的问题。
Ripple 的采用数据留下了未解的重要问题
该公司表示，60% 的合格客户已启用“Risk Insights”，44% 的客户正在利用“Forecast Insights”。这些数据表明用户正在开启 GSmart 的部分功能，但并未揭示有多少客户符合资格、工具的频率使用情况，或建议导致获批行动的频率。
该公司也未提供关于节省时间、预测准确性、错误减少、财务回报或由 GSmart 影响的资金价值的结果。在没有这些衡量标准的情况下，功能启用并不能证明 AI 系统改善了 treasury 性能。
真正的考验在于建议能否转化为行动
Ripple 构建了一个旨在将 AI 置于现有企业 treasury 控制之内而非之外的系统。其 10 亿美元的 G Treasury 收购为公司提供了尝试该战略所需的客户基础和财务工作流程；GSmart 则是叠加其上的决策层。
下一个更具实质性的证明点不是另一次功能发布，而是 Ripple 需要展示财务团队是否接受这些建议、这些批准导致行动的频率，以及客户是否在预测、流动性管理、风险监控或运营速度方面看到了可衡量的改善。
本文仅供信息参考，不构成财务、投资或 treasury 管理建议。
