陸金所完成 9.24 億美元 B 輪融資，成為估值 185 億美元的綜合理財平臺|數位時代 BusinessNext

圖說明
圖說：陸金所董事長計葵生。照片來自：本刊資料。

近期，網路金融巨頭們紛紛亮出高融資額和高估值。

繼京東金融曬出66.5億（約台幣377億）的A輪融資額和466.5億人民幣（約台幣2364億）的估值之後，1月18日，平安旗下的上海陸家嘴國際金融資產交易市場公司（下稱「陸金所」）表示，近期完成了12.16億美元（約405億台幣）融資，估值達185億美元（約台幣6166億）。

延伸閱讀：認識FinTech獨角獸：陸金所

陸金所稱，此次融資包括B輪投資者9.24億美元投資，和A輪投資者行使認購期權投資的2.92億美元。B輪融資獲中銀集團、國泰君安證券（香港）、民生商銀國際控股等多家境內外機構參與。

陸金所董事長計葵生說，這筆融資將用於支撐陸金所平台本身、普惠金融部分和前海金融資產交易所的發展。2016年，陸金所要佈局「O2O+跨境」。

計葵生表示，開放平台O2O模式，潛在市場巨大。陸金所擁有的管理團隊和平安集團的支持，在政府對網路金融總體鼓勵的政策背景下，具備四大核心優勢：一是資產獲取及打包能力，二是風險管理能力，三是分銷能力，四是無限成長的業務模式。

沉澱了大量客戶的P2P公司開始轉型做綜合的理財平台，陸金所最早嘗試這種轉型。2015年3月，陸金所正式啟動平台化戰略，自身將不再提供自有產品，而是獨立于資產提供方和投資方，建立公開市場平台，提供金融資產交易服務，比如提供資產組合管理及推薦功能。

計葵生表示，未來陸金所平台上將聚合個人網路借貸（P2P）、非標的金融資產（如資管計畫）和標準的金融產品（如基金、壽險等）三類產品。

2015年7月以來陸金所基金頻道正式上線，數個月後，就已經上線2000餘支公募基金，是目前可供投資者選擇基金數量最多的平台之一，並成為首批上線中港互認基金的網路金融平台。

在風控方面，陸金所會利用大資料實現投資者與投資產品精准匹配，全方位提供各類產品線。他認為如果平台只提供單一的產品，平台沒辦法根據不同時段為投資者提供最好的投資選擇。「比如現在利率下行那麼購買債券是個很好的選擇，那麼再過一段時間也許股市又會上漲。」

對於目前輿論環境複雜的網路金融行業，計葵生曾在財新峰會上表示，要評估網路金融在國內有沒有價值，衡量指標是要看網路金融有沒有讓實體經濟的融資成本降低。

計葵生認為，從過去四年陸金所對新業務模式的探索來看，網路金融的價值應該是在做三件事情。一是提供跨地域資源配置。「我們發現，需要融資的中小企業大部分在二三級城市，但提供資金的投資者六七成都在一線城市，所以它是跨地資源配置的平台。」

二是跨金融子行業資源配置的一個平台。目前，因國內監管原因，各個金融機構之間跨業交易的效率很低，但保險和銀行之間、信託和證券之間很多跨業交易的機會其實是存在的。

三是未來兩三年，網路金融在跨境業務的發展會比較快。計葵生稱，陸金所的跨境業務，具體是通過和美國較大的P2P公司合作，將他們的資產、產品通過國內基金公司QDII額度，放到陸金所平台上銷售。

也有資深業內人士指出，最初看來，陸金所的實質就是平安融資擔保的擔保業務網路化，陸金所自己也認為借款的安全保障在於平安集團在金融領域的專業優勢。盈利模式是平安擔保所收取的擔保費用及陸金所收取的服務費用高於其所放貸項目的壞帳率，就產生盈利，反之虧損。其信貸客戶可能基本源于平安銀行系或保險系資源，平安實際上承擔了風險鑒別成本並提供了隱形擔保。

陸金所的借款人主要定位於急需資金周轉的個體工商戶。「雖然銀行漸漸向服務小微客戶發展，但幾萬元借貸的客戶市場還是空白。」陸金所前副總經理黃黎明說。

「我們會把收入的三分之一作為壞賬處置和風險準備金，當準備金累計到一定規模時，再適當降低比例。短期來看，利潤不佳，但安全性較高。」

據平安集團副總經理陳心穎介紹，現在陸金所已經成為全球交易規模最大的線上金融資產交易平台，註冊使用者超1800萬，活躍用戶近363萬，在全國300個城市都有佈局。2015年累積總交易額突破1.6萬億，合作金融機構達到350家。同時，房產交易市場、汽車交易市場、支付/積分交易市場的載體分別為平安好房、平安好車與壹錢包和萬里通。

目前，平安集團的網路金融版圖已經涵蓋了「醫、食、住、行、玩」。對此，有金融從業人士表示，平安這樣既掌握流量入口又掌握牌照的巨頭，擁有所有的場景，控制整條產業鏈，形成閉環，業內如果形成多個類似自建生態的巨頭，將來小的新創公司可能不會有太多空間。

本文授權轉載自：36 氪

@@ACTIVITYID:503@@

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。