拆解金融新創L Market的不動產擔保P2P模式
拆解金融新創L Market的不動產擔保P2P模式
2017.03.16 | 新創團隊

前陣子有個小小的新聞引起了我的注意,新聞是號稱 Fintech 新創公司的 L Market(債權商城)的成立發表會,該公司主打房地產抵押擔保 P2P 借貸。

引起我注意的並不是商業模式,其實還是發表會上請來了目前在台經院擔任院長的林建甫院長,林院長在我大學那時是台大經濟系的系主任,我是因為院長會願意為這家廠商站台而感到好奇,因此花了點時間研究。

如前面所說,L Market 是一種附有不動產擔保的 P2P 金融模式,債權商城平台把借款人的債權切細分散到每個願意投注資金的「投資人」,宣稱最小投資額是 1 萬元台幣,意即只要願意承擔風險,人人都拿得出區區一萬塊進行投資,而且可以獲得比銀行定存高好幾倍的報酬。

而且借款人提供房地產抵押,借款人一旦違約,立即進入拍賣程序,拍賣所得的價金則可用於償還投資人所投入的資金。金流都交由第三方支付公司辦理,來源、去路皆清楚,債權、合約等,都交由律師託管,姑且不論承接金流的第三方支付公司、律師公信力與資質如何,至少是個交易風險控管相對安全的模式。

目前 L Market 上只有兩個標的案件可供投資,金額分別為 350 萬及 500 萬台幣,擔保的不動產都位在新北市板橋區,宣告的年化報酬率分別為 7% 與 8%,天期都是 2 個月多幾天。是說新品上市的前幾個案子長相通常不會太難看,以免嚇跑有意願投資的客戶。

觀察1:標的案件內容

首先看標的案件的內容,以網站上宣告的擔保物坪數,以及用目前板橋的房價來估算,借款 350 萬或是 500 萬都不到房價的一半,不太可能是購屋貸款,借款人要為了這麼小筆的金額冒上房屋被強制法拍的風險,可以推測這些物件多半是二順位抵押融資。

換句話說,假使進入法拍,債權清償的順位為何?以及拍賣所得在清償了第一順位之後是否還足夠清償第二順位的借款?是投資人要注意的地方。

觀察2:年化報酬率

其次是年化報酬率 7%至8%,以現今房貸利率大約 2% 左右來看,這樣的報酬率確實高得不像話,畢竟投資人的報酬率來自借款人支付的利息,也著實讓人懷疑借款人如果願意支付高於一般房貸市場利率甚多的價格,是否也意味著違約風險也高?

事實上, L Market 網站上宣告的是「年化」報酬率,以產品天期約 2 個月簡單計算,則是月息 0.6%~0.67% 之間(以 7% 或 8% 直接除以 12 計算)。用民間借貸利率的口語來說,就是月息不到一分利,借款人借得這筆錢之後,能在 2 個月之內想辦法增值 2% 以上,就足夠支付投資人要的報酬。

(上面的試算是為了簡化,所以用直接相除計算月利率,用複利計算相去不會太遠。)

這樣的融資利率高不高呢?中央銀行有公告所謂的「民間借貸利率」,雖然央行已經一年多沒更新了,不過從統計表中,民間借貸利率平均數大約是 2% 上下(月息 2 分),也就是年利率 24% 左右。

請別忘了,主管機關的這類統計往往與民間實際借貸利率相比,是保守又偏低的。意思是說,不考慮一個借款人在這個融資平台上所要付出的手續費、信託費、金流處理費......等,年利率 7%至8% 相較其他民間融資利率來說,仍然是很佛心的低價。

網站上沒公告費用怎麼計算,我們先假設是 0 吧。融資所得到的錢是扣掉利息後撥入,還是不扣利息撥入,對實質利率影響差異其實已經可以忽略不算。

但是以中國大陸 P2P 網貸的經驗,網貸平台向借款人收取的實質利費率(利率加上費用),年化之後都遠遠超過台灣民法所設定重利罪的上限(年息 20%),否則平台自己都難以生存。

介於銀行與民間借貸之間的借貸方式

能上Facebook的人,可能很難理解那些借不到錢的人,以及那些銀行不知道該怎麼把錢借給他們的人,為什麼願意借這麼貴的錢。他們通常願意拿出身邊的資產作為擔保,換取(融資)一些現金出來。

這種通常被銀行稱之為「當鋪」的生意,意即違反銀行授信教條(授信 5P)的融資業務—資金用途不明(你怎麼知道他借錢去付醫藥費還是炒股?)、還款來源不明(難不成每個案子都要拍賣資產?),銀行往往核貸困難,因此,通常就只好走民間借貸的管道。

我個人無意貶低當鋪業者的意思,市場區隔有所不同。但也請各位看官不要以為只有窮人會去當鋪,有錢人跑當鋪、到銀行抵押資產做當鋪生意的也不在少數。

因此,其實這個平台是個介於銀行管道與民間融資之間的區隔市場,收取的利率比銀行高,但卻比一般的民間融資低(應該吧?)。 我個人無法針對這樣的商品做出任何的推薦或是否定,市場應該是要更多元開放的,讓多一點業者試試不同的模式絕對不是壞事。

最後,投資人為什麼可以獲得高於銀行定存的報酬,是因為投資人額外承擔了借款人違約的風險。金融體系若是透過銀行發放融資的話,是由銀行承擔授信違約的風險,存戶通常不需要承擔授信戶違約所造成的損失。

P2P 借貸平台把利潤留了一部分給投資人,也把承擔風險的責任轉嫁給投資人,想投資的話,還是得衡量自己願不願意承擔投資本金的損失。

本文經作者同意轉載自Data Su

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓