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
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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