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
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

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。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

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。

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
代理式商務連動百兆商機
© 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