香港FinTech獨角獸今年IPO！WeLab靠獨門3秒核貸激增獲利，是如何用大數據打造新模式？|數位時代 BusinessNext

根據《日本經濟新聞》（Nikkei Asia）報導，億萬富李嘉誠支持的香港金融科技獨角獸WeLab正計劃在今（2021）年進行首次公開募股，以尋求在香港或美國上市，此舉將使WeLab市值從15億美元增至20億美元。

憑藉15年的銀行歷練嗅出新商機

成立於2013年WeLab，由花旗銀行和渣打銀行前高層龍沛智（Simon Pui Chi Loong）創設，其合夥人還包括他的妻子康子苹（Frances Kang）、生意夥伴王國貽（Kelly Wong）和Ananth Solaiyappan。

當時龍沛智暫停他的職涯，陪伴前往史丹佛攻讀MBA的女友（現任太太）康子苹，自己也到史丹佛大學攻讀碩士學位，並因此接觸了金融科技。龍沛智發現傳統銀行的業務效率逐年下降，很難為消費者提供方便且快速的信貸服務，他最後選擇離開傳統銀行、自行創業。

幾年前，龍沛智接受《富比士》採訪時表示：「金融科技處當時處於起步階段，許多銀行都對金融科技抱持懷疑態度，於是他想到能 將銀行業在『當下』和『過往』經歷的事與大數據和相關分析技術結合 。」而所謂的「當下」是指在風險管理領域、資金和投資管理領域打滾多年的歷練、「過往」是指從發生於2007年到2010年間的信貸和金融危機汲取的經驗。

龍沛智說：「 我的目的不是建立借貸平台，而是在為金融服務創造改變遊戲規則的技術 ，這也是為什麼WeLab從未在中國和香港進行個人對個人網路借貸（peer-to-peer lending）的原因。因為一旦你的貸方有很多個人戶，就會產生不同風險，這會讓監管機構擔心，所以我們只跟批發商、銀行合作。」

延伸閱讀：[專訪]行動貸款公司WeLab估值破10億美元，台灣人才露頭角

讓WeLab獲利激增的貸款業務

中國可說是最有前景的金融科技市場，螞蟻金服（Ant Financial）、騰訊的WeBank和來自美國的小型金融科技公司Kabbage等都是WeLab在當地的競爭對手，但讓WeLab能從2015年獲利200多萬美元激增到2017年的1.55億多美元，要歸功於WeLab的貸款業務。

一般而言，傳統中國銀行不提供低於5萬人民幣的貸款，但WeLab在中國貸款市場的平均貸款額度卻可低到6,700元人民幣 。除此之外， 快速審核也是WeLab的特色之一 ，Loong說：「因為當代的智慧型手機已能儲存個人使用數據，這可提供WeLab分析借貸者的信用狀況，你每天所做的選擇都會告訴我們你是誰。」

龍沛智接著說：「通常在銀行辦理貸款會需要3天的時間，在中國的某些銀行甚至需要14天，但當客戶透過自己的手機連上我們的網站或應用程式時，我們就能馬上知道他的信用資料，所以客戶在線上填妥貸款表格後， 我們在3秒鐘內就能判斷是否要核准貸款 。」

延伸閱讀：金融科技邁向「生態圈化」，但真正的資安弱點會在這裡！還面臨那些挑戰？

截至目前為止，WeLab已擁有近5,000萬用戶以及超過600間企業客戶，業務也遍及香港、中國和印尼三地。龍沛智進一步解釋：「 因為年輕人可能沒有太多信用紀錄，這種運作方式可以讓我們的應用程式平均每2.5秒就能吸引到一個新用戶 。」

當龍沛智被問及引進大數據分析技術對銀行業借貸帶來的轉變為何時，他說：「我們改變了風險管理、客戶AI與公司AI間的互動模式。電腦內建的聊天機器人也逐漸取代人力，並協助處理客戶端86%的查詢業務，替我們節省約15,000個工時，換算成人力則大約需要額外聘請100名員工來處理。」

大數據發威！凌晨1～6點借款、愛用大寫信用差

透過大數據分析，龍沛智也從借貸者身上發現一些有趣的用戶訊息和觀察：例如在 凌晨1點到凌晨6點間填寫線上申請貸款的人是最糟糕的借款者、信譽最差 。他們還從數據觀察到，香港用戶在輸入地址時，城市、街道等單字的第一個英文字母大寫的貸款者，比全都小寫或全都大寫的貸款者，還款率要更高，信用好的借貸者，在文字語法上會有清楚的邏輯並適時舉例。龍沛智說：「WeLab已經分析這些數據5年之久，這給我們帶來競爭優勢，讓我們可以更快速批准貸款，達到傳統銀行無法達到的審核速度。」

此外，大數據也幫WeLab找出典型的客戶樣態，龍沛智回應：「我們的客戶通常是年輕人，落在20歲到35歲，受過良好教育且信用高於平均水準，也有固定工作，主要將借貸來的錢用於購買電子產品，如iPhone、三星手機、相機等。而 WeLab只看借貸者的薪水，他們不需要特別有錢，只要能夠準時償還貸款 。」龍沛智接著也解釋：「通常 用戶體驗、品牌和價錢 是借款人選擇借貸平台的關鍵因素，但WeLab的客群對品牌和價錢的敏感度較低，反而對客戶體驗的敏感度較高，如便利性、連通性等。」

疫情刺激WeLab成長，也帶動下一輪投資

WeLab早在2017年的2.2億美元融資中，就獲得超過10億的估值，並在當年獲得獨角獸地位，2018年WeLab本來預計準備透過IPO籌集5億美元，但因為當時市場動盪而被迫擱置。不過新冠肺炎（COVID-19）的大流行讓電子支付和虛擬銀行開始興起，反而推進WeLab上市的可能性，2020年WeLab更打造了香港唯一的本地虛擬銀行，在推出新銀行服務不到10天的時間裡，WeLab便收到1萬多份的申請。

WeLab不僅在早期就吸引紅杉資本（Sequoia Capital）和香港大亨李嘉誠（Tom Group）的投資，阿里巴巴的香港創業者基金（Alibaba Hong Kong Entrepreneurs Fund）、國際金融公司（IFC）和荷蘭國際集團（ING Group）在後期也紛紛加入。

在最新一輪的融資更獲得德國安聯集團數位投資部門Allianz X領軍的7,500萬美元。對此，Loong說：「我們期待擴大WeLab的業務範圍，並與安聯集團聯手將技術帶入新市場，今年我們也預計增聘100名員工。」

Allianz X的執行長Nazim Cetiny則讚揚：「WeLab在短期間內建立一個強大的數位金融服務平台，並獲得亞洲地區客戶的正面迴響，而亞洲地區對安聯來說具有重要的戰略意義，WeLab勢必能成為亞洲市場上獨一無二的金融科技，而安聯對WeLab的投資正是我們看好WeLab前景的證明。」

資料來源：Forbes、Tech Startups、Tech Crunch、MEDICI Global
責任編輯：文潔琳

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。

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

在 Instagram 查看這則貼文

數位時代（@bnext_official）分享的貼文

香港FinTech獨角獸今年IPO！WeLab靠獨門3秒核貸激增獲利，是如何用大數據打造新模式？