來自矽谷的種子《風險債基金》在東南亞獨角獸身後萌芽,還要吹向日本
來自矽谷的種子《風險債基金》在東南亞獨角獸身後萌芽,還要吹向日本

今(2022)年3月底,印尼最新的fintech獨角獸公司Akulaku完成1000萬美元的post-D輪募資,引起我的注意。不是因為金額,也不是他們的服務,而是新聞宣布該公司是用風險債(venture debt,VD)融資。

這間接回答了我與身邊朋友對東南亞新創崛起的好奇:除了傳統的VC,是不是還有其他的作用力在支持這個市場?尤其部分企業的擴張、收購,資本支出顯然不低;那這些資金從何而來?真的是單純外界傳聞的「熱錢很多」嗎?

VD在東亞新興市場的濫觴

VD基金起源於70年代的美國,爾後由矽谷銀行(Silicon Valley Bank)發揚光大。近年來成為東南亞、印度科技新創的重要募資管道。這類型的基金不以股權為目標,而是透過借貸、收利息的方式,進行對新創公司的投資。

2018年的雅加達,我用Grab在城市裡穿梭,第一次從印尼新創口中聽到VD這個詞。但我當下就意識到,這個概念原來就是我在北京中關村聽當地人提起好幾次的「投貸聯動」。只是可能礙於翻譯習慣,簡體中文世界並不常以VD或venture debt來稱呼。

投貸聯動最早可回溯到2011年,上海浦發銀行與矽谷銀行合資成立浦發硅谷銀行(矽谷在中國翻譯為硅谷),率先以政策優勢推廣債權投資。2016年7月,在炙熱的創業大街上,北京銀行、中關村發展集團,與若干私募投資公司,陸續宣告開辦投貸聯動,規模從數百萬到數千萬人民幣不等。

shutterstock_1857484450_s.jpg
圖/ 用友

以貸款為目的的VD模式,可以與股權為重心的VC互補,且在美國已經屢見不鮮。尤其在網路、軟體即服務(SaaS)領域,Google、Facebook、Uber、Airbnb 與 Dropbox,都曾經以VD完成募資。搭上中國「大眾創業,萬眾創新」的氛圍,各路的資金有了新出路。如商湯科技、近期啟動赴港上市的數坤科技等大型獨角獸公司,都曾接受過浦發硅谷銀行投資。

VD在東南亞的發跡則略晚於中國。2015年,新加坡政府意識到,VD可能是支持新創生態系的另一種工具,便以星展銀行為承辦方,開辦Venture Debt Program(VDP),規模為5億美元。約略此時,淡馬錫與大華銀行1:1合資的Innoven Capital(當時稱為venture lender服務商)也成立。

前述兩者,成為東南亞VD科技投資的鼻祖,與VC合作。星展銀行此舉間接培養了一批專業人士,包含於2019年成立,也投資過Akulaku 的Genesis Alternative Ventures等。據新加坡PWC在2021年對東南亞VD的報告,每年與VC投資的總額相比,VD約佔10%,市場規模約8-10億美元之間。

數位東南亞,如何成為VD的沃土

除了印尼Akulaku,還有疫情最嚴峻的2年來,仍成功晉身獨角獸俱樂部的多個新成員,如新加坡的Carro、Nium與Trax,馬來西亞的Carsome,成長期間都有VD的影子。除了獨角獸,東南亞快速成長的人馬企業(Centaur,定義類似獨角獸,但估值略小,介於1-10億美元之間),大多也為SaaS或軟體、網路服務訂閱制的商業模式,且得到市場驗證。

這類型的產品,可能是Super-App,如Grab(更明顯的是中國的微信,集合生活、行動支付,並與多個第三方合作),或者線上平台服務,如印尼社交電商RateS、活躍於印、菲、泰的物流系統Deliveree。共同的特色就是金流具有週期性,並且提供相對清晰的用戶成長記錄,可供投資人進行收入預測。與前述提到的,「VD因美國軟體業興起而受歡迎」的軌跡如出一轍。

此跟實體的製造業、工廠或硬體商大有不同。數位時代,這些電商平台、外賣服務或金融數據分析公司,哪怕技術、服務再好,早期都並不一定持有能夠用來對銀行抵押的資產,如廠房、土地或設備。

那麼這些輕資產的科技公司,如何繼續補充擴張用的現金呢?以股份賣錢,亦即向VC募資,是一種方法。但如果募資太多次,將造成稀釋的股權過多,對創始團隊似乎並不是好結果。另一個隱憂,是估值提高,就必須要對VC有新的「故事」支撐,很容易陷入僵局。VD此時便是新的募資選項。

根據本文前面所提到的,新加坡PWC同一份報告,統整了部分VD作用:

  1. VD不以股權為主要標的,可以降低成長期企業稀釋股權的比例。

  2. 資金可以用來加速擴張業務、收購等。有些公司則用來增加現金儲備,尤其在疫情期間,增加「抗風險能力」。

而以新加坡為示範點的東南亞創業生態,又因數位經濟蓬勃、肺炎期間封城推動社會數位轉型等,完美地結合並發揮VD的特性。儘管過程不盡相同,但大抵可以把VD看作是「用VC的方法論與思維,提供科技新創公司債權融資的機會」。跟一般銀行貸款相比,前者更注重投後管理。

VD模式的西風東漸,也悄悄吹往日本

新興市場的魅力總是持續吸引著前仆後繼的新玩家。2021年中,日本的藍天銀行(Aozora Bank)宣布投資新加坡Genesis Alternative Ventures。三菱日聯銀行(MUFG Bank)則在同一年聖誕節前夕,與以色列的Liquidity Capital,正式透過新加坡的Mars Growth Capital成立3億美元的VD基金。此前,MUFG也曾對Grab進行過債權融資。

對照台灣的過去,我們的金融體系曾在歐美搭配生產、製造跟代工的經濟模式,對企業借貸融資,取得可觀的回報。回溯到上世紀的美國,VD的初衷也是從設備貸款、租賃(venture leasing),隨著軟體、網路媒體新創增加,而演變出更多應用。

然而,今天的東南亞,除了自身人口紅利之外,大量西方取經、學有所成的海歸,也同步繼承了部分矽谷的經驗與思維。就連成熟謹慎著稱的日本金融機構,也開始試著透過VD佈局東協。透過VD投資的案子,又可能在未來規模更大時,成為銀行的新客戶。

於是, 具有區域特色的文化、科技,帶動新商業模式,新商業模式則形塑了新金融工具。我們在看「別人家的獨角獸」時,或許他們腳下那片棲息地,還移植、共生了其他物種,並蓬勃發展著。

《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)

責任編輯:傅珮晴、侯品如

好友缺你一個,加入數位時代LINE,科技產業趨勢新聞一次掌握!

傳送門點這裡

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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Vibe Coding
© 2025 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