13万亿美元的美国房贷，跑在互联网诞生前的老系统上

关联

人物 Linda Du · Angela Strange · Andrew Wang

公司 Valen

概念 抵押贷款服务 · 智能体 · 记录系统 · 代管账户 · 变革管理

在美国，房贷余额高达13万亿美元，但这个市场大部分仍运行在一家老公司的系统上——那套系统在互联网诞生之前就建好了。

Valon的两位创始人Andrew Wang和Linda Du做了一件听起来不太理智的事：

先自己申请牌照、做一家房贷服务商，从零写出整套软件，然后把服务商卖掉，只卖软件。

最近Rhythm宣布把400万笔贷款转到Valon平台，接近市场的10%。

为什么说这个行业落后到令人发指

Linda Du的说法是，房贷大概是未被颠覆行业的前三名。

别的行业是创业公司和现代 incumbents 抢最后20%的市场，而这里整个行业连2000年代的技术水平都还没到。

这种落后会直接砸到普通房主头上。

Andrew举了个例子：借款人去世、子女想接手房子时，老系统根本没有完整保存贷款的历史记录，只存了当前时点的快照。

子女为了报遗产税、查清历史，得一遍遍打电话解释我妈去世了，系统却说历史到某个时间点为止，后面的查不到。

再比如每年代缴的房产税和保险费（行话叫 escrow）。

近年保险费和税大涨，房主一次性扛不住，按规定其实可以分摊到36个月偿还，但老系统的设计只会平摊到12个月，超出部分要走层层人工审批。

Andrew说，就算你有全世界最有同理心的客服，如果系统本身算错了钱，不换底层基础设施就没法修好体验。

三条路里，他们挑了最疼的那条

进入这种行业通常有三种打法：把软件卖给老公司；收购几家老公司再注入技术；或者从头把整套东西自己建一遍。

前两条路都被否了。

卖给老公司行不通，因为这个行业监管太严，没有服务商敢用一家新公司的系统。

而且就算签下一个大客户，你只能按对方的做法做，十年后醒来发现你重建了一套遗留系统，只是界面更好看。

收购路线则有知识产权问题：老系统的代码不属于你。

于是他们选了第三条：自己申请牌照做服务商，软件从第一笔贷款开始跟着业务一起长大，最终做到了近百万笔贷款。

拿个牌照，最长要三到五年

牌照是个鸡生蛋的难题。纽约州等监管机构要求你先盈利才能拿牌照。

他们只能先从只需要州牌照的非合格贷款（non-QM）做起，而加州这类大州的州牌照又有各种前置条件：

要找到持牌的房地产经纪人帮忙，要证明团队在催收、客服、支付处理、止赎等每个环节都有五年以上经验。

整个审批链条层层叠加，业内预计最快也要三到五年。

有个好笑的细节：纽约的申请如果材料被监管方弄丢或驳回，时钟会倒退三到六个月。

Andrew有一次被告知材料缺失，他直接杀到对方办公室的收发室，靠快递单号把包裹找了出来。

即便如此，纽约的牌照花了创纪录的三年才批下来。

把几十年的法规，逐条读成代码

拿到牌照只是开始。接下来是把监管变成软件：联邦层面有RESPA、TILA、FDCPA等一堆法规，50个州各有自己的房贷、催收、止赎、隐私、escrow规则。

他们的做法简单粗暴——把每一条法规读完，找出各州法条之间的派生关系，搭出一个能覆盖所有情况的抽象框架。

Andrew形容这是在给整个法律体系做重构。疫情期间，他连续六个月每天18小时读法规、做标注、画架构图。

这之后的五六年就是不断测试。他说得很坦白：这种痛苦本身成了最好的护城河。

先做服务商证明自己，再卖软件收割市场

做了服务商，好处是省下来的成本可以直接变成价格优势。

Valon的效率大约是同行的3倍，把一个原本盈亏平衡的生意做到了70%–80%的运营利润率。

资产管理公司都是逐利的，价格一低，市场就投降了。

而卖软件时，安全和紧迫都有了：

安全在于他们自己运营服务商六七年，通过了每个州的检查、Fannie Mae、Freddie 等机构的审计——运营风险自己扛过；

紧迫则来自他们的服务商直接在市场上和未来客户竞争。

结果就是飞轮效应：签下第一个大客户后，另外五家大公司主动打来电话。

去年他们宣布把Valon Mortgage卖给Carrington，正式转为纯软件公司。Linda说这不是转向，而是A轮融资文件里写好的计划——那是一份60页的PDF总攻计划。

为什么不干脆做一家大服务商？她说，留着技术自己用，你什么也没改变，没有解决基础设施的根本问题。

公司使命也很直白：把这个世界从大型机和遗留软件里拯救出来。

AI改变了什么：从能自动化到能编排

公司成立时生成式AI还不成气候。

现在，Andrew说最大的变化是：以前只能自动化确定性强的任务，现在可以编排一组智能体去处理复杂场景。

比如灾后要给受灾房主逐一打电话了解情况，传统做法是打印出表格、把贷款名单分给不同的人各做各的；

现在可以直接在产品里说，派一批智能体打电话、提供不同方案、跑不同的工作流，还能先做模拟推演。

对房主端，交互方式也在变：可以用语音AI、聊天AI，而不只是固定界面。

Linda认为这让每个服务商都能做自己最擅长的版本，而不是0利润下只能一刀切。

技术侧，房贷场景对正确性要求极高——宁可让模型说不知道，也不能编造答案。

Andrew最兴奋的是建一套持续学习的设施：不停跑评估，确保模型朝着对的方向、甚至对特定客户定制的方向持续改进。

一切皆服务，房贷只是第一站

Andrew的观察是，服务商是各种强监管企业的交汇点。往商业地产走，你能拿到租户的财务数据；

往医疗走，医院的收入周期管理本质上就是医院的服务——处理账单、理赔、患者，拿到的是全部电子病历。

他说，一切皆服务：凡是有资金流动、有监管、有运营环节的东西，底层都是这类基础设施。房贷只是最粘、最难的，所以先啃它。

市场也给了回报：转为软件公司后六个月内，签了超过2亿美元的合同。是市场替他们宣告了产品与市场的匹配。

最后一点经验：

Andrew原以为这是技术问题，六年之后他知道这是变革管理问题——大组织里几千人各有各的目标函数，让改变发生才是最难的，也是AI时代未来十年最大的价值来源。

能在这种角色里活下来的人，是高主动性、高同理心、既会解题又会与人打交道的那种人。

本集带走

• 美国13万亿美元房贷市场大量运行在互联网诞生前的单一遗留系统上，落后会以房主的真实痛苦形式显现
• Valon先自己做服务商、从1笔贷款长到近百万笔，用运营业绩证明软件，再卖掉服务商转型纯软件公司
• 牌照审批层层叠加最快要三到五年，把联邦加50州的法规逐条读成代码，这种痛苦成了护城河
• AI让复杂、非确定性的长尾工作流第一次可以被编排自动化，但要靠底层数据记录系统先建对
• 一切皆服务：医疗收入周期管理就是医院的服务，同样的基础设施逻辑可以扩展到很多强监管行业

事实证明，收入周期管理不过就是医院的贷款服务。
It turns out revenue cycle management is just servicing for hospitals.
—— Andrew Wang · [00:40]

这是 13 万亿美元的消费债务，基本上主要运行在一家单一的在位巨头身上，而他们的遗留系统是在互联网发明之前构建的。
It’s $13 trillion of consumer debt that basically runs on, for the most part, a single incumbent that built their legacy system before the internet was invented.
—— Linda Du · [04:04]

这是一个甚至还没赶上 2000 年代技术的行业。
This is an industry that hasn’t even caught up to 2000s technology yet.
—— Linda Du · [04:23]

我们总是告诉团队的是，未来十年人们被招聘所看重的技能，是应用 AI 的能力。
And what we always tell the team is that the skill set that people will be hiring for in the next decade is the ability to apply AI.
—— Linda Du · [04:49]

所以你就要冒这样的风险：十年后一觉醒来，你重建了一个遗留系统。
And so you just run the risk that you wake up 10 years from now and you rebuild the legacy system.
—— Linda Du · [11:30]

史上最伟大的护城河，痛苦和煎熬。
Greatest moat of all time, pain and suffering.
—— Andrew Wang · [16:57]