How Valon Rebuilt a $13 Trillion Industry From Scratch｜深度中文详解
按揭服务是美国金融体系的隐形支柱，管理着约 13 万亿美元 的消费者债务。然而，这一行业的底层技术架构仍停留在互联网诞生前的 1960 年代，主要依赖大型机和非结构化数据。这导致借款人在面对生活中最脆弱的时刻——如亲人离世、财务困境——时，往往遭遇系统性的冷漠与低效，只因为旧系统无法存储完整的历史上下文。Valon 的创始人正是看到了这一“未被颠覆前三”的行业痛点，决定从零开始重建基础设施。
本集访谈揭示了 Valon 如何在一片技术荒漠中开辟出绿洲。创始人 Andrew Wang 从 Soros 基金的工作经历中发现，按揭服务看似是金融问题，实则是巨大的“系统工程设计问题”——数据无法对账、历史记录缺失、监管代码混乱。面对“向旧玩家卖软件”、“收购旧玩家再改造”和“从零自建”三条路，Valon 选择了最痛苦但最彻底的第三条路：先考取各州牌照，成为一家合规的按揭服务商，用自己的业务作为软件的试验田。
这一策略的核心在于“风险自担”。只有亲自运营、通过政府审计、处理真实资金流，软件的安全性才能被市场信任。随着技术带来效率的指数级提升（运营利润率从微利提升至 70%-80%），Valon 不仅赢得了市场份额，更在近期完成了行业最大规模的单一转移——从 Rithm 接手 400 万笔贷款。访谈后半部分深入探讨了 AI 如何改变了这一版图：在结构化数据底座之上，AI 智能体现在能处理长尾的复杂案例，并让服务商能以极低的成本为每一位借款人提供定制化的灾难应对与沟通方案。这不仅是技术的胜利，更是对一种古老商业模式的彻底重塑——一切皆服务，而服务必须建立在可靠的数字基座之上。
其中最耗时的环节是牌照与法规：纽约州等地要求先盈利才发牌照，团队只能按精心规划的顺序逐州拿证，并在疫情期间逐条阅读联邦与 50 州法规，把规则抽象成代码，这段“痛苦与磨难”最终成了护城河。
- 开场：被低估的 13 万亿美元行业 — 00:00 🎧 · ▶️
- 从 Soros 到按揭数学 — 01:56 🎧 · ▶️
- 13 万亿美元仍跑在 1960 年代系统上 — 03:45 🎧 · ▶️
- 为什么选择从零自建全栈 — 10:19 🎧 · ▶️
- 3–5 年的牌照长征 — 12:30 🎧 · ▶️
- 把 50 个州的监管写进代码 — 16:30 🎧 · ▶️
- 拿下第一批客户 — 18:34 🎧 · ▶️
- AI 现在解锁了什么 — 23:12 🎧 · ▶️
- 一切皆服务（servicing） — 30:21 🎧 · ▶️
- Rithm 的 400 万笔贷款转移 — 33:24 🎧 · ▶️
💬 他们说了什么：
开篇即指出按揭服务是美国“未被颠覆程度前三”的行业。整个行业管理着 13 万亿美元 的消费者债务，却依然运行在互联网发明前的遗留系统上。未来的机会在于构建一套允许持续学习、持续运行的体系，让模型与客户需求对齐。
💡 为什么重要：
定调了行业的巨大规模与极度落后的现状，直接点明了这是一个基础设施重构的宏大命题，而非简单的软件升级。
⚡ 争议点：
无。
💬
Andrew 回忆在 Soros 工作时，最初被按揭模型中的随机微积分吸引，结果发现现实中的计算全是“拍脑袋的猜测”。但他震惊地发现，从业者在数据核对上花费大量时间——数据永远对不上。这让他意识到这是巨大的“系统工程设计问题”，从而产生了重建基础设施的念头。
💡
解释了创始人如何从金融交易的表象深入到底层基础设施的痛点，从“数学迷”转变为“系统工程师”。
⚡
金融行业内普遍存在的“数据对不上账”现象，暗示了系统性风险被长期忽视。
💬
Linda 描述了行业的惨状：数据模型停留在 1960 年代，无法捕捉现代生活的复杂上下文（如借款人离世后的产权变更）。旧系统只能存储“当前快照”，历史信息往往丢失在附属数据库中，导致借款人在最脆弱的时刻被系统无情拒绝。例如，加州等地保险费飙升，旧系统无法灵活处理分期摊销，只能人工审批。
💡
用具体案例展示了技术落后如何直接导致糟糕的人文体验，论证了为何仅靠“更友善的客服”无法解决根本问题——必须修复底层管道。
⚡
加州保险费上涨的例子暗示，监管允许的 36 个月摊销方案在旧系统中难以自动实现，这到底是技术限制还是服务商故意为之？
💬
分析了两条失败路径：一是向旧服务商卖软件，必然会沦为“穿新鞋走老路”，被客户定制需求拖回旧模式；二是收购旧平台再改造，面临 IP 纠纷和架构束缚。Valon 选择了最艰难的第三条路：自建服务商。从 1 笔贷款 开始，逐步扩展到近 100 万笔。
💡
这是 Valon 商业模式的核心——垂直整合。亲自下场运营是验证软件可靠性、打磨产品的唯一途径。
⚡
自建服务商极其烧钱且漫长，如果不是风投支持，普通创业者根本无法复制这一模式。
💬
拿牌照是典型的“鸡生蛋”难题。例如纽约州要求申请者必须“已盈利”才发牌照。团队不得不精心规划获取各州牌照的顺序，甚至发生过创始人亲自去监管部门收发室查找“丢失文件”的故事。整个过程通常需要 3 到 5 年。
💡
揭示了监管壁垒如何构成了极高的行业护城河，这也正是为什么至今没有任何其他初创公司成功突围。
⚡
监管机构（如纽约州）繁琐且随意的审批流程（甚至单方面重置时钟）是否构成了对创新的系统性阻碍？
💬
团队阅读了联邦层面的 RESPA、TILA 等法规以及全美 50 个州的按揭、催收、止赎法规。Andrew 坦言，疫情期间他每天花 18 小时，连续 6 个月 阅读并注释法规，将其抽象为代码架构。这是纯粹的“痛苦与磨难”。
💡
展示了将法律代码化所需的巨大投入，这是 Valon 建立技术壁垒的关键一步。
⚡
过度依赖人工阅读法规可能存在遗漏或理解偏差，是否有更自动化的合规手段？
💬
通过自建服务商，Valon 的运营效率约为传统服务商的 3 倍，将原本接近盈亏平衡的业务变成了拥有 70% 至 80% 运营利润率 的高效业务。这种巨大的成本优势让资产管理者无法忽视。Valon 将服务商作为“演示间”，展示了真实业绩，从而说服了首批客户。
💡
证明了“效率即产品”，用硬数据打破了市场对初创服务商的不信任。
⚡
高利润率是否可持续？随着规模扩大，合规成本和运维成本是否会吞噬利润？
💬
在结构化数据底座之上，AI 解锁了处理“长尾复杂案例”的能力。例如，在灾难发生后，可以通过智能体快速生成针对不同地区的数千种沟通方案，而不是像过去那样分发打印的 Excel 表格。AI 改变了人机交互界面，从固定 UI 变成了对话式界面（Chat）。
💡
指明了从“记录系统”到“智能操作系统”的演进路径，AI 让解决个性化问题成为可能。
⚡
AI 的幻觉问题在金融监管环境下是致命的，如何确保模型在不知道答案时说“不知道”而非编造？
💬
按揭服务只是切入点。实际上，“服务”是任何涉及资金流动、监管和运营的核心。医院的收入周期管理本质上就是医院的“服务”。掌握了服务，就如同掌握了商业的触角，未来可以延伸至商业地产甚至医疗数据。
💡
揭示了 Valon 宏大的扩张路线图，试图成为一切复杂金融运营的基础设施层。
⚡
从按揭跨越到医疗，虽然逻辑通顺，但行业 Know-how 差异巨大，迁移难度极高。
💬
Rithm 决定将 400 万笔贷款（约占市场 10%）转移到 Valon 平台。这是行业历史上最大规模的单一转移。市场决定了 Valon 的产品市场匹配（PMF），正式以软件公司身份进入市场后 6 个月内签下超过 2 亿美元 的合同；此前 Valon 已将自营服务商业务出售给 Carrington，转而专注销售这套“操作系统”。现在的挑战在于帮助企业进行大规模的变革管理。
💡
标志着 Valon 正式通过“大考”，被主流金融机构接纳，其软件模式开始起飞。
⚡
一次性转移 400 万笔贷款涉及巨大的数据迁移风险，任何微小失误都可能引发监管重罚。
- Angela Strange：a16z 普通合伙人，主持人。
- Andrew Wang：Valon 联合创始人兼 CEO，曾在 Soros 基金工作。
- Linda Du：Valon 联合创始人。
- Soros Fund Management：量化投资基金，Andrew 的前雇主。
- Rithm (NewRez)：大型贷款机构，近期将 400 万笔贷款转移至 Valon。
- Fannie Mae / Freddie Mac / Ginnie Mae：美国主要政府支持企业，按揭市场的主要投资者与监管方。
- “It turns out, it never tied. And so I spent a lot of time trying to fix that problem internally.”（结果发现，账永远对不上。所以我花了很多时间试图内部解决这个问题。）
- “Pain and suffering is just the greatest moat of all time.”（痛苦与磨难才是有史以来最伟大的护城河。）
- “If fundamentally you were charged the wrong amount of money because the system of record was flawed, then you can't fix that homeowner experience without fixing the infrastructure.”（如果因为记录系统缺陷导致扣费错误，那么不修好基础设施，就无法改善房主体验。）
- “Everything is servicing.”（一切皆服务。）
- “自建服务商”模式的普适性：这种模式是否适用于其他极度落后的基础设施行业（如保险理赔、税务申报）？Valon 的成功暗示了在深水区，“持股运营”比“纯 SaaS”更有力。
- AI 在金融的落地路径：本集提供了一个反直觉的视角——AI 的爆发反而让底层的“系统记录”变得更加重要。只有数据干净，AI 才能发挥威力。
- 法规即代码：Valon 实际上做了一次“法规重构”，这种将法律条文抽象为可执行代码的能力，未来可能成为一类新的法律科技公司。
- 400 万笔贷款转移进度：文中提及的转移是否已经完成？虽然签字已定，但在数据迁移过程中是否存在技术故障或延误？
- 竞争对手反应：当 Valon 宣布 70%-80% 的高利润率时，传统服务商的黑箱利润模式受到何种冲击？行业是否有价格战迹象？
- 监管态度：监管机构对 AI 处理催收和灾难通知的具体态度如何？是否存在新的合规风险？
- 对于创业者：如果你在寻找行业切入点，不妨问自己：这个行业的“痛苦与磨难”在哪里？哪里有像按揭服务这样极其繁琐却未被数字化的法律流程？
- 对于投资人：关注那些愿意亲自下场“吃土”、通过运营来验证技术的硬科技公司，而非单纯追求轻资产的 SaaS 模式。
- 对于企业用户：在采购 AI 解决方案前，先评估自己的数据底座是否足够干净。如果系统记录本身支离破碎，AI 只会放大噪音。
- Podcast: a16z Podcast
- Episode: How Valon Rebuilt a $13 Trillion Industry From Scratch
- Show Notes: a16z.simplecast.com
- Transcript Source: podscripts
